4.º trimestre - Amazon Web Services

4.º TRIMESTRE
2014
ZENDESK BENCHMARK
ENFOQUE: ESTABLECIMIENTO DE PUNTOS
DE REFERENCIA OPERATIVOS
Zendesk Benchmark
4.º trimestre/2014
Índice de materias
Resumen
01
Enfoque: Establecimiento de puntos de referencia operativos
02
En busca de mejores segmentos de clientes
02
Los componentes básicos de los grupos operativos de Zendesk
03
Los 4 tipos de organizaciones de atención al cliente
06
Satisfacción del cliente, 4.º trimestre: los protagonistas
11
Acerca de Zendesk Benchmark
12
Apéndice
13
Satisfacción del cliente por país
14
Satisfacción del cliente por sector
15
Satisfacción del cliente global, 4.º trimestre
15
Metodología de investigación
16
Zendesk Benchmark
1
4.º trimestre/2014
Zendesk Benchmark
Resumen
Enfoque: Establecimiento de puntos de referencia operativos
El establecimiento de puntos de referencia tiene una larga historia en los negocios: es normal que las compañías deseen compararse con otros
negocios para darle contexto y significado a su propio rendimiento, y para comprender si hay oportunidades de crecimiento y mejora. En Zendesk
Benchmark, siempre hemos permitido que los clientes comparen sus operaciones de soporte con otros en los mismos sectores y con tamaños
y audiencias similares (los datos los reportan las mismas compañías). Pero con frecuencia, las similitudes entre las compañías en un mismo sector
son solo superficiales y no ofrecen un punto de comparación significativo para el establecimiento de puntos referencia sobre el rendimiento de la
atención al cliente.
En este informe de Zendesk Benchmark, tratamos esta deficiencia a través de un
análisis de grupos que revela cuatro tipos de operaciones de atención al cliente:
Cuatro tipos de organizaciones de atención
al cliente
y dentro de esos, 12 grupos distintos, cada uno con su propio patrón operativo.
Cada grupo está definido por una carga de trabajo, una estrategia y recursos,
además del nivel típico de rendimiento de soporte que se puede esperar de las
Tipo 1: Relaciones bien cultivadas
compañías incluidas en el grupo.
Estos equipos pequeños brindan una experiencia
personal que los clientes aprecian muchísimo
Al analizar los cuatro tipos generales de operaciones de soporte, primero
vemos los equipos de asesoría personalizados cuyo bajo volumen de tickets
Tipe 2: Maestros de la complejidad
permite que los agentes brinden un soporte atento y personal. Luego, vemos
Impulsadas por solicitudes de soporte detalladas,
los equipos que hacen grandes inversiones en las operaciones de soporte
estas compañías tienen operaciones sofisticadas de
para mitigar una carga de trabajo definida por tickets muy complejos. También
atención al cliente
descubrimos equipos con enfoques operativos que están en constante cambio:
estos equipos podrían beneficiarse incrementando su estrategia con una o
Tipo 3: De desarrollo tardío
varias tácticas adicionales. Por último, encontramos los equipos operativos muy
Con un enfoque desequilibrado hacia el soporte,
avanzados cuyo principal desafío es proporcionar soporte de calidad en gran
a estas compañías aún les falta desarrollar todo su
escala.
potencial
El informe de este trimestre analizará cada uno de estos cuatro tipos (y los
Tipo 4: Ejemplares
grupos que los conforman) para proporcionar información y sugerencias,
Estos equipos son el modelo ideal de las
además de referencias para comparar las compañías de manera más
operaciones de atención al cliente
significativa y pertinente.
Los protagonistas: satisfacción del cliente por país y sector
En las noticias sobre países, Asia fue la región con el mayor incremento en la satisfacción del cliente comparado con el trimestre anterior: China,
Singapur y Vietnam registraron los mayores aumentos en el 4.º trimestre. No obstante, sus impresionantes aumentos no fueron suficiente para
destronar a Bélgica, Nueva Zelanda o Irlanda de sus pedestales: esos tres países registraron las puntuaciones CSAT más altas por segundo
trimestre consecutivo.
En cuanto a los sectores, los rubros de marketing y publicidad, hosting de Web y bienes raíces registraron los mayores incrementos, pero no
pudieron desplazar a los rubros de gobierno y organismos sin fines de lucro, asesoría y servicios de TI, y servicios médicos de los primeros
puestos en la lista de sectores.
A escala mundial, el número de referencia de satisfacción del cliente fue del 94,71 % en el 4.º trimestre y solo registró un pequeño descenso de
0,26 puntos porcentuales desde el 3.º trimestre.
12
Zendesk Benchmark
2
4.º trimestre/2014
Enfoque: Establecimiento de puntos de referencia operativos
En busca de mejores segmentos de clientes
En 2010 comenzamos a crear Zendesk Benchmark para ofrecerles a las organizaciones una manera real y tangible de medir el rendimiento
de la atención al cliente y, además, de ponerlo en un contexto que sirva para comparar su rendimiento con el de sus pares. A diferencia de
una encuesta o la opinión de un experto, Zendesk Benchmark está basado en datos de soporte y atención al cliente reales y se centra en tres
indicadores de rendimiento clave: 1) satisfacción del cliente, 2) tiempo de primera respuesta y 3) volumen de tickets (Figura 1). Con estos tres
indicadores de rendimiento, los clientes de Zendesk podrán comparar sus organizaciones con otras que pertenezcan al mismo sector, que sean
del mismo tamaño o que tengan el mismo público objetivo (todos estos datos los reportan las mismas organizaciones).
