Analizando las realidades: Un análisis de la métrica actual en los centros de contacto

1ª. de 2 partes

Brian Galván*

El sector de centros de contacto es, hoy por hoy, una de las mayores industrias de servicios en los Estados Unidos, y se está expandiendo con rapidez alrededor del planeta gracias al surgimiento del outsourcing en la modalidad de “offshoring”. Cada año se gastan, literalmente, cientos de miles de millones de dólares para atender las necesidades de los consumidores. Estos servicios son proporcionados por millones de representantes de servicio clientes (o "agentes") en docenas de idiomas. Esencialmente, este fenómeno representa la automatización de la entrega del servicio, de manera muy similar como la producción en masa automatizara los procesos de manufactura hace un siglo.

No es de sorprender, por lo tanto, que esta industria haya engendrado muchas industrias de apoyo y atraído el interés de muchos de los principales proveedores de tecnología, especialmente en los ramos de telecomunicaciones, administración de las relaciones con los clientes (CRM) e inteligencia de negocios (BI). En particular, en los últimos tiempos ha acaparado la atención la adopción de herramientas de inteligencia de negocios para mejorar la administración de los centros de contacto. Desde sus inicios, los centros de contacto han sido entornos con una gran abundancia de datos, en los que el administrador dispone de un gran número de reportes que le indican con gran detalle cómo han llegado las llamadas y cómo han sido atendidas. El entendido generalizado es que es deseable un análisis más profundo de los datos, y las herramientas de BI parecen tener la respuesta al acertijo de entender cómo funcionan estos sistemas complejos.

Es importante tener en cuenta que las herramientas de inteligencia de negocios sólo son útiles en la medida en que se posea un alto nivel de expertise en la métrica específica disponible. Esto es, a menos que uno esté midiendo –y analizando– los parámetros más relevantes, las herramientas de inteligencia de negocios arrojarán poco discernimiento útil (y esto es cierto para cualquier industria). Este es un problema importante en la industria de centros de contacto porque, a pesar de que el sector gasta miles de millones de dólares al año en tecnología avanzada en diferentes terrenos, sigue prevaleciendo un elemento muy marcado de “conocimiento tribal” que se aplica para determinar cómo administrar estos centros.

Por ejemplo, muchas decisiones de negocios importantes se adoptan con base en teoría de colas clásica (también conocida como “teoría de Erlang”), a pesar de que, en la mayoría de los casos, ya no tiene una aplicabilidad directa. Dicho de otro modo, hay una escasez de análisis cuantitativo serio en el sector de centros de contacto, a pesar de los considerables ahorros de costos que es posible lograr simplificando las operaciones.

Los centros de contacto son entornos con una gran riqueza de datos, donde se dispone de información detallada proveniente de una multiplicidad de sistemas acerca de cada paso de una interacción a través del centro. En un centro de contacto típico, se dispone de datos detallados provenientes del proveedor de servicios de telecomunicaciones, el ACD, la unidad IVR (respuesta interactiva de voz), el software CTI (integración telefonía-cómputo), el sistema de monitoreo de calidad y la aplicación de CRM. De hecho, la cantidad de datos disponibles plantea uno de los mayores desafíos, pues generalmente resulta bastante difícil hilvanar los diversos elementos de datos para obtener una imagen coherente.

Considerando esta dificultad, el trabajo de inteligencia de negocios a menudo evoluciona para convertirse en un ejercicio de integración de datos, con el desafortunado resultado de que los usuarios de negocios escriben requerimientos que los proveedores de tecnología satisfacen plenamente, aun cuando dichos requerimientos estén basados, en no pocas ocasiones, en una comprensión equivocada del significado de algunos de los datos. Es una situación similar a la del huevo y la gallina. Quienes manejan los datos de manera cotidiana (TI) no saben qué es lo que se debería medir, y quienes escriben los requerimientos por lo general lo hacen en términos de ideas ya bien entendidas, como lo ejemplifica el caso de la teoría de colas.

Para ilustrar este fenómeno, considere el tan conocido parámetro de nivel de servicio (SL). Por lo general se mide como el porcentaje de llamadas entrantes contestadas dentro de un tiempo determinado (una meta muy común es 80:20, que significa que el 80% de las llamadas son contestadas en menos de 20 segundos). Este parámetro es fácil de medir, y muchos lo toman como un sustituto representativo de la calidad general del servicio. La primera objeción es que este parámetro resulta un muy mal representante de la calidad de servicio.

