Un referente de la experiencia del cliente comparte cómo la experiencia del cliente puede usar la IA para ganar un lugar en la mesa directiva

Jim Tincher es un referente y analista de CX. También es el fundador de Heart of the Customer, una empresa boutique de experiencia del cliente de extremo a extremo que presta apoyo a organizaciones complejas.

Nos reunimos con Jim para conocer sus conclusiones a partir de sus investigaciones. Profundizó en el uso de la IA para mejorar los recorridos del cliente.

Una trayectoria profesional en CX y la investigación

Soy Jim Tincher, fundador y director ejecutivo de Heart of the Customer. Nos dedicamos a esto desde 2012.

No dirijo un departamento de experiencia del cliente; asesoro a los directivos responsables del crecimiento: directores comerciales, vicepresidentes de ventas y operaciones, y directores ejecutivos. Trabajamos en el ámbito B2B; nuestro trabajo más profundo se desarrolla en el sector manufacturero: BASF, Dow, Milliken, Xylem, Legrand, Vermeer.

También dirijo el análisis de investigación del Consorcio de CX de Fabricación Avanzada: diecisiete fabricantes que, en conjunto, encuestan cada año a casi 10.000 de sus clientes para determinar qué hace que un cliente crezca junto a un proveedor.

Por qué la IA debe utilizarse con los datos, no con las relaciones

Con el avance de la IA, cambiamos nuestra forma de analizar, no nuestras relaciones con los clientes; una distinción deliberada.

El año pasado entrevisté a 34 directivos de primer nivel para saber qué era lo más importante para ellos y la respuesta, como era de esperar, fue «crecimiento». Los 34 estuvieron de acuerdo, así que utilizamos esa perspectiva para todo.

Nuestro análisis comparativo reveló que los tres principales factores que predicen el crecimiento de los clientes son señales relacionadas con la relación: sentirse valorado, la relación con la cuenta y el proceso de compra; no la facilidad para hacer negocios, la satisfacción ni otras métricas habituales de CX. Esto me hace ser prudente a la hora de automatizar áreas en las que los clientes deciden si su negocio es importante para ti. Eliminar el elemento humano puede eliminar precisamente las señales que los clientes utilizan para juzgar si quieren crecer contigo.

Por eso aplicamos la IA al análisis: analizamos conversaciones, comentarios abiertos y otras comunicaciones. Leer, codificar y encontrar patrones manualmente en cientos de conversaciones es lento y limita nuestra capacidad. Sin embargo, con Claude y una herramienta de transcripción podemos buscar patrones en todo el historial de una relación, en lugar de hacerlo en un solo punto de contacto cada vez.

La IA nos permitió buscar en más de 800 entrevistas B2B de nuestros datos y encontrar una estructura que antes no podíamos ver. Después probamos la jerarquía de cuatro niveles, que predice cuánto gasto de un cliente captarás, con veintiún conjuntos de datos independientes de clientes. No habría podido realizar ese análisis manualmente a esa escala.

Un flujo de trabajo que proporciona una lista priorizada de pasos que deben corregirse en el recorrido del cliente

Este es un flujo de trabajo que termina con una lista priorizada de pasos del recorrido que deben corregirse, ordenados según los ingresos en juego.

Comienza con conversaciones, no con encuestas. Entrevistamos directamente a los clientes de un cliente: el comprador, el director de planta, el directivo que firma el contrato; y grabamos y transcribimos esas conversaciones mediante Fireflies.

Ahí estaba la antigua limitación. Un analista lee lo que tiene tiempo de leer y ese límite condiciona todas las conclusiones. Tomas una muestra, encuentras un patrón en ella y esperas que la muestra sea representativa.

A continuación, el analista reúne los hallazgos iniciales: la historia y los temas clave.

Después recurrimos a Claude. Claude lee cada transcripción completa. Extrae lo que dijeron los clientes, literalmente, junto con la fuente: quién lo dijo, en qué conversación y en qué momento de la conversación. Esa procedencia es más importante que la velocidad. Cuando un cliente cuestiona un hallazgo, no lo defendemos. Le mostramos la cita.

Después realizamos el análisis, y esta parte no está automatizada.

Jim comparte

La división del trabajo es clave. La IA eliminó una limitación de lectura. No afectó al criterio: decidir qué preguntar, reconocer qué patrones importan y saber cuándo un cliente te está contando algo que no sabe que te está contando.

¿Este cliente sigue hablando de funcionalidades básicas? ¿O está hablando de si puede contar con nuestro cliente cuando las cosas se complican? ¿O de si se siente valorado? Eso nos proporciona una posición, no una puntuación.

Después lo trazamos a lo largo del recorrido. Surge una curva: la confianza se consolida en este paso y se quiebra en aquel. La mayoría de los clientes nunca ha visto su relación de esa manera. Han visto un único índice de satisfacción para toda la relación, lo que oculta el punto exacto en el que se produce el daño.

Relacionamos las rupturas con las cuentas y las cuentas con el dinero. No decimos: «los clientes están frustrados en este paso». En su lugar: la confianza cae aquí, estas once cuentas están por debajo de esa línea y así es como ha cambiado su gasto durante los últimos cuatro trimestres.

