Ir al contenido
ES

Agentes de IA

Aprendizaje automático para las tareas del centro de contacto

En CONTACT.WORK, el aprendizaje automático son modelos que ayudan a su centro de contacto a dedicar las llamadas y el tiempo de los agentes a lo que da resultado: indican a quién llamar primero y a qué hora, descartan los contestadores automáticos y detectan al instante el tema de una solicitud. Medimos la mejora con sus propios indicadores – tasa de contacto, ventas en la primera llamada, tiempo de los agentes – y la comparamos con el trabajo sin modelo sobre listas idénticas.

Pruebasantes del arranqueCon historial que el modelo no ha visto
Mejorasen sus cifrasFrente a cómo trabajaba antes
Cada trimestrerevisión de indicadoresMás a menudo si hace falta
Nubeo su propio servidorUsted elige

Resultados medibles

Cómo medimos la mejora

Acordamos con usted los indicadores de antemano y aceptamos el modelo según ellos.

Tasa de contactoCuántos números marcados acabaron en conversación, con el modelo eligiendo la hora y sin él.
Ventas por llamadaCuántas ventas salen de 100 llamadas cuando el orden lo fija el modelo y cuando se sigue la lista tal cual.
Llamadas vacíasCuántos minutos de agente se iban en contestadores y silencios antes del modelo y después del arranque.
ReintentosCuántas marcaciones hacen falta para localizar a un cliente, con el horario optimizado y a la manera de antes.
Tiempo hasta el equipo adecuadoCuánto tarda una solicitud en llegar al empleado que la resuelve, antes y después del arranque.
Errores del modeloCuántas veces marcaron los empleados «el modelo se equivoca»: una señal de que toca reentrenar.

Tareas

Dónde rinden los modelos

Empezamos por la tarea en la que la mejora se ve antes, normalmente las llamadas salientes.

Primero, quienes más probablemente compren

El modelo puntúa cada cliente potencial según el historial de clientes parecidos y sube al principio de la lista a los que tienen más probabilidad de decir que sí. Los agentes hacen las mismas llamadas por turno, pero más de ellas acaban en venta.

  • Una puntuación para cada cliente potencial
  • Orden de marcación
  • Más ventas con las mismas llamadas
Tarea 1 de 4

Los mismos métodos funcionan en la analítica de voz y dentro de los agentes de IA, y podemos crear un modelo a medida para su tarea concreta.

Cómo funciona

Por qué puede fiarse de la mejora

Datos

Su propio historial, no uno genérico

Entrenamos cada modelo con las llamadas y ventas de una empresa concreta: lo que ayuda a un equipo de ventas puede no servir a otro.

  • Grabaciones y resultados de llamadas
  • Ventas y clientes
  • Solicitudes y sus temas

Pruebas

Primero demostramos la mejora

El modelo aprende con una parte del historial y se prueba con otra apartada de antemano. Después trabaja en una parte de sus llamadas salientes, en paralelo a su orden habitual. El modelo se queda solo si sus indicadores mejoran con él.

  • Historial reservado
  • Prueba piloto
  • Solo si es mejor

Alojamiento

Nube o su red

Los modelos funcionan donde funcione la plataforma: en nuestra nube o en sus propios servidores. En el segundo caso, las grabaciones no salen nunca de su empresa.

  • Nube
  • Su red
  • Las grabaciones no salen de la empresa
Mayor tasa de contactoLas llamadas salen cuando el cliente suele contestar, y más números acaban en conversación.
Más ventas con las mismas listasPrimero se llama a quienes tienen más probabilidad de comprar, y cada turno cierra más ventas.
El tiempo de los agentes, para conversarLos contestadores y los silencios se filtran antes de llegar a los agentes, que no pierden el turno en llamadas vacías.
Las solicitudes llegan antes al equipo adecuadoEl modelo detecta al momento el tema de una llamada o un correo, y la solicitud no espera a que alguien la clasifique a mano.

Puesta en marcha

Cómo trabajamos

  1. 01TareaElegimos qué mejorar y con qué indicador compararemos el resultado con el punto de partida.
  2. 02DatosReunimos su historial de llamadas, ventas y solicitudes y comprobamos que no falte nada.
  3. 03Primer modeloEntrenamos el modelo y comprobamos sus predicciones con la parte reservada del historial.
  4. 04Prueba pilotoActivamos el modelo en una parte de las listas o de la cola y vemos dónde mejoran los resultados.
  5. 05DespliegueExtendemos el modelo a todo el trabajo y mostramos los resultados en la plataforma y en los informes.
  6. 06MantenimientoVigilamos los indicadores y reentrenamos el modelo cuando baja la precisión.

