.jpg)
Cada día, las conversaciones con los clientes revelan lo que sucede en una empresa: los problemas de producto que los clientes no pueden resolver por sí mismos, las políticas que generan confusión y los comportamientos que distinguen a los agentes de alto rendimiento del resto del equipo de primera línea.
Sin embargo, extraer esa información y convertirla en conocimientos útiles para el negocio ha requerido tradicionalmente demasiado trabajo manual y conocimientos previos. Los sistemas de análisis convencionales pueden responder preguntas y extraer conclusiones... siempre que alguien sepa qué buscar y tenga el tiempo, la capacidad y la experiencia necesarios para combinar múltiples etapas de análisis, cálculo y verificación de resultados. Este proceso puede ser valioso, por supuesto, pero también es lento, propenso a errores e inherentemente limitado por las suposiciones iniciales del análisis.
Hoy presentamos la nueva generación de Cresta Insights: con mejoras importantes en AI Analyst y Topic Discovery, además de la introducción de Real-Time Trends. Juntas, estas capacidades hacen que la suite de Insights de Cresta sea más autoritativa, más inmediata y más autónoma que nunca, ayudando a las empresas a comprender qué motiva inicialmente a los clientes a contactarlas, qué sucede durante las conversaciones y qué medidas debe tomar el negocio a continuación.
AI Analyst: de responder preguntas a realizar investigaciones
Desde su lanzamiento, AI Analyst ha permitido a los usuarios de negocio realizar preguntas sobre sus conversaciones con clientes usando sus propias palabras. Con las actualizaciones de hoy, va más allá al planificar y ejecutar la investigación necesaria para generar una respuesta completa y, posteriormente, recomendar las acciones que los líderes deben tomar basándose en sus hallazgos.
Un usuario puede comenzar con una pregunta amplia como: "¿Cómo están manejando los agentes las consultas de los clientes sobre la reciente interrupción del servicio?". AI Analyst identifica las conversaciones relevantes, realiza un razonamiento de varios pasos, localiza y delimita los datos, y verifica si los hallazgos son significativos. A partir de ahí, AI Analyst ejecuta el análisis, establece comparaciones, evalúa los resultados y determina qué pasos adicionales podrían ser útiles.
En lugar de esperar a que el usuario defina cada filtro y paso analítico, AI Analyst crea un plan y lo ejecuta de forma autónoma. En esencia, AI Analyst es un agente de investigación de experiencia del cliente (CX) que trabaja de manera proactiva en nombre de la empresa.
Es importante destacar que AI Analyst razona más allá de las transcripciones de las conversaciones, lo que le permite responder preguntas que van mucho más allá de la superficie. Puede incorporar motivos de conversación y momentos específicos, como el comportamiento del agente o del cliente o las objeciones, definidos en Cresta Opera, resultados y otro contexto empresarial relevante.
Gracias a esta mayor variedad de información, se obtienen resultados más completos. Dependiendo de la pregunta, AI Analyst puede crear gráficos, comparaciones cuantitativas, consultas de conversación, informes de detección de comportamiento, recomendaciones de coaching y borradores de comunicaciones. El resultado está diseñado específicamente para que el equipo pueda actuar de inmediato y compartirlo con mayor alcance.
Por ejemplo, durante un periodo de incertidumbre en el sector, una importante aerolínea utilizó AI Analyst para examinar cómo los agentes gestionaban las dudas de los clientes sobre un problema emergente. El análisis fue más allá de identificar temas comunes en esas conversaciones y generó una estructura de árbol de decisiones recomendada para guiar a los agentes en futuras interacciones con los clientes.
Los equipos que trabajan para proteger la experiencia del cliente durante una interrupción del servicio pueden preguntar qué comportamientos de los agentes están surgiendo en esas conversaciones y cuáles están más estrechamente relacionados con resultados inferidos por Cresta, como el CSAT. AI Analyst detectó esos patrones específicamente en las llamadas sobre la interrupción, todo ello a partir de preguntas formuladas con las propias palabras del usuario.
Esto refleja la promesa más amplia del nuevo y mejorado AI Analyst: no solo convertir una pregunta ejecutiva en una respuesta defendible y respaldada por datos, sino recomendar de forma proactiva qué debe hacer la empresa a continuación. Equipados con una síntesis de todo lo que necesitan saber sobre la experiencia de sus clientes, los equipos pueden pasar de la información a la acción con mayor rapidez.
Detección de temas: una visión matizada de por qué llaman los clientes
Las empresas necesitan una forma coherente de entender por qué se ponen en contacto sus clientes. Históricamente, esto implicaba crear y mantener grandes conjuntos de categorías basadas en palabras clave, sistemas que consumen mucho tiempo y que a menudo quedan obsoletos rápidamente.
Topic Discovery ya resolvía una parte clave de ese problema mediante la ejecución de agrupaciones de LLM no supervisadas sobre los motivos de las conversaciones. Con la actualización de hoy, resulta más fácil alinear esa taxonomía derivada del LLM con el negocio y mantenerla alineada a lo largo del tiempo. Esta visión autorizada de los motivos de las conversaciones puede aplicarse en toda la plataforma Cresta en paneles, flujos de trabajo y análisis.
Topic Discovery genera una taxonomía exhaustiva y hasta tres niveles de subcategorías. En lugar de pedir a los equipos que definan cada motivo de contacto por adelantado, el sistema identifica la estructura natural ya presente en las conversaciones con los clientes.
En el sector bancario, una organización podría utilizar Topic Discovery para generar una taxonomía que identifique categorías como rechazos de tarjetas, transacciones disputadas, acceso a cuentas, retrasos en transferencias y consultas sobre comisiones, junto con subcategorías más específicas. El equipo de CX revisa la estructura propuesta, fusiona los grupos que se solapan y cambia el nombre o reorganiza varias categorías para que coincidan con la terminología interna del banco.
