Cómo Calendly mejoró la atención al cliente con Conversation Intelligence

Este caso práctico se publicó originalmente en Loris.ai y refleja la experiencia del cliente con su oferta de productos. Una vez que Loris.ai pasó a formar parte del grupo legal de Contentsquare, este caso práctico se integró en el contenido de este sitio (Contentsquare.com).

Introducción a Calendly

Calendly es una importante plataforma online para programar reuniones que utilizan millones de clientes de todo el mundo. La empresa ofrece diferentes soluciones, desde cuentas individuales gratuitas hasta servicios empresariales para equipos de ventas y reclutamiento. Calendly se integra con los calendarios de Google, Office 365 y Outlook, así como con aplicaciones como Salesforce, Stripe, PayPal, Google Analytics, GoToMeeting y Zapier, para ofrecer una experiencia de usuario fluida.

Calendly cuenta con un equipo de asistencia al cliente compuesto por unas 100 personas. Este equipo opera de forma totalmente remota y ofrece asistencia ininterrumpida a una base de clientes global. Por eso, necesitan disponer de un sistema que recopile datos que les permitan obtener más información sobre los problemas de sus clientes y su nivel de satisfacción con el producto.

Jon Helin, VP of Customer Support en Calendly, hace hincapié en la importancia de la experiencia de cliente:

Nos tomamos muy en serio la experiencia de nuestros clientes, especialmente la de aquellos que están probando nuestra plataforma. Queremos asegurarnos de que están teniendo una experiencia positiva y de que les estamos ayudando a familiarizarse con nuestro producto y a reconocer el valor que les aporta, para que puedan cumplir con sus objetivos y finalmente decidan pasarse a un plan de pago.

Búsqueda de soluciones para mejorar la asistencia al cliente con la IA

Dado el crecimiento de la empresa, el siguiente paso lógico fue integrar la IA en sus flujos de trabajo. Durante seis meses, el equipo de asistencia técnica de Calendly buscó y evaluó soluciones que pudieran satisfacer sus necesidades, como gestionar la calidad, ofrecer asistencia en tiempo real u obtener insights sobre sus clientes. Sabían que tenían que cambiar de herramienta de control de calidad (QA), ya que la que utilizaban, MaestroQA, no incluía funcionalidades con IA y era difícil de configurar. Calendly analizó varias opciones, como Conversation Intelligence con tecnología de Loris. También valoró algunas de las principales plataformas de control de calidad y de inteligencia sobre las conversaciones con IA integrada, pero eran demasiado caras, no les inspiraban suficiente confianza como producto completo, necesitaban mucho mantenimiento o no incluían una funcionalidad que realmente ofreciera asistencia a los agentes.

Calendly reconoció el potencial que tenía Conversation Intelligence de Loris, tanto para satisfacer su necesidad inmediata de contar con una herramienta que ofreciera asistencia a sus agentes como para conseguir más insights con QA y VoC en el futuro. Jon Helin explica la decisión:

Llevaba tiempo buscando herramientas con IA para el equipo de asistencia, sobre todo para mejorar la eficiencia de los agentes y la coherencia en la prestación del servicio. La herramienta CoPilot fue una de las pocas que me cautivó de inmediato. Enseguida me di cuenta de cómo reduciría el tiempo de gestión, cómo ayudaría a los agentes a obtener la información necesaria para resolver los problemas con mayor rapidez y cómo agilizaría la formación de los nuevos agentes.

El proceso de implementación fue rápido y eficiente. Calendly empezó probando los flujos de trabajo con un pequeño grupo. Durante un tiempo fue haciendo los cambios necesarios y, en dos meses, incluyó a todos los agentes de asistencia.

Primeros resultados positivos aplicando la IA en el servicio al cliente

El primer producto que probó Calendly fue CoPilot, una herramienta que funciona como asistente en tiempo real para que los agentes ofrezcan a los clientes las mejores respuestas en menos tiempo. Esta prueba salió bien, ya que aportó resultados rápidos y métricas de éxito claras. Calendly observó mejoras significativas en la eficiencia y la coherencia, como estas:

• Se redujo el tiempo medio de gestión (AHT) en 3 minutos, lo que supone un ahorro considerable multiplicándolo por los 35 000 casos que gestiona el equipo cada mes.

• Se mejoró el proceso de onboarding, lo que permite que los nuevos empleados se pongan al día más rápido.

