En nuestro especial “universo”, anticiparse a cualquier “situación” es una cuestión de supervivencia, pero, si ya nos referimos a enfrentarnos a los tan temidos “picos de llamadas” que se generan en nuestros Contact Centers, esta anticipación se vuelve un acto que mezcla, el análisis de los datos históricos, la tecnología, el conocimiento operativo y.., por supuesto “la fe”. Por todo lo anterior, aquí es donde aparecen nuestros analistas de datos, planificadores y diversas tecnologías que se convierten en unos aliados estratégicos para nuestros equipos operativos.
El poder utilizar datos históricos para alimentar nuestros modelos de analítica predictiva, nos permite prever con mayor precisión el potencial volumen de llamadas entrantes que se puede llegar a concluir en los servicios que entregamos a nuestros clientes, llegando a optimizar nuestros recursos, reduciendo sobrecostes y ajustando la curva de demanda a nuestra realidad operativa, veamos cómo:
1. Con el volumen histórico de llamadas
Tras analizar la cantidad de llamadas recibidas por día, semana o mes, podemos detectar patrones de comportamiento utilizados por los usuarios a los que atendemos. Por ejemplo, si cada lunes postfestivo el volumen de llamadas se duplica, los modelos nos “preavisan” para que nos podamos anticipar, reforzando nuestros equipos sin que tengamos que improvisar sobre la marcha.
2. Tiempo promedio de atención
Este indicador nos permite proyectar de una manera muy certera cuántos agentes se necesitan para mantener los niveles de servicio requeridos por nuestros clientes. Por ejemplo, si el tiempo promedio de atención es de 6 minutos y se esperan 3.000 llamadas, no sería difícil calcular la carga de trabajo que precisamos por hora, pero, apoyándonos en nuestros modelos analíticos determinamos también diversas variables que afectan a este parámetro, como pudiesen ser los procesos atendidos por tipología y tramo temporal, los segmentos de atención por rango de edad o, los usos concurrentes de las aplicaciones que nos proveen nuestros clientes, ajustando de una forma mucho más precisa, las necesidades de producción con las interacciones que atendemos.
3. Patrones de llegada por intervalos
Nuestro equipo de analítica, apoyados en unos modelos predictivos complejos, nos ofrecen la posibilidad de dividir el día en bloques horarios, pudiendo entender de una forma más precisa, en qué momento se concentran los intentos de contacto. Con estos datos, nuestra planificación de turnos se vuelve más inteligente, ubicando el talento de nuestros colaboradores justo donde y cuando se necesita, sin soportar sobrecargas ni potencial inactividad.
Ejemplo real de analítica de datos
Un cliente del sector telecomunicaciones usaba promedios diarios para planificar. Tras la incorporación de nuestro modelo de analítica por cálculo de intervalos de 15 minutos, logramos reducir el tiempo de espera de los clientes finales en un 27%, optimizando la ocupación de nuestro equipo operativo en las horas valle.
¿Y qué herramientas usamos?
Desde el análisis de los datos explotados con modelos históricos, pasando por la analítica cuadrática o, el cálculo heurístico y la lógica difusa. Todos estos métodos representados son explotados por plataformas avanzadas de BI con IA predictiva; pero, a nuestro entender, lo importante no es solo las herramientas utilizadas, sino tener el hábito de tomar decisiones basadas en los datos.
Conclusión
La analítica no reemplaza la experiencia del equipo operativo, pero claramente la potencia, ayudándonos a responder de una manera más acertada a las altas demandas de llamadas que los clientes producen en circunstancias concretas, porque, en nuestro negocio, prevenir es ganar.
