Caso de éxito | Telco retención
Cómo lograr 76% de retención en WhatsApp con un 33% menos de tiempo de gestión
Con un ecosistema conversacional con IA en WhatsApp, una TELCO automatizó la mayor parte de su operación de retención y redujo un tercio los tiempos de gestión.
RESULTADOS
Los números medidos en un mes de operación
Reducción del tiempo medio de operación
Casos resueltos por el bot sin necesidad de agente
Tasa de éxito sobre total de conversaciones
Contactabilidad: Clientes que respondieron interés
“GRACIAS POR EL COMPROMISO Este éxito no es solo nuestro, sino de una mesa de trabajo integrada que operó como un solo equipo. Global Commerce ha sido el partner clave para transformar nuestra operación.”
CONTEXTO
Una telco que decidió escuchar antes de despedirse
Un operador de telecomunicaciones con una base masiva de clientes residenciales tiene en su agenda diaria, como cualquier empresa de servicios recurrentes, el desafío de retener a quienes evalúan irse. La pregunta nunca fue si había que hacer retención, sino cómo hacerla mejor.
EL DESAFÍO
Automatizar el perfilamiento
El equipo de retención de TELCO trabajaba contra dos limitaciones permanentes: el tiempo y la falta de perfilamiento. Cada conversación con un cliente en riesgo demandaba minutos valiosos del ejecutivo, y muchas de esas conversaciones terminaban siendo innecesarias o desenfocadas porque el motivo real de la disconformidad recién aparecía después de varios intercambios.
El proyecto buscaba responder tres preguntas antes de llegar al ejecutivo: ¿el cliente realmente se quiere ir?, ¿Cuál es el verdadero motivo? y ¿es algo que se puede resolver sin escalar? Con eso, el ejecutivo recibe sólo los casos que requieren su intervención con el contexto completo en la mano.
LA SOLUCIÓN
Un ecosistema conversacional con IA, segmentación predictiva y derivación calificada
Global Commerce construyó una experiencia de retención completamente conversacional sobre WhatsApp. La solución es un ecosistema con tres flujos que trabajan en conjunto, alimentado por un modelo predictivo de churn y orquestado por agentes de IA.
Envio outbound a clientes en riesgo de baja
El modelo identifica usuarios en riesgo de baja y los contacta proactivamente. Cada cliente entra al flujo según su nivel de score (bajo, medio o alto), lo que define qué tan profundo puede llegar el bot antes de derivar a un humano.
Detección y derivación
Una vez en la conversación, el agente de IA tiene una primera tarea clave: detectar la intención de fuga sin preguntarla de forma directa. Pregunta por la experiencia, escucha, e infiere:
- ·Si el cliente está conforme, se lo deriva al flujo de Loyalty para mostrarle beneficios que ya tiene incluidos en su plan.
- ·Si hay una intención real de irse, el bot indaga el motivo entre nueve categorías predefinidas (problema de red, término de descuento, mejor oferta de la competencia, problemas económicos, acceso a equipos, facturación, mala experiencia en tienda, postventa, otros).
- ·Solo entonces deriva al ejecutivo, ya con el contexto completo.
Regreso y reconocimiento
Hay además un tercer flujo, Regreso/Inbound, que reconoce a clientes que vuelven a contactar después de una conversación abandonada y retoma la interacción donde quedó.
EL RESULTADO
Menos tiempo, más resolución, menos fricción
Durante el período medido se procesaron 1.423 conversaciones, con 1.193 usuarios únicos engaged y 708 que manifestaron interés explícito en continuar. Los datos hablan de un cambio de magnitud, no de un ajuste:
- ·TMO: −33% — el tiempo medio de operación pasó de 30 a 20 minutos por caso.
- ·Resolución sin agente: 76% — tres de cada cuatro casos exitosos los resolvió el bot sin necesidad de derivar a un ejecutivo humano.
- ·Tasa de éxito total: 23,68% — del total de conversaciones iniciadas terminaron en cierre con aceptación o derivación al flujo de Loyalty.
- ·Contactabilidad: 50,99% — más de la mitad de los clientes contactados respondieron interés explícito en escuchar la propuesta.
- ·Mensajes leídos: 65,92% — tasa de apertura de los mensajes outbound.
- ·Mensajes recorridos: 88,73% — tasa de entrega efectiva al destinatario.
Confirmamos que un modelo conversacional con IA bien diseñado puede absorber la mayor parte del trabajo de retención, dejando al ejecutivo humano sólo los casos que realmente lo necesitan, y con todo el contexto resuelto.