Qué hacer antes de decir “esta sucursal mejoró”: el momento exacto en que empiezas a quedar expuesto
El momento exacto en que quedas expuesto no es cuando miras el tablero. Es cuando conviertes una variación corta en una decisión grande: “Sucursal Centro mejoró, copiemos el guion”, “subamos el bonus”, “saquemos gente de ahí porque ya está bajo control”. La semana siguiente el KPI vuelve a su nivel normal y tú quedas como quien aplaudió a un espejismo.
Ese enemigo tiene nombre: ruido estadístico por sucursal. No siempre es “medir mal” (aunque pasa). Es más común que sea decidir con evidencia insuficiente: unidad chica, ventana corta, mix que cambia sin avisar.
La semana amplifica la variación por dos razones que suelen venir juntas: N bajo y shocks. N bajo porque una sucursal puede tener 15–30 encuestas de CSAT en 7 días; shocks porque un feriado, una campaña o una caída del sistema cambian volumen y comportamiento en horas. Resultado: el ranking semanal se vuelve una fábrica de historias convincentes con poco sustento.
Ejemplo típico (soporte por sucursal, ventana semanal): filtras últimos 7 días y Sucursal Norte. Ves CSAT 92% (N=24), AHT 6:10, SLA 88%, FCR 78%. Suena a “mejoraron”. Pero esa semana entraron más “consultas simples” y menos reclamos; además dos tickets largos se cerraron fuera de horario y el cálculo de SLA no quedó como creías. El KPI se mueve aunque el equipo haya trabajado igual.
Antes de decir “mejoró”, alinea lenguaje con tres definiciones operativas (parecen obvias hasta que te salvan en el comité): ruido (azar, N bajo, outliers, mix, estacionalidad, datos sucios), señal débil (interesante, pero no replicable aún), cambio real (modificaste el sistema: proceso, staffing, herramienta, capacitación; y se sostiene).
Tip simple que evita el 80% de peleas: cuando alguien te pase “la sucursal ganó”, pide la misma vista con filtros visibles (ventana, canal, horario, sucursal) y guárdala como link o captura. No es burocracia: muchas “comparaciones” son pantallas distintas.
El patrón que te delata: salto y rebote
El clásico “salto y rebote”: semana 1 sube fuerte, semana 2 vuelve a su media histórica. Si ya lo convertiste en storytelling (“hicieron X”), te compras la caída de la semana siguiente.
La salida no es no celebrar nunca. Es no celebrar sin contexto. Cuando veas un salto, tu frase debería ser más parecida a: “Veo una señal débil; la verifico con N, mix y colas antes de replicar” o “Veo evidencia consistente; lo probamos en otra sucursal con guardrails”. Menos épica, más protección.
Qué KPI “miente” primero en soporte
No “mienten los KPIs”; miente cómo los agregas en unidades pequeñas.
- Tasas (CSAT, FCR, recontacto): con pocas observaciones, dos respuestas cambian el mundo. Si el N está en un tooltip escondido, igual lo buscas.
- Promedios (AHT): con colas largas, un par de casos extremos maquillan o destruyen el promedio. Si puedes, mira también p90/p95.
- SLA: puede “mejorar” por reglas de reloj (hábil vs 24/7), cierres masivos o cambios de cola. Documenta la definición usada.
La distinción que más protege tu credibilidad: “significativo” no es lo mismo que “útil para operar”. Bajar AHT -10s puede ser real y aun así no mover staffing (bloques de 30 minutos). Y subir FCR +4 puntos con N razonable puede ser oro aunque todavía haya incertidumbre.
Eso es significancia práctica: el umbral mínimo de mejora que cambia una acción. Definirlo antes de celebrar te evita “copiar azar”. Para una explicación accesible, sin convertirlo en clase, esta guía ayuda: [1]
Tip que parece menor y después te salva: anota “eventos” junto al KPI (en el tablero o en un doc): feriado, incidente, cambio de routing, macro nueva. Ocho semanas después, esa nota vale más que diez opiniones.
