Una empresa financiera española que se centra en la gestión de activos, servicios de inversión y seguros; opera un centro de llamadas que permite a los clientes obtener información y actualizaciones rápidas sobre sus inversiones y otros servicios financieros. La empresa tiene una larga historia y reputación de brindar servicios de primer nivel a sus clientes, donde el centro de llamadas juega un papel importante.
El call center tiene un doble propósito para los clientes actuales; principalmente el de proporcionar información, pero también el de ofrecer nuevos productos financieros, es decir, venta cruzada. Los no clientes también pueden llamar y son canalizados al equipo de ventas para su incorporación.
Aunque el promedio de llamadas entrantes por día es superior a 800, el centro de llamadas experimenta con frecuencia más de 1000 llamadas por día e incluso hasta 1500 ocasionalmente. La empresa ha recibido una serie de quejas de clientes que no pueden comunicarse con los agentes por teléfono, así como largos tiempos de espera, algunos incluso permanecen en la línea durante 60 minutos.
EL RETO
La empresa identificó tres desafíos operativos dentro del centro de llamadas y se acercó a Sumo Analytics para recibir asesoramiento sobre soluciones de análisis avanzado:
La empresa utiliza un sofisticado software de centro de llamadas que tiene una herramienta de pronóstico integrada que pronostica la cantidad de llamadas entrantes, lo que ayuda a comprender los requisitos de personal. Sin embargo, los pronósticos carecen de precisión, lo que suele ser el caso con el software listo para usar. Esto condujo a una mala planificación en la que la empresa a menudo tenía poco o demasiado personal. Cuando no había suficiente, no era raro que el nivel de servicio estuviera solo entre el 50 y el 60%. Como la gerencia del centro de llamadas trató de responder a las quejas de los clientes sobre el servicio deficiente, agregar más personal resultó ser tremendamente costoso ya que la mayor parte del tiempo los operadores estaban inactivos durante los días con un bajo nivel de llamadas entrantes.
La encuesta entre los clientes sugirió que muchos estaban interesados en explorar más productos financieros de la empresa. Sin embargo, las ventas cruzadas dentro del centro de llamadas eran bajas y no parecían proporcionar mucho valor adicional. La empresa había perfilado a los clientes en diferentes categorías que se etiquetaron con diferentes ofertas de servicios adaptadas a cada categoría. Los operadores de call center trabajaron de acuerdo con este perfil, con el objetivo de ofrecer productos y servicios a la medida, pero sin mucho éxito.
El nivel de incorporación de nuevos clientes del centro de llamadas había disminuido en los años anteriores, lo que hizo que la alta gerencia creyera que sus productos financieros "no eran lo suficientemente interesantes" o que se ofrecían productos incorrectos a los prospectos.
LA SOLUCIÓN
Después de las conversaciones iniciales con la gerencia de la empresa, recomendamos que la empresa adoptara pronósticos avanzados basados en inteligencia artificial para tener una cantidad precisa de llamadas entrantes. Desarrollamos modelos de pronóstico sofisticados que pronostican llamadas para cada hora del día, así como pronósticos diarios de 30 días y pronósticos semanales de 52 semanas que aumentaron la precisión de los pronósticos de la empresa en un asombroso 76%.
Utilizamos RShiny y construimos una aplicación web dinámica que muestra los pronósticos y las predicciones de personal a través de una calculadora Erlang modificada, junto con diferentes KPI para monitorear el desempeño.
Se reevaluó el desafío de la venta cruzada y, finalmente, recomendamos abandonar el perfil del cliente en el que se había basado la empresa. En su lugar, construimos un modelo predictivo de venta cruzada que ayuda a los operadores de centros de llamadas a ofrecer los productos que tienen más probabilidades de ser aceptados por todos y cada uno de los clientes. El modelo tiene en cuenta los productos actuales, el historial de llamadas y las interacciones con la empresa, la demografía y otros datos. Una vez que los clientes llaman, los operadores tienen una lista de productos en los que es más probable que esté interesado el cliente que llama.
Se utilizó una versión modificada del mismo modelo de venta cruzada al diseñar la herramienta de venta predictiva para nuevos clientes, lo que permite al equipo de ventas ofrecer a los clientes potenciales productos financieros con mayor probabilidad de ser aceptados por ellos.
LOS BENEFICIOS
Con un aumento de la precisión del pronóstico del 76% y una calculadora Erlang modificada, los turnos de personal se han vuelto más precisos que nunca con un nivel de servicio que alcanza el 98 % sin experimentar mucho exceso de personal. Del mismo modo, la venta cruzada aumentó significativamente, así como el nivel de incorporación de nuevos clientes, ya que los modelos de predicción pudieron ayudar a los operadores y equipos de ventas con una oferta de productos más precisa.
Sumo Analytics es pionero en innovación y desarrollos de tecnología de pronóstico avanzado basado en IA y ofrece niveles de precisión sin precedentes. Contáctanos.
Comentarios