El ranking que se ve justo… hasta que te das cuenta qué estaba comparando
Reunión mensual. Proyector encendido. Aparece el ranking por sucursal con FRT, AHT, backlog y CSAT. En 15 minutos ya hay “campeones”, “culpables” y un par de decisiones de coaching o de recorte de turnos que aterrizan directo en la operación.
El problema no es el ranking. El problema es cuando lo tratamos como si fuera desempeño puro, y en realidad está mezclando contexto, definiciones y suerte estadística con traje de KPI.
En benchmarking entre sucursales, “mismo KPI” solo significa algo si hay comparabilidad. Definición operativa (sin poesía): es comparable cuando todas las sucursales miden el mismo evento, con el mismo denominador, en la misma ventana, y con el mix visible o controlado (canal, tipo de caso, tipo de cliente). Si una de esas patas cambia, el ranking deja de medir ejecución y pasa a medir “qué te cayó”, “cómo registras” o “qué semana te tocó”.
Ejemplo breve (y dolorosamente común): Sucursal Norte absorbe escalaciones y casos complejos: 150 tickets/semana, más llamadas, más reclamos. Sucursal Sur atiende 60, mayormente consultas repetidas por WhatsApp. En el dashboard ves Norte peor en FRT y AHT. Conclusión apresurada: “Norte es lenta”. Realidad: Norte recibe más contactos que requieren verificación, doble interacción y coordinación; y si además en Norte el estado “Resuelto” se marca al cierre definitivo (sin reapertura), mientras Sur cierra al primer mensaje, el backlog también “se ve” peor.
Resultado: castigas al equipo que está cargando el piano. Es como evaluar a dos corredores, pero a uno le pones mochila y al otro le soplas viento a favor. El ranking va a “explicar” lo que tú le pidas.
La idea acá no es dejar de medir. Es medir sin quemarte (ni quemar a una sucursal por hacer el trabajo difícil). Lo que sigue es un marco de decisión para saber cuándo sí comparar, cuándo frenar, y qué ajustes te devuelven justicia sin convertir el tablero en una tesis.
Checklist antes de la reunión: cuándo un KPI sí es comparable entre sucursales
Esto es donde te quemas: confundir “tengo un número” con “tengo una señal”. Un ranking sin comparabilidad no ordena desempeño; ordena definiciones, mix y casualidades.
Piensa este bloque como un “pre-flight” de 5 minutos antes del comité. Si no lo pasas, no entres con posiciones 1..N: entra con diagnóstico por segmentos y con una acción de estandarización para el próximo corte.
Un tip que salva reuniones: elige un KPI “estrella” (FRT suele ser el candidato) y hazle una prueba rápida de estrés antes de mostrar el ranking. Compáralo por canal y por tipo de caso en dos sucursales “opuestas”. Si el orden cambia radicalmente, no es magia: es mix o definición.
Misma definición: ¿qué cuenta como ticket/conversación/evento?
Un KPI solo es comparable si la unidad es idéntica (y está escrita, no asumida). Cuando alguien dice “acá lo registramos distinto”, el ranking ya empezó a desarmarse.
Dos definiciones que cambian el KPI aunque el nombre sea el mismo:
Primero, evento = intento vs contacto efectivo. Si una sucursal registra cada intento de llamada como “gestión” y otra solo cuando el cliente atiende, productividad por agente y tasa de contacto salen sesgadas desde el origen. Ancla concreta para revisar: en tu CRM/mesa de ayuda, ¿la interacción de “Llamada” se crea en cada marcación o solo cuando cambia a “Conectada/Atendida”?
Segundo, “Resuelto” = primer cierre vs cierre definitivo. Una sucursal puede marcar “Resuelto” al enviar la primera respuesta (“ya le contestamos”), y otra solo cuando el caso queda cerrado sin reapertura en 7 días. La primera va a lucir mejor en backlog y FRT, pero puede estar comprando el KPI con reaperturas. Ancla: mira el flujo de estados (Resuelto/Cerrado/Reabierto) y, si existe, el motivo de cierre.
