El 1004 de Telefónica utiliza modelos predictivos para determinar el número de llamadas que recibirá el servicio (demanda de clientes). Hay mucho dinero en juego y la empresa es consciente de ello. Este call center, quizás el más grande de Europa, atendió 14 millones de llamadas en enero. Los modelos de previsión han conseguido reducir los errores en un 50%.
Los modelos predictivos se nutren de información, de grandes cantidades de datos capaces de ser capturados y procesados. Hablamos de big data. De manera lenta pero imparable las empresas están entendiendo y aplicando la inteligencia de los datos para optimizar y aumentar la productividad de sus negocios. Dos buenos ejemplos de este proceso son las multinacionales Telefónica y Coca Cola.
Hace unos días tuve la oportunidad de conocer, de primera mano, cómo estas dos empresas están usando los modelos predictivos en sus respectivos negocios. Fue en la Jornada «Big Data y Modelos de Predicción en Marketing y Operaciones» organizada por la empresa Bayes Forecast.
Les voy a resumir la intervención de Javier Falcón , Gerente de Atención al Cliente en Telefónica. Sin duda su ponencia fue una excelente clase magistral sobre qué es y cómo se gestiona un call center. Tienen la charla completa en la web de Bayes.
Lean este párrafo, es esclarecedor:
“Llegué al 1004 en el año 2006 y recién llegado había una primera decisión que tomar. El equipo de previsiones me dijo que para el próximo mes, después del puente de la Constitución, íbamos a tener un volumen de llamadas muy alto. Un aumento de 40.000 llamadas con respecto al mes pasado. Eso implica un crecimiento muy brusco en tu capacidad de atención , implica crecer en 400 puestos técnicos con sus teléfonos, PCs, aplicaciones, etc.. Implica contratar comerciales y formarlos en menos de tres semanas… Significa contratar a más de 900 personas para hacer frente a esa demanda. Había que tomar una decisión, tomé la decisión y asumí esas 40.000 llamadas más. Cuando llegó el día no sólo no tuvimos 40 mil más sino que tuvimos 10.000 menos…”
Estas cosas ocurren, son consustanciales a las grandes empresas y son los motivos que impulsan la innovación, la búsqueda de soluciones que permitan hacer más óptimo un proceso. Si entendemos que la planificación es esencial, la previsión también.
Javier Falcón asumió su gran responsabilidad y se puso a trabajar en un nuevo rumbo:
“En 2005 trabajábamos en las previsiones como con las cabañuelas. Cuando empezamos a trabajar con modelos conseguimos una mejora espectacular, conseguimos reducir los errores a la mitad y eso lo conseguimos hacer con Bayes “.
Hasta la introducción de los modelos, las métricas de productividad y acceso eran las que tradicionalmente se trabajaban en el 1004 (en términos de costes) que son:
Pero claro el 1004 es, también, un call center comercial y por tanto se miden métricas de venta y satisfacción de clientes:
“El 1004 ha sido estratégicamente para Telefónica el canal fundamental de venta. Cuando Telefónica sacaba una promoción de ADSL se indicaba llamar al 1004. Y Cada vez que llegaban ese tipo de campañas la gente que estábamos en gestión teníamos una responsabilidad importante, la de determinar si los picos de llamadas, que decían en el equipo de previsiones, se iban a cumplir o no…”
La modelación
A partir de 2006 es cuando el 1004 comienza a trabajar con los modelos predictivos e incorporando variables que hasta entonces no se habían tomado en cuenta. Actualmente todos los sistemas de previsiones con los que trabaja el 1004 lo que intentan es modelar el volumen de la demanda de clientes.
Según Falcón, el primer paso para trabajar en previsiones es conocer cómo funciona el sistema de operación. En el caso de un call center existen dos extremos. Por un lado está el sistema horizontal en el que cualquier comercial atiende cualquier tipo de interacción, y por otro el vertical en el que hay un comercial preparado para cada tipo de actuación que el cliente requiera.
