Durante décadas, los clientes han soportado largas filas en los centros de servicio. Las hacen para solicitudes de hipotecas, esperan horas para recibir atención médica y, dependiendo de dónde vivan, incluso hacen fila para pagar multas de estacionamiento.
Claro, las cosas han cambiado a lo largo de los años. La Gestión de filas y los sistemas de programación de citas están reduciendo los tiempos de espera. Algunos servicios están disponibles en línea. Sin embargo, muchos de nosotros nos encontramos en largas filas, perdiendo el tiempo y sintiéndonos frustrados.
Desafortunadamente, la mayoría de las empresas solo se dan cuenta de la frustración del cliente cuando una persona hace comentarios negativos o sale de una sucursal furiosa por el mal servicio. Para entonces ya es demasiado tarde. Ha perdido a un cliente y es muy posible que alguien haya perdido su trabajo.
Por ejemplo, estaba haciendo fila en mi banco hace unas semanas cuando la señora detrás de mí se sintió tan frustrada que declaró a todo pulmón: "¡Eso es, voy a cerrar mi cuenta!".
Y lo hizo, exigiendo que el gerente transfiriera a otro banco los 100.000 dólares del dinero que tanto le costó ganar. No hace falta decir que la próxima vez que visité la sucursal había un nuevo gerente.
Hasta ahora, lo común para mejorar la satisfacción del cliente ha sido contratar más empleados, abrir más sucursales e implementar dispositivos de autoservicio. Pero la banca se está volviendo más competitiva. Y los competidores emergentes están utilizando la tecnología para ganar negocios. Abrir más sucursales ya no es una estrategia viable. En lugares como Reino Unido, donde High Street está muriendo, los bancos no tienen más remedio que cerrar sucursales.
Sin embargo, no todo es tan malo. Algunas instituciones más innovadoras están recurriendo al Machine Learning (ML), una tecnología basada en modelos matemáticos para ayudar a predecir, optimizar y “entrenar” datos.
Aprovechando el ML, los bancos y sus sucursales pueden estimar con precisión cuántas personas esperan en un momento dado. Le permite a los gerentes igualar y asignar recursos de manera proactiva en función de los pronósticos en tiempo real de la demanda.
A medida que se recopilan más datos, las aplicaciones de software comienzan a identificar con precisión patrones y tendencias. Por ejemplo, se puede predecir un aumento en las solicitudes de préstamos hipotecarios y garantizar la disponibilidad de agentes de procesamiento hipotecario debidamente capacitados, mejorando así la eficiencia de las operaciones de la sucursal.
El ML ya está ayudando a organizaciones -como bancos y retailers- a reducir costos, mejorar el servicio al cliente y agilizar las operaciones. Contáctanos para obtener más información sobre cómo el ML puede ayudar a tu organización.
