El uso creciente de tecnologías y soluciones basadas en modelos de machine learning es una realidad que nos acompaña ya en nuestro día a día y el sector del contact center no puede ser indiferente a este tipo de soluciones, máxime cuando hablamos de una industria que se caracteriza por la ingente cantidad de datos que maneja y genera. En este artículo, Marcos 
Tercero, Global CX Advisor en Transcom, explica como contar con la ayuda de una empresa especialista en la creación e implantación de este tipo de proyectos, puede ser esencial para mejorar los servicios de venta y atención al cliente.
Usar machine learning como solución estratégica en el contact center puede aportar las siguientes mejoras en el sector:
Incremento del Conversion Rate en servicios de ventas cerca del 50%.
Reducción del tiempo medio operativo alrededor del 40%.
Incremento del autoservicio entre un 5 y un 20%.
Reducción de costes en el sector en torno a 5 mil millones de dólares.
Y es que, aunque pudiera parecer complejo, implementar proyectos de Machine Learning no conlleva grandes cantidades de recursos, por lo que el retorno de la inversión es inmediato y fácilmente escalable.
Un proyecto tipo de machine learning consta de cuatro fases bien diferenciadas: definición, análisis, modelización y monitorización.
Debe estar alineado con la estrategia de la compañía y debe sustentarse en un objetivo claro y definido. ¿Qué se quiere conseguir? Para ello es fundamental definir un plan de negocio que pueda establecer de forma efectiva el retorno de la inversión esperado.
Una vez definido el objetivo a conseguir, el siguiente paso es identificar las fuentes de datos y realizar un análisis pormenorizado de las mismas. Capturar una muestra de datos, definir las variables que los caracterizan, identificar datos sensibles, etc. Es relevante señalar en este punto la importancia del proceso de anonimización del dato. En este punto se establecerán los procesos necesarios para poder operar con datos anónimos y seguros y dar cumplimiento así a las reglamentaciones de protección de datos y seguridad correspondientes.
(El artículo completo se puede leer aquí).