Señales rápidas de que fue ruido (no mejora): lo que se rompe primero en rankings por sucursal
Un ranking semanal por sucursal es como zoom digital: se ve nítido hasta que intentas imprimirlo. Estas señales te dicen cuándo frenar la celebración y pasar a modo “auditoría rápida”. El objetivo no es ganar discusiones con estadística: es evitar decisiones irreversibles basadas en una semana caprichosa.
Señal 1: N bajo (en tasas, una respuesta es 5 puntos)
Si el KPI es una tasa, tu primer reflejo: mirar N.
Mini-cálculo: con N=20 encuestas, pasar de 1 a 3 insatisfechos te mueve CSAT de 95% a 85%. No “empeoró el equipo”; cambió una muestra chica.
Decision rule que se entiende en una reunión: si N < 30 en CSAT semanal por sucursal, no declares “mejora” ni “caída”. Úsalo para pedir contexto. Si necesitas decidir igual, cambia ventana (2–4 semanas) o usa métricas más estables (backlog, throughput).
Señal 2: outliers y colas (AHT y promedios)
En soporte siempre hay un caso “envenenado” (cliente que no responde, tercero que traba, incidente masivo). Eso te rompe el promedio.
Ancla rápida: compara AHT promedio vs p90/p95. Si el promedio baja pero el p95 sube, la “mejora” puede ser solo más casos rápidos y una cola más fea escondida.
Este es un lugar donde te quemas: se celebra “bajamos AHT” y se escala el método, pero en realidad se aceleró el cierre de casos fáciles y los difíciles quedaron rebotando. La semana siguiente te explota por recontacto o backlog.
Señal 3: mix de casos (lo difícil vs lo fácil)
El truco más común: el KPI se mueve porque entró trabajo distinto.
Ejemplo: más “consulta simple” y menos “reclamo de facturación”. AHT cae 20–30% sin que nadie haya aprendido nada nuevo. Si luego vuelve el mix normal, el KPI “empeora” y el equipo queda como incoherente.
Decision rule operativo: si el % de casos complejos (reclamos, alta severidad, escalados) cambia fuerte versus la semana anterior, el global no es comparable hasta segmentar.
Señal 4: cambio de canal (chat vs llamada)
Chat, email y llamadas no son el mismo deporte. Un aumento de chat suele bajar AHT “por física” (conversaciones más cortas, paralelismo) y puede mover CSAT.
Si la mejora coincide con más chat, la acción rara vez es “copiar el guion de la sucursal”. Es revisar reglas de asignación: qué sucursales recibieron qué canal, si cambió la cola, si se habilitó un canal nuevo. Se valida con Operaciones/WFM o con quien maneja el enrutamiento, no con un aplauso.
Señal 5: regresión a la media (la “mejor práctica” que era un rebote)
Regresión a la media en simple: si una sucursal tuvo una semana extremadamente buena o mala, lo más probable es que la siguiente sea más normal aunque no hagas nada.
Cómo se ve: una sucursal aparece última por un incidente; la siguiente “se arregla” y el plan correctivo parece mágico. Por eso el regaño “funciona” y el aplauso “funciona”: a veces solo fue un rebote.
Defensa práctica: además del ranking, mira 8–12 semanas de tendencia. Picos aislados = anomalía. Cambio de nivel sostenido = historia.
Señal 6: múltiples comparaciones (40 sucursales = siempre habrá un “ganador”)
Con 30–100 sucursales, siempre habrá una primera y una última por azar. El ranking hace parecer que hay “top performers” toda la semana.
Decision rule si el ranking se usa para decisiones: exige que la sucursal “ganadora” lo sea más de una semana y en más de una métrica compatible (AHT mejora sin recontacto empeorando). Una métrica, una semana, muchas sucursales: trampa clásica.