Figura 1. Referencias globales y sectoriales sumadas a partir de más de 25.000 clientes de Zendesk
Comparación global
Satisfacción
Eficiencia
95 %
89 %
Satisfacción del cliente
Satisfacción del cliente
24,2 horas
24,3 horas
176
499
Tiempo de primera respuesta
Escala
Sector venta al por menor
Tickets por mes
Tiempo de primera respuesta
Tickets por mes
Si bien es útil conocer el rendimiento de otras compañías en mercados verticales similares, la variedad que existe dentro del ecosistema de
negocios de la actualidad hace que esas selecciones de sector sean menos claras. Analicemos un ejemplo. Con oficinas en Nueva York y Berlín,
Babbel ayuda a millones de personas en todo el mundo a aprender nuevos idiomas mediante su destacada aplicación para idiomas. ¿Pero qué
sector debería autoseleccionar Babbel para Zendesk Benchmark? ¿Educación? ¿Software? ¿Aplicaciones web?
Ese fue el dilema al que se enfrentó Stephan Seyfarth, Director de atención al cliente de Babbel, con Zendesk Benchmark. “Las métricas de
Zendesk Benchmark no se podían comparar ni remotamente con lo que nuestra organización de atención al cliente se tiene que enfrentar a
diario”, precisó Seyfarth. “Con más de 300 empleados y 50 agentes de soporte, atendemos a millones de clientes. Los números que Zendesk
Benchmark proporciona en función del sector que seleccionamos difieren mucho de nuestros números”. El dilema de Seyfarth era que a pesar de
formar parte del sector educación, la operación de soporte de la compañía maneja más de 60.000 tickets por mes, mucho más que la referencia
del sector educación de 79 tickets por mes.
Seyfarth no fue el único cliente que expresó esta preocupación en agosto del año pasado, cuando solicitamos comentarios sobre Zendesk
Benchmark a nuestros clientes. Queríamos comprender mejor qué otros indicadores de rendimiento deseaban nuestros clientes, así como
identificar lo que podíamos mejorar. Recibimos 262 respuestas directas con comentarios.
Zendesk Benchmark
4.º trimestre/2014
Las tres críticas principales fueron:
1. Mis operaciones son muy distintas de las de otros en mi sector. ¿Qué puedo usar de referencia?
2. Las métricas simplemente no son pertinentes para nosotros, no somos un equipo de atención al cliente “tradicional”. Por ejemplo, somos un
equipo de Recursos Humanos. No deseo compararme con compañías de mi sector, sino más bien con otros equipos de Relaciones Humanas
sin importar el sector.
3. Las métricas de referencia no toman en cuenta los horarios de trabajo de mi organización.
Como respuesta, comenzamos a explorar la mejor manera de tratar los problemas incluidos en los comentarios. Las principales preguntas que nos hicimos
fueron:
•
¿Existe una mejor manera de establecer puntos de referencia que no sea una comparación estricta en función de mercados verticales
autoseleccionados, sino que más bien se base en cómo una organización o equipo utiliza Zendesk y cómo opera?
•
De ser así, ¿cuáles son los patrones operativos que tienen en común las compañías o los departamentos que usan Zendesk?
El objetivo fue crear una manera para que los equipos que usan Zendesk, como el grupo de atención al cliente en Babbel, se comparen con otros
equipos que usan Zendesk de una manera similar, aunque no estén en el mismo sector (o no sean del mismo tamaño o no atiendan al mismo tipo de
clientes).
El informe de Zendesk Benchmark de este trimestre es nuestro primer paso hacia averiguar cómo una nueva metodología de agrupación basada en
el uso puede ayudarnos a comprender mejor los puntos en común de los patrones operativos de nuestros clientes, que nos permitan seleccionar
referencias específicas para:
1. Sugerir comparaciones más precisas y proporcionar orientación más relevante a los negocios que se encuentren en un punto donde convergen
varios sectores.
2. Crear un método de comparación más pertinente para los equipos que no operan dentro de una estructura de atención al cliente tradicional,
como el empresario de un negocio pequeño que desempeña varias funciones o el equipo interno que atiende a otros empleados dentro de una
compañía.
3. Entregar métricas significativas basadas en cómo las organizaciones ofrecen soporte e interactúan con sus clientes.
Todo comienza con un análisis sofisticado de las métricas de rendimiento clave de atención al cliente para identificar patrones entre los clientes de
Zendesk.
Los componentes básicos de los grupos operativos de Zendesk
El análisis de grupos es una técnica de aprendizaje automático que nos permite agrupar a los clientes de Zendesk Benchmark en función de métricas
operativas. Primero, recopilamos datos para cada cliente de nuestra muestra en función de siete variables o dimensiones operativas distintas. Luego
combinamos las siete dimensiones en dos. Esto nos permitió trazar todos los datos operativos de cada cuenta en un diagrama de dispersión bidimensional e
identificar rápidamente las cuentas que forman grupos (si desea más detalles sobre nuestro análisis, consulte la sección de metodología en el apéndice).
