Un gran banco decidió al principio de la pandemia de COVID-19 trasladar gran parte de las conversaciones del teléfono al chat.
Consiguió más de 5.000 conversaciones diarias entre los clientes y su centro de contacto en un corto periodo de tiempo. Para mejorar el servicio y la medición de la calidad, añadió una pregunta al cliente cada vez que se cerraba una conversación: "¿Ha quedado satisfecho con el servicio? Y el cliente podía responder en una escala del 1 al 10.
Sólo el 14% de los clientes respondía a la pregunta, pero el 14% significaba cientos de respuestas cada día, y en términos de ciencia de datos, añadíamos cientos de etiquetas a las conversaciones cada día.

Con todas estas etiquetas y a través de un modelo predictivo avanzado utilizando deep learning, en poco tiempo, pudimos predecir la satisfacción de los clientes con el 86% de los servicios que no recibían retroalimentación de los clientes, y en base a esta predicción; el Banco pudo tomar acciones para fidelizar a los clientes insatisfechos, mejores informes y ofertas especiales a los segmentos de clientes.

Las conversaciones escritas con los clientes son una enorme fuente de datos que a menudo no se utiliza debido a la complejidad de su procesamiento. Deep Talk permite a las empresas, al éxito del cliente, a la experiencia del cliente y a los equipos de IA transformar estos datos no estructurados en datos valiosos para la toma de decisiones.

‍

‍