Señal 7: cambió la medición, no la operación
Este es el modo de fallo más caro: celebras o castigas por un problema de datos.
Escenarios reales: fusión de duplicados, cambio de regla de reapertura, cierres masivos para “limpiar SLA”, redefinición de estados (“Resuelto” vs “Cerrado por sistema”). Resultado típico: SLA mejora, AHT baja, y a los días suben reabiertos/recontacto o aparece backlog “misterioso”.
Cuando veas métricas que deberían moverse juntas y no lo hacen (AHT baja pero FCR cae y recontacto sube), no estás viendo performance: estás viendo una fractura de definición o un proceso sin documentar.
Para afinar el radar de métricas “serias” que fallan por sucursal: [2]
Workflow de decisión (sin estadística pesada): creer, esperar o experimentar antes de replicar una ‘mejora’
| Estrategia de asignación | Mejor para | Ventajas | Riesgos | Recomendado cuando |
|---|---|---|---|---|
| 5. Comparar con 'Grupo de Control' o 'Línea Base Estable' | Aislar efecto de intervención específica | Minimiza impacto de factores externos (estacionalidad) | Difícil en entornos con pocas sucursales o cambios constantes | Medir impacto real de iniciativa piloto |
| 1. Definir 'Umbral de Significación Práctica' por KPI | Filtrar ruido en KPIs volátiles | Enfoca recursos, evita fatiga de equipo | Ignorar mejoras pequeñas acumulativas (si umbral alto) | KPIs con alta variabilidad (ej. -10s AHT no cambia staffing) |
| 2. Regla de 'No Actuar' con N bajo | KPIs de tasa o eventos raros | Evita decisiones por muestras insuficientes | Retrasa acción en mejoras genuinas (si N conservador) | KPIs de tasa (ej. conversión) o sucursales con bajo volumen |
| 3. Evaluar 'Rangos Plausibles' (Intervalos) | Entender incertidumbre de una 'mejora' | Visión realista del impacto, evita precisión engañosa | Requiere comprensión estadística básica | Comunicar incertidumbre, más allá de 'arriba/abajo' |
| 4. Workflow de Decisión: Creer, Esperar, Experimentar | Estandarizar respuesta a 'mejoras' | Marco claro, reduce subjetividad en reuniones | Percepción burocrática si no se comunica bien | Regla de decisión consistente para sucursales y KPIs |
| 6. Monitoreo Post-Implementación (Guardrail) | Confirmar sostenibilidad de la mejora | Detecta si fue ruido o cambio duradero | Frustración si se revierte decisión celebrada | Siempre, para evitar replicar 'mejoras' efímeras |
Esta tabla no es para “hacer todo”. Es para que la reunión deje de reinventar criterio cada lunes. Sin acuerdo previo, el ranking manda. Y con ruido estadístico por sucursal, el ranking suele mandar mal.
Cómo se usa, en una frase:
- Si no definiste umbral de significancia práctica, cualquier micro-subida se convierte en epopeya. (Y terminas con fatiga de equipo.)
- Si ignoras la regla de no actuar con N bajo, vas a premiar suerte y castigar azar; dos encuestas atraviesan todo.
- Si no hablas en rangos plausibles, vendes precisión falsa: “subimos 3 puntos” como si fuese un hecho. En operación, la pregunta es brutalmente simple: ¿el rango todavía incluye “sin cambio” o incluso “peor”? Si sí, baja el tono y cambia la acción.
- Si quieres replicar algo caro o políticamente sensible, usa grupo de control o línea base estable: comparas contra un baseline defendible, no contra “la semana pasada que fue rara”.
- Y si decides, no termina ahí: monitoreo post-implementación (guardrail). Si AHT baja pero recontacto sube, paras. Es el cinturón de seguridad que evita escalar una mejora efímera.
Los cuatro filtros que deciden si creer, esperar o experimentar
Primero, sanidad mínima de datos. Si el N está oculto, si hubo cierres masivos, si cambió la regla de reapertura, hoy no discutes performance: discutes medición.