• Se mejoró la coherencia de las comunicaciones con los clientes.

Ahora que los agentes ya no tienen que etiquetar las conversaciones, hemos logrado reducir el tiempo medio de gestión (AHT) en poco más de 3 minutos, lo que ha supuesto un ahorro del 23 % en el coste de cada caso.

Jon Helin

VP of Customer Support

Incorporación de la IA al control de calidad

Una de las razones por las que Calendly eligió Conversation Intelligence de Loris fue porque podían cubrir todas sus necesidades sobre calidad y análisis del servicio al cliente con una única plataforma con IA. Calendly pudo sustituir la herramienta de QA que utilizaban por una con IA, lo que mejoró la eficiencia y permitió a los analistas de QA centrarse en las conversaciones adecuadas. Gracias a este cambio en el QA, Calendly consiguió resultados como estos:

• Pasar de un QA basado en listas de comprobación a un proceso más fundamentado y centrado en conversaciones de calidad.

• Basarse en puntuaciones de calidad de las conversaciones e indicadores de resolución generados por la IA, para evaluar las conversaciones de forma objetiva y a gran escala.

• Encontrar conversaciones más jugosas para revisarlas y utilizarlas para hacer coaching, basándose en criterios concretos, en vez de aleatorios.

Nos sorprendió gratamente cómo pudimos usar el control de calidad para encontrar conversaciones más significativas que analizar y sobre las que capacitar a los agentes... Hemos pasado de un formulario de control de calidad muy básico a conversaciones más subjetivas sobre cómo nos comunicamos con los clientes y si estamos aportando el valor que queremos generar en esas conversaciones...

Jon Helin

Vicepresidente de Atención al Cliente

Mayor conocimiento de los clientes gracias a insights de VoC

Calendly encontró especialmente útiles las funcionalidades de Voz del Cliente (VoC) que incluye la plataforma. Gracias a las bibliotecas de modelos de IA listas para usar que incluye Conversation Intelligence de Loris, Calendly pudo obtener datos útiles sobre las conversaciones del servicio al cliente con los clientes, como el principal motivo de contacto, el sentimiento del cliente durante la interacción con los agentes o problemas de calidad en la asistencia prestada por los agentes que deben revisarse.

Gracias a esas funcionalidades de VoC, Calendly pudo:

• Clasificar e identificar con precisión la causa raíz de los problemas de los clientes.

• Dejar de dedicar tiempo de los agentes a etiquetar manualmente las conversaciones de servicio al cliente automatizando ese proceso.

• Ahorrar innumerables horas que invertían en recoger y analizar manualmente datos para elaborar informes de VOC.

Rápidamente dejamos los informes de VoC y empezamos a utilizar exclusivamente datos de Loris. Este cambio nos ha ahorrado incontables horas de trabajo y de rebuscar datos en el CRM para conseguir el resultado que ofrece Loris. Es mucho más preciso que el sistema lo haga automáticamente. La lista de etiquetas era larga, así que creo que los agentes a menudo elegían la más cómoda, que no era necesariamente la más adecuada. Creo que ahora los equipos de producto e ingeniería también confían más en los datos que compartimos sobre las causas que generan fricción en los clientes.

Resumen automatizado de las conversaciones para ahorrarle el trabajo a los agentes

En la mayoría de las organizaciones, los agentes del servicio al cliente dedican hasta un 20 % de su tiempo a documentar y etiquetar conversaciones que acaban de tener. Aunque es un proceso imprescindible, también les impide concentrarse en su función principal: ayudar a los clientes. Calendly ahora utiliza la IA de Conversation Intelligence para resumir automáticamente las conversaciones, lo que evita a los agentes todo ese trabajo posterior a las llamadas y les permite atender a más clientes. Gracias a Conversation Intelligence, Calendly pudo:

• Resumir automáticamente conversaciones, incluyendo el motivo del contacto, cómo se desarrolló la interacción y si se resolvió el problema.

• Sustituir resúmenes manuales más subjetivos por otros más coherentes generados automáticamente por la IA.

• Ahorrar minutos a cada agente en cada llamada, lo que se tradujo en una mejora considerable de la eficiencia.

Loris sigue siendo uno de los mejores ejemplos de IA. Nos facilita mucho la vida y nos permite centrarnos en lo que realmente importa: mantener conversaciones interesantes con nuestros usuarios.

