EADTrust

Mejorando la Experiencia Electrónica del Cliente en Banca mediante Big Data

By on 19 diciembre, 2016
ramon-alberto-carrasco_1

La gestión de relaciones con el cliente (CRM) es una estrategia que aúna los recursos humanos, los procesos y la tecnología poniendo el foco en las relaciones con los clientes. El sector financiero hace ya mucho tiempo que asumió esta perspectiva centrada en el cliente, o customer centricity, con un objetivo primordial: maximizar los beneficios con los mismos en el tiempo o, lo que viene a ser lo mismo, realizar estrategias efectivas de fidelización.

Muchos trabajos, tanto en el ámbito empresarial como en el científico, relacionan las experiencias positivas de los clientes precisamente con la fidelidad de los mismos. Por supuesto, las percepciones a través de los canales electrónicos no son una excepción. Teniendo esto en cuenta, muchas entidades financieras han realizado tradicionalmente estudios de este tipo de percepciones por parte de sus clientes mediante diversas encuestas. Entre todos los mecanismos de medición de la calidad del servicio percibido, el más ampliamente aceptado es SERVQUAL que fue desarrollado en 1985 por los norteamericanos Parasuraman, Zeithaml, y Berry. SERVQUAL se basa en un cuestionario tipo que cubre cinco dimensiones principales, las cuales han sido adaptadas con posterioridad a los servicios electrónicos de la banca:

  • Tangibilidad que estaría principalmente relacionada con la interface web o app de los servicios de banca electrónica, evaluando aspectos como la facilidad, agilidad y accesibilidad de dichos servicios.
  • Fiabilidad de la operación de los señalados servicios.
  • Capacidad de respuesta que estaría muy relacionada con la atención personal al cliente.
  • Seguridad que comprendería aspectos como el nivel de confidencialidad que inspiran estos servicios electrónicos.
  • Empatía que tendría que ver con la utilidad, actualidad y cuidado de la información que proporciona tanto el personal como el sistema y las adaptaciones a las necesidades particulares de los clientes.

Siendo muy útiles dichos estudios, la banca actual necesita saber qué percepciones tienen sus clientes cuasi en tiempo real tanto para tratar posibles crisis, como para la propia gestión del día a día del Marketing. Gracias al enfoque Big Data se puede explotar toda la información contenida en redes sociales, foros corporativos, el propio CRM, etc con la velocidad requerida. Claro está que gran parte de esta información está en lenguaje natural con la consiguiente complejidad de tratamiento. De esta forma, herramientas como el Análisis de Sentimientos o Sentiment Analysis se utilizan con asiduidad en el sector para intentar cuantificar y cualificar lo que sienten sus clientes, esto es, obteniendo los términos más frecuentemente usados, sentimientos (típicamente positivo, negativo o neutro) hacia la marca, productos, promoción.

Por tanto, tenemos dos enfoques principales con claros beneficios. Por un lado, el de SERVQUAL con una sólida metodología subyacente que permite obtener conclusiones muy profundas sobre las percepciones de los clientes. Por otra parte, el de Análisis de Sentimientos que, inmerso en entornos de Big Data, permite obtener conclusiones con gran velocidad y usa toda la información disponible aunque esta esté expresada en gran medida en lenguaje natural. Sin embargo, si se analizan las opiniones que emiten los usuarios de banca electrónica en lenguaje natural, una gran parte de ella está enfocada hacia aspectos tales como la seguridad percibida de los servicios proporcionados, aspectos tangibles de la app, la capacidad de respuesta ante un servicio requerido.

Ante esta perspectiva, y fruto de la cooperación de algunas entidades financieras con grupos de investigación ligados tanto a la Universidad Complutense de Madrid como a la Universidad de Granada, actualmente se han propuesto novedosas metodologías que básicamente consisten en utilizar estas técnicas de Análisis de Sentimientos para obtener conclusiones en formato SERVQUAL con la velocidad de proceso proporcionada por Big Data. El conseguir expresar de esta forma los resultados obtenidos hace que las conclusiones que se puedan obtener de los mismos sean muchos más enriquecedoras, entendibles y comparables tanto a nivel interno de la propia entidad como con la competencia e incluso con otro tipo de empresas de servicios tecnológicos más generales, que están irrumpiendo o podrían irrumpir en el sector con los llamados productos Fintech.

En el mundo de las percepciones dependiendo de la personalidad y del contexto muchas veces las mismas palabras pueden indicar muy diferentes valoraciones de las percepciones. Ante esta coyuntura estos nuevos enfoques han desarrollado un mecanismo de medición de estas experiencias electrónicas en el mundo de la banca mediante un modelo lingüístico difuso que, entre otras cosas, puede identificar aspectos de la personalidad del cliente como son sus actitudes optimistas, pesimistas o neutras. Estos aspectos de la personalidad una vez identificados se usan para una medición más exacta de sus respuestas que finalmente son convertidas al estándar de medición de la calidad de los e-servicios SERVQUAL. El método ha venido aplicándose con éxito en diversas entidades financieras españolas.

Ramón Alberto Carrasco, PhD, (Profesor en MBIT School y Data Scientist, Researcher & Lecturer in Marketing)

Deja un comentario