Regla simple que evita peleas eternas: si el KPI depende de una interpretación local, no lo uses para rankear. Úsalo para alinear proceso.
Mismo denominador: la frase completa
El denominador es el lugar favorito para fabricar rankings convincentes.
En la reunión, obliga a decir la frase completa antes de discutir. No “tiene más tickets”, sino “tiene más tickets por 1.000 transacciones”, o “por 100 clientes activos”, o “por hora operativa”. Esa línea cambia la conversación de política a operación.
Dos anclas que suelen romper comparabilidad:
- “Tickets totales” vs “tickets únicos por problema”. Si una sucursal crea un ticket por cada ida y vuelta en WhatsApp, su volumen sube sin que la demanda real haya cambiado.
- CSAT como “promedio de respuestas” vs “CSAT por caso cerrado”. Si una sucursal pide encuesta en todos los contactos y otra solo en ciertos cierres, el sesgo es automático.
Y el clásico: discutir productividad “por agente” sin mirar horas efectivas. Una sucursal con más capacitación, turnos partidos o cobertura de punta puede verse “menos productiva” por calendario, no por ejecución. Si no lo puedes explicar en una línea, estás comparando personas con agendas distintas.
Misma ventana y mismas reglas de cierre/reapertura
Ventana comparable no es “mismo mes” a ciegas. Es misma lógica de calendario y misma política operativa.
Antes de rankear, revisa dos cosas que parecen detalle pero te parten el tablero: (1) el filtro de fechas: Created vs Closed vs First response; mover eso te cambia backlog y productividad como por arte de magia. (2) cambios de reglas a mitad de corte: “cerramos inactivos a las 24h”, “ya no se reabre, se crea ticket nuevo”, “nuevo bot que marca resuelto”.
Ejemplo operativo: el lunes se activó una automatización que mueve conversaciones a “Resuelto” tras 48h sin respuesta del cliente. El viernes vas a ver backlog caer y a alguien diciendo “por fin mejoramos”. Acción correcta: etiquetar ese punto como cambio de regla, comparar desde la fecha de cambio y mirar reaperturas a 7 días. Así evitas premiar (o castigar) un ajuste administrativo.
Segmentación mínima: canal, tipo de caso, tipo de cliente
Comparar sin segmentar canal es como comparar tiempos de cocina entre horno y microondas: ambos “calientan”, pero no son la misma película.
No necesitas 40 cortes. Sí necesitas que el mix esté visible, aunque sea con filtros simples: canal (WhatsApp/llamadas/email/presencial), tipo de caso (facturación-cobros/técnico/logístico/informativo) y tipo de cliente (nuevo/recurrente/VIP/moroso, si existe).
Ancla requerida (muy común en México): una sucursal concentra WhatsApp (alto volumen, asincrónico) y otra llamadas (sincrónico). Si rankeas FRT “general” sin separar por canal, la sucursal con más WhatsApp puede verse peor aunque esté respondiendo bien dentro de su realidad. Antes de cualquier ranking, exige ver FRT por canal y el % de participación por canal.
La versión corta (para que realmente se use)
Si quieres una stop rule que se entienda en el comité: si falla la definición del evento, el significado de “resuelto”, o cambió la regla/ventana, no rankees. Y si no puedes ver al menos canal + tipo de caso, tampoco.
Cuando eso pase, cambia el formato: en vez de “Norte vs Sur”, muestra “WhatsApp técnico” y “llamadas de facturación”. Saldrás con una acción concreta de estandarización para el próximo corte, y con menos energía gastada en defenderse.
Para alinear propósito y lenguaje de benchmarking interno sin caer en “ranking por ranking”: Benchmarking interno: cómo comparar el desempeño entre sucursales.