Agente del servicio al cliente

Utilizar datos para mejorar todos los aspectos del recorrido del cliente

La plataforma ha permitido a Calendly modernizar la asistencia, el control de calidad y la analítica de Voz del Cliente. Pero la cosa no quedó ahí. El equipo encontró más formas de utilizarla. Por ejemplo, con la función de preguntas frecuentes (FAQ) pudieron obtener una lista única de consultas de los clientes, con la que identificar dónde y cómo resolverlas antes de que se pongan en contacto con el servicio de asistencia. Calendly cree que puede utilizar esta función para, por ejemplo:

• Mejorar el contenido del centro de ayuda para que los clientes puedan resolver sus problemas fácilmente por su cuenta.

• Mejorar las respuestas del chatbot para que pueda resolver más problemas sin intervención humana.

• Identificar áreas de mejora en la asistencia al cliente y dónde pueden prepararse los agentes para las preguntas y objeciones más comunes.

• Descubrir problemas de producto desconocido y recopilar feedback sobre su impacto.

Esta semana me reuní con la persona responsable de nuestro Centro de Ayuda y le mostré las preguntas frecuentes. Debemos revisarlas, porque son áreas que el Centro de Ayuda, nuestro chatbot o los agentes podrían explicar mejor a nuestros clientes. Además, en algunos casos revelan problemas que tenemos con el producto. Algunos los conocemos, pero otros no. Poder consultar conversaciones reales con los clientes y compartirlas con el equipo de producto es superútil. Ese siempre ha sido precisamente uno de los objetivos de nuestro programa de Voz del Cliente: compartir feedback directo de los clientes sin tener que buscarlo. Poder hacerlo ha supuesto una ventaja enorme para el equipo.

Anticipación a problemas emergentes y de producto

Una de las funciones integradas en el dashboard de Voz del Cliente identifica motivos de contacto. Detecta problemas que empiezan a aparecer con frecuencia. Por lo tanto, te alertará de problemas nuevos, incluso aunque no hayan sido motivo de muchos contactos, lo que te ayudará a anticiparte para evitar que lleguen a afectar a tus clientes y a tu equipo de servicio al cliente. Helin mencionó un ejemplo de la utilidad de esta función:

La primera alerta que recibimos de Loris fue que los clientes preguntaban por qué había desaparecido nuestro chat. Nos dimos cuenta de que el equipo de ingeniería había lanzado una actualización y lo había cambiado de sitio, lo que confundía a muchos clientes. De no ser por Loris, probablemente hubiéramos tardado una semana en darnos cuenta.

Además de detectar problemas emergentes, Calendly también puede obtener insights sobre los clientes más rápido, lo que hace que tengan más confianza cuando lanzan productos y funciones nuevos. Ahora saben que pueden obtener feedback sobre el producto rápidamente, interpretarlo y hacer los cambios necesarios para mejorar una función, modificar la forma en que los agentes responden a problemas específicos o incluso revertir una actualización del producto si fuera necesario.

Esta misma semana, hicimos importantes cambios en la interfaz de usuario (UI) de parte de nuestro producto. Y Loris fue fundamental durante todo el proceso. En primer lugar, Loris identificó rápidamente qué motivos de contacto aumentaron como resultado de dicho cambio. Luego, usamos la herramienta de QA para analizar cómo los agentes respondían a esos clientes e identificar qué confundía tanto a los clientes como a los agentes. Todo ello nos permitió hilar más fino y centrarnos en las áreas que necesitaban mejoras.

Calendly tiene grandes planes para la IA

Aunque Calendly ya ha obtenido grandes resultados con la IA, quieren aprovecharla todavía más, especialmente para analizar conversaciones con el chatbot. Jon Helin se muestra entusiasmado ante esta perspectiva:

A nuestro equipo de chatbot le cuesta especialmente encontrar buenos datos cualitativos en los que basarse para mejorar la asistencia de autoservicio. Creo que esa es la razón de que estén tan entusiasmados con esta novedad. Y yo estoy deseando ver lo rápido que nos va a permitir iterar esa parte del negocio.

Jon Helin

VP of Customer Support

Conversation Intelligence de Loris ha mejorado significativamente las operaciones de atención al cliente de Calendly: ahora son más eficientes y coherentes y el equipo puede tomar decisiones basadas en datos sobre múltiples aspectos de la experiencia de cliente.