La agrupación nos ayuda a comprender qué puntos de datos son similares en un espacio complicado de alta dimensión. Al usar este método para ver los
datos de uso de un producto para las compañías y los equipos que usan Zendesk, podemos organizar a nuestros clientes en grupos de compañías que
operan de manera similar. Luego podemos usar estos grupos para establecer puntos de referencia para el tiempo de primera respuesta, la satisfacción
del cliente y otras métricas de rendimiento necesarias para conocer cómo funcionan las organizaciones de atención al cliente.
Al crear nuestros grupos basados en el uso en toda nuestra base de clientes, analizamos patrones operativos similares en función de tres pilares de
interacciones de atención al cliente:
1. El grado de preparación de una compañía para interactuar con sus clientes
2. Cómo una compañía planifica y administra sus recursos de soporte
3. El grado de madurez de una compañía al optimizar la eficiencia del soporte
A partir de estos tres pilares, desarrollamos siete medidas de rendimiento para evaluar y comparar a nuestros clientes.
3
Zendesk Benchmark
4
4.º trimestre/2014
Patrones operativos
Métricas de rendimiento
El grado de preparación
de una compañía para
interactuar con sus clientes
Número de nuevos tickets es la métrica del número promedio de consultas entrantes de los
clientes que recibe un equipo de atención al cliente por mes. Esta métrica no es solo una medida
de la demanda de soporte, sino que también tiene mucha influencia sobre el indicador de
rendimiento clave de la satisfacción del cliente (Figura 2). A medida que aumenta el volumen de
tickets, la satisfacción de los clientes suele disminuir.
Tickets por agente activo es la métrica del número promedio de tickets que un agente dado
puede resolver por día. Esta métrica muestra la disponibilidad existente para satisfacer la
demanda de soporte. De manera similar al número de nuevos tickets, un aumento en el número
de tickets por agente activo también tiene una correlación negativa con la satisfacción del cliente.
Comentarios de agente por ticket es la métrica del número promedio de comentarios de agente
en cada ticket, lo que mide la dificultad y la complejidad de las consultas de soporte. De hecho, la
complejidad de las interacciones de soporte puede variar según el tipo de negocio y puede tener
una gran influencia en la eficiencia con la cual los agentes pueden atender a los clientes.
Cómo una compañía planifica
y administra sus recursos de
soporte
Horas de semana es la métrica del número medio de horas que los agentes de soporte trabajan
en tickets durante los días de semana. Esta métrica mide el número de horas que el soporte
estuvo disponible para los clientes y se correlaciona plenamente con el rendimiento. Vemos
que el aumento en las horas de trabajo en días de semana se correlaciona fuertemente con la
reducción del tiempo de primera respuesta (Figura 3).
Horas de fin de semana es la métrica del número medio de horas que los agentes de
soporte trabajan durante los fines de semana. Tener más disponibilidad para los clientes es,
definitivamente, una estrategia única que puede variar según el negocio y cómo deciden
conducir sus operaciones de soporte.
El grado de madurez de una
compañía al optimizar la
eficiencia del soporte
Número de reglas de negocio es la métrica del número promedio de reglas de negocios (por
ejemplo, disparadores y automatizaciones) que se ejecutan en los tickets. La optimización de los
flujos de trabajo es un enfoque más sofisticado que los equipos de soporte más experimentados
pueden emplear para reducir el tiempo de primera respuesta y fomentar la eficiencia, con lo cual
se mejora la satisfacción del cliente (Figura 4).
Ratio de autoservicio es la métrica que mide las visitas al Centro de ayuda por cada nuevo ticket.
Esta métrica es un indicador de cuánto ha invertido una compañía en ayudar a sus clientes a
encontrar sus propias respuestas con artículos útiles de la base de conocimientos o sugerencias
de la comunidad; esto puede ayudar a reducir el número de interacciones 1:1 entre el cliente y los
agentes.
Zendesk Benchmark
5
4.º trimestre/2014
Figura 2. El aumento en la cantidad de nuevos tickets suele reducir la satisfacción del cliente
ÍNDICE DE SATISFACCIÓN (%)
100
95
90
85
80
0
2000
4000
6000
8000
10000
12000
20
25
30
20
25
30
NÚMERO DE NUEVOS TICKETS
Figura 3. El aumento de las horas de soporte durante la semana suele reducir el tiempo de primera respuesta de los tickets
TIEMPO DE PRIMERA RESPUESTA (HORAS)
28
26
22
18
14
0
5
10
15
HORAS DE SOPORTE DURANTE LA SEMANA
Figura 4. El aumento en la cantidad de reglas de negocio por ticket tiende a mejorar la satisfacción del cliente
ÍNDICE DE SATISFACCIÓN (%)
100
95
90
85
80
0
5
10
15
NÚMERO DE REGLAS DE NEGOCIO POR TICKET
Zendesk Benchmark
6
4.º trimestre/2014
Los 4 tipos de organizaciones de atención al cliente
En función de estas siete métricas de rendimiento, utilizamos el agrupamiento para identificar a los clientes que exhiben patrones operativos de
soporte similares y encontramos 12 grupos distintos. Luego agrupamos los grupos en cuatro tipos generales de organizaciones de atención al
cliente, que explicaremos más adelante en esta sección. A continuación puede ver los grupos desglosados y cómo se comparan en las siete
dimensiones.