Ese orden es el objetivo. La mayoría de las empresas priorizan según el volumen de quejas, lo cual es casi aleatorio, porque las cuentas que planean discretamente su salida suelen ser las que no se quejan.

Por último, usamos Reduct para transformar las citas críticas en vídeos y compartir la voz del cliente.

La división del trabajo es clave. La IA eliminó una limitación de lectura. No afectó al criterio: decidir qué preguntar, reconocer qué patrones importan y saber cuándo un cliente te está diciendo algo que no sabe que está diciendo. Esto representa catorce años de trabajo y no se puede automatizar.

Por qué la recuperación del servicio debe seguir siendo humana

Por eso, trazo aquí la línea divisoria: IA para los datos y personas cuando los clientes deciden si son importantes para ti. La IA no toma decisiones, ni sobre la experiencia del cliente ni sobre cualquier otra cosa, aunque la uso para fundamentar mis decisiones.

Por tanto, la IA se utiliza mejor para

• Encontrar patrones en conversaciones y comentarios abiertos.
• Determinar qué problemas cuestan realmente dinero; la mayoría de las empresas priorizan según el volumen de quejas, un método casi aleatorio.
• Detectar cuentas que han dejado de comunicarse, aquellas con una variedad de pedidos cada vez menor o aquellas cuyo lenguaje ha cambiado. Las personas pasan por alto esta señal porque el trabajo de nadie consiste en vigilarla.

El lugar más importante para mantener el trato humano es la recuperación del servicio. Nuestros datos son contundentes en este aspecto: los clientes completamente satisfechos con la resolución de un problema reducen su gasto el 1 % de las veces. Los clientes no satisfechos con la resolución reducen su gasto el 35 % de las veces. Y los clientes «algo satisfechos» se comportan más como los insatisfechos que como los satisfechos. Las soluciones parciales cuentan como ninguna solución.

Este último hallazgo es el verdadero argumento. La automatización destaca en producir resultados adecuados a gran escala. Lo adecuado es exactamente donde muere el crecimiento.

Para la escalada, lo dividiría así: dejemos que la IA encuentre la cuenta en riesgo y, después, que una persona llame. La detección es un problema de datos. La recuperación es un problema de relaciones. Y soy especialmente escéptico con la personalización automatizada, porque los clientes B2B se dan cuenta, y una personalización que parece generada transmite lo contrario de lo que pretende.

Por qué el análisis mediante IA requiere límites estrictos

Por tanto, la IA destaca en encontrar patrones. Pero eso también incluye patrones ilusorios.

La IA inventa especificidad. Pequeños hallazgos plausibles: una cifra dentro del intervalo correcto, una cita que parece adecuada. Y si buscas respaldo para algo que ya crees, lo encontrarás.

Por tanto, nos hemos vuelto más estrictos, no más flexibles: cada cifra y cada cita que publicamos deben remontarse a una fuente específica y, cuando algo no cuadra, lo señalamos en lugar de disimularlo. La IA acaba de elevar tanto nuestro límite superior como el nivel de disciplina necesario.

Cómo puede la IA eliminar los compartimentos estancos de la organización

Todo el mundo rediseña la capa orientada al cliente: chatbots, desvío de consultas y contacto automatizado. Casi nadie rediseña la capa subyacente, donde el conocimiento de la empresa se encuentra fragmentado.

Operaciones conoce tus entregas puntuales. Ventas sabe qué cuentas han dejado de pedir una línea de productos. El área digital sabe quién hace pedidos, los abandona o se queda bloqueado al intentarlo. Finanzas sabe qué ha ocurrido con el margen. Experiencia del cliente sabe cómo se sienten los clientes. Cinco grupos, cinco conjuntos de datos, cinco sistemas. Nadie reúne los cinco.

La respuesta a «¿Por qué se redujo esa cuenta?» existe dentro de tu empresa, pero está distribuida entre personas que no se sientan en la misma reunión. Como les digo a mis clientes: «Solo sabías lo que sabes». ¿Qué podría ocurrir si pudieras liberar todo el conocimiento desconectado de tu organización? ¿Qué te permitiría hacer?

No es un problema de datos. Añadir un quinto panel de control no lo solucionará. Es un problema de modelo: sin una cadena que conecte las operaciones con las emociones, el comportamiento y los ingresos, más datos te proporcionan más datos desconectados.

Aquí es donde la IA demuestra su valor, y no es el caso de uso que está recibiendo atención. Puede abordar las cinco áreas a la vez. Puede leer correos electrónicos, trabajar junto con el historial operativo y los patrones de pedidos, y encontrar dónde se conectan.

La parte técnica era la fácil. Obtener los datos es lo difícil. Siempre. Por eso esto no funciona como un proyecto de análisis. Requiere un patrocinador — alguien con suficiente autoridad para reunir a los distintos grupos que poseen los datos y desafiar a esos grupos para descubrir dónde se está escapando el crecimiento entre los silos de información.

