Focus

El Blog de LAUDE

Automatización inteligente para optimizar la atención al cliente

La colaboración estrecha y nuestro conocimiento en Inteligencia Artificial han hecho posible optimizar la calidad del servicio al cliente.

El reto: optimizar la experiencia de usuario

Nuestro cliente, una compañía de referencia en el sector eléctrico en España, provee servicios esenciales a miles de clientes, lo cual implica gestionar un volumen masivo de datos que no para de crecer. Es aquí, dónde la misión de su CAU (Centro de Atención al Usuario) cobra todo su valor, pues sus profesionales procesan más de 50 mil incidencias al año.

ai-success-caseEn la mayoría de casos, se trata de peticiones de servicio, quejas, y el seguimiento de las mismas, que son analizadas de manera centralizada por el equipo para su clasificación y posterior resolución. Se da una dificultad añadida de tener que gestionar falsas incidencias, incidencias con falta de información e incluso muchas que corresponden a otras unidades de negocio.

En este contexto, se dedicaba una parte significativa del tiempo a la clasificación manual de estas incidencias: un trabajo necesario, aunque monótono y sujeto a fallos, y que suscita poco interés al que lo realiza.

Desde LAUDE propusimos la automatización de este proceso con un reto doble: acelerar el plazo de resolución de  incidencias y hacer posible que los profesionales del CAU dedicaran su tiempo a tareas de mayor valor añadido para optimizar la experiencia del usuario.

La solución: una estrategia de datos con vista a largo plazo

Iniciamos nuestro trabajo con una importante labor de investigación: nuestros consultores y científicos de datos diseñaron una solución sencilla de implementar, escalable y perfectamente medible en términos de KPIs y ROI.

Tras varios prototipos, se optó por diseñar un sistema alojado en la nube capaz de automatizar el direccionamiento de las incidencias, por medio de dos herramientas principales:

  • Un modelo de procesamiento del lenguaje natural (NLP) que analiza el texto de los tickets de las incidencias y completa los datos de salida para integrarlos en una base de datos.

  • Varios algoritmos de clasificación de Machine Learning (ML) que trabajan contra esa base de datos y asignan la tarea correspondiente a cada tipo de incidencia: por posibilidades de automatización, por tipología, por departamento, etc.

No obstante, las soluciones basadas en ML e AI fueron sólo el principio: lo más importante era establecer una estrategia de colaboración con nuestro cliente que facilitara, a largo plazo, el perfeccionamiento de la solución a medida que el proyecto evoluciona. Para ello se desarrolló una herramienta de Analytics que mide los resultados del proyecto y nos ayuda a anticipar necesidades y futuros desarrollos.

Los resultados: más tiempo para las tareas de mayor valor

indicadoresNuestra colaboración se ha extendido a lo largo de dos años consiguiendo una serie de logros de alto impacto.

Gracias a que, en la actualidad, el 65% de las incidencias son resueltas de manera automática, los especialistas pueden dedicar más tiempo a los clientes: mayor tiempo de escucha, mejora del servicio personalizado, mayor calidad del trabajo y, en definitiva, optimización de la experiencia de usuario.

 

Créditos de la imagen: © Negative Space