Predicción de la Satisfacción de los Clientes en la Atención a partir de Características Conversacionales

Abstract

Los servicios de atención al cliente son parte esencial de los elementos que hacen a la experiencia de los clientes. En este contexto, existe un valor muy grande en poder predecir cómo perciben los clientes la experiencia de los servicios de atención al cliente. Esto permitiría a las empresas aprender buenas prácticas en el manejo conversacional para generar mejores experiencias y también detectar posibles malas experiencias para revertirlas. Con esa motivación, en este trabajo se buscó entender las palancas que mueven esa experiencia y armar un modelo predictivo que prediga la puntuación que pondrán los clientes a los agentes tras una conversación vía WhatsApp, al contactarse con el servicio de atención al cliente. Se buscó predecir la nota a partir de tres tipos de información: semántica (palabras utilizadas por clientes y agentes durante la conversación), conversacional (tiempos y formas de la conversación) y contextual (características de la situación del cliente al momento de contactarse con atención al cliente). Así, se entrenaron 14 modelos predictivos con los algoritmos Random Forest y XGBoost para obtener un modelo predictivo y un entendimiento de los principales componentes que explican la posibilidad de que un cliente puntúe su experiencia como un promotor. Además del modelo predictivo, los aprendizajes revelados a partir de explorar los datos y el funcionamiento del modelo cobran importancia para la implementación de mejores prácticas en la empresa estudiada.