“Cuando gestionas un call center del tamaño del 1004 ambos modelos son malos… Si intentas montar un sistema horizontal estarías muerto, es imposible que 10.000 comerciales trabajando en siete países conozcan todas las operativas por las que un cliente puede llamar. ¿Qué haces entonces? Comienzas a montar un sistema más o menos vertical en el que agrupas conocimientos. Voy a formar a una serie de comerciales en facturas, otros en ventas, en bajas, etc. Este sistema presenta una gran ventaja y es que el tiempo en tener un comercial plenamente operativo se reduce. Cuál es el problema, pues que necesitas ser muy fino a la hora de enrutar las llamadas. Todos los modelos de atención tienen una primera línea que intenta identificar el motivo de la llamada, son máquinas de reconocimiento que funcionan razonablemente bien. Si puedes enrutar al comercial adecuado el sistema es perfecto, pero la realidad no es así y al final la llamada es atendida por un comercial que, en la mayoría de los casos, no va a disponer de los conocimientos adecuados, con lo cual comienzas con los problemas de transferencias (transferir llamadas a otro comercial que conoce el tema)… Por tanto un sistema vertical tendría un alto grado de transferencias . En un sistema horizontal no tendrías ni una sola transferencia pero tendrías otro problema y es que los clientes rellamarían y rellamarían. Se encontrarían con comerciales que no saben resolver. De ahí viene lo de la manta corta.”
Antes de seguir, les cuento qué significa «manta corta«. Las llamadas que gestiona el 1004 sonde tres tipos:
La manta corta es como si en una noche de frío tienes una manta que no logra cubrirte el cuerpo entero, o te tapa la cabeza o los pies, pero imposible ambas cosas. En un call center es la imposibilidad de tener un sistema de atención que no genere ninguna llamada de transferencia (porque todos los operadores puedan atender cualquier tipo de llamada), ni rellamada (porque se ha atendido satisfactoriamente).
Vemos, por tanto, que el consumo de rellamadas y el consumo de transferencias son dos factores críticos para marcar la demanda.
Antes hablábamos del TMO de llamada, una métrica tradicionalmente clave en la productividad de un call center. Es decir, si un comercial atiende 5 llamadas y otro 6 en el mismo tiempo, se puede entender quién es más productivo. Pero actualmente se analiza también la métrica de cliente. Es decir, si un comercial atiende tres veces con un TMO muy bajo y otro comercial atiende una sola vez con un TMO alto, resulta más productivo el comercial con el TMO alto. Hasta hace poco esto no era visible, sólo se tenía en cuenta el TMO por llamadas.
Por otro lado también se miden las grandes fluctuaciones en la demanda:
“Puedes tener 2,4 millones de llamadas en agosto y pasar a 3,6 en septiembre. En septiembre has tenido que hacer un crecimiento enorme de comerciales para coger la demanda que se te viene, esos comerciales no están tan bien formados como los que trabajan todo el año, la atención será peor y, por tanto habrá más reintentos. Esto lo tienes que incluir en tu modelo de previsiones”.
En un call center es fundamental, además, la actividad ligada a la estacionalidad, la planta y las averías. Por ejemplo en épocas de lluvia hay más averías y, por tanto, más quejas de clientes. La planta es un patrón lógico, a más clientes más probabilidad de llamadas. Con respecto a la antigüedad de la planta pensemos que un señor que tenga un router desde hace diez años tiene más probabilidad de llamar por avería que otro que lo tiene desde hace tres semanas.
“Son cuestiones no visibles pero permiten identificar de una forma muy certera cuál va a ser el comportamiento del tráfico”.
En términos comerciales se miden los efectos de las acciones de marketing masivo (prensa, televisión, sms, cartas, email ..), el marketing de emisión (inbound o llamadas por efecto de la acción comercial) y la factura.
“La factura es un disparador de tráfico impresionante, es el único disipador de tráfico que se genera cuando existe y cuando no existe. .. si dejas a alguien sin factura también te llama.”
También se incluyen las gestiones asociadas a la actividad comercial como reclamaciones o up-seling.
Por último, una variable muy interesante y necesaria es la del comportamiento del cliente. No es lo mismo el comportamiento de un cliente que ha comprado la promoción en una tienda, a través del call center o a través de telemareketing de emisión. Es muy importante identificar los patrones asociados al evento donde ha sido generado.
Actualmente el 1004 realiza un plan de operaciones mensual y otro trimestral. Han conseguido reducir los errores en un 50%.
Si han llegado hasta aquí habrá entendido con bastante precisión la importancia de los datos pero, sobre todo, de los modelos predictivos, eso mecanismos que permiten diagnosticar, explicar y prever. Habrán comprendido además el tremendo impacto de esos modelos en la optimización de los procesos productivos, en los ahorros de costes… Las empresas ya lo están entendiendo.
Les dejo la ponencia completa en:
[…] contaron cómo se utilizaba este tipo de modelos en Atención al cliente (1004) para optimizar el dimensionamiento de los equipos que atienden las llamadas, ya que […]
[…] per months, reducing response time, and giving better service. You can read the complete story here (in […]