Jim comparte

\u003cstrong\u003eObserva lo que automatizaste el año pasado y, después, superpónlo con las etapas del recorrido en las que tus clientes determinan si valoras su negocio. Si automatizaste eliminando esos puntos de contacto críticos, no ahorraste costes: recortaste inadvertidamente tu previsión de ingresos.\u003c/strong\u003e

Por qué las organizaciones se están centrando en las métricas de IA equivocadas

Pregunta a la mayoría de las empresas qué mejoró la IA y mencionarán las tasas de desvío y los tiempos de respuesta. En otras palabras, te dirán cuánto contacto humano eliminaron. Después dirán que la satisfacción se mantuvo estable.

Probablemente fue así. Esa es la trampa.

En nuestro estudio de referencia, el 81 % de los clientes estaba satisfecho. Solo el 27 % tenía previsto crecer. La satisfacción sobrevivió. El crecimiento no.

Esto es lo que yo haría. Observa lo que automatizaste el año pasado y, después, superpónlo con las etapas del recorrido en las que tus clientes determinan si valoras su negocio. Si automatizaste eliminando esos puntos de contacto críticos, no ahorraste costes: recortaste inadvertidamente tu previsión de ingresos.

Cómo pueden utilizar la IA los líderes de CX para ganarse un puesto en la mesa

Como he dicho, entrevisté a 34 altos ejecutivos sobre sus prioridades y todos mencionaron el crecimiento. Casi ninguno planteó por iniciativa propia la experiencia del cliente como un tema importante, a pesar de que sabían que soy un referente de opinión en experiencia del cliente, que la CXPA patrocinaba la reunión y que la invitación a la reunión incluía CX.

Eso parece una mala noticia. No lo es. La desconexión no se debe a que a tus ejecutivos no les importen los clientes, sino a que nadie les ha mostrado cómo la experiencia del cliente mueve los ingresos.

A los ejecutivos les importaba mucho más lo que hacían los clientes que lo que decían. Cuando pregunté qué observaban para juzgar la salud del negocio, mencionaron las tendencias de pérdidas y ganancias, las métricas de cumplimiento, las entregas a tiempo, la velocidad del embudo de ventas, las adjudicaciones de solicitudes de propuestas. La retención. Las recompras. Las medidas de sentimiento — incluido el NPS — casi nunca aparecieron. Esto coincide con el hallazgo del XM Institute de que la mayoría de los programas de CX no pueden demostrar su valor. ¿Por qué mencionaría CX un miembro de la alta dirección?

Uno de ellos lo expresó mejor de lo que yo podría hacerlo. «Tenemos paneles llenos de indicadores rezagados. Los indicadores rezagados son fáciles. Lo difícil es encontrar los indicadores adelantados».

No pases por alto esto, porque es tu oportunidad. Las emociones y los comportamientos son los indicadores adelantados. Y tú eres responsable de los datos emocionales, suponiendo que estés midiendo las emociones (y deberías hacerlo). Nadie más en tu empresa tiene esos datos.

Así que este es el consejo: deja de presentar lo que sienten los clientes. Empieza a presentar lo que predice.

Hay una cadena que va de las operaciones a los ingresos. Tu empresa mueve palancas operativas — entregas, comunicación, resolución de problemas. Estas generan emociones en tus clientes. Las emociones cambian el comportamiento. El comportamiento se refleja en los ingresos. Palancas, emoción, acción, ingresos: se llama La cadena del crecimiento™ y utilizamos el acrónimo LEAD para que sea fácil de recordar. Operaciones es responsable del primer eslabón, finanzas del último, y los dos intermedios son tuyos. También son los dos que nadie está midiendo.

Aquí es donde la IA puede resultar indispensable: para descubrir y elaborar informes sobre estas conexiones.

Tres de cada cuatro programas de CX nunca demuestran una conexión con los resultados financieros. Esa es la cifra que debería preocuparte, porque es la cifra que hace que te recorten el presupuesto en cuanto se reducen los márgenes.

El punto de partida es más pequeño de lo que imaginas. Elige dos cuentas: una en crecimiento y otra en declive. Traza la cadena en ambas. En la cuenta en crecimiento, trabaja hacia delante desde el cambio operativo. En la cuenta en declive, trabaja hacia atrás desde los ingresos.

Después, añade tres preguntas a una encuesta que ya estés enviando. ¿Hasta qué punto confías en que podemos resolver tus necesidades futuras? ¿Hasta qué punto te sientes valorado como cliente nuestro? ¿En qué medida operamos como un verdadero socio de tu empresa?

Dos cuentas y tres preguntas. Hazlo este trimestre y entrarás en una sala con algo que nadie más en tu empresa puede producir.

Y deja de pedir un sitio en la mesa. No consigues ese sitio pidiéndolo. Lo consigues demostrando a tu CEO que una inversión operativa concreta cambió cómo se sentían los clientes y que ese cambio impulsó los ingresos.

Sigue el trabajo

Puedes seguir el trabajo de Jim Tincher en LinkedIn. Y visita Heart of the Customer.

¡Próximamente habrá más entrevistas con expertos en The CX Lead!