Modos de fallo: rankings que en realidad miden mix (cliente/canal) y estacionalidad
Verdad incómoda: muchos rankings “de desempeño” miden mezcla de demanda. No es una falla moral; es una falla de diseño. Si no la reconoces, vas a corregir equipos que no están rotos y, peor, los vas a entrenar a optimizar el número equivocado.
Tradeoff inevitable: segmentar mejora justicia y precisión, pero reduce simplicidad (más cortes, más conversación). Regla práctica: si el ranking se usará para bonos, sanciones, recortes de personal o cambios de proceso, segmenta sí o sí. Si es para aprendizaje interno, puedes empezar más simple, pero sin esconder el mix.
Mix de clientes: VIP vs nuevo vs moroso (y cómo sesga FRT, CSAT y escalaciones)
Síntoma típico: la “peor” sucursal en CSAT también aparece con más escalaciones y peores tiempos. Parece que todo está mal en el mismo lugar.
Causa común: no es (solo) ejecución. Atiende proporcionalmente más reclamos de cobros/facturación, más cancelaciones, más VIP exigente o más onboarding de clientes nuevos. Ese mix empuja FRT, AHT y CSAT en direcciones distintas aunque el equipo sea sólido.
Cómo se detecta sin abrir 20 pestañas: mira el % de casos “difíciles” (reclamos/cobros/cancelaciones) vs informativos; escalaciones por 100 casos; y algún proxy de fricción como “segunda intervención” (más de un agente) o contactos repetidos.
Mitigación que sí cambia la conversación: compara dentro de bandas del mismo tipo de caso. “CSAT en reclamos” contra “CSAT en reclamos”, no contra el promedio general. Si no tienes ese corte, decisión sana: no uses CSAT para rankear; úsalo para ubicar dónde duele y qué tipo de caso lo causa.
Ejemplo operativo: reasignas una cartera morosa a una sucursal por tema regional. Suben reclamos y cae CSAT. Si rankeas “general”, parece incompetencia. Si separas “cobros” del resto, la película se ordena: necesitas guiones, capacitación de negociación, y quizá un canal dedicado. No necesitas un “tirón de orejas” por algo estructural.
El modo de fallo (y acá se vuelve peligroso): si mantienes un ranking único, el equipo aprende a evitar casos difíciles para proteger CSAT. Lo notas cuando suben escalaciones y derivaciones justo en las sucursales “mejor rankeadas”. Ganaron el número, perdió el cliente.
Mix de canal: WhatsApp vs llamadas vs email y su impacto mecánico en tiempos
Síntoma: una sucursal pierde en FRT “aunque responden rápido” y en AHT “aunque trabajan mucho”. El equipo se defiende con razón y el comité se convierte en juicio.
Causa: el canal impone su física. Llamadas tienen FRT casi inmediato si entran, pero AHT alto. WhatsApp puede tener FRT más alto por asincronía y colas, aunque permite paralelismo. Email suele inflar FRT si se mide desde creación y no se ajusta por horario hábil.
Para que el sesgo se vea, alcanza con una idea: si WhatsApp promedia 20 minutos y llamadas 2 minutos, mover 20 puntos de mix hacia WhatsApp empeora el promedio aunque el equipo no cambie. Por eso un “FRT general” sin mix al lado es una invitación a conclusiones erróneas.
Decision rule práctica: si el mix por canal cambia más de ~10 puntos entre sucursales (o vs el periodo anterior), no uses FRT promedio para comparar. Usa FRT por canal y, si vas a consolidar, explica el mix en la misma lámina (o fija pesos para no castigar al que atiende el canal más pesado).
Modo de fallo: si no lo corriges, el incentivo implícito es “mover tráfico al canal que mejora KPI”, no al canal que el cliente necesita. Lo detectas cuando baja FRT pero sube abandono en llamadas o suben mensajes repetidos en WhatsApp del estilo “hola??” (traducción: el cliente está haciendo ping porque no entiende el tiempo de espera).
