Cuando un “ranking de sucursales” te mete en problemas: qué estás comparando y para qué decisión
Hay una escena que se repite demasiado. Comité de operaciones, pantalla grande, ranking con semáforos y alguien dispara: “La sucursal 12 es la peor, hay que apretar”. Dos semanas después, la sucursal 12 “mejora” su AHT, sube el backlog, el equipo se quema y el cliente se queja. Felicitaciones: optimizaste el tablero y empeoraste el negocio.
Comparar sucursales no es hacer una lista de ganadores y perdedores. En operaciones y soporte, “comparar” significa poner lado a lado volumen (lo que entra), ejecución (cómo lo procesas) y resultados (qué sale). Si metes todo en un solo número, lo único que garantizas es una pelea: cada área va a defender “su” KPI como si fuera la verdad.
La pregunta correcta no es “quién es mejor”, sino “qué decisión necesito tomar”
Una comparación útil no responde “quién es mejor”. Responde “qué cambio hago y dónde”. La regla que evita discusiones eternas es simple: antes de calcular, escribe la decisión que quieres habilitar. Si no la puedes escribir en una línea (“mover dotación del turno A al B”, “reforzar coaching en complejos”, “cambiar routing de X”), no estás comparando: estás coleccionando métricas.
Tres salidas distintas (staffing, coaching, proceso) y cómo cambian la comparación
- Staffing: importa la relación entre carga y capacidad. Si hay saturación, puedes tener buen equipo y aun así perder SLA.
- Coaching: importa la calidad y consistencia, idealmente por tipo de caso y por turno. Aquí el volumen puede ser bajo y aun así el outcome ser malo.
- Proceso: importan cuellos de botella, escalamiento, herramientas y fricción. No arreglas un cuello de botella con “apretar” agentes.
Misma data, tres lecturas. Un ranking único mezcla las tres y te deja sin respuesta cuando alguien pregunta “ok, ¿y ahora qué hacemos?”.
Un ejemplo breve: la sucursal que “gana” en AHT pero pierde el mes en outcomes
Imagina dos sucursales:
- Sucursal A: AHT 4 minutos, FCR 62%, CSAT 78.
- Sucursal B: AHT 7 minutos, FCR 78%, CSAT 90.
Si rankeas por AHT, A “gana”. Si rankeas por resolución y satisfacción, B “gana”. Ahora agrega el dato que suele aparecer después (cuando ya alguien se enojó): A tiene 30% más recontactos. De pronto el “ahorro” de tiempo era una factura escondida.
Decisión defendible: no es “A es mala”. Es “A está cerrando rápido pero dejando trabajo sin resolver”. Aquí coaching y proceso pesan más que apretar el cronómetro.
Qué hacer antes de comparar: separar volumen, eficiencia y outcome (y dejar de mezclar peras con manzanas)
El autosabotaje más común al comparar sucursales es mezclar dimensiones. Volumen no es eficiencia. Eficiencia no es outcome. Outcome no es percepción. Cuando lo mezclas, castigas a quien carga el peso y premias a quien tuvo un mes tranquilo.
Unidad de trabajo: conversación, ticket, caso resuelto y por qué no son equivalentes
Una conversación es un evento. Un ticket es una promesa de seguimiento. Un caso resuelto es un resultado. Si comparas por “cantidad de tickets”, pero una sucursal registra cada interacción como ticket y otra solo registra lo que escala, tu ranking es un concurso de registro, no de desempeño.
Tip práctico (y muy poco glamoroso, pero salva meses de discusión): define una unidad primaria para comparar y una unidad secundaria para auditar. En contact center suele ser conversación o ticket; en back office, caso resuelto. Elige una, declárala y sé consistente.
El “triángulo” por sucursal: carga (volumen), capacidad y eficiencia (tiempos) y calidad (resolución y satisfacción)
Piensa en un triángulo:
- Carga: entradas (conversaciones, tickets, casos) por canal y tipo.
