Cómo mejorar la satisfacción del cliente reduciendo el tiempo de respuesta

Los números no mienten. De acuerdo con un estudio anual de servicio al cliente, hasta el 62% de las compañías no responden los correos de sus clientes y el porcentaje restante de empresas que sí lo hace cuenta con un tiempo de respuesta medio de hasta 12 horas. Esta cifra contrasta con una encuesta de la compañía Jeff Toister, en la que se extrae que el 46% de los usuarios espera que las compañías tarden menos de 4 horas en contestarles. Por su parte, el 12% espera que las empresas sean capaces de contestar en 15 minutos o menos.

Las cuentas claras
Una de las primeras cosas que debe conocer una empresa es su tiempo promedio de respuesta o FRT (first response time). Para ello, será necesario segmentar las comunicaciones mediante una plataforma omnicanal que permita etiquetar aquellas interacciones que son “first time”, es decir, cuando se trata de la primera vez que un cliente se comunica para preguntar algo o para pedir soporte. Una vez el anterior requisito haya sido completado, es momento de calcular el FRT partiendo de los siguientes datos clave:

• Tiempo total empleado en responder todas las primeras interacciones durante un determinado periodo de tiempo (día, semana, mes), previamente seleccionado a manera de muestra.
• Número total de respuestas enviadas durante un periodo de tiempo.

Es importante destacar la importancia de que ambos datos sean extraídos durante el mismo periodo para que así la muestra y la correlación sea certera. Por esto, hay que seleccionar previamente un periodo de un día, una semana o hasta un mes para llevar a cabo las cuentas y cálculos eficazmente. Después, habrá que dividir el primer dato (tiempo total empleado en enviar respuestas) por el segundo dato (número total de respuestas).

Chatbots inteligentes
Una manera eficaz de reducir los tiempos de espera y de respuesta de los clientes en materia de soporte es implementando chatbots de palabras clave o chatbots NPL capaces de gestionar casos de soporte de baja complejidad, aligerando así la carga de los agentes físicos, quienes podrán usar su tiempo y experiencia para dar resolución a casos de mayor dificultad.

Segmentar y categorizar
Además de segmentar los mensajes de primeras interacciones del resto, será importante segmentar las comunicaciones por temáticas para así asegurarse de que los chatbots y agentes prioricen aquellas de mayor grado de dificultad o premura. Es importante destacar que los chatbots NPL son capaces de interpretar sentimientos de los clientes, para así transferirlos a agentes más experimentados.