Dos propuestas para el enrutamiento de llamadas en un contact center
(English version below)
Uno de los problemas eternos de un centro de contactos es conseguir que el llamado termine en el puesto del agente adecuado. Esto es doblemente cierto en un mundo móvil que exige el apoyo conversacional en tiempo casi real.
Agreguemos al combo el hecho de que la mayoría de los clientes que buscan apoyo en un contact center se da porque no pudieron encontrar previamente una respuesta a su consulta usando una lista de preguntas frecuentes (FAQ), una comunidad o un sistema de autoservicio. En esta situación, la gente espera una respuesta en pocos minutos.
Además, la capacidad de vincularse con la empresa de manera fácil, eficiente e idealmente alegre se está convirtiendo cada vez más en un factor distintivo. La experiencia del cliente es el resultado de los vínculos, y para los seres humanos la experiencia adquirida con la interacción más reciente tiende a tener una influencia mayor en relación a las anteriores.
En consecuencia, una experiencia positiva del cliente importa, no sólo en el momento de la venta, sino más aún en situaciones que requieren la ayuda activa de la empresa que vendió el producto o servicio. Por eso es importante permitirles a los clientes conseguir la solución a un problema de la manera más fácil y humanamente posible.
El problema para algunos centros de contacto es que al recibir un llamado o incidente, los procesos están diseñados para preguntarle al propio cliente por dónde empezar a responder. Se le pide al usuario que lo califique y que lo encamine a la cola correcta. Y esta es una tarea para la que está obviamente mal preparado. La mayoría de las veces esto lleva a una carga de trabajo innecesaria, causada por el reencaminamiento del incidente, retrasos en los traspasos, en la resolución y, en última instancia, frustración en ambos extremos: el usuario final y el agente de servicio.
¿Por qué no utilizar el incidente en sí para identificar automáticamente hacia dónde dirigir la consulta? Hay dos posibilidades básicas para lograr este enrutamiento inteligente. Uno podríamos definirlo como el acercamiento clásico y al otro llamémoslo el acercamiento de “minería del texto”.
El enfoque clásico
El enrutamiento automático se puede lograr fácilmente utilizando metadatos proporcionados por la aplicación de IVR como parte del informe de incidente. Los incidentes se etiquetan basados en estos metadatos. Las etiquetas se utilizan para dirigir el incidente a una cola o agente apropiado. La configuración etiqueta y enruta sin la intervención explícita del usuario, que ya está sufriendo suficiente dado que hay un problema que él o ella no pudo resolver.
Este es un enfoque probado que requiere un diseño elaborado de metadatos, su diseño dentro de la aplicación y la capacidad de crear conjuntos de reglas encima de estos metadatos en el back-end del servicio.
Con suficientes datos y herramientas analíticas este enfoque también puede usarse para ofrecer soporte preventivo, algo que mejora sensiblemente la experiencia del cliente porque incluso puede evitar la sensación negativa en primera instancia.
Sin embargo, este enfoque encuentra sus límites en la capacidad de instrumentar una aplicación para que se puedan identificar suficientes situaciones de los metadatos para el etiquetado apropiado.
El enfoque de minería de texto
Con la cantidad creciente de soluciones de software que se ejecutan en la nube, las mejoras en aplicaciones de inteligencia artificial y de reconocimiento de lenguaje natural, es posible usar información adicional: la descripción que el usuario envía como parte del informe de incidente.
Aunque los usuarios no siempre proporcionan información precisa, ésta es regularmente suficiente para aumentar y mejorar el etiquetado, para así obtener un mejor enrutamiento y, en última instancia, una resolución más rápida.
Dado que en muchos sistemas los agentes de la primera línea pueden resolver los incidentes por sí mismos consultando una base de conocimientos, con aplicaciones de inteligencia artificial bien calibrados se podría incluso resolver el problema antes de escalar a un agente.
El siguiente paso es incluir las descripciones dadas por los usuarios y usarlas para sugerir soluciones a los agentes hasta que la confianza sea lo suficientemente alta como para que el software sugiera de forma independiente soluciones a los usuarios, o para encaminar los incidentes.
En cualquier caso, el enrutamiento inteligente reduce la fricción en el proceso de soporte y, por lo tanto, mejora la experiencia tanto del agente de servicio como del cliente. Y lo más importante: el resultado de estas técnicas en la experiencia positiva es un beneficio mensurable para el negocio.
Two proposals for call routing in a contact center
One of the eternal problems of a contact center is to achieve that the call finishes in the right agent’s position. This is doubly true in a mobile world that requires almost real-time conversational support.
Let’s add to the combo the fact that most customers seeking support in a contact center are there because they were unable to find an answer to their inquiry previously using a FAQ list, a community or a self-service system. In this situation, people expect an answer in a few minutes.
In addition, the ability to connect with the company in an easy, efficient and ideally cheerful way is becoming more and more a distinctive factor. The customer experience is the result of the links, and for humans the experience gained from the more recent interaction tends to have a greater influence in relation to the previous ones.
Consequently, a positive customer experience matters, not only at the time of the sale, but even more so in situations that require the active help of the company that sold the product or service. That is why it is important to allow customers to get the solution to a problem in the easiest and humanly possible way.
The problem for some contact centers is that when receiving a call or incident, the processes are designed to ask the customer where to begin answering. It prompts the user to qualify and to route it to the correct queue. And this is a task for which he or she is obviously poorly prepared. Most of the time this leads to an unnecessary workload, caused by re-routing the incident, delays in handoffs, in the resolution, and ultimately frustration at both ends: the end user and the service agent.
Why not use the incident itself to automatically identify where to direct the query? There are two basic possibilities for achieving this intelligent routing. We could define one of them as the classic approach and let’s call the other the «text mining» approach.
The classic approach
Automatic routing can be easily accomplished using metadata provided by the IVR application as part of the incident report. Incidents are labeled based on this metadata. Labels are used to direct the incident to an appropriate queue or agent. The configuration labels and routes without explicit user intervention, who is already suffering enough because there is a problem he or she could not solve.
This is a proven approach that requires an elaborate metadata design, its in-application design, and the ability to create sets of rules over these metadata in the service back-end.
With sufficient data and analytical tools, this approach can also be used to provide preventive support, something that significantly improves the customer experience because it can even avoid the negative feeling in the first instance.
However, this approach finds its limits in the ability to implement an application so that sufficient metadata situations can be identified for appropriate labeling.
The text mining approach
With the increasing number of software solutions running in the cloud, improvements in artificial intelligence and natural language recognition applications, it is possible to use additional information: the description that the user submits as part of the incident report.
Although users do not always provide accurate information, it is regularly sufficient to increase and improve labeling for better routing and, ultimately, faster resolution.
Given that in many systems, first-line agents can resolve incidents themselves by consulting a knowledge base, with well-calibrated artificial intelligence applications one could even solve the problem before escalating to an agent.
The next step is to include the descriptions given by users and use them to suggest solutions to the agents until the trust is high enough that the software independently suggests solutions to users or to route incidents.
In any case, intelligent routing reduces friction in the support process and, therefore, improves the experience of both the service agent and the customer. And most importantly: the result of these techniques in the positive experience is a measurable benefit to the business.