Estacionalidad y campañas: picos semanales (ej. Perú) y comparaciones injustas
Síntoma: una sucursal cae justo en ciertas semanas o “misteriosamente” en un mes específico y luego vuelve a la normalidad. El ranking cambia como veleta.
Causa: estacionalidad y calendario operativo. Comparar mes contra mes sin mirar feriados, quincenas, cierres, eventos locales o cambios de horario es pedirle al KPI que adivine el clima. En algunos países (por ejemplo, Perú) hay semanas con picos por ciclos de pago o campañas locales que no pegan igual en toda la red.
Mitigación razonable (sin convertirlo en laboratorio): usa periodos equivalentes (semana comparable contra semana comparable, o 4 semanas móviles) y etiqueta cortes no equivalentes como no comparables. Si hay un incidente y necesitas actuar ya, usa corte corto para detección, pero no lo uses para premiar/castigar: úsalo para mover capacidad y controlar daños.
Promoción que cambia el mix: el ranking castiga al que hizo bien la tarea
Síntoma: la sucursal que más activó clientes o más vendió ahora sale peor en tickets por cliente, backlog o FRT. La narrativa se vuelve absurda: “te fue bien, así que te va mal”.
Causa: una promoción cambia el mix. Entran clientes nuevos con dudas repetidas, suben solicitudes de onboarding, y aparecen casos informativos que inflan volumen. Muchas veces también cambia el canal: la promo empuja WhatsApp con link directo y se arma la cola.
Mitigación: separa dos tableros mentales (idealmente, dos vistas): salud operativa dentro del mismo tipo de caso/canal, e impacto de campaña (volumen adicional atribuible, aunque sea con un tag, motivo de contacto o filtro desde la fecha de lanzamiento).
Ejemplo operativo: lanzas una promo de portabilidad el día 5; en 72 horas suben 35% los contactos por WhatsApp con preguntas repetidas. Acción: macro/plantilla de respuesta, ajuste de staffing en la franja pico, y comparación solo dentro del segmento “consultas de portabilidad por WhatsApp”. Resultado: mejoras el KPI donde importa sin castigar a la sucursal que activó más.
Cierre de este bloque: si en la reunión no puedes responder “¿cambió el mix o el calendario?”, entonces el ranking no está midiendo desempeño. Está midiendo suerte, campañas y canal. Y para eso, honestamente, no hacía falta un comité.
Para profundizar sesgos típicos y ajustes que se usan en redes reales: Comparar sucursales sin autosabotaje: sesgos comunes, números tramposos y ajustes.
Señal sucia en conversaciones/tickets: duplicados, reasignaciones y reaperturas que rompen el benchmark
Segundo enemigo del benchmarking entre sucursales: la higiene del flujo. Si no la miras, el ranking termina midiendo hábitos del proceso… y hasta incentiva atajos.
El tradeoff es real: perseguir “datos perfectos” puede volverse infinito. Pero ignorar higiene hace que el benchmark sea injusto. El punto medio útil es simple: no necesitas perfección; necesitas visibilidad consistente y dos o tres anclas que te eviten decisiones caras.
Duplicados: demanda real vs ruido operacional
Síntoma: “más tickets por cliente, pero son los mismos casos”.
Causas típicas: registro doble, multicanal sin consolidación, formularios duplicados, o la costumbre de crear ticket nuevo en vez de continuar el hilo.
Acá hay una decisión de negocio que conviene decir en voz alta:
- Si estás dimensionando carga/staffing, los duplicados importan porque consumen tiempo.
- Si estás midiendo demanda real/calidad, necesitas aproximarte a “ticket único por problema”.
Mezclar ambos, y después pelear por performance, es receta para comité eterno.