Si bien las demoras excesivas pueden, evidentemente, irritar a los consumidores y conducir al abandono de llamadas y a la percepción de que la calidad del servicio es deficiente, contestar las llamadas en forma instantánea no es garantía de una experiencia de servicio positiva. Por ejemplo, la mayoría de la gente preferiría esperar un tiempo moderado a que le atienda la persona adecuada, en vez de que le conteste al instante una persona que no cuenta con las habilidades necesarias y proviene de una cultura que le resulta ajena. Y la disposición que tiene la gente a esperar puede ajustarse modificando la manera en que se maneja el tiempo de espera (por ejemplo, mediante una evaluación cuidadosa de la música seleccionada, del contenido y frecuencia de los anuncios, y dándole al consumidor cierto grado de control sobre la experiencia al ofrecerle opciones).

Peor aún que usar un mal desempeño como representante de la calidad, es el hecho de que usar el nivel de servicio como un parámetro operativo clave puede conducir a comportamientos tan deficientes como costosos. El propósito de medir los procesos de negocios es entender cómo funcionan y detectar cuando estén funcionando mal, a fin de poder tomar medidas correctivas. Por eso es importante examinar qué conductas se originan cuando un parámetro se aparta del valor esperado para evaluar la utilidad de una métrica. Las objeciones en contra de usar el nivel de servicio como un parámetro clave son especialmente contundentes cuando se miran desde esta óptica. Con mucha frecuencia, el nivel de servicio se utiliza como un parámetro clave de calidad en los contratos de outsourcing, determinando qué penalizaciones han de aplicarse. Y se le emplea regularmente como una métrica clave para determinar la remuneración del personal, lo que invariablemente puede llevar a un reforzamiento de las conductas indeseables.

Por supuesto que, para estas alturas, mucha gente en la industria ha reconocido que el nivel de servicio no es el parámetro más grandioso del mundo, y se han propuesto otros en su lugar como “mejores métricas de calidad”. Uno de los candidatos que más han destacado en fechas recientes (a juzgar por la atención que le ha dedicado la prensa) es la resolución a la primera llamada (First-Call Resolution o FCR), que por lo general se define como el porcentaje de llamadas entrantes que son atendidas hasta término por el primer agente que tomó la llamada. Aunque esto parece sensato (a nadie le agrada ser transferido una y otra vez de una persona a otra, y todos preferiríamos hablar con una sola persona capaz de atender todas nuestras necesidades), este parámetro presenta más problemas que el nivel de servicio. Por principio de cuentas, no resulta claro de ninguna manera que la resolución a la primera llamada sea, siquiera, la meta correcta para todas las empresas. En algunos casos, resultaría más eficiente en términos de costos tener agentes de primer nivel dedicados a atender las llamadas de rutina y, además, a clasificar las más complejas, cerciorándose de canalizarlas al agente de segundo nivel más indicado. Esto es algo muy común en aplicaciones de help desk y soporte técnico.

Además, también podría ser deseable transferir hábilmente una llamada de un agente a otro a fin de atender mejor consultas compuestas. Y, por último, si se administra bien, a menudo es deseable atender la primera parte de una interacción y después, de manera proactiva, ponerse en contacto con el cliente después de un breve lapso de investigación “fuera de línea” para concluir la tarea; en estos casos, es crucial que no se obligue al cliente a llamar nuevamente, frustrado porque la empresa no le dio seguimiento. Además, en aquellos casos en que la resolución a la primera llamada es una meta válida, siempre es difícil de medir y fácil de socavar como métrica clave.

Con las normas actuales en el negocio de métrica para centros de contacto se presenta un problema aún más profundo, que se ve exacerbado por la efervescencia en torno a los tableros de control ejecutivos (“dashboards”) y los indicadores clave de desempeño (Key Performance Indicators o KPI). El supuesto tácito es que uno puede, sin duda, medir eficazmente el desempeño en los centros de contacto utilizando promedios a lo largo de períodos de tiempo prolongados. Por ejemplo, el nivel de servicio y la resolución a la primera llamada generalmente se miden por hora, pero la administración probablemente se fije en los resultados por día. Evidentemente, cualquiera de nosotros se preocuparía si un médico, con sólo ver nuestra temperatura, pulso, presión arterial y peso, nos prescribiera una receta. ¿Por qué nos conformamos con la misma profundidad de análisis por parte de nuestros “expertos” en el negocio de centros de contacto?

*Brian Galván, Vicepresidente de Administración de Productos en Genesys

Fuente: ContactCenterWorld

Esta entrada fue publicada en Sin categoría. Guarda el enlace permanente.