Figura 5. Los 12 grupos basados en nuestras siete métricas de rendimiento, ordenados por volumen de tickets
Comentarios/
ticket
Tickets/
agente
Horas
de día de
semana
Horas
de fin de
semana
Reglas de
negocio/ticket
Ratio de autoservicio
Número
Nuevos
Tickets
Grupo 6
Bajo
Mediano
Muy bajo
Bajo
No
Mediano
Bajo
Grupo 11
Bajo
Muy alto
Muy bajo
Mediano
No
Muy alto
Alto
Grupo 4
Mediano
Muy alto
Bajo
Alto
No
Muy alto
Mediano
Grupo 7
Mediano
Bajo
Mediano
Bajo
No
Bajo
Muy bajo
Grupo 0
Mediano
Mediano
Mediano
Mediano
No
Alto
Bajo
Grupo 3
Alto
Muy bajo
Muy alto
Bajo
No
Muy bajo
Muy bajo
Grupo 1
Alto
Bajo
Alto
Mediano
No
Bajo
Alto
Grupo 8
Alto
Mediano
Alto
Alto
Sí
Mediano
Mediano
Grupo 2
Alto
Mediano
Alto
Alto
No
Mediano
Bajo
Grupo 9
Alto
Bajo
Alto
Mediano
No
Bajo
Muy bajo
Grupo 10
Muy alto
Muy bajo
Muy alto
Alto
No
Bajo
Bajo
Grupo 5
Muy alto
Bajo
Muy alto
Alto
Sí
Mediano
Mediano
Para que sea más fácil de comprender, veamos un ejemplo en concreto. Al comienzo de este informe, hablamos de Babbel y de cómo no encaja
en el perfil de una operación de atención al cliente típica del sector educación. Entonces, ¿con qué compañías o equipos de atención al cliente
debería compararse Babbel si la comparación se basa en el perfil operativo de la compañía?
Al igual que otras compañías del “Grupo 5”, Babbel recibe un gran número de consultas de los clientes. Los agentes trabajan muchas horas
durante la semana y los fines de semana. Cada agente de Babbel debe atender muchos más tickets que sus pares del sector. Pero pueden
hacerlo con muy pocas intervenciones, mientras evitan parte del volumen de tickets mediante automatizaciones del flujo de trabajo y el
autoservicio.
Al comparar Babbel con otras organizaciones del Grupo 5, vemos que las métricas de referencia relacionadas con la satisfacción del cliente, el
tiempo de primera respuesta y el volumen de tickets son mucho más pertinentes que las del sector educación (Figura 6).
Zendesk Benchmark
Satisfacción del cliente
(percentil 50)
Tiempo de primera
respuesta
(percentil 50)
Tickets por mes
(percentil 50)
7
4.º trimestre/2014
Babbel
Grupo 5
Sector
educación
91 %
85,5 %
98 %
25,9 horas 18,8 horas
33 horas
61.537
79
9.332
Figura 6. Las métricas de referencia de Babbel comparadas con el Grupo 5 y el sector educación
“Las nuevas referencias de nuestro grupo son más pertinentes y reflejan mejor nuestro comportamiento empresarial”, declaró Seyfarth. “Para nosotros, en
realidad no se trata del sector al que pertenecemos sino más bien de cómo operamos y atendemos a nuestros clientes. Esa es siempre nuestra primera
prioridad”.
Figura 7. Nuestro análisis de grupos encontró doce grupos que se parecen en siete variables operativas distintas
Para comprender mejor las características de cada grupo, los tipos de compañías representadas y cómo se relacionan entre sí, hemos reunido grupos
similares para crear cuatro tipos de operaciones de atención al cliente de alto nivel.
Zendesk Benchmark
8
4.º trimestre/2014
Tipo 1: Relaciones bien cultivadas
Estos equipos pequeños brindan una experiencia personal que los clientes aprecian muchísimo
ID de grupo
Descripción
Tickets por mes
Tiempo de primera
respuesta
Satisfacción
6
Asesorías y servicios de
volumen bajo
16
22,8 horas
100 %
0
Software y servicios de
volumen medio
139
24,6 horas
98,8 %
A pesar de que tienen tiempos de primera respuesta inferiores al promedio de este grupo, estos equipos son los líderes en la satisfacción del cliente. Los
agentes de estos equipos se esmeran en proporcionar una atención al cliente excelente, en lugar de tratar de resolver toneladas de tickets rápidamente.
Grupo 6: Dado el lento tiempo de respuesta de 23 horas, parece sorprendente que más del 50 % de estos equipos tengan un índice de satisfacción
del 100 %. ¿Por qué? Debe ser el estilo personal, aparente por la gran cantidad de interacciones de cada solicitud. Estos agentes forman parte de
equipos pequeños (un promedio de tres agentes) con una bandeja de entrada en común o asesorías pequeñas donde todos los integrantes del negocio
responden las preguntas de los clientes, por lo menos parte del tiempo. Solo tienen que responder una poca cantidad de consultas porque tienen un
volumen de tickets inferior al promedio (unas 16 consultas por mes) que es fácil de manejar. Pero no es que sus clientes no necesiten ayuda: estas son
organizaciones de soporte más experimentadas que invierten tanto en la automatización de reglas de negocio y el autoservicio como los colegas que
tienen un volumen alto. A sus clientes les interesa la calidad, no la velocidad. Este grupo está integrado principalmente por negocios de un máximo de
100 empleados y menos de 20 tickets por mes.
