Resumen
RateMyAgent, una plataforma global de marketing digital para profesionales del sector inmobiliario, eligió CloudTalk tras experimentar problemas con sistemas de telefonía poco fiables y un soporte deficiente. Gracias a las funciones de IA de Conversation Intelligence de CloudTalk, el equipo identificó la confusión de los clientes tras el lanzamiento de un producto, actualizó el contenido de ayuda y los mensajes, y redujo las llamadas de soporte relacionadas con la nueva función en un 66% en solo tres semanas, disminuyendo también las consultas por chat y correo electrónico en un 25%.
Sobre RateMyAgent
RateMyAgent es una plataforma de marketing digital líder para profesionales del sector inmobiliario. Con sede en Melbourne, Australia, la empresa ayuda a los agentes a mejorar su reputación y visibilidad mediante reseñas verificadas, testimonios automatizados y campañas de prueba social. La plataforma ofrece soporte a agentes inmobiliarios, agencias y corredores de hipotecas en Australia, Nueva Zelanda y Estados Unidos, al tiempo que ayuda a los consumidores a encontrar el agente o corredor de hipotecas adecuado para trabajar.
Hablamos con Madeline Moloney, responsable global de Experiencia del Cliente (CX) en RateMyAgent, sobre cómo su equipo utiliza CloudTalk para mejorar la experiencia del cliente y reducir el volumen de soporte.
Con un equipo de ventas y soporte distribuido globalmente de entre 35 y 40 personas, la empresa necesitaba una plataforma de comunicación que pudiera adaptarse a diferentes zonas horarias, integrarse perfectamente con HubSpot y ofrecer una visión clara de lo que realmente se decía en las llamadas de los clientes.
El problema
Antes de CloudTalk, RateMyAgent había probado y descartado varias herramientas: Aircall, Kixie, Dialpad e incluso teléfonos físicos.
«Era una combinación de llamadas caídas, tiempos de conexión largos y un soporte que simplemente no estaba disponible cuando lo necesitábamos».
Peor aún, cuando las cosas iban mal, sus proveedores no sabían darles respuestas.
«Reportábamos un problema y nos decían que todo parecía estar bien por su parte. Mientras tanto, teníamos a clientes y agentes frustrados en llamadas en directo sin ninguna solución».
Madeline también lidiaba con configuraciones complejas, dispositivos que no se conectaban y problemas aleatorios con el micrófono que requerían una resolución de problemas diaria.
«Tenía a gente llamándome llorando o diciendo que querían dejar el trabajo porque sus llamadas no se conectaban y eso les impedía alcanzar sus objetivos de llamadas y ventas. Era un trabajo a tiempo completo gestionar a nuestro personal en múltiples zonas horarias, intentando simplemente hacer y recibir llamadas de forma eficaz. Era agotador».
Evaluación
Una hoja de cálculo, una integración certificada y una corazonada
Decidida a no cometer el mismo error, Madeline adoptó un enfoque riguroso para la selección de proveedores.
«Literalmente creé una hoja de cálculo comparativa de telefonía. Si una solución no cumplía con todos nuestros requisitos, ni siquiera quería hablar con ellos».
Sus requisitos indispensables incluían:
- Soporte de SMS en AU y EE. UU.
- Integración certificada con HubSpot
- Grabación de llamadas fiable
- Aplicaciones móviles y de escritorio
- Infraestructura de servidores locales
- Enrutamiento de llamadas flexible (IVR, flujos personalizados)
- Capacidades de IA y análisis en tiempo real
- Soporte dedicado y gestión de cuentas en el horario comercial de AU
«Incluso califiqué cosas como la IA con capacidad baja, media o alta. Quería datos reales, no palabrería».
Para Madeline, la promesa de la IA no consistía en utilizar términos de moda, sino en obtener información real y útil.
«Como responsable de experiencia del cliente, no me importa cuántas llamadas hace alguien. Me importa lo que se dijo y cómo se sintió el cliente».