Segundo, umbral operativo. “Subió” no alcanza; ¿subió lo suficiente como para cambiar una acción? (Staffing, macros, routing, capacitación.) Si no cruza ese umbral, lo máximo honesto es “interesante, pero no mueve decisión”.
Tercero, muestra y ventana. Para tasas, manda N; para AHT, manda la cola. Umbrales prácticos (no sagrados): con N < 30 semanal, “no actuar” suele ser la única jugada que no te deja expuesto; con N intermedio hablas de señal débil; con N alto ya discutes evidencia, siempre controlando mix. Para tamaño de muestra sin densidad innecesaria: [3]
Cuarto, segmentación mínima (solo lo que cambia decisiones): canal y tipo/severidad. Si segmentar te deja N ridículo, no inventes conclusiones: agrupa semanas o agrupa categorías. Segmentación es bisturí, no licuadora.
Salida: una decisión con nombre
La reunión debería terminar con una de estas tres salidas (y una acción pequeña asociada):
Creer (con cautela) cuando cruzó umbral, N acompaña, mix estable, datos sanos. Documentas qué práctica cambió y confirmas en 2 semanas con los mismos cortes.
Esperar cuando N es bajo, mix raro, outliers dominan o hay dudas de definición. Amplías ventana (2–4 semanas) y pides segmentación mínima.
Experimentar cuando parece útil pero incierto, o el costo de equivocarte es alto. Piloto acotado, reversible, con guardrails explícitos.
Cómo comparar sucursales sin autoengaño: mix de casos, estacionalidad y ventanas que sí puedes defender
Comparar sucursales es necesario (si no comparas, no gestionas). Pero es peligrosísimo porque el tablero no te dice “qué era comparable”. Tu trabajo es construir una comparación que aguante dos preguntas: “¿estamos viendo el mismo tipo de trabajo?” y “¿estamos en el mismo momento del ciclo?”.
Normaliza por tipo de caso y severidad
Dos sucursales pueden tener el mismo proceso y recibir trabajo distinto. Si no controlas eso, premias asignación y castigas dificultad.
Ancla defendible: añade el % de casos complejos / reclamos / alta severidad en la misma vista por sucursal. Luego compara desempeño dentro de macro-categorías.
Ejemplo que cambia decisiones: “Sucursal A tiene AHT 5:40 y B 7:10; A es mejor”. Segmentas y ves que A tuvo 60% consultas simples y B 55% reclamos de facturación, además de más prioridad alta. La conclusión no es “copiar a A”; es ajustar routing (equilibrar severidad) o evaluar performance por tipo de caso.
Ventanas que sí aguantan preguntas
- Semanal (7 días) sirve para anomalías (incidentes, ausentismo, picos). Es mala para declarar “mejora” si el volumen no es enorme.
- 4 semanas suele ser el mínimo defendible para comparar con menos teatro: suaviza shocks y reduce “ganadores por azar”.
- Si hay estacionalidad fuerte, compara por ciclo (fin de mes vs fin de mes, semana con campaña vs semana con campaña).
Esto evita confundir calendario con performance. Para pensar tendencias con contexto, esta guía es útil: [4]
Canales y horarios: no compares deportes distintos
Una sucursal con más chat y otra con más llamadas no compiten en la misma pista. Y un turno noche con bajo volumen no se parece al turno día.
Tradeoff real: desglosar por canal y franja horaria mejora justicia, pero baja N y vuelve a aparecer el ruido estadístico por sucursal. Regla simple: segmenta solo si cambia la acción. Si no cambia la acción, mejor una ventana más larga.
Métricas que resisten mejor el caos
Si tu objetivo es comparar sin autoengaño, algunas métricas aguantan mejor que el promedio global:
- p90/p95 de AHT para ver el “día malo”, no el promedio maquillado.