Grupo 0: Estas compañías operan de manera similar a las del Grupo 6, excepto que en mayor escala. Con diez veces la cantidad de tickets, sus consultas
son también más complejas y es más probable que sean equipos y negocios de mediano tamaño. Muestran el mismo patrón de alta satisfacción del
cliente a pesar de tener tiempos de primera respuesta un poco más largos, lo que indica que sus clientes prefieren la calidad sobre la velocidad.
Tipo 2: Maestros de la complejidad
Impulsadas por solicitudes de soporte detalladas, estas compañías tienen operaciones sofisticadas de atención al cliente
ID de grupo
Descripción
Tickets por mes
Tiempo de primera
respuesta
Satisfacción
11
Bajo volumen, alta
complejidad y líderes en
autoservicio
42
21,5 horas
100 %
4
Empresas de energía, asesoría
y software de alta complejidad
200
22,6 horas
98,2 %
¿Quiénes reciben los tickets más complejos y de mayor interacción? Son estas compañías. Principalmente proveedores de negocios, proveedores
de software y empresas de asesoría. Trabajan muchas horas durante la semana para ofrecer el tipo de atención al cliente cordial y personal que tanto
aprecian los clientes que tienen preguntas complejas. Se enfrentan a la maraña de solicitudes de soporte con la mayor cantidad de actualizaciones de
reglas de negocio por ticket que ningún otro grupo. Además, no escatiman en personal: mantienen una ratio baja de tickets por agente, que hace posible
que las experiencias de atención al cliente sean excepcionales, incluso con las preguntas más complicadas.
Grupo 11: Estos equipos pequeños, con un promedio de solo seis agentes, son los líderes absolutos en autoservicio y cuentan con una estrategia para
evitar tickets que usa contenido para mantener baja la carga de trabajo de cada agente. En cambio, los tiempos de primera respuesta de los tickets
pueden ser altos. Si sus tickets requieren muchos comentarios, y su equipo recibe entre 20 y 50 por mes, debería emular el estilo equilibrado de este
grupo. Cree una excelente base de conocimientos y automatice los procesos de soporte cuando sea posible.
Zendesk Benchmark
9
4.º trimestre/2014
Grupo 4: Este grupo tiene que lidiar con un volumen de tickets mucho más alto que el Grupo 11. Aunque están muy optimizados, no llegan a la altura del
Grupo 11 en lo que se refiere a la automatización de reglas de negocio y el autoservicio. Las compañías de software, asesoría y energía clasificadas en
este grupo se beneficiarían con un análisis de sus procesos de soporte y sus bases de conocimientos.
Tipo 3: De desarrollo tardío
Con un enfoque desequilibrado hacia el soporte, a estas compañías aún les falta desarrollar todo su potencial
ID de grupo
Descripción
Tickets por mes
Tiempo de primera
respuesta
Satisfacción
3
Volumen medio, baja
complejidad, bajo autoservicio
519
25 horas
93,1 %
91
28,4 horas
97,6 %
7
Volumen medio, baja
velocidad, horario de trabajo
reducido
10
Proveedores y minoristas B2C
de volumen ultra alto
5.773
26,2 horas
86,3 %
9
Proveedores y minoristas B2C
de volumen alto
551
22,3 horas
92 %
En este grupo se incluyen compañías de todo tipo y tamaño. Lo que todas tienen en común es que a sus estrategias de atención al cliente les falta un
componente.
Grupo 3: A pesar de que tienen los tickets más sencillos, las compañías de este
grupo han descuidado el autoservicio. En lugar de ello, han optado por distribuir
la carga de trabajo de unos 500 tickets por mes entre muy pocos agentes. Las
BioIQ, Grupo 10
organizaciones con tickets sencillos pueden obtener excelentes resultados
si invierten en sus Centros de ayuda. La reducción consiguiente del volumen
BioIQ ofrece un paquete de soluciones de
de tickets, ratios más bajas de tickets por agente y la reducción del tiempo de
tecnología dirigido a compañías de servicios
primera respuesta pueden influir positivamente en la satisfacción del cliente.
médicos para la comunicación con sus asociados,
Grupo 7: Al igual que las compañías en el Grupo 3, los agentes de
estos equipos tienen que hacer demasiadas cosas a la vez. Tienen muy
pocos agentes para el volumen de tickets y por lo tanto tienen una ratio
relativamente alta de tickets por agente. Estos equipos podrían beneficiarse
de una inversión adicional en la automatización de reglas de negocio y en el
autoservicio. Ambas inversiones son relativamente bajas dado el número de
tickets que reciben por mes.
la realización de programas de pruebas biométricas,
la generación de informes de laboratorio y la
administración de datos médicos a nivel individual
y de la población en general. Históricamente, esta
compañía ha sido comparada con otros proveedores
de servicios médicos. No obstante, la organización
de soporte de la compañía funciona más como
un producto freemium de alto volumen como
Grupo 10: Estos equipos reciben grandes cantidades de tickets por mes, pero
WhatsApp, que pertenece al mismo segmento
aún deben esforzarse un poco para optimizar las operaciones de soporte. La
(Grupo 10).
alta ratio de tickets por agente podría mitigarse con inversiones adicionales
en la automatización de reglas de negocio y el autoservicio. Otra táctica que
colocaría a las compañías de este grupo en posición de ventaja: ofrecer
atención al cliente las 24 horas todos los días, en lugar de solo 9 horas 5 días por semana.