Una vez aprobada, esa estructura se convierte en una taxonomía coherente. Cada conversación cerrada se clasifica automáticamente según ella, sin que los equipos tengan que mantener extensas bibliotecas de palabras clave ni reconstruir repetidamente el mismo análisis.
Los motivos de las conversaciones se convierten en un atributo de primer nivel en Cresta; pueden utilizarse como métricas y filtros en el generador de paneles, como filtros en AI Analyst y como condiciones de activación en las reglas de Opera. Esto convierte a Topic Discovery de un análisis independiente en una fuente de verdad fundamental que puede respaldar la elaboración de informes, la investigación, las reglas operativas y la orientación en primera línea en toda la plataforma.
Tendencias en tiempo real: detectar lo que nadie sabía que debía vigilar
Aunque una taxonomía sólida proporciona una visión duradera de las necesidades recurrentes de los clientes, no puede prever de forma realista cada interrupción, alteración regional, cambio de política, problema de producto o evento inesperado. Real-Time Trends está diseñado para identificar esos acontecimientos a medida que ocurren.
Por ejemplo, imagine que un minorista lanza una gran promoción pero olvida activar el código de descuento correspondiente en su sistema de pago. Como es lógico, los clientes empiezan a llamar en masa cuando su código de descuento falla al pagar. En lugar de enterarse por los agentes, los responsables de experiencia del cliente ven ese pico de conversaciones sobre códigos de descuento fallidos en cuestión de minutos en su vista de Real-Time Trends, lo que les permite rectificar la situación y proporcionar a los equipos el contexto necesario para corregir el problema.
El sistema analiza continuamente las conversaciones de los clientes en busca de frases emergentes, picos inusuales y patrones transversales, incluidas tendencias que aún no existen en la taxonomía de la empresa. A menudo se trata de "incógnitas desconocidas": problemas que importan precisamente porque nadie los previó ni creó un rastreador para ellos de antemano.
Real-Time Trends puede detectar esos cambios minuto a minuto. Cada tendencia incluye un titular generado automáticamente junto con una explicación de la causa raíz probable, impulsada por AI Analyst. Los usuarios pueden configurar alertas por correo electrónico para estar al tanto en el momento en que un nuevo problema empieza a repuntar.
Pensemos en una aseguradora de automóviles cuando una repentina granizada azota una gran área metropolitana. Los clientes empiezan a llamar por daños en los vehículos, iniciando nuevas reclamaciones y preguntando por las franquicias y la cobertura de alquiler, todas ellas etiquetas que probablemente ya existan en la taxonomía de la aseguradora. Lo que la taxonomía no puede mostrar por sí sola es que un único evento destructivo y de rápida evolución está provocando el aumento de este volumen. Real-Time Trends conecta esas señales, identifica el pico, explica la causa raíz probable y alerta a los equipos responsables de evaluar si activar o no el manual de respuesta ante catástrofes de la aseguradora.
Esa visibilidad añadida puede ayudar a acelerar la respuesta cuando cada hora cuenta. Las aseguradoras suelen tener manuales de catástrofes establecidos para movilizar a los peritos, asegurar coches de alquiler y habitaciones de hotel, coordinar a los contratistas y dotar a los agentes de orientación específica para el evento. Real-Time Trends no sustituye a la vigilancia meteorológica tradicional ni a los umbrales de catástrofe, pero puede añadir una visión directa de cómo un evento está afectando a los asegurados en tiempo real, ayudando a las aseguradoras a difundir argumentos de venta, mostrar la orientación pertinente de Agent Assist y desplegar recursos antes de que la demanda alcance su punto máximo.
De la analítica de conversaciones a un sistema de toma de decisiones
A medida que el mercado de inteligencia conversacional va más allá de los paneles, los rastreadores y los informes retrospectivos, las empresas necesitan cada vez más sistemas capaces de mantener una comprensión fiable de las necesidades de los clientes, detectar cambios emergentes sin que se les indique explícitamente qué buscar y realizar gran parte del trabajo analítico necesario para convertir esas señales en decisiones basadas en datos.
Cada una de las nuevas y mejoradas capacidades actuales resuelve un ángulo diferente de esta evolución:
- El descubrimiento de temas (Topic Discovery) proporciona una estructura duradera: una visión fiable de sobre qué tratan las conversaciones con los clientes.
- Las tendencias en tiempo real (Real-Time Trends) proporcionan la señal en tiempo real: visibilidad sobre lo que está cambiando en este preciso momento, incluidos los eventos que ninguna taxonomía fue diseñada para detectar.
- El analista de IA (AI Analyst) proporciona la capa de razonamiento: investiga las pruebas, las conecta con un contexto más amplio y ayuda a determinar qué debe hacer la empresa a continuación.
Juntas, las tres capas convierten los datos ocultos en sus conversaciones con los clientes en las decisiones que impulsan su negocio, de forma más rápida, con mayor confianza y con mayor profundidad que cualquier otro sistema del mercado.
A gran escala, esto puede traducirse en menores costes de servicio y mejores experiencias para el cliente al revelar cuándo se pueden simplificar los recorridos, dónde se puede eliminar la fricción innecesaria y dónde se puede capacitar a los clientes para que se atiendan a sí mismos antes de que sea necesaria una llamada o un chat. También crea las condiciones para una mejor resolución en el primer contacto al ayudar a las empresas a comprender las necesidades emergentes de los clientes con mayor rapidez y a guiar a los agentes de forma más eficaz en el momento.
Para ver estas actualizaciones en acción, programe una demostración personalizada hoy mismo!