Tip práctico: si no puedes deduplicar perfecto, no te frenes. Marca un indicador estable (duplicados por 100 conversaciones) y úsalo como alerta. Cuando sube en una sucursal, casi siempre hubo un cambio de proceso, un formulario nuevo o un canal que empezó a generar ruido.
Reasignaciones: el KPI que premia “pasar la papa”
Síntoma: “resuelven rápido”, pero reasignan mucho.
Causa: medir cierre sin mirar handoffs. El sistema premia cerrar/derivar y castiga al que recibe lo complejo.
Detección simple: reasignaciones por ticket y % de tickets con más de un agente. Si alguien “gana” por velocidad y a la vez lidera handoffs, no es eficiencia: es fricción desplazada (a otra bandeja, a otro equipo, a otro mes).
Reaperturas: cierre rápido vs cierre real
Síntoma: AHT bajo y backlog “bonito”, pero reapertura alta.
Causa: cierres rápidos para verse bien en el corte; el problema vuelve y regresa al sistema.
La advertencia real: celebrar la caída de backlog sin mirar reaperturas a 7 días es como barrer debajo de la alfombra. El piso se ve limpio… hasta que alguien tropieza.
Mitigación: define una sola regla para toda la red (y respétala). Reapertura como falla de resolución si estás gestionando calidad; o consolidación a caso original si gestionas carga. Lo importante es que no cambie por sucursal.
Buen espejo para no castigar al que tiene peor mix: México: cómo comparar sucursales sin castigar a la que tiene peor mix de clientes.
Bajo volumen y varianza: umbrales, intervalos y cohortes para no coronar al azar
| Estrategia de asignación | Mejor para | Ventajas | Riesgos | Recomendado cuando |
|---|---|---|---|---|
| Ranking ordinal directo | Grandes volúmenes, datos estables | Simplicidad, fácil comunicación | Ignora varianza, penaliza sucursales pequeñas, conclusiones erróneas | Volumen y variabilidad bajos y similares en todas las sucursales |
| Bandas/cohortes por volumen | Sucursales con volúmenes dispares | Comparación justa, reduce impacto de varianza, fomenta mejora interna | Menos 'competitivo' que ranking único | Regla de decisión: si N < umbral, usar bandas/cohortes |
| Umbrales mínimos de datos | Evitar conclusiones prematuras | Protege contra ruido estadístico, asegura datos significativos | Excluye sucursales nuevas/bajo volumen, retrasa acción | Alta varianza en sucursales con pocos eventos (ej. 15 vs 150 tickets) |
| Intervalos de confianza | Entender incertidumbre en rendimiento | Visualiza estabilidad, evita coronar al azar | Más complejo, requiere conocimiento estadístico | Tradeoffs: buscar equilibrio entre sensibilidad y estabilidad |
| Análisis de tendencias | Identificar mejoras/deterioros sostenidos | Reduce impacto de fluctuaciones, visión a largo plazo | Respuesta lenta a problemas urgentes, requiere más datos históricos | La 'mejor sucursal' cambia por azar en rankings cortos |
| Ajuste por factores externos | Contextualizar rendimiento | Comparación equitativa, identifica problemas de ejecución | Añade complejidad, requiere datos/análisis adicionales | Rankings puros miden mix de clientes o estacionalidad, no desempeño |
La tabla de arriba es tu antídoto contra un vicio frecuente: tratar un ranking como si fuera sentencia, incluso cuando el volumen no alcanza. En bajo N, el tablero fabrica historias falsas. No por maldad: por varianza.
Ejemplo: dos sucursales tienen una tasa real de reapertura de 10%. Si una tuvo 15 tickets y reabrió 2, “sale” 13,3%. Si otra tuvo 150 y reabrió 15, “sale” 10%. El ranking castiga a la primera como si fuera peor, cuando puede estar dentro de lo esperable.
Acá se decide el formato, no solo el cálculo.