- Capacidad/Eficiencia: espera, primera respuesta, AHT, tiempo de resolución, utilización.
- Calidad/Outcome: FCR, recontacto, CSAT o QA, cumplimiento de SLA por tipo, backlog y aging.
Si intentas colapsar el triángulo en un solo score, estás declarando un intercambio sin decirlo. Y ahí es donde te quemas: cada quien interpreta el intercambio a su conveniencia.
Error típico: sumar AHT con CSAT en un “total”. Lo que funciona mejor en la vida real es mostrar 2–3 métricas separadas y declarar la prioridad del ciclo. Si este mes la prioridad es backlog, la eficiencia pesa más. Si la prioridad es retención/churn, outcome pesa más. El punto es no esconder el intercambio dentro de una fórmula que nadie entiende.
Regla práctica: si cambias el objetivo, cambias el tablero (no es trampa, es consistencia)
Si este mes premias AHT y el siguiente premias CSAT, la organización aprende a jugar a la lotería del KPI. Define un objetivo operativo por ciclo (mes o trimestre) y mantén el tablero estable durante ese ciclo. Luego cambias el foco con motivo claro.
Dos anclas que ayudan a no castigar al equipo equivocado:
- Alta carga + buena calidad: Sucursal Norte recibe 12.000 conversaciones/mes, sostiene FCR 80% y CSAT 88. Su AHT es 6,5 minutos. No es “lenta”: es la que resuelve. Si la castigas por AHT sin mirar recontacto, la empujas a cortar conversaciones y pierdes resolución.
- Baja carga + tiempos bonitos + outcomes peores: Sucursal Centro atiende 3.000 conversaciones, AHT 4 minutos, FCR 62 y CSAT 79. En tablero “se ve eficiente”. En realidad es barata porque está dejando deuda (y la deuda aparece como recontacto, backlog y aging).
Advertencia real: cuando mejoras eficiencia local, puedes empeorar eficiencia del sistema. He visto equipos bajar AHT 15% en dos semanas por presión de tiempo y terminar con FCR 10 puntos abajo y recontactos arriba. El volumen total crece… y luego “misteriosamente” necesitas más dotación.
Para no compararte a ciegas, basta con que por sucursal tengas (y puedas contextualizar) cuatro cosas: entradas por tipo/canal, tiempos (espera y resolución), outcomes (FCR/recontacto/CSAT o QA) y contexto operativo (dotación por turno, campañas, fallas de sistema). No necesitas 40 KPIs: necesitas que los 8 que uses no se contradigan.
Ajustes que sí cambian el veredicto: normaliza por mix de casos, estacionalidad y base (población o ventas) antes de juzgar
Si tu ranking cambia dramáticamente cuando haces dos ajustes obvios, entonces nunca tuviste un ranking. Tenías un espejo deformante.
Mix de casos: la sucursal no elige lo que le cae (y tu ranking tampoco debería castigarlo)
El mix de casos es el culpable invisible. Una sucursal puede recibir más reclamos complejos, fraude, incidencias técnicas o clientes nuevos con dudas largas. Si la comparas como si todo fuera equivalente, castigas contexto y premias suerte.
Ejemplo (de los que invierten rankings):
- Sucursal A resuelve 800 casos/mes. 60% complejos. FCR 75%.
- Sucursal B resuelve 800 casos/mes. 20% complejos. FCR 78%.
Ranking crudo: B arriba. Pero al separar:
- En simples, ambas FCR 85%.
- En complejos, A está en 68% y B en 55%.
Veredicto útil: A es mejor en lo difícil. B se ve mejor porque su mix es más liviano. Si tu decisión es “¿dónde reforzamos manejo de complejos?”, A no es el problema.
Tip práctico: cuando el mix cambia, deja de hablar de “la sucursal” como un bloque. Habla de “la sucursal en este tipo de caso”. La conversación pasa de culpa a palancas.
Estacionalidad y semanas raras: cómo no confundir pico con desempeño
La estacionalidad no es solo “diciembre”. Hay picos por día de pago, campañas, cortes, quincena, feriados locales y (sí) caídas de sistema. Si comparas una sucursal que vive el pico el viernes con otra que lo vive el lunes, tu ranking semanal es un sorteo.
Ancla concreta: una semana con feriado puede arruinar la comparación. Si el feriado cae miércoles y el pico de reclamos se mueve al jueves, el SLA cae y el AHT sube por saturación. No cambió el equipo: cambió la demanda.
Decisión sana: declarar “semana no comparable” cuando hay semanas parciales, feriados, cambios fuertes de campaña o incidentes mayores. Congelar el ranking no es esconder la realidad; es evitar conclusiones tontas.
Base correcta: por población, transacciones, ventas u “oportunidades” (según la operación)
Normalizar no es “ponerlo bonito”. Es escoger un denominador que represente oportunidad.
Ejemplo:
- Sucursal A: 1.000 tickets/mes, 100.000 transacciones → 10 tickets por 1.000 transacciones.
- Sucursal B: 700 tickets/mes, 30.000 transacciones → 23,3 tickets por 1.000 transacciones.
Por volumen crudo, A “peor”. Por base, B tiene más fricción por cliente/venta. Si tu objetivo es reducir contacto, B es prioridad aunque tenga menos tickets.
Orden práctico (sin convertir esto en ciencia espacial): primero base (oportunidad), luego segmentación por mix (simple/complex o 3 categorías útiles), luego ventana comparable (semanas equivalentes o rolling). El intercambio es real: ajustar te hace justo, pero sobreajustar te puede dejar sin responsabilidad. Mi regla: ajusta solo lo que cambia decisiones. Si un ajuste no te lleva a una acción distinta, es estadística por deporte.
Y ojo con el factor humano: el efecto arrastre y el sesgo de confirmación hacen que el primer ranking se vuelva “verdad” y luego se busquen ajustes para justificarlo. Esta lectura lo explica bien, con ejemplos digeribles: [1]
Números tramposos que inflan o hunden sucursales: promedios traicioneros, outliers y tamaños de muestra
Las métricas por sucursal suelen romperse por tres cosas: promedios mal usados, casos raros que te mueven el mes y sucursales chicas donde el ruido parece señal.
Promedio vs mediana vs percentiles: por qué AHT y tiempos de resolución se rompen con colas largas
AHT y tiempo de resolución casi siempre tienen cola larga: unos pocos casos muy largos inflan el promedio y hacen ver “lenta” a una sucursal consistente.
Ejemplo:
Sucursal A tiene 10 casos (horas): 2, 2, 2, 2, 2, 2, 2, 2, 2, 40.
- Promedio: 5,8 horas.
- Mediana: 2 horas.
Si miras solo el promedio, parece un problema general. Si miras mediana y percentiles, ves la verdad: casi todo va rápido y hay un caso extremo que merece investigación.
Qué suele funcionar en comité: p50 y p90 para tiempos. El p50 te cuenta “lo normal”; el p90 te enseña dónde vive el dolor del cliente y el riesgo de SLA.
Outliers: el caso raro que te mueve el mes (y cómo reportarlo sin esconderlo)
Los outliers no se borran, se explican. Esa es la diferencia entre transparencia y maquillaje.
Ejemplo realista: una sucursal tuvo dos incidentes masivos por falla de sistema. Cada uno generó 300 contactos extra y elevó la espera de 30 segundos a 8 minutos durante dos horas. En el ranking mensual “se hunde”. La acción correcta no es coaching a agentes: es coordinación con tecnología, mensajes proactivos y un protocolo para descomprimir demanda.
Regla que evita discusiones: junto a cualquier número, muestra N (cuántos casos) y una señal de dispersión (p50/p90, o similar). No necesitas sonar académico; necesitas que el dato no te engañe.
Muestras chicas y volatilidad: cuándo parece que una sucursal cambió y solo fue ruido
Las sucursales pequeñas son traicioneras: con poco volumen, cualquier cosa parece tendencia.
Ancla con CSAT: si una sucursal recibe 12 encuestas en el mes, dos malas pueden cambiar el promedio “dramáticamente”. No cambió la cultura: cambió el tamaño de muestra.
Decisión simple y defendible: no rankees CSAT mensual por sucursal si N < 30 encuestas. Agrupa trimestralmente o complementa con QA. Para FCR o recontacto, el umbral puede ser menor, pero decláralo.
Si quieres lenguaje para discutir estas trampas sin pelearte con “la estadística”, este recurso es útil: [2]
Analogía rápida: usar promedios en tiempos con colas largas es como medir el tráfico de una ciudad con “promedio de autos por calle” y concluir que todo está bien porque el martes a las 3 pm no había nadie.
Del dashboard a la acción: una forma defendible de clasificar sucursales y decidir staffing, coaching o cambios de proceso
El dashboard no paga la nómina. Las decisiones sí. La comparación de desempeño por sucursal se vuelve potente cuando deja de ser ranking y se vuelve clasificación para actuar.
Una secuencia que suele funcionar (porque reduce discusiones sobre “cuál KPI manda”):
Normalizar señales: carga, outcome y eficiencia se miran con base comparable, con mix mínimo (categorías que cambien el esfuerzo) y con ventana de tiempo que no te haga perseguir un feriado.
Diagnóstico con matriz carga vs outcome: no busca coronar campeones; busca ubicar sucursales para priorizar. La gracia de la matriz es que separa dos historias que el ranking mezcla: “tengo demasiada demanda” vs “estoy ejecutando mal”.
Ajuste por eficiencia interna cuando el diagnóstico no alcanza: routing, colas, escalamiento, herramientas lentas, handoffs. Esto permite acciones quirúrgicas, pero también es donde te puedes pasar de rosca y caer en microgestión (perseguir minutos sin mover outcomes).
Acción recomendada: staffing cuando el volumen excede capacidad; coaching cuando hay baja carga y mal outcome; proceso cuando los tiempos se rompen por fricción o escalamiento.
Dos casos ancla que evitan injusticias típicas:
- Alta carga + buen outcome (pero SLA cae): normalmente no es “equipo malo”, es saturación. Si la receta es apretar más, rompes el outcome. Si la receta es capacidad/turnos/prioridades, cambias la historia.
- Baja carga + mal outcome: meter más gente suele ser la solución cara al problema equivocado. Aquí suelen mandar capacitación, base de conocimiento, supervisión, QA y diseño de proceso.
La tabla siguiente resume estas estrategias sin vender humo; úsala como puente entre diagnóstico y acción (y como recordatorio de riesgos, porque siempre hay uno):
Si algo de la tabla vale oro, es el guardrail: evitar promedios simples como “única verdad”. En tiempos, p50/p90 suele decirte más. En satisfacción, N manda más de lo que nos gusta admitir.
Cómo sostener la comparación sin pelearte cada mes: controles, alertas y cómo contarlo en una reunión dura
El sistema se cae no por falta de métricas, sino por falta de guardrails. Si cada mes cambias reglas, la organización deja de creer. Y cuando no cree, inventa historias.
Monitoreo mínimo: qué mirar semanal vs mensual para no perseguir ruido
Semanalmente mira carga y señales tempranas de saturación (entradas por tipo, espera, backlog). Mensualmente mira outcomes cuando ya tienes N suficiente (FCR/recontacto/CSAT o QA). Esa cadencia evita perseguir un mal día como si fuera una crisis cultural.
Ancla concreta: si hubo feriado y la semana quedó parcial, congela el ranking semanal. Marca la semana como “no comparable” y mira tendencia rolling. El feriado no entrenó peor a nadie: solo movió la demanda.
Señales de alerta: cuándo congelar rankings y abrir investigación
Hay momentos donde comparar sucursales sin autosabotaje significa, literalmente, no comparar.
Congela rankings si cambió el instrumento de CSAT, si cambiaste la clasificación de casos, si hubo caída relevante de sistema, si el período es parcial, o si una sucursal tuvo un evento extraordinario que explica buena parte del volumen. En esos casos, cambia la pregunta: no “quién está peor”, sino “qué incidente explica el desvío y qué hacemos para que no se repita”.
Narrativa defensible: cómo explicar ajustes sin que suene a excusa
Decir “normalizamos por base y mix” suena a excusa cuando aparece después de que alguien ya señaló culpables. Dilo antes.
En una reunión dura, la credibilidad viene de tres hábitos: mostrar N, declarar el orden de normalizaciones y traducir cada hallazgo a una acción (staffing, coaching o proceso) con su riesgo. Si lo único que llevas son números sin decisión, alguien va a llenar el vacío con intuición. Y la intuición en grupo es como el teléfono descompuesto, pero con presupuesto.
Cierre con una prueba simple: si hoy tienes un ranking que siempre termina en pelea, conviértelo en una matriz de carga normalizada versus outcome, con N visible. Luego separa simple versus complejo, y deja los tiempos en p50 y p90. Es menos “entretenido” que un semáforo de culpables, y mucho más útil cuando hay que salir de la sala con una decisión real.
| Estrategia de asignación | Mejor para | Ventajas | Riesgos | Recomendado cuando |
|---|---|---|---|---|
| 3. Ajuste: Considerar Eficiencia Interna | Refinar diagnóstico. identificar cuellos de botella locales. | Acciones quirúrgicas (routing, procesos). optimiza recursos. | Requiere datos detallados. riesgo de microgestión. | Diagnóstico inicial no explica rendimiento. |
| Caso Ancla: Alta Carga + Buen Outcome (SLA cae) | Sucursales con alta demanda, buen desempeño, SLA afectado. | Identifica necesidad de más headcount o automatización. | Sobrecargar personal. pérdida de clientes por espera. | Volumen excede capacidad operativa, afectando experiencia. |
| 1. Normalizar Señales (Carga, Outcome, Eficiencia) | Comparación justa entre sucursales. | Evita sesgos. identifica problema raíz (volumen vs. ejecución). | Ignorar factores externos. complejidad inicial de datos. | Datos brutos de volumen, resultados, recursos por sucursal. |
| 2. Diagnóstico: Matriz Carga vs. Outcome | Clasificar sucursales. priorizar intervenciones. | Visualiza dónde actuar. separa capacidad de calidad. | Simplificación excesiva. ignora eficiencia interna. | Necesidad de visión rápida para staffing o coaching. |
| 4. Acción Recomendada (Staffing / Coaching / Proceso) | Implementar soluciones concretas y medibles. | Resuelve problemas específicos. mejora rendimiento. | Resistencia al cambio. soluciones genéricas. | Diagnóstico claro. intervención directa necesaria. |
| Caso Ancla: Baja Carga + Mal Outcome | Sucursales con poca actividad y resultados deficientes. | Señala problemas de calidad, capacitación o proceso (coaching). | Asignar recursos sin resolver problema de fondo. | Mejorar calidad de servicio o conversión con volumen actual. |
| Guardrail: Evitar Promedios Simples | No ocultar variaciones significativas entre sucursales. | Revela outliers. casos especiales requieren atención. | Decisiones erróneas por visión distorsionada. | Métricas con alta dispersión o sucursales heterogéneas. |
Fuentes
- analyticslane.com — analyticslane.com
- es.statisticseasily.com — es.statisticseasily.com