Si has estado en una reunión de resultados por sucursal, conoces el guion. Un tablero bonito, un ranking top y bottom, y una conversación que parece objetiva… hasta que alguien dice “esa sucursal siempre es un desastre” y ya se decidió a quién regañar.
El problema es que muchas veces el ranking no mide desempeño. Mide mezcla de casos, canal, estacionalidad, o simplemente quién recibió el golpe cuando algo se rompió. A eso le llamo ruido bien vestido en el contexto de métricas por sucursal. Números con traje, corbata y PowerPoint que se ven serios, pero que en la práctica te empujan a castigar a la sucursal correcta por el motivo equivocado.
Este artículo es para ejecutivos y líderes de operación y soporte que quieren comparar sucursales con métricas sin caer en rankings por sucursal injustos. Vamos a hablar de cinco KPIs por sucursal que engañan, por qué se distorsionan, y cómo hacer un sanity check rápido antes de que el dashboard te arruine la semana.
Antes del ranking: el rito de sanidad de 10 minutos para no regañar a la sucursal correcta
El momento más caro de un tablero no es cuando se construye. Es cuando se usa para tomar una decisión humana. Y en redes con muchas tiendas o sucursales, esa decisión suele ser simple y peligrosa: comparar y ordenar.
El rito de sanidad de 10 minutos es la pausa que evita el error común número uno: creer que “por sucursal” significa “comparable”. No lo es. Una sucursal en una zona corporativa en México que atiende muchas reposiciones, facturación y cuentas empresariales no vive el mismo mundo que una sucursal en zona residencial donde el tráfico es familiar, las consultas son de rutina y el horario pesa más. Si las rankeas juntas, la corporativa suele parecer peor en satisfacción y tiempos, y terminas apretando al equipo que en realidad está apagando incendios de casos más duros. La decisión equivocada típica es recortar personal o cambiar al gerente “por bajo NPS” justo en la sucursal que sostiene el volumen complejo.
Antes de mirar el top y el bottom, contesta tres preguntas.
Tres preguntas que debes contestar antes de mirar el top/bottom
Primero, qué estás comparando en realidad: ¿demanda parecida o demanda distinta con el mismo nombre de métrica? Segundo, qué cambió esta semana o este mes: ¿hubo campaña, quincena, caída de sistema, cambio de política o ajuste de precios? Tercero, qué conducta incentiva el KPI: si mañana bonificas ese número, ¿qué trampa elegante aparecerá?
Volumen mínimo, mix de casos y estabilidad: cuándo NO comparar
Aquí va una checklist de sanidad, rápida y brutalmente práctica, para detectar métricas por sucursal engañosas.
Volumen: si una sucursal tiene pocos casos, una sola mala experiencia te voltea el promedio. En volúmenes bajos, el ranking es una ruleta.
Mix: revisa si cambió la mezcla de casos. Regla práctica: si cambia el mix, no uses ranking; usa cohortes o segmenta.
Duplicados y reaperturas: si aumentan, tus métricas “mejoran” mientras la gente vuelve a tocar la puerta.
Atribución: define si la sucursal “dueña” es la que recibe, la que resuelve o la que cierra. Si no está claro, fabricas héroes y villanos.
Picos y estacionalidad: fin de mes, quincena, campañas regionales y días de pago distorsionan tiempos y satisfacción sin tocar la capacidad real.
El síntoma clásico: ‘el número mejora’ pero suben quejas, reaperturas o filas
Cuando el número mejora y el suelo se siente peor, casi siempre estás viendo maquillaje o una comparación injusta. Tip práctico: cada KPI que uses para rankear debe tener al menos una métrica de respaldo que funcione como alarma. En soporte y operación, reaperturas, quejas escaladas y envejecimiento de backlog suelen ser mejores detectores de “esto se rompió” que un promedio bonito.
Métrica #1 y #2: CSAT/NPS por sucursal — cuando medir ‘calidad’ termina midiendo mezcla de casos y expectativas
| Estrategia de asignación | Mejor para | Ventajas | Riesgos | Recomendado cuando |
|---|---|---|---|---|
| CSAT / NPS: Ajustado por tipo de caso / segmento | Evaluar 'calidad percibida' en contextos variados — diferenciar calidad percibida vs operativa | Reduce sesgo por dificultad. permite comparación más justa | Requiere categorización precisa. mayor complejidad de análisis | Sucursales manejan tipos de casos muy diferentes. permite aislar el efecto del mix |
| CSAT/NPS: Promedio simple por sucursal | Comparar sucursales con cohortes idénticas — mix, volumen, expectativas | Fácil de calcular y comunicar. percepción directa del cliente | Sesgo por mix de casos, bajo volumen, expectativas. castiga a sucursales con casos difíciles | Volumen alto y homogéneo. solo dentro de cohorte comparable |
| Métricas de respaldo: Reapertura, quejas escaladas | Medir 'calidad operativa' y fallos críticos — no satisfacción proactiva | Objetivo. mide problemas reales. complementa percepción | No mide satisfacción. reactivo. puede no capturar problemas menores | Necesidad de visión de calidad más allá de la percepción directa. complemento a CSAT/NPS |
| Análisis cualitativo: Notas y comentarios muestreados | Entender el 'porqué' de las métricas. identificar patrones | Proporciona contexto y detalles. identifica problemas recurrentes | Subjetivo. consume tiempo. difícil de escalar. no es métrica de ranking | Se busca profundizar en la experiencia del cliente. obtener insights accionables |
| Ranking de sucursales por CSAT/NPS (sin contexto) | Ningún escenario — Explicar por qué promedios fallan con volúmenes bajos y distribuciones sesgadas | Aparentemente simple de implementar y comunicar | Castiga a sucursales con casos difíciles. desmotivación. decisiones erróneas. ignora mix | Nunca, sin considerar contexto, volumen, y distribución de datos. no es una regla de decisión válida |
CSAT y NPS se ven serios porque suenan a “voz del cliente”. Y sí, son valiosos. El problema empieza cuando los conviertes en ranking por sucursal sin contexto. En ese momento, dejan de medir calidad y empiezan a medir expectativa, severidad y promesa comercial.
Por qué se ven serias: ‘voz del cliente’ en un número
A dirección le encantan porque son fáciles de explicar y porque dan una sensación de control. Además, encajan perfecto en dashboards que mezclan POS, tráfico, inventario y atención al cliente, como suele discutirse en el mundo retail y analítica de tableros. La trampa es pensar que dos sucursales que venden lo mismo necesariamente atienden lo mismo.
Cómo se distorsionan: severidad del caso, canal, promesa comercial y perfil de cliente
Distorsión típica número uno: severidad del caso. Una sucursal que recibe más reclamaciones, fraudes, devoluciones complicadas o fallas de sistema tendrá más clientes frustrados antes de hablar con tu equipo. El CSAT cae aunque el agente sea excelente.
Distorsión típica número dos: canal. WhatsApp y redes tienden a traer más urgencia y menos paciencia que una visita planeada. Si una sucursal funciona como “descarga” de casos digitales y termina recibiendo a los clientes ya enojados, su NPS se hunde aunque resuelva bien.
Un ejemplo que he visto repetirse: lanzas una campaña, el sistema se pone inestable, y las sucursales con más tráfico corporativo concentran casos difíciles porque ahí están los clientes que más presionan por SLA y factura. Luego llega el tablero mensual y esas sucursales aparecen como “peores”. Resultado: cambias incentivos o personal donde más necesitas experiencia. Es como culpar al paramédico por atender accidentes feos.
Sanity checks: segmenta por tipo de caso, canal y tiempo de resolución; revisa distribución, no solo promedio
Error común número dos: mirar solo el promedio por sucursal. Con CSAT y NPS, la distribución importa. Una sucursal con una cola de casos extremos puede tener el mismo promedio que otra con muchas experiencias mediocres, pero el riesgo operativo y reputacional no es el mismo.
Qué revisar rápido antes de tomar el promedio como verdad.
Segmenta por tipo de caso. No negocies esto. Si no puedes segmentar, al menos separa “información” de “reclamo” y “falla”.
Segmenta por canal. Visita, llamada y mensajería no compiten limpio.
Cruza con tiempo de resolución. Un buen CSAT con resoluciones lentas a veces es paciencia del cliente, no eficiencia.
Revisa la dispersión. Si una sucursal tiene pocos casos, trata el CSAT como señal débil, no como sentencia.
Tip práctico: cuando alguien te diga “esa sucursal tiene NPS bajo”, pide la pregunta completa: “¿bajo en qué cohorte?”. Ese simple giro cambia la conversación de regaño a diagnóstico.
Qué reportar en su lugar: calidad por cohorte + tasa de reapertura/recurrencia como auditor
Una forma sana de usar CSAT y NPS en sucursales es reportarlos por cohortes comparables. Por ejemplo, devoluciones con ticket, altas de servicio, cobros improcedentes, soporte técnico, etcétera. Dentro de cada cohorte, sí puedes comparar.
Luego, agrega auditoría de calidad operativa. Dos proxies que raramente mienten cuando se combinan.
Tasa de reapertura o recurrencia. Si el cliente vuelve por lo mismo, la “calidad percibida” del momento fue humo.
Quejas escaladas y una muestra cualitativa corta de notas y comentarios. No para castigar redacción, sino para ver si el equipo está resolviendo o solo cerrando.
Si quieres una lectura complementaria sobre cómo detectar métricas decorativas, este enfoque conversa bien con la idea de separar dato informativo de dato accionable que se discute aquí: [1]
Mini-caso: campaña/caída de sistema que concentra casos difíciles en pocas sucursales
Imagina una caída parcial del sistema de pagos en fin de semana. Sucursal A está en un centro comercial con alto flujo y recibe la mayoría de quejas. Sucursal B está en zona tranquila y atiende trámites normales.
Después del evento, A tiene NPS por el suelo y B se ve “excelente”. Si rankeas, premias a B y presionas a A. Si segmentas por cohorte “incidente de pago”, descubres otra historia: A resolvió más casos difíciles, con menos escalamiento, y con reaperturas controladas. Esa es la sucursal que deberías aprender a replicar.
A continuación, una tabla para que tengas el mapa completo de las cinco métricas por sucursal engañosas y cómo ponerles freno.
CSAT / NPS: Ajustado por tipo de caso / segmento.
CSAT/NPS: Promedio simple por sucursal.
Métricas de respaldo: Reapertura, quejas escaladas.
Análisis cualitativo: Notas y comentarios muestreados.
Métrica #3: cumplimiento de SLA/tiempo de primera respuesta — cuando el tablero premia el ‘triage cosmético’
El SLA y el tiempo de primera respuesta son el KPI favorito de muchas organizaciones porque parece “duro”. Es contractual, tiene reloj, y da la ilusión de justicia. Pero por sucursal, puede premiar exactamente la conducta que más te cuesta: el triage cosmético.
Por qué se ve seria: es contractual y ‘objetiva’
Cuando una empresa crece en red de tiendas, la visibilidad importa, y es normal que los dashboards busquen estandarizar tiempos de respuesta y cumplimiento. El riesgo es confundir “tocar” con “avanzar”. Esa confusión es una fábrica de tickets envejecidos y clientes que sienten que nadie los resolvió.
Cómo se distorsiona: timestamps malos, reasignaciones, ‘primer toque’ vacío, colas con reglas distintas
Aquí van dos patrones observables de triage cosmético que he visto una y otra vez.
El primero es el primer mensaje plantilla. Se responde “hola, estamos revisando” para detener el reloj. El tablero celebra. El cliente no.
El segundo es el baile de estados y reasignaciones. El caso cambia de responsable o se “pausa” con una etiqueta conveniente. En el SLA se ve bien, pero el tiempo real hasta el avance se alarga.
Qué dato los delata. Uno, suben los múltiples toques sin avance, que se siente como “me respondieron tres veces y no pasó nada”. Dos, suben reaperturas o quejas escaladas. Tres, aumentan cierres rápidos seguidos de recontactos.
Sanity checks: auditoría de eventos (apertura→primer contacto real), dispersión por hora/día y por canal
No necesitas volverte técnico para auditar. Necesitas criterio.
Define “primer contacto real” como el momento en que el cliente recibe una acción útil, no un saludo.
Revisa dispersión por hora y día. Si una sucursal “cumple perfecto” justo en los turnos con menos demanda, sospecha que estás viendo un efecto de calendario.
Separa por canal. Una sucursal que recibe picos por mensajería y otra que atiende presencial no juegan con las mismas reglas de reloj.
Ejemplo LatAm muy típico: quincena o fin de mes. En varios países, esos días se concentran pagos, aclaraciones y filas. Si rankeas SLA por sucursal, las ubicadas cerca de zonas industriales o bancos se ven peores aunque estén operando bien. Tu tablero no está midiendo eficiencia, está midiendo dónde cae el tsunami.
Tradeoff: velocidad vs resolución; cuándo acelerar empeora la experiencia y la carga
Apretar primera respuesta puede empeorar la experiencia si lo que logras es más conversación y menos solución. Es el equivalente a servir botanas rápido y tardarte una hora en traer el plato fuerte.
La decisión real es qué riesgo controlas primero. Si el riesgo es reputacional, quizá quieres respuesta rápida, pero con contenido útil. Si el riesgo es operativo, el backlog viejo es la bomba.
Regla de decisión que funciona en reuniones: si el backlog envejece, manda el aging y los percentiles. Si el backlog está sano y hay crisis de percepción, manda la calidad del primer contacto.
Qué reportar en su lugar: backlog por edad, percentiles (p90/p95) y ‘tiempo a valor’
El promedio de tiempos es amable, pero en operación manda el extremo. Por eso p90 y p95 importan. Te dicen cuánto sufre la cola larga, que es donde nacen las quejas más duras.
Tres sustitutos que suelen mejorar la conversación.
Backlog por edad. Cuántos casos tienen más de X días, por sucursal o por cohorte.
Percentiles p90 y p95 de tiempo a primer contacto real y de tiempo a resolución.
Tiempo a valor. Cuándo el cliente recibe algo que lo acerca a la solución, aunque el caso siga abierto.
Si necesitas argumentos para pelear contra la ilusión del “medimos más, entendemos más”, este enfoque tiene ecos de lo que se discute aquí: [2]
Métrica #4: AHT (tiempo promedio de atención) — y los dos modos de fallo que lo vuelven un incentivo peligroso
AHT es una métrica traicionera. En un tablero se ve profesional, como si pudieras administrar conversaciones como si fueran líneas de producción. En la vida real, cuando lo conviertes en objetivo por sucursal, aparecen dos modos de fallo que rompen calidad y elevan costo.
Modo de fallo A: recortar conversación (sube reapertura y escalamiento)
Cuando presionas AHT a la baja sin guardrails, el equipo aprende a cortar. Respuestas rápidas, poco diagnóstico, “regrese si persiste”. El cliente se va, vuelve, se enoja, escala. AHT mejora. La operación se pudre por dentro.
La señal cuantitativa es clara. Sube la reapertura. Suben quejas escaladas. Baja la calidad de notas, porque nadie tiene tiempo de documentar. Si además sube el backlog, ya no es sospecha, es patrón.
Modo de fallo B: ‘pase de manos’ (transferencias para sacar el tiempo del equipo)
El segundo modo de fallo es más elegante y por eso más peligroso. Transferir. “Eso lo ve otra área.” “Eso es de otra sucursal.” “Eso es de digital.” Cada pase reduce el AHT del equipo que mide, pero aumenta el tiempo total del cliente.
Aquí es donde la gente la riega: confunden productividad local con resolución global. El cliente no vive en tu organigrama. Vive en una historia continua, y cada transferencia es un “cuéntame de nuevo”, que es el impuesto más caro de soporte.
Un contraste útil: en un contact center, el pase de manos se esconde entre colas. En una sucursal física, el pase de manos se vuelve visible en filas, ventanillas y “vaya a la mesa de allá”. Lo sientes en el piso, aunque el tablero diga que todo va rápido.
Sanity checks: correlación con reapertura/transferencias, dispersión por agente/turno y por tipo de caso
AHT no es el villano. El villano es usarlo como KPI de calidad.
Sanity checks que sí te protegen.
Correlación con reapertura y transferencias. Si AHT baja y las otras suben, estás comprando velocidad con deuda.
Dispersión por turno. Si un turno “milagrosamente” tiene AHT bajísimo y también más reaperturas, ya encontraste dónde se está cortando.
Dispersión por tipo de caso. Un AHT alto en casos difíciles puede ser profesionalismo, no ineficiencia.
Cuándo sí sirve AHT: como señal de complejidad o capacidad, no como KPI de calidad
AHT es útil para dimensionar capacidad y entender complejidad. Una sucursal con AHT alto podría necesitar mejor herramienta, mejor base de conocimiento, o más personal en ciertos turnos. O podría estar recibiendo la cohorte complicada.
Regla de decisión que evita incendios: usa AHT solo con guardrails y por cohortes. Guardrails mínimos: reapertura, transferencias y escalamiento. Cohortes: tipos de caso comparables.
Qué hacer cuando AHT baja y todo lo demás empeora: protocolo de revisión rápida
Cuando te pase el clásico “bajó AHT, pero ahora hay más quejas”, no lo conviertas en juicio moral. Haz una revisión rápida con preguntas que te lleven a causa.
¿Bajó AHT en todos los tipos de caso o solo en los complejos?
¿Subieron reaperturas a 7 días o recontactos por el mismo motivo?
¿Subieron transferencias entre equipos, sucursales o canales?
¿Se incrementó el porcentaje de cierres el mismo día sin resolución real?
¿Cambió el mix por campaña, quincena, caída de sistema o cambio de política?
¿Qué dicen diez notas al azar de casos cerrados rápido? Busca diagnóstico, pasos, y claridad.
¿Se está bonificando velocidad sin un contrapeso explícito de calidad?
Tip práctico: si tu auditoría ligera de diez casos contradice al KPI, confía en los diez casos. El KPI no está “mal”, está incompleto.
Para una mirada más general sobre por qué los indicadores pueden mentir en control interno, esta lectura puede servir de contexto: [3]
Métrica #5: FCR (resolución al primer contacto) y ‘productividad’ por sucursal — cuando la atribución y los duplicados fabrican héroes y villanos
FCR suena a eficiencia pura. Resolver a la primera. Menos vueltas. Menos costo. El problema es que, por sucursal, FCR y “productividad” casi siempre son más un tema de definición y atribución que de desempeño.
Por qué se ve seria: promete eficiencia y ‘resolver a la primera’
A dirección le gusta porque parece un antídoto contra la burocracia. A operación le gusta porque promete menos backlog. Y a la cultura le encanta porque crea héroes.
Solo que también crea villanos si no controlas duplicados y atribución.
Cómo se distorsiona: duplicados, reaperturas, casos multicanal, atribución por quien cierra vs quien resuelve
Caso típico de distorsión número uno: atribución por quien cierra. Una sucursal recibe el caso, diagnostica, deja todo listo, y otra lo cierra cuando llega una autorización. Si tu métrica asigna mérito al cierre, la segunda sucursal aparece productiva y la primera se ve lenta. Daño gerencial: premias al que “tocó último” y desmotivas al que hizo el trabajo pesado.
Caso típico número dos: transferencia entre sucursales. El cliente inicia en una sucursal cercana, lo mandan a otra por inventario o por un especialista, y ahí se concluye. Si no hay disciplina, la primera sucursal acumula “no resueltos” y la segunda se lleva el crédito. Daño gerencial: generas peleas internas y optimización local, que es la forma fina de decir “cada quien se salva como pueda”.
Sanity checks: tasa de duplicados, ventanas de recontacto, y definición de ‘mismo problema’
FCR se rompe en cuanto tienes multicanalidad. Y hoy la tienes, aunque no la llames así.
Ejemplo realista: el cliente inicia por WhatsApp, luego llama porque no le responden, y termina yendo a sucursal porque “por teléfono no se pudo”. Si cada canal crea un caso y cada caso cuenta como contacto, tu FCR cae artificialmente. Y si una sucursal termina cerrando el caso final, su productividad se infla.
Definiciones operativas, en lenguaje humano.
Primer contacto: el primer punto donde el cliente pidió ayuda por ese asunto, sin importar el canal.
Mismo problema: el mismo motivo de contacto dentro de una ventana razonable. Muchas operaciones usan ventanas como 7 días, 14 días o 30 días según el producto. Lo importante no es el número exacto, es que sea consistente y aceptado.
Sanity checks que te devuelven confianza.
Tasa de duplicados por sucursal y por canal.
Ventanas de recontacto consistentes. Si cambias la ventana, no compares histórico como si nada.
Atribución clara. Decide si el mérito va al que resolvió, al que cerró, o si lo compartes por etapas. Lo que no puedes es no decidir.
Tradeoff: FCR alto puede implicar sobrepromesas o cierres prematuros
Aquí hay una ironía que da risa si no fuera cara. Puedes subir FCR cerrando todo rápido. También puedes subirlo prometiendo soluciones que no existen, porque “ya quedó” y el cliente se va. Luego vuelve, enojado.
Así que FCR alto no siempre es bueno. Puede ser señal de sobrepromesa. O de deduplicación agresiva que oculta el recontacto real.
Regla de decisión: usa FCR solo si hay disciplina de deduplicación y ventanas de recontacto. Si no, trátalo como indicador exploratorio, no como ranking.
Qué reportar en su lugar: resolución por cohorte + recurrencia a 7/14/30 días + muestreo de calidad
Cuando quieres medir “resolver bien”, tres cosas suelen ser más robustas que el FCR crudo.
Primero, resolución por cohorte. No mezcles consultas con reclamaciones duras.
Segundo, recurrencia a 7, 14 y 30 días por motivo. Esto captura el costo real de una falsa resolución.
Tercero, muestreo de calidad. Un líder revisando una muestra pequeña pero constante puede detectar patrones antes de que exploten.
Si tu organización está creciendo en red y necesita visibilidad real, vale la pena pensar en cómo conectas lo que pasa en cada punto, sin suponer que todos los formatos se comportan igual. Esta reflexión es coherente con discusiones de visibilidad en cadenas retail como la de aquí: [4]
Qué hacer en la próxima reunión: un formato de reporte que separa demanda, operación y calidad (sin maquillar)
El cambio más importante no es quitar métricas. Es separar conversaciones. Cuando mezclas demanda, operación y calidad en un solo ranking, terminas castigando a quien recibió más complejidad. El dashboard queda lindo, la decisión queda fea.
La regla de oro: primero comparabilidad, luego ranking; si no, semáforo + notas
La regla de oro para evitar rankings por sucursal injustos es simple: si no hay comparabilidad, no hay ranking. En su lugar, usa semáforo, bandas o cohortes.
Cómo explicarlo a dirección sin sonar a excusa: “No estamos evitando la rendición de cuentas, estamos evitando comparar manzanas con naranjas. Primero segmentamos demanda y complejidad, luego sí comparamos ejecución.”
Plantilla de una página: 3 KPIs ‘visibles’ + 3 métricas de respaldo + 3 notas de contexto
Copia esta plantilla para tu próxima reunión. No empieza con ranking, empieza con claridad.
- Demanda, entradas.
Primero, volumen total y por tipo de caso. Segundo, mix por canal. Tercero, un indicador de pico o estacionalidad relevante.
- Operación.
Primero, aging de backlog o cola por edad. Segundo, percentil p90 de tiempo a primer contacto real. Tercero, percentil p90 de tiempo a resolución dentro de cada cohorte.
- Calidad, resultado.
Primero, CSAT o NPS solo por cohorte comparable. Segundo, reapertura o recurrencia a 7 y 14 días. Tercero, quejas escaladas.
- Contexto humano.
Primera nota: qué evento impactó la semana o el mes. Segunda nota: qué cambio operativo se hizo. Tercera nota: qué aprendizaje o riesgo ves.
Tip práctico: en esa misma hoja, deja un espacio fijo para “dos hallazgos de muestreo”. Eso te obliga a mirar realidad, no solo promedios.
Automatización vs criterio humano: cuándo confiar en el dashboard y cuándo pedir muestreo
Confía en el dashboard cuando el patrón es estable y las definiciones están acordadas. Pide muestreo cuando veas outliers, cuando cambie el mix, o cuando el número “mejore” mientras suben reaperturas, filas o quejas.
Esto no es antitecnología. Es madurez operativa. Medir bien una red de tiendas requiere visibilidad, sí, pero también disciplina sobre qué comparas y por qué.
Cómo reconstruir confianza: acuerdos de definición, auditorías ligeras y revisión de incentivos
Cierra el ciclo con gobernanza ligera.
Acuerdos de definición. Qué es primer contacto, qué es mismo problema, quién “posee” el caso.
Auditoría mensual de outliers. Una hora para revisar las tres sucursales con cambios más raros.
Revisión de incentivos. Si bonificas solo velocidad, obtendrás velocidad sin calidad. Es física, no cultura.
Para aterrizarlo en un plan de lunes, que es donde se prueba si esto sirve o no, haz lo siguiente.
Primera acción el lunes: aplica el rito de sanidad de 10 minutos antes de mostrar cualquier ranking y declara explícitamente si este mes hay comparabilidad o no.
Tres prioridades de las próximas dos semanas.
Acordar definiciones de atribución y ventana de recontacto para que FCR y productividad no inventen historias.
Segmentar CSAT y NPS por cohortes y dejar de usar promedios agregados por sucursal como látigo.
Cambiar el tablero de SLA y primera respuesta para que mida contacto real y percentiles, y para que el backlog viejo no quede invisible.
Barra realista de producción: si tu equipo ya está al tope, no intentes arreglar las cinco métricas a la vez. En una semana puedes estandarizar definiciones y poner dos métricas de respaldo. En un mes puedes migrar la conversación de ranking a cohortes y semáforos. Lo demás se logra con repetición y con menos drama que el que genera un ranking mal usado.
CTA editorial: adopta el rito de sanidad antes del próximo ranking, y cuando no haya comparabilidad reemplaza el top y bottom por cohortes o semáforos. Tu red de sucursales te lo va a agradecer, y tus reuniones van a oler menos a juicio y más a decisión.
Fuentes
- nordicprojects.es — nordicprojects.es
- digitalinside.es — digitalinside.es
- auditool.org — auditool.org
- flameanalytics.com — flameanalytics.com