Resumen
RateMyAgent, una plataforma global de marketing digital para profesionales inmobiliarios, eligió CloudTalk después de tener problemas con sistemas telefónicos poco fiables y un soporte deficiente. Utilizando la Inteligencia de Conversaciones con IA de CloudTalk, el equipo identificó la confusión de los clientes después de un lanzamiento de producto, actualizó el contenido de ayuda y la mensajería, y redujo las llamadas de soporte relacionadas con funciones en un 66% en solo tres semanas, al mismo tiempo que redujo las consultas de chat y correo electrónico en un 25%.
Sobre RateMyAgent
RateMyAgent es una plataforma líder de marketing digital para profesionales inmobiliarios. Con sede en Melbourne, Australia, la empresa ayuda a los agentes a aumentar su reputación y visibilidad a través de reseñas verificadas, testimonios automatizados y campañas de prueba social. La plataforma apoya a agentes inmobiliarios, agencias y corredores de hipotecas en Australia, Nueva Zelanda y Estados Unidos, al mismo tiempo ayuda a los consumidores a encontrar el agente o corredor de hipotecas adecuado con el cual trabajar.
Hablamos con Madeline Moloney, Customer Experience Manager (Global) en RateMyAgent, sobre cómo su equipo utiliza CloudTalk para mejorar la experiencia del cliente y reducir el volumen de soporte.
Con un equipo de soporte y ventas de 35 a 40 personas distribuidas globalmente, la empresa necesitaba una plataforma de comunicación que pudiera adaptarse a diferentes zonas horarias, integrarse sin problemas con HubSpot y proporcionar una visión clara de lo que realmente se decía en las llamadas de los clientes.
Problema
Antes de CloudTalk, RateMyAgent había probado —y abandonado— varias otras 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 salían mal, sus proveedores no podían ofrecer respuestas.
Informábamos de un problema y nos decían que todo estaba bien por su parte. Mientras tanto, teníamos clientes y agentes frustrados en llamadas en vivo sin solución.
Madeline también tuvo problemas con configuraciones torpes, dispositivos que no se conectaban y problemas aleatorios con el micrófono que requerían una resolución diaria.
Tenía gente llamándome llorando o diciendo que querían renunciar 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, solo tratando de hacer y recibir llamadas de manera efectiva. Era agotador.
Evaluación
Una hoja de cálculo, una integración certificada y una corazonada
Decidida a no cometer el mismo error de nuevo, Madeline adoptó un enfoque riguroso para la selección de proveedores.
Literalmente hice una hoja de cálculo comparativa de telefonía. Si una solución no cumplía con todos nuestros requisitos, ni siquiera quería hablar con ellos.
Sus requisitos innegociables incluían:
- Soporte de SMS en AU y EE. UU.
- Integración certificada con HubSpot
- Grabación de llamadas fiable
- Aplicaciones móviles y de escritorio
- Infraestructura de servidor local
- Enrutamiento de llamadas flexible (IVR, flujos personalizados)
- Capacidades de IA y análisis en tiempo real
- Soporte dedicado y gestión de cuentas durante el horario comercial de AU
Incluso califiqué cosas como la IA con capacidades bajas, medias o altas. Quería hechos, no palabrería.
Para Madeline, la promesa de la IA no se trataba de palabras de moda, sino de conocimientos reales y útiles.
Como gerente de experiencia del cliente, no me importa cuántas llamadas haga alguien. Me importa lo que se dijo y cómo se sintió el cliente.
Desde el principio, vio el potencial de la Inteligencia de Conversaciones con IA no solo para el seguimiento del volumen de llamadas, sino también para la capacitación, el control de calidad y los ciclos de retroalimentación.
Cada semana filtro por sentimiento neutral 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 incorporación, el equipo lanzó una nueva funcionalidad, e casi de inmediato, las colas de soporte se dispararon.
Se lanzó una nueva función y la gente nos llamaba para hacer preguntas. También teníamos a gente chateando y enviándonos correos electrónicos pidiendo llamadas para tratar problemas o preguntas específicas que tenían.
El equipo de soporte ya había publicado artículos de ayuda y había entrenado a su chatbot de IA para guiar a los usuarios, pero algo faltaba.
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: arreglando documentos y aclarando mensajes
Para evitar revisar docenas de transcripciones manualmente, Maddy recurrió a las herramientas de Inteligencia de Conversaciones de CloudTalk. Filtró las llamadas realizadas entre la fecha de lanzamiento de la función y las tres semanas siguientes, y utilizó resúmenes de llamadas, tendencias de temas y análisis de sentimientos para identificar exactamente sobre qué estaban confundidos los clientes y con qué frecuencia sucedía.
No tuve que revisar la transcripción completa de cada llamada. Pude echar un vistazo rápido al resumen de la llamada, y más aún, solo a las preguntas que se hicieron. Lo cual fue muy fácil para mí y me ahorró horas.
Se centró en temas con sentimiento neutral o negativo para aislar áreas de fricción y reunió una lista clara de preguntas de alta frecuencia.
Con los conocimientos en 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 correo electrónico que habían causado una confusión innecesaria
Hubo dos resultados clave que pudimos obtener de los análisis de IA: mejorar nuestros documentos de ayuda y ajustar los mensajes en 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 período 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
- Caída del 25% en las consultas de chat y correo electrónico sobre los mismos temas
- 4 horas de tiempo de soporte ahorradas en solo tres semanas
- Claridad mejorada en el correo electrónico y menos seguimientos
- Capacitación interna más específica basada en datos reales de llamadas
Pudimos comprobar que reducimos el número de llamadas con esos temas con nuestro equipo de soporte en un 66%.
Conclusión
Beneficios a largo plazo, impulsados por la información 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 sobre la base de información en tiempo real de las llamadas de los clientes.
Si los clientes pueden autoatenderse de manera más efectiva, seguiremos viendo un impacto a largo plazo. Pero incluso a corto plazo, esta fue una forma muy eficiente de sacar a la luz los problemas clave temprano y usar datos reales de llamadas para mejorar rápidamente la experiencia.