Requisitos

Qué hace falta para poner en marcha un modelo

Historial
Llamadas, ventas y solicitudes de los últimos meses
CRM
Negociaciones y resultados de llamadas por API
Telefonía
Asterisk conectado a la plataforma
Alojamiento
Nuestra nube o su propio hardware
Control
Un empleado que marca los errores del modelo
Costo
Desarrollo y entrenamiento facturados en horas del plan de soporte

Preparación

Qué hablar de antemano

¿Qué quiere mejorar?Tasa de contacto, conversión en ventas, rapidez de clasificación.
¿Cuánto historial tiene?Cuanto más largo sea el historial de llamadas y ventas, más preciso será el modelo.
¿Dónde se guardan los resultados de las llamadas?En el CRM, en hojas de cálculo o en informes de telefonía.
¿Quién marca los errores?Un empleado capaz de ver dónde se equivoca el modelo.
¿Dónde deben funcionar los modelos?En la nube o en los servidores de su empresa.
¿Cómo compararemos los resultados?Por ejemplo, por la tasa de contacto o las ventas por turno.

Preguntas y respuestas

Preguntas frecuentes

¿En qué se diferencia el aprendizaje automático del entrenamiento de un agente de IA?

Un agente de IA habla con clientes o empleados. Un modelo de aprendizaje automático no habla, calcula: a quién llamar primero, cuándo llamar, de qué trata una solicitud y si la llamada dio con una persona o con un contestador.

¿Qué otras tareas resuelven los modelos?

Además de las llamadas salientes y los temas de las solicitudes: la analítica de voz y tareas de los agentes de IA como el reconocimiento de voz o la elección de la respuesta. Si el modelo que necesita no existe, lo creamos para sus datos y procesos.

¿Qué datos necesitan?

Llamadas con su resultado, ventas y solicitudes con su tema. El volumen depende de la tarea; se lo diremos cuando veamos sus datos.

¿Cómo trabajan los modelos con el marcador automático?

El marcador automático hace las llamadas, y los modelos le indican el orden de los números, cuándo intentar y qué llamadas pasar a un agente. La detección de contestador está integrada en el propio marcador.

¿Cada cuánto hay que reentrenar los modelos?

Depende de lo rápido que cambien sus productos y clientes. Normalmente revisamos los indicadores cuatro veces al año; a veces, cada mes.

¿Y si el modelo se equivoca?

Un empleado marca el error, por ejemplo un tema o una frase del cliente mal identificados. La marca pone en marcha el reentrenamiento, y la siguiente versión del modelo tiene en cuenta ese caso.

¿Necesitamos un equipo propio de analistas?

No. El modelo lo creamos y mantenemos nosotros; de su parte necesitamos los datos y un empleado que conozca bien el proceso y sepa detectar los errores del modelo.

¿Podemos tener los modelos en nuestra empresa?

Pueden. Los modelos se instalan en la infraestructura de su empresa junto con la plataforma, y las grabaciones se quedan con ustedes.

¿De quién es el modelo entrenado?

Del cliente que pagó las horas de desarrollo y entrenamiento.

¿De dónde saca el modelo los datos de las negociaciones?

De su CRM, por API. Los resultados los devuelve allí o los muestra en la plataforma.

¿Cuánto cuesta el aprendizaje automático?

El desarrollo, el entrenamiento y el mantenimiento del modelo se facturan en horas del plan de soporte. Damos una estimación previa después de revisar sus datos.

Glosario

Términos de esta página

Buzón de voz
Un mensaje grabado cuando la persona no contesta. Más información →
Despliegue en la nube
La plataforma funciona en los servidores del proveedor y los agentes se conectan por internet. Más información →
CRM: gestión de relaciones con clientes
Donde la empresa guarda sus clientes, negociaciones y todo el historial de comunicación. Más información →
Analítica de voz
El sistema analiza automáticamente las llamadas grabadas: temas, cumplimiento del guion, emociones del cliente. Más información →
API (interfaz de programación de aplicaciones)
La forma en que los programas intercambian datos sin que intervenga una persona. Más información →
Detección de contestadores (AMD)
Distingue si una llamada saliente la contestó una persona o un contestador. Más información →
Reconocimiento de voz (voz a texto)
Convierte la conversación hablada en texto. Más información →

Blog

Lo último del blog

Todos los artículos →

Actualizado: