Si alguna vez viste un ranking de sucursales en una reunión, conoces el guion: arriba “los cracks”, abajo “los que hay que apretar”. En cinco minutos ya hay ideas de incentivos, cambios de dotación y reclamos al líder local.
El problema no es rankear. El problema es tratar el ranking como “verdad”, cuando casi siempre es una comparación condicionada por calendario, mix de demanda, canal, volumen y calidad de registro. Un KPI puede subir o caer sin que el equipo haya mejorado o empeorado.
Este artículo no pide eliminar rankings. Pide que vuelvan a ser justos y accionables: que sirvan para decisiones correctas sin castigar al equipo equivocado.
Antes de creer el ranking: qué decisión vas a tomar (y qué lectura te puede hacer daño)
Un ranking de sucursales en soporte/ops es una lista ordenada según un KPI (FRT/primera respuesta, TTR/tiempo total de resolución, % SLA, CSAT, recontacto, conversión). Pero no es “la verdad”: es una foto comparativa bajo ciertas condiciones y sobre una unidad de conteo.
La pregunta que te ahorra discusiones inútiles es: ¿qué decisión vas a tomar con esto? Porque el mismo ranking puede ser útil para coaching y peligrosísimo para bonos.
Mini-caso (dos sucursales, una mala reunión en potencia): en abril, Sucursal Centro queda #1 en “% resuelto en 24h” y Sucursal Aeropuerto queda #12. Lectura literal: “Centro es mejor”. Lo que pasó: Aeropuerto tuvo 2 días con corte parcial (menos dotación) y recibió más casos de severidad alta por una falla de proveedor. Centro absorbió consultas simples por chat por una campaña de “preguntas frecuentes”. El ranking premia calendario + complejidad, no necesariamente ejecución.
Regla de decisión: si el ranking se usa para incentivos/sanciones, primero exigí comparabilidad mínima (ventanas equivalentes, n suficiente, definiciones estables). Si no podés garantizarlo, usalo para preguntas (“¿qué cambió?”) y no para veredictos (“quién es bueno/malo”).
Otro punto donde te quemas: la unidad de conteo. Cambia el ranking más de lo que parece.
Si contás conversaciones, una sucursal con muchos “toques” cortos por WhatsApp puede verse brillante en FRT. Si contás tickets, dependés de disciplina de cierre, duplicados y reaperturas (y de que nadie use “Pendiente de cliente” como cajón de sastre). Si contás eventos, medís carga real, pero fragmentás una misma resolución en mil pedacitos.
Dos anclas simples para no perderte:
Pedí que el tablero muestre explícitamente la unidad de conteo (conversaciones vs tickets).
Pedí una definición visible del KPI (por ejemplo, FRT desde “Creado” hasta “Primera respuesta pública”, no hasta “primer comentario interno”).
Sin esas etiquetas, el ranking es como un alimento sin ingredientes: todos opinan, nadie sabe qué está comiendo.
Hay dos usos que convierten un ranking en arma.
El primero: pagar/penalizar sin auditoría mínima. Si hay dinero o reputación, la gente optimiza el KPI: mover trabajo a otro canal, dejar casos “en espera”, cerrar rápido para bajar TTR. El cliente vuelve (recontacto sube) y el ranking igual “se ve bien”.
El segundo: usarlo como caza de culpables. En ese clima, cualquier explicación suena a excusa. Y perdés lo más valioso: la verdad operativa.
Decision rule operativo: si tu decisión es de staffing, priorizá carga y tiempo (volumen por hora, FRT, backlog abierto). Si tu decisión es de calidad/proceso, priorizá fricción y resultado (recontacto, reaperturas, % escalados, CSAT). Mezclarlo todo en un solo ranking suele producir una reunión intensa… y equivocada.
Cuándo el calendario te engaña: feriados, campañas y cortes que vuelven injusto el ‘mes contra mes’
El “mes contra mes” es cómodo para reportar, pero el calendario no firmó ningún acuerdo de equidad. Feriados, campañas, quincena, clima, eventos locales, cambios de horario y cortes operativos cambian volumen, mix y tiempos. Y cuando eso pasa, el ranking termina castigando a quien simplemente atendió el día que le tocaba.
No hace falta volverte estadístico. Hace falta entrenar el ojo para detectar cuándo estás comparando semanas que no se parecen.
Un feriado no solo sube o baja volumen: cambia el tipo de demanda. Lo administrativo se difiere; lo urgente y la queja entran igual (y suelen entrar más concentrados).
Ejemplo numérico (mecanismo simple):
Sucursal A en semana normal: 100 conversaciones. 70 simples, 30 reclamos que requieren backoffice. FRT promedio 8 min. % resuelto en 24h: 75%.
Semana con feriado + cierre parcial de backoffice: 70 conversaciones. Ahora 30 simples y 40 reclamos (lo simple se posterga, lo complejo explota). Dotación similar, pero el backoffice responde tarde. FRT sube a 14 min por pico concentrado y “resuelto en 24h” baja a 50%.
¿El equipo empeoró? No necesariamente. Cambió el mix y se trabó aguas abajo.
Tres señales que delatan “efecto calendario” sin necesidad de modelos:
- Patrón por día/hora roto: el heatmap muestra picos nuevos (por ejemplo, martes explotando post-feriado).
- Llegadas concentradas: dos días explican gran parte del volumen.
- Backlog por estado: crece “Abierto” y sube “Pendiente de tercero/backoffice” aunque el FRT no haya colapsado.
Donde suele estar el detalle feo: el corte del reporte. Ventanas no equivalentes generan caídas fantasma.
Si comparás “del 1 al 27” contra “del 1 al 30”, o un mes con cinco lunes contra otro con cuatro, vas a discutir un ranking que en realidad está midiendo tu calendario, no tu operación.
Otro clásico: cambio de horario. Abriste dos horas más, o recortaste por vacaciones. El KPI se mueve y parece desempeño, pero es capacidad. Si no lo anotás, tu ranking se vuelve una prueba de resistencia disfrazada.
Routing también mete sesgo. En semanas con pico, un overflow mal puesto puede mandar reclamos complejos a generalistas. Resultado: cae TTR y sube recontacto… y el ranking “culpa” a la sucursal cuando el problema fue de asignación.
Decision rule: si detectás ruptura de patrón (pico concentrado + backlog creciendo), usá el ranking para decisiones de routing y staffing (mover dotación a franja, activar overflow a cola específica, priorizar severidad alta), no para evaluar “quién es bueno/malo”.
¿Qué comparar en su lugar? La regla operativa más rentable es aburrida: compará mismos días.
En la práctica:
- Preferí semanas completas frente a “del 1 al último día”.
- Si hubo feriado/corte relevante, marcá ese periodo como afectado por calendario o compará contra otra ventana con condiciones parecidas.
El tradeoff es real y conviene decirlo en voz alta: más justicia vs menos frescura. Si esperás semanas completas y anotás feriados, el ranking llega más tarde. Pero llega más confiable. Un ranking “fresco” e injusto es como probar el pan antes de que se enfríe: parece buena idea hasta que te quemás.
Si querés profundizar en el lado “no te autosabotees comparando sucursales”, esta pieza es buen complemento:
No compares lo que no es comparable: mix de demanda y canales que distorsionan conversación vs resolución vs venta
El mix de demanda es el sesgo que más fácil se ignora porque suena a excusa (“a mí me tocan los casos feos”). Pero en un ranking de sucursales el mix es parte del resultado. Si dos sedes reciben trabajo distinto, compararlas con un solo número es como comparar tiempos de cocina entre un café y una parrilla: ambos “sirven”, pero no el mismo plato.
La meta no es montar un proyecto gigante de analytics. Es aplicar dos o tres reglas mínimas para que el ranking sea útil y no una fábrica de injusticias.
Mix, en la vida real, suele cambiar por estas palancas: canal (voz vs WhatsApp vs email), motivo (consulta vs reclamo vs reembolso), severidad, horario, idioma, calidad de la información que trae el cliente, y cuánto depende del backoffice/proveedor.
Dos anclas concretas para bajar la discusión a tierra:
- Antes de mirar el ranking global, mirá el corte por canal y por motivo.
- Mirá el % de casos en “Pendiente de tercero/backoffice”. Si difiere mucho entre sucursales, estás comparando trabajos distintos.
Métrica peligrosa #1: “% resuelto en 24h” cuando cambia el mix.
Ejemplo (mismo tamaño, distinto peso):
- Sucursal Norte: 200 tickets. 160 simples, 40 complejos. Resuelve 180 en 24h → 90%.
- Sucursal Sur: 200 tickets. 80 simples, 120 complejos. Resuelve 170 en 24h → 85%.
Lectura literal: Sur “pierde”. Lectura operativa: Sur está sosteniendo una carga más pesada; quizá está haciendo mejor trabajo si mirás resolución de complejos o tiempo en “Pendiente de tercero”.
Cómo se convierte en decisión correcta (trigger → acción → resultado): Sur cae 5 puntos y queda bottom 3. En vez de retar al líder local, filtrás por motivo: Sur tuvo +40% en “reembolso” y “reclamo severidad alta”. Comparás Sur contra otras sucursales solo en esos motivos y encontrás el cuello de botella en backoffice. Ajustás prioridad de ese flujo. El KPI vuelve sin que nadie “trabaje más duro”; trabaja más alineado.
Métrica peligrosa #2: conversión/venta cuando cambia el origen del lead.
Acá la trampa es elegante: parece meritocracia, pero muchas veces es distribución.
- Sucursal con más contactos desde redes: mucho exploratorio → conversión baja aunque el guion sea bueno.
- Sucursal con más referidos o citas agendadas: intención alta → conversión alta con menos fricción.
Ancla que deberías exigir al lado de conversión: % de leads elegibles (con definición clara: zona de cobertura, presupuesto mínimo, producto disponible) y canal de origen. Si una sucursal tiene 40% elegibles y otra 70%, comparar conversión final sin ajustar es castigo encubierto.
Decision rule: si la elegibilidad difiere de forma material (lo ves “a simple vista” en el tablero), no uses conversión global para incentivos. Úsala para coaching dentro del mismo tipo de lead.
¿Qué hacer sin convertirlo en tesis?
Hay dos estrategias prácticas, con un tradeoff claro:
Rankear dentro de segmentos (por canal/motivo) antes del global. Gana cuando querés decisiones accionables (coaching, QA, entrenamiento) y tenés volumen.
Ponderación simple por familias de casos, con pesos estables y transparentes. Gana cuando dirección te pide “una sola lámina” pero querés evitar la injusticia más obvia.
Regla de supervivencia para ambas: no segmentes hasta dejarte sin n. Si un segmento queda con pocos casos, no rankees: marcá “insuficiente n” o agregá semanas. Mejor una lectura lenta que una injusta.
Para ponerle nombre al problema del mix en contexto regional: [1]
Trampas estadísticas humanas: volumen bajo, regresión a la media y ‘falsos campeones’ del top/bottom
En cualquier ranking de sucursales, las sedes de bajo volumen tienden a copar el top y el bottom. No porque sean mágicas o desastrosas, sino porque con pocos casos el porcentaje rebota fuerte. Si no lo controlás, terminás haciendo management con el equivalente a tirar una moneda… pero con PowerPoint.
Ejemplo claro (12 casos vs 120):
Sucursal chica: 12 tickets. Si resuelve 10 en 24h → 83%. Si resuelve 8 → 67%. Dos tickets cambian el KPI 16 puntos.
Sucursal grande: 120 tickets. Si resuelve 100 → 83%. Si resuelve 98 → 82%. Los mismos dos tickets casi no mueven nada.
Acá hay dos cosas que deberían ser obligatorias en el ranking (si no están, el ranking es “bonito” pero riesgoso):
Primero, n visible en la misma tabla. Segundo, un indicador de contexto como backlog abierto. Porque un porcentaje sin n es una opinión con traje.
Failure mode típico: un líder ve una sucursal chica bottom 1 y dispara un plan correctivo pesado. Al mes siguiente esa sucursal aparece top 3 sin haber cambiado nada. Eso destruye credibilidad (“hoy me retás, mañana me felicitás”) y enseña al equipo que el ranking es caprichoso.
Decision rule: si n está por debajo del umbral acordado, esa sucursal no “compite”. Se etiqueta como insuficiente n y se mira con otra lógica (tendencia más larga o métricas de proceso).
Regresión a la media, en humano: cuando algo sale extra bien o extra mal en un periodo corto, lo más probable es que el siguiente periodo vuelva a algo normal, aunque el equipo haga lo mismo.
Aplicado: una sucursal grande tiene un mes excelente porque coincidieron menos ausencias, mix más simple y cero incidentes. Queda #1. Al mes siguiente vuelve el mix habitual, aparece un microcorte y baja a #6. No “empeoró”: dejó de estar en un mes de suerte operativa.
Cómo se detecta: cambios bruscos de puesto sin cambios equivalentes en drivers duros como % escalados, recontacto, backlog o distribución de motivos. Si el puesto baila y los drivers no, es ruido.
Tres reglas de lectura que bajan el daño sin fórmulas raras:
- Umbral mínimo de volumen: abajo de n, no rankeás.
- Ventana más larga para sucursales chicas: 8–12 semanas móviles para tasas.
- Bandas en lugar de puestos exactos: alto/medio/bajo o terciles. Dos sucursales separadas por 0.5 puntos de CSAT no necesitan “ranking de gladiadores”.
Tradeoff explícito: estas reglas protegen contra falsas alarmas, pero pueden hacer que detectes tarde un problema real.
Decision rule para balancear: si la métrica es de riesgo (cumplimiento, incidentes críticos, reclamos severos), actuás con pocos casos porque el costo de ignorar es alto. Si es de eficiencia (FRT/TTR/SLA) y la sucursal es chica, priorizás ventana larga + bandas, porque el costo de sobrerreaccionar suele ser mayor.
¿Qué hacer con sucursales pequeñas, sin esconderlas “para que no molesten”?
Tres salidas razonables:
- Agrupar por zona o tipo (kioscos vs full) para subir n y comparar contextos.
- Observar más tiempo (rolling 8–12 semanas).
- Cambiar el KPI hacia algo más estable (fallas críticas, % bien categorizado, cumplimiento de proceso), cuando lo que necesitás controlar es ejecución básica.
Ejemplo operativo: Sucursal Rural aparece bottom 1 en SLA con n=9. Se etiqueta “insuficiente n”, se mira tendencia 12 semanas y se revisa % escalados y tiempo en “Pendiente de tercero”. Sale a la luz que el cuello es un proveedor local lento. La acción es ajustar ese circuito o reroutear, no retar al equipo por nueve tickets.
Cuando los datos maquillan la performance: duplicados, recategorización y cambios de definición que rompen el ranking
| Control | Dónde vive | Qué configurar | Qué se rompe si está mal |
|---|---|---|---|
| Set: Regla: 'sin auditoría mínima, no hay ranking para incentivos' | Política de gestión de performance | Checklist de validación de datos previo a cada ciclo de ranking | Desmotivación del equipo. decisiones de management erróneas |
| Set: Definición de métricas | Glosario de métricas oficial | Registro de cambios — fecha, justificación. comunicación obligatoria a usuarios | Comparaciones históricas inválidas. incentivos basados en reglas obsoletas |
| Set: Workflow de validación de ranking | Herramienta de gestión (Jira, Asana) | Pasos claros: extracción, validación, aprobación, publicación. Responsables y plazos | Ranking publicado con errores. pérdida de confianza en los datos |
| Set: Umbral mínimo de volumen | Reglas de negocio del ranking | Número mínimo de casos/transacciones para inclusión en ranking | Sucursales pequeñas distorsionan top/bottom con resultados extremos |
| Set: Detección de duplicados | Sistema de registro (CRM/ERP) | Alertas automáticas: picos, IDs repetidos, múltiples contactos por caso | Ranking inflado por sucursales con datos duplicados |
| Set: Monitoreo de recategorización | Clasificador de motivos/ventas | Umbrales de cambio en distribución de motivos. 'otros' no debe crecer sin justificación | Ranking sesgado por 'limpieza' de casos difíciles |
Esta tabla es tu “cinturón de seguridad”. No hace magia, pero evita el choque más común: usar un ranking para decidir plata o reputación cuando los datos se movieron por debajo.
Si querés que el ranking no te explote en la cara, estos controles tienen que existir en la operación (aunque sea simple):
- Definición de métricas en un glosario oficial. Si no, cada área interpreta “resuelto” a su manera y el histórico queda inutilizable.
- Workflow de validación (aunque sea liviano) antes de publicar ranking: extracción, validación, aprobación, publicación. Si no, un error llega al staff meeting y después no hay vuelta atrás.
- Umbral mínimo de volumen como regla de negocio, no como “acuerdo de pasillo”.
- Detección de duplicados y merges raros: porque inflan volumen y pueden “mejorar” tiempos artificialmente.
- Monitoreo de recategorización: cuando “Otros” crece sin justificación, tu mix y tu routing se desordenan y el ranking culpa a quien no corresponde.
Duplicados/merges: el efecto típico es doble. Por un lado, inflan volumen (parece pico). Por el otro, pueden dejar un ticket “principal” con tiempos lindos y esconder la fricción en eventos secundarios. Señales: pico sin explicación de calendario, IDs repetidos, múltiples contactos por el mismo caso, y suba de recontactos/reaperturas.
Tip rápido: si sube volumen y al mismo tiempo “mejora” TTR de manera llamativa, sospechá. Puede pasar, pero es un combo raro.
Recategorización y drift de motivos: se delata por saltos bruscos en distribución sin cambio real del negocio. Y por el canario de la mina: “Otros” creciendo. Eso rompe especialización, empeora routing y después el KPI cae “por desempeño” cuando el origen fue clasificación.
Cambios de definición: el KPI se mueve sin mejora real. Cambiás regla de cierre, o qué estados cuentan, y el tablero “mejora” solo. A veces baja TTR pero sube recontacto; a veces el SLA se ve más alto porque sacaste “en espera” del conteo. Si no está documentado, vas a discutir una ficción.
Regla no negociable (porque acá es donde se pudren los incentivos): sin auditoría mínima, no hay ranking para incentivos.
Para más ejemplos de métricas que “parecen serias” y fallan en sucursales: [2]
Convertir el ranking en decisiones justas: notas obligatorias, umbrales y una regla de ‘acción mínima’
Un ranking sin contexto es un mapa sin leyenda: se ve profesional, pero te manda al lugar equivocado. La solución no es complicarlo; es gobernarlo con disciplina ligera.
Formato recomendado: ranking + contexto mínimo, siempre.
En la misma vista donde mostrás puestos, agregá:
- n (volumen).
- Etiquetas simples por sucursal: calendario normal/afectado, mix estable/cambió, n suficiente/insuficiente, datos confiables/en revisión, cambio operativo (horario/dotación) sí/no.
Si tu dashboard no lo soporta, ponelo manual en una columna. Sí, manual. Es mejor una nota honesta que un automático injusto.
Después, trabajá con niveles de comparabilidad (esto cambia el tono de la reunión):
- Alta: misma ventana, mix razonable, n suficiente, datos confiables. Podés hacer coaching específico, ajustes operativos, e incentivos con cautela.
- Media: una o dos dudas. Coaching exploratorio + análisis; evitá bonos/sanciones.
- Baja: varias etiquetas rojas. Primero investigar y corregir (datos, segmentación, ventanas). Punto.
Decisiones que suelen salir caras: “descabezar” líderes por un mes raro, mover metas sin entender mix, pagar incentivos sin auditoría mínima, o exigir que una sucursal “sea como otra” con demanda distinta. El ranking no es un juez: es un detector de preguntas.
Monitoreo: señales de que el ranking está incentivando trampas.
Si el ranking empezó a pesar (plata, promociones, exposición), buscá estos olores:
- Cierre rápido sube y también sube recontacto/reaperturas.
- “Otros” crece y cae la precisión de motivos.
- Baja el volumen registrado pero la demanda real no baja (se “resuelve” por afuera del sistema).
Línea para recordar: un KPI mal gobernado es como una dieta basada solo en la balanza. Vas a encontrar maneras creativas de “mejorar” sin estar mejor.
Regla de acción mínima para el próximo ciclo: si hay señales de sesgo, investigá antes de intervenir.
No intentes arreglar todo en un sprint heroico. Si el próximo staff meeting tiene etiquetas, umbral mínimo de volumen, definición estable de métricas y una nota honesta de calendario/mix, ya cambias la calidad de decisiones: el ranking deja de ser arma y vuelve a ser herramienta.
Fuentes
- calypso.ms — calypso.ms
- calypso.ms — calypso.ms