Desde el principio, vio el potencial de Conversation Intelligence con IA, no solo para realizar un seguimiento del volumen de llamadas, sino para la formación, el control de calidad y los flujos de retroalimentación.
«Cada semana filtro por sentimiento neutro o negativo y reviso esas llamadas con mi equipo. ¿Qué salió mal? ¿Podríamos haber explicado algo mejor? Ahí es donde está el valor».
Pocos meses después de la implementación, el equipo lanzó una nueva función de producto y, casi de inmediato, las colas de soporte se llenaron.
«Lanzamos una nueva función y la gente empezó a llamarnos y a hacernos preguntas. También nos escribían por chat y correo electrónico pidiendo llamadas para resolver problemas o dudas específicas que tenían».
El equipo de soporte ya había publicado artículos de ayuda y entrenado a su chatbot de IA para guiar a los usuarios, pero faltaba algo.
«Teníamos todo eso hecho, pero seguíamos encontrando diferentes tipos de preguntas. Y queríamos saber cómo podíamos actualizar eso sin tener que revisar todas las conversaciones que habíamos tenido con los clientes por chat, correo electrónico y llamadas telefónicas».
Solución
De los análisis a la acción: optimización de documentos y claridad en los mensajes
Para evitar tener que revisar docenas de transcripciones de forma manual, Maddy recurrió a las herramientas de Conversation Intelligence de CloudTalk. Filtró las llamadas recibidas entre la fecha de lanzamiento de la función y las tres semanas posteriores, y utilizó los resúmenes de llamadas, las tendencias de temas y el análisis de sentimiento para identificar con precisión qué confundía a los clientes y con qué frecuencia ocurría.
«No tuve que revisar la transcripción completa de cada llamada. Podía echar un vistazo rápido al resumen de la llamada, pero sobre todo a las preguntas que se hacían. Fue muy fácil de hacer y me ahorró horas de trabajo».
Se centró en los temas con sentimiento neutro o negativo para aislar los puntos de fricción y recopiló una lista clara de las preguntas más frecuentes.
Con esta información en la mano, Madeline tomó dos medidas inmediatas:
- Amplió el centro de ayuda con nuevas preguntas y respuestas adaptadas al lenguaje exacto que utilizaban los clientes
- Trabajó con el equipo de marketing para aclarar los mensajes de los correos electrónicos que habían causado una confusión innecesaria
«Pudimos obtener dos resultados clave gracias a los análisis de la IA: mejorar nuestros documentos de ayuda y precisar los mensajes de nuestros correos electrónicos. Ambos surgieron directamente de lo que los clientes decían por teléfono».
Resultados
Reducción del 66% en las llamadas de soporte en solo 3 semanas
Al comparar el periodo de tres semanas posterior a la implementación de los cambios con las tres semanas anteriores, Madeline pudo medir claramente el impacto:
- Reducción del 66% en las llamadas de soporte sobre la función
- Disminución del 25% en las consultas por chat y correo electrónico sobre los mismos temas
- Ahorro de 4 horas de tiempo de soporte en solo tres semanas
- Mayor claridad en los correos electrónicos y menos dudas de seguimiento
- Formación interna más específica basada en datos de llamadas reales
«Pudimos comprobar que redujimos en un 66% el número de llamadas que recibía nuestro equipo de soporte sobre esos temas».
Conclusión
Beneficios a largo plazo impulsados por la opinión del cliente
Aunque Madeline planea seguir haciendo un seguimiento de los resultados a lo largo del tiempo, el éxito inicial ya ha demostrado el valor de actuar basándose en la información en tiempo real de las llamadas de los clientes.
«Si los clientes pueden resolver sus dudas de forma autónoma con mayor eficacia, seguiremos viendo un impacto a largo plazo. Pero incluso a corto plazo, esta ha sido una forma muy eficiente de detectar los problemas clave desde el principio y utilizar datos reales de las llamadas para mejorar rápidamente la experiencia».