Grupo 9: En cuanto a las aportaciones operativas, estos equipos son casi idénticos a las organizaciones de soporte más experimentadas del Grupo 1
(ver el Tipo 4 a continuación). Reciben aproximadamente la misma cantidad de tickets por mes y sus tickets tienen un nivel de complejidad similar; también
tienen una ratio muy parecida de tickets por agente. Incluso tienen promedios idénticos de agentes y grupos. Sin embargo, a diferencia de los líderes
en autoservicio que forman parte del Grupo 1, las compañías de este grupo tienen las ratios de autoservicio más bajas de todos los grupos. Los equipos
de este grupo pueden beneficiarse con la adopción de las estrategias que usan las compañías más experimentadas de su nivel; concretamente, evitar
tickets a través del autoservicio y ofrecer atención al cliente las 24 horas todos los días.
Zendesk Benchmark
10
4.º trimestre/2014
Tipo 4: Ejemplares
Estos equipos son el modelo ideal de las operaciones de atención al cliente
ID de grupo
Descripción
Tickets por mes
Tiempo de primera
respuesta
Satisfacción
1
Proveedores B2C de volumen
alto
540
23,4 horas
91,3 %
2
Proveedores de servicio y
minoristas de volumen alto y
alta velocidad
774
21,8 horas
95,7 %
8
Proveedores y minoristas B2C
de volumen alto
1.398
14,5 horas
92,6 %
5
Proveedores y minoristas B2C
de volumen ultra alto
9.322
18,8 horas
85,5 %
Estas compañías aprovechan varias estrategias de operación de soporte. Reciben un alto volumen de tickets, tienen equipos de agentes grandes y sus
tickets no son sencillos; por lo que no es sorprendente que dependan en gran parte de la automatización de reglas de negocio y el autoservicio para
mitigar sus altas cargas de trabajo.
Grupo 1: En definitiva, estos equipos dirigen organizaciones de soporte muy eficientes. No solo usan una gran cantidad de automatizaciones de reglas de
negocio, sino que también son los líderes indiscutibles en materia de autoservicio.
Grupo 2: Estas compañías se encuentran en la intersección entre el tamaño
y la complejidad: reciben un alto volumen de tickets con un alto grado de
Modular Mining, Grupo 8
dificultad. Han respondido a este doble desafío desarrollando operaciones
de soporte sofisticadas que incorporan altos niveles de automatización de
Modular Mining proporciona soluciones y asesoría para
reglas de negocio con documentación de autoservicio muy eficaz.
operaciones mineras a compañías en todo el mundo. El
Grupo 8: Estas compañías operan de manera casi idéntica que el grupo 2,
con una excepción: ofrecen soporte las 24 horas todos los días en lugar
de 9 horas 5 días por semana. Esto las convierte en uno de los grupos más
equilibrados, comparable con el Grupo 5 en cuanto a la sofisticación de sus
operaciones de atención al cliente.
sector que seleccionaron ellos mismos es asesoría, que
parecería ser adecuado. Pero los clientes de Zendesk
de este grupo son en su mayoría asesorías muy
pequeñas de servicios de TI y tecnología.
Con las referencias operativas, Modular Mining está
Grupo 5: Debido a que estos grupos operan en la escala más alta en
agrupada con un segmento mucho más pertinente
lo que se refiere al volumen de tickets, tienen un perfil operativo único.
de operaciones de soporte de alto volumen y más
Emplean el soporte de 24 horas todos los días como una estrategia para
experimentadas que han invertido en una estructura
reducir el tiempo de primera respuesta y su alta ratio de tickets por agente
organizativa, procesos de derivación de problemas y
refleja un equipo de soporte muy eficiente. Si bien tienen la satisfacción
una integración racionalizada en sus otros sistemas de
del cliente más baja de todos los grupos, eso probablemente se debe al
negocios. Estas compañías se caracterizan por un alto
enorme volumen de tickets. Como se muestra en la Figura 2, la satisfacción
nivel de atención al cliente a pesar de tener un volumen
del cliente suele bajar a medida que aumenta el volumen de tickets.
alto de problemas complejos de los clientes.
¿Cuál es su tipo?
Las referencias del sector (además del tamaño de la compañía y el tipo de audiencia) siguen siendo puntos de comparación útiles para muchas
compañías. Pero como hemos descubierto durante el análisis de las referencias de este trimestre, muchas compañías se identifican mejor con compañías
que tienen operaciones similares, independientemente del sector al que pertenecen. Al comparar compañías en siete dimensiones operativas, en lugar
de solo una o dos en función del perfil de la compañía, el resultado es una referencia que en muchos casos es más pertinente para los recursos de la
compañía, sus limitaciones y sus procesos de negocios.