- Ranking ordinal directo: sirve cuando hay grandes volúmenes y el dato es estable. Si lo usas con sucursales chicas, las penalizas por ruido.
- Umbrales mínimos: te protegen de “conclusiones prematuras”. Sí, dejan a algunas sucursales fuera del ranking. Y eso está bien si la alternativa es mentirte con seguridad.
- Bandas/cohortes por volumen: son el punto medio operativo. Mantienen accountability (“estás en rojo/amarillo/verde”) sin convertir el comité en una lotería.
- Intervalos de confianza: ayudan a visualizar incertidumbre. No necesitas que todos sean estadísticos; necesitas que quede claro cuándo una diferencia es sólida y cuándo es una moneda al aire.
- Análisis de tendencias: útil cuando el “mejor” cambia cada semana. Si el podio rota demasiado, lo que cambia no es el talento: cambia el azar.
- Ajuste por factores externos: cuando el ranking puro está midiendo mix o estacionalidad, no desempeño. Es más complejo, pero es la diferencia entre “justo” y “parece justo”.
Dos reglas que funcionan en la vida real:
Primera: si un cambio de 1 o 2 casos te mueve varios puestos, estás mirando ruido. Baja la intensidad del “quién” y sube el “qué está pasando” y “qué soporte necesita”.
Segunda: acuerda el umbral una sola vez y déjalo escrito. Si el umbral “se negocia” cada mes, el benchmarking entre sucursales pierde credibilidad y se vuelve política.
Y una verdad incómoda pero liberadora: no todas las sucursales juegan la misma liga. Cohortes por tamaño, complejidad (más llamadas/escalaciones) y madurez (nuevas vs estabilizadas) no son excusa. Son física operativa.
Si quieres ver cómo este mismo patrón de comparación orientada a decisión se aplica en otro dominio (ventas), sirve como espejo: Cómo comparar ventas entre sucursales y tomar decisiones.
Handoff a operación: 12 preguntas antes de accionar un ranking (coaching, staffing o cambios de proceso)
El peor momento para descubrir que tu ranking no era comparable es después de recortar turnos o “corregir” a la sucursal que estaba cargando el piano.
La salida no es “no hagamos nada”. Es accionar con frenos puestos: primero validas comparabilidad, después interpretas mix, luego miras higiene, y recién ahí eliges palanca (coaching, staffing, enrutamiento o proceso).
Estas 12 preguntas no son para llenar una planilla. Son para frenar la inercia del comité cuando la sala ya quiere un veredicto.
(1) ¿Medimos el mismo evento en todas? (2) ¿“Resuelto” significa lo mismo? (3) ¿El denominador es el mismo y está escrito? (4) ¿Ventana y reglas de cierre/reapertura fueron iguales?
(5) ¿Cambió el mix por canal vs el periodo anterior? (6) ¿Cambió el mix por tipo de caso por campaña/incidente/producto? (7) ¿Estamos comparando dentro del mismo segmento de cliente?
(8) ¿Qué pasó con duplicados por 100 conversaciones? (9) ¿Qué pasó con reasignaciones y tickets con más de un agente? (10) ¿Qué pasó con reapertura a 7 días?
(11) ¿Hay volumen para ranking o solo para bandas y tendencia? (12) Si actuamos, ¿la palanca real es coaching, staffing, enrutamiento, o corregir proceso/dato?
Escena útil en vivo: “Sucursal Centro está última, recortemos horas”. Respuesta: “Pregunta 11: ¿cuántos casos comparables tuvo? Pregunta 6: ¿absorbió la promoción?”. Muchas decisiones “obvias” se caen solas cuando las obligas a pasar por comparabilidad, mix e higiene.
Plan de lunes (realista, sin épica): estandariza definiciones de evento/resuelto, deja de rankear donde no es comparable, y agrega 4–6 métricas de higiene. Con eso ya evitaste decisiones caras y el benchmarking entre sucursales empieza a servir de verdad.