- Recontacto / reabiertos como guardrail anti-cierre-apurado.
- Backlog y throughput (entradas vs resueltos) para salud del sistema.
La paradoja típica (versión simple de Simpson): en agregado parece que AHT mejoró porque entraron muchos casos simples; al segmentar, dentro de “reclamos de facturación” empeoró. El agregado cuenta una historia optimista; el segmentado te dice dónde se traba el sistema.
Para profundizar en sesgos al comparar sucursales y evitar autosabotaje con números tramposos: [5]
Modos de fallo (y tradeoffs reales) al ‘arreglar’ el ruido: lo que suele salir mal cuando intentas ser riguroso
Cuando por fin ves el ruido, es fácil pasarte de rosca: o no decides nada (“hasta estar 100% seguro”), o vuelves el sistema impracticable (“ahora todo requiere 14 cortes”). El arte es que sea rigurosamente usable.
Fallo 1: sobre-normalizar. Ajustas por todo, todo queda “normal” y nunca aparece el problema real. Define pocos factores obligatorios (tipo de caso, canal, severidad, ventana) y no los cambies cada semana.
Fallo 2: perseguir al mejor/peor semanal. Es juego de topos: rotación de foco, acciones reactivas, fatiga. Cadencia sana: weekly para anomalías; 4 semanas para cambios de proceso.
Fallo 3: métricas que incentivan trampas. Si premias AHT sin mirar recontacto, aprenderán a cerrar rápido. Si premias SLA sin mirar resolución, moverán tickets. Diseño defensivo: KPI + guardrail.
Tradeoff inevitable: velocidad vs certeza. A veces no puedes esperar. Regla práctica: actúa con señal débil solo si el costo de no actuar es alto y la acción es reversible (piloto acotado, rollback claro). Escalar masivo con evidencia floja es cómo te compras el rebote.
Checklist de 15 minutos para no celebrar de más: qué pedir hoy y qué comprometer para la próxima semana
Si el ranking no va a desaparecer, ponle barandas. La idea no es llenar la reunión de preguntas; es evitar las que te dejan expuesto.
Checklist previo: 10 preguntas que cortan el humo
¿Cuántos casos tuvo esta semana y la anterior?
¿Cuántas respuestas sostienen las tasas?
¿Hubo feriados, campañas, caídas o picos que cambien el mix?
¿Cambió el canal (más chat/menos llamadas)?
¿Cambió el mix de casos (más simples/menos complejos)?
¿Supera el umbral de relevancia operativa acordado?
Si cambió el promedio, ¿qué pasó con p90/p95?
¿Qué pasa al mirar 4 semanas?
¿Hubo datos sucios (duplicados, cierres masivos, reasignaciones, reetiquetado)?
¿Decisión de hoy: creer con cautela, piloto o esperar?
Qué decir cuando te piden un “ganador”
“Puedo decir quién salió primero esta semana; no quién es mejor. Para eso uso 4 semanas y control de mix.” Si quieren replicar, pide la práctica concreta que cambió. Si no hay práctica, suele ser azar con buen marketing.
Compromisos mínimos para la próxima semana
Una vista de 4 semanas como baseline, segmentación mínima (tipo de caso + canal) en las sucursales que más se movieron, y una auditoría corta de datos (duplicados, recontacto, cierres masivos). La trampa clásica es saltarse esto “porque estamos apurados”. Justo cuando estás apurado es cuando más te conviene una baranda.
Plan realista de lunes: elige un KPI que hoy te expone (CSAT o AHT), fija su umbral de significancia práctica y cambia la conversación de “ganadores” a “decisiones defendibles”. Menos teatro. Más aprendizaje.
Fuentes
- lisandroiserte.ar — lisandroiserte.ar
- calypso.ms — calypso.ms
- lisandroiserte.ar — lisandroiserte.ar
- storemanagercoach.com — storemanagercoach.com
- calypso.ms — calypso.ms