Zendesk Benchmark
11
4.º trimestre/2014
Satisfacción del cliente, 4.º trimestre: los protagonistas
Cada trimestre analizamos cómo se comparan las compañías por país y sector desde el punto de vista de satisfacción del cliente. Si nos centramos en
los países y los sectores que tuvieron los mayores aumentos y las mayores contracciones en el índice de satisfacción del cliente, los siguientes son los
protagonistas del periodo entre el tercer y el cuarto trimestre de 2014.
Países con el mayor progreso en satisfacción del cliente
PAÍS
CAMBIO RESPECTO AL TRIMESTRE
ANTERIOR*
ÍNDICE DE SATISFACCIÓN, 4.º TRIMESTRE
ÍNDICE DE SATISFACCIÓN, 3.º TRIMESTRE
1. CHINA
5,6
80,4 %
74,8 %
2. SINGAPUR
4,9
91,8 %
86,9 %
3. VIETNAM
3,8
86,4 %
82,6 %
Países con un deterioro en satisfacción del cliente
PAÍS
CAMBIO RESPECTO AL TRIMESTRE
ANTERIOR*
ÍNDICE DE SATISFACCIÓN, 4.º TRIMESTRE
ÍNDICE DE SATISFACCIÓN, 3.º TRIMESTRE
1. MALASIA
7,8
83,0 %
90,7 %
2. COLOMBIA
5,9
84,3 %
90,2 %
3. ARGENTINA
3,1
91,4 %
94,5 %
Sectores con el mayor progreso en satisfacción del cliente
SECTOR
1. MARKETING Y PUBLICIDAD
2. BIENES RAÍCES
3. HOSTING DE WEB
CAMBIO RESPECTO AL TRIMESTRE
ANTERIOR*
ÍNDICE DE SATISFACCIÓN, 4.º TRIMESTRE
ÍNDICE DE SATISFACCIÓN, 3.º TRIMESTRE
1,0
94,5 %
93,5 %
0,6
95,4 %
94,8 %
0,3
95,4 %
95,1 %
Sectores con un deterioro en satisfacción del cliente
SECTOR
CAMBIO RESPECTO AL TRIMESTRE
ANTERIOR*
ÍNDICE DE SATISFACCIÓN, 4.º TRIMESTRE
ÍNDICE DE SATISFACCIÓN, 3.º TRIMESTRE
2,0
84,0 %
86,0 %
2. VENTA AL POR MENOR
0,9
89,1 %
90,0 %
3. TURISMO
0,9
90,9 %
91,8 %
1. ENTRETENIMIENTO Y
JUEGOS
Si desea ver el ranking de todos los sectores y países, consulte el apéndice.
*CAMBIO EN PUNTOS PORCENTUALES
Zendesk Benchmark
12
4.º trimestre/2014
Acerca de Zendesk Benchmark
En noviembre de 2010 comenzamos a crear Zendesk Benchmark para
ofrecerles a las organizaciones una manera real y tangible de medir
el rendimiento de la atención al cliente y, además, de ponerlo en un
contexto que sirva para comparar su rendimiento con el de sus pares.
A diferencia de una encuesta o de la opinión de un experto, Zendesk
Benchmark se basa en interacciones reales de atención al cliente y de
soporte de más de 25.000 organizaciones repartidas en 140 países que
eligieron participar. Se centra en tres indicadores clave de rendimiento:
1) satisfacción del cliente, 2) tiempo de primera respuesta y 3) volumen
de tickets. Cuando una compañía forma parte de Zendesk Benchmark,
puede comparar su organización con otros negocios afines, por sector,
por grupo meta o por tamaño de la compañía, utilizando estos tres
indicadores de rendimiento.
Cada trimestre, analizamos e informamos sobre las tendencias en
nuestras métricas de referencia existentes, y exploramos nuevas formas
para que las compañías puedan evaluar el estado de sus relaciones con
sus clientes y sus operaciones de soporte. Las métricas de referencia
normalmente se reportan por sector, país y otras medidas que alcancen
un umbral mínimo de respuestas. Para que un país sea incluido, tiene
que haber recibido por lo menos 10.000 respuestas de satisfacción
del cliente de un mínimo de 10 compañías en ese país durante ese
trimestre, y por lo tanto no todos los países aparecerán en todos los
informes trimestrales.
zendeskbenchmark.com
Zendesk Benchmark
13
4.º trimestre/2014
Apéndice
14
SATISFACCIÓN DEL CLIENTE POR PAÍS
DESDE
3.º TRIMESTRE
(2014)*
4.º TRIMESTRE (2014)
PAÍS
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
BÉLGICA
97,1 %
97,0 %
96,9 %
96,3 %
95,8 %
16.
95,3 %
17.
18.
19.
0,3
95,3 %
20.
0,3
95,3 %
0
22.
AUSTRALIA
95,2 %
23.
SUECIA
24.
25.
26.
FRANCIA
93,8 %
2,0
91,8 %
31.
32.
0,9
33.
0,9
34.
35.
36.
37.
ARGENTINA
38.
ALEMANIA
.
