Ineficiencias más relevantes en el día a día de un auditor de calidad

La labor de auditar llamadas en un contact center es una de las más importantes. Si no la que más. Es la base de la mejora de tus agentes. Son los auditores quienes tienen que identificar las mejores practicas, puntuar a los agentes y conseguir subir el nivel de atención.

Si formas parte de la operación o tienes contratado un contact center, como responsable de experiencia de cliente, te lo queremos decir sin rodeos: su labor es importante y no tienen las herramientas para brillar en su día a día.

Están actuando de forma manual, poco objetiva. Están lejos de ser eficientes y productivos analizando llamadas, puntuando agentes y controlando tanto los procesos como los datos que generan las llamadas. En Upbe creemos que su rol debería ser más parecido al de un analista de datos. Y sabemos que nuestro producto te ayuda a ello.

Hace unos días celebramos un webinar en el que invitamos a Carmen Ramos, responsable de calidad durante muchos años en el sector. Con ella estuvimos hablando sobre cómo creemos que Upbe ayuda a transformar el rol de auditor a analista. Compartimos con ella un rato muy interesante en el que hablamos de ineficiencias, generalización de incidencias o errores, oportunidades de mejora y explotación de los datos de un call center.

Aquí tienes la entrevista con ella. Y en este enlace puedes ver el webinar entero:

En cualquier caso, te compartimos los puntos más importantes de la conversación. Sobre todo las cosas que ella ve como puntos de mejora. Seguro que estás de acuerdo en varias de ellas… sino en todas.

Gestión ineficiente y subjetiva

Auditar sobre una muestra tan pequeña provoca que el esfuerzo dedicado casi no merezca la pena. Un agente, dependiendo del sector o el producto o servicio, puede atender hasta 50 o 60 llamadas al día. Sin embargo, probablemente, el auditor escuche entre 2 y 4 llamadas suyas el mes. Auditar y puntuar a un agente, estructurar el feedback que quieres compartir con él y que le aporte no suena muy posible si se construye a partir del 0,2% de sus llamadas (aproximadamente).

Que la muestra sea tan pequeña no solo afecta a que de esa llamada estructures parte de la formación, sino que provoca una toma de decisiones en torno a los agentes subjetiva. Dejas a la suerte algo que debería estar objetivado. Analizado con detalle en base a criterios objetivos, como, por ejemplo:

1. Seguimiento del discurso comercial
2. Desarrollar guías de actuación o buenas prácticas
3. Forma de actuar en llamadas donde los sentimientos del cliente sean negativos

Generalización de incidencias o errores

Con una muestra de llamadas tan escasa, los equipos de auditores no tienen herramientas para entender la relevancia de un problema. Es probable que varios clientes te estén haciendo saber, por separado, que hay un error o incidencia. Una tarifa mal puesta en la web. Un proceso ineficiente que provoca fricción en la atención a clientes o venta de productos. Imagínate cualquier caso que te haya afectado en tu servicio.

Si la muestra es pequeña es probable que:

1. Te estés dando cuenta tarde que tienes un problema, porque dejas al azar (a que un auditor elija una llamada y la identifique y crea que es importante) su detección.
2. No vas a saber, hasta pasado un tiempo de la primera llamada que identificas, la magnitud del problema. Por lo que la solución que propongas, su prioridad, no será la adecuada.

Esta cadena de errores (identificar tarde e identificar sin orden de magnitud) es negocio que estás perdiendo. Productos o servicios que dejas de vender. Clientes que pierdes. O satisfacción de clientes que has captado, con presupuestos de marketing dedicados, que está bajando.

Herramientas que no ayudan a la productividad de los equipos

La parametrización de estas herramientas, como sabes, es compleja. Por varias razones (sobre las que hemos hablado antes):

1. Tienes que escuchar un volumen de llamadas muy alto para crear unas categorías que te ayuden luego a identificar incidencias, por ejemplo.
2. Aprender a utilizar estas herramientas de Speech Analytics tiene una curva de aprendizaje muy alto. La dedicación y esfuerzo en formación es alto.
3. Hacer cambios en este tipo de herramientas cuesta mucho. Por lo general exige conocimiento técnico y esas dependencias no suelen ser aconsejables para negocio.

Explotación de los datos compleja, casi inexistente 

Esta es una gran carencia. Quizás la consecuencia de todos los problemas anteriores. Después de parametrizar y categorizar, de dedicar tiempo a que tus agentes aprendan a utilizar la herramienta, llega el momento de ver qué te aportan los datos que tienes. Tienes que exportar la información, tratarla, interpretarla y extraer conclusiones.

Y resulta que las herramientas y procesos de trabajo terminan en una cantidad de trabajo manual que abruma. Además, los auditores no suelen tener la formación suficiente para analizar toda esta información. Exige mucho tiempo y seguramente procesos de trabajo muy diversos (a la hora de exportar y tratar los datos).

El resultado es volver a tener que dedicar mucho tiempo a formar sobre ello, además necesitando que manejen la información en diferentes entornos que los datos estén bien tratados. Los riesgos para caer en más inefiencias son muy altos. ¿Te compensa tanta dedicación para no tener la confianza de estar analizando bien la información?

Seguro que no. Sabemos que hay muchas posibilidades de mejora. Upbe, precisamente, se centra en automatizar los procesos, cubriendo todas las llamadas, para corregir estas ineficiencias:

• Aumentando la muestra con la puntúas a agentes y pasar del 0,2% al 100% de las llamadas
• Identificando a tiempos los errores e incidencias para actúar con más agilidad con planes concretos
• Proponiendo una herramienta self-service fácil de utilizar y de personalizar, con plantillas de calidad pre-cargadas. Sin necesitar ningún conocimiento técnico
• Representando toda la información en cuadros de mando con los indicadores fundamentales de tu operación y negocio

Y en un artículo de la semana que viene cubriremos precisamente este último punto: cómo a través de la eficiencia durante el proceso podemos dedicar más tiempo a analizar los datos y tomar mejores decisiones. Y, con ello, transformar el perfil de auditor en el de analista.