90,6 %
2,2
1,3
COLOMBIA
84,3 %
5,9
MALASIA
7,8
INDONESIA
1,1
CHINA
5,6
FILIPINAS
1,9
TURQUÍA
69,4 %
1,4
JAPÓN
85,5 %
78,6 %
3,1
2,4
INDIA
80,4 %
1,5
3,8
TAILANDIA
80,6 %
4.9
0,9
VIETNAM
83,0 %
0,9
1,7
POLONIA
85,9 %
0,4
ESPAÑA
89,7 %
86,4 %
0,6
SINGAPUR
90,9 %
0,3
30.
2,8
CHILE
87,8 %
3,1
BRASIL
91,4 %
0
FINLANDIA
EMIRATOS ÁRABES
UNIDOS
91,5 %
0,1
DINAMARCA
92,6 %
91,8 %
0,2
29.
RUSIA
92,0 %
21.
NORUEGA
0,3
PAÍSES BAJOS
92,9 %
0,1
28.
MÉXICO
RUMANÍA
90,4 %
1,2
ITALIA
93,0 %
0,2
ESTADOS UNIDOS
93,3 %
DESDE
3.º TRIMESTRE
(2014)*
4.º TRIMESTRE (2014)
PAÍS
27.
ISRAEL
93,1 %
0,3
CANADÁ
93,9 %
13.
0,1
REINO UNIDO
94,4 %
12.
15.
SUDÁFRICA
SUIZA
93,8 %
0,1
IRLANDA
94,6 %
11.
14.
NUEVA ZELANDA
DESDE
3.º TRIMESTRE
(2014)*
4.º TRIMESTRE (2014)
PAÍS
2,4
*CAMBIO EN PUNTOS PORCENTUALES
15
SATISFACCIÓN DEL CLIENTE POR SECTOR
4º TRIMESTRE (2014) SECTOR
1.
GOBIERNO Y
ORG. SIN FINES DE LUCRO
98,1 %
2.
SERVICIOS Y
CONSULTORÍA DE TI
97,4 %
3.
5.
7.
0
8.
0,3
95,4 %
0,5
95,1 %
95,9 %
0,3
90,3 %
VENTA AL POR MENOR
0,6
89,1 %
16.
MARKETING Y
PUBLICIDAD
94,5 %
11.
0,3
MEDIOS Y
TELECOMUNICACIONES
0,9
0,3
15.
SERVICIOS FINANCIEROS Y
DE SEGUROS
0,2
TURISMO
90,9 %
14.
HOSTING DE WEB
10.
SERVICIOS DE ASISTENCIA
PROFESIONAL Y DE
NEGOCIOS
0,6
95,4 %
DESDE 3.º TRIMESTRE
(2014)*
4º TRIMESTRE (2014) SECTOR
13.
BIENES RAÍCES
EDUCACIÓN
96,4 %
DESDE 3.º TRIMESTRE
(2014)*
4º TRIMESTRE (2014) SECTOR
9.
ATENCIÓN MÉDICA
96,9 %
4.
DESDE 3.º TRIMESTRE
(2014)*
17.
MANUFACTURA Y
HARDWARE INFORMÁTICO
94,2 %
MEDIOS SOCIALES
84,4 %
1,0
0,4
0,9
ENTRETENIMIENTO Y
JUEGOS
84,0 %
0,5
2,0
12.
6.
SOFTWARE
95,6 %
APLICACIONES WEB
0,1
Satisfacción del cliente global,
4.º trimestre 2014
94,1 %
*CAMBIO EN PUNTOS PORCENTUALES
0,1
94,71 %
0,26 puntos*
Zendesk Benchmark
16
4.º trimestre/2014
Metodología de investigación
Todos los análisis que se describen en este informe fueron realizados
con la pila analítica de Python, con una mención especial y bien
merecida para Pandaz y Scikit-Learn. Después de obtener los
datos necesarios del servidor Hive, el primer paso del proceso de
agrupamiento fue combinar y luego normalizar cada una de las
funciones. Las funciones se combinaron en recipientes de percentil 100,
donde cada uno representaba un solo rango percentil de los datos y la
representación combinada luego fue normalizada a una media de cero
y una desviación estándar de uno.
Puesto que las métricas de precisión de grupos como Silhouette Score
esperan grupos de distribución gaussiana y no había garantía alguna
de que nuestros datos debían tener esa forma, decidimos seguir un
método de reducción de dimensionalidad e inspección visual para
encontrar límites adecuados para los grupos.
Inspeccionamos visualmente pares de funciones trazadas en conjunto
además de los primeros dos componentes principales del conjunto de
datos obtenidos a través del análisis del componente principal. Como
no había una formación de grupo obvia en esta etapa recurrimos al uso
de una técnica de reducción de dimensionalidad más avanzada llamada
t-Distributed Stochastic Neighbor Embedding ( (t-SNE). Con la t-SNE se
aseguró que las cuentas que se encontraban cerca en el espacio de
7 dimensiones original de nuestro conjunto de datos seguían estando
cerca cuando se proyectaban en dos dimensiones. La inspección
visual de los datos bidimensionales consiguientes mostraron 12 grupos
bien definidos. Utilizamos DBSCAB (Density-Based Spatial Clustering
of Applications with Noise) para formalizar los límites de los grupos y
etiquetar nuestros datos. Cada grupo fue luego analizado para buscar
sus rasgos determinantes.