MENU

| AR

Sedes

Cursos

Carreras

Programas Ejecutivos

Paises

4 tendencias en el servicio al cliente con redes sociales

4 tendencias en el servicio al cliente con redes sociales
#Marketing
29 de oct - min de lectura


Como clientes tenemos, en este contexto, el poder de contactarnos con las empresas en el momento y en el canal que mejor nos convenga. En un escenario donde la captación y retención de consumidores por parte de las marcas es feroz, ofrecer un servicio superior es clave, y acá es donde brindar este servicio a través de las redes puede ejecutarse de manera eficiente, proactiva y con un nivel de personalización más completo que otros canales. Dadas las características que ofrecen estas plataformas, es posible sorprender y deleitar a los clientes,  en lugar de enfocarnos solamente en la venta o la resolución de problemas. EN este sentido, hay cuatro tendencias que los directores de Marketing deberían seguir de cerca para poder dirigir a sus equipos.
  1. Tiempos de respuesta disminuidos: Según el informe de Salesforce, State of Service 2017, el 54% de los consumidores espera que las empresas respondan a sus consultas de manera instantánea. Mientras tanto, Facebook Messenger solo permite que las empresas se identifiquen como de respuesta rápida si responden al 90% de los mensajes en 15 minutos.
Si bien los tiempos de respuesta aceptables variarán según el cliente individual y su circunstancia específica, lo cierto es que mientras más minutos deba esperar un usuario, más frustrado se sentirá.  Además, a medida que más empresas adopten soluciones automatizadas, nuestras expectativas como consumidores aumentarán.
  1. Trabajo entre humanos y robots: Un informe de 2017 de MIT Technology Review encontró que más del 90% de las firmas con "reconocimiento de marca líder mundial y altos niveles de satisfacción del cliente" utilizan inteligencia artificial para respaldar la provisión de servicio al cliente.
Si bien hay mucha preocupación sobre la automatización y cómo las empresas y los gobiernos responderán a ella, la realidad de la tecnología automatizada en la actualidad no es demasiado alarmante. Las empresas están utilizando bots para procesar las consultas de los clientes y hacer frente a preguntas simples, dejando a los especialistas humanos libres para trabajar en las comunicaciones más complejas de los clientes. Así es como mientras que la automatización puede tratar las solicitudes funcionales, los humanos se especializan en áreas que necesitan más empatía, creatividad y conexión.
  1. Servicio proactivo al cliente: Es difícil sorprender y deleitar a las personas simplemente respondiendo a las preguntas de servicio al cliente de manera oportuna. Los clientes exigen un excelente nivel de servicio al cliente reactivo, que es una de las razones por las que las provisiones deficientes se destacan
A medida que las empresas se vean obligadas a reducir los tiempos de respuesta y resolución, deberán explorar cómo pueden distinguirse a través del servicio al cliente proactivo.
  1. De los canales tradicionales a las redes sociales: En 2017, Salesforce informó que el 80% de los consumidores consideraron que una respuesta instantánea a sus consultas tenía una influencia moderada a mayor en su lealtad a la marca. El 71% de los encuestados identificaron el acceso a la atención al cliente 24/7 como la principal influencia en su lealtad, mientras que el 69% enfatizó la importancia de la atención personalizada.
Al usar los medios sociales, las marcas pueden responder en múltiples zonas horarias. Pueden usar herramientas de escucha social y CRM para ayudarlos a que sus respuestas sean únicas y personales para el cliente individual. Por todo esto es fácil esperar que cada vez más marcas se enfoquen en las redes sociales para brindar atención al cliente.
Anotate en nuestras charlas abiertas y conocé todos los cursos que tenemos para vos -> acá

Otras Noticias

Ejemplos reales de cómo la Ciencia de Datos ayuda a resolver problemas img
#Datos

Ejemplos reales de cómo la Ciencia de Datos ayuda a resolver problemas

El profesional de Data Science, también conocido como Data Scientist, es un experto en resolución de problemas, ayudando a las empresas a reducir costos, aumentar la productividad y proporcionar datos para la toma de decisiones, incluso durante las crisis económicas. Por todo esto, el científico de datos es una de las profesiones más demandadas en el presente y con mejores perspectivas a futuro.  Este profesional, objetivamente, tiene el papel principal de transformar los datos en inteligencia para el negocio.  Ejemplos de cómo la Ciencia de Datos ayuda a tomar decisionesLas armas de Data Scientist tienen una conexión directa con la inteligencia lógica, el monitoreo y la interpretación precisa y precisa de los algoritmos.A continuación, presentamos preguntas y situaciones que sirven como ejemplos de aplicaciones de Data Science:➜ Mostrar qué productos realmente interesan a los clientes de una empresa.➜ En los próximos dos meses, ¿qué clientes probablemente no pagarán?➜ En el período posterior a la crisis, ¿cuánto tiempo le tomará a una compañía en particular restablecer su negocio?  ➜ Para que esto suceda, ¿qué acciones deben tomar por adelantado?➜ ¿Es mejor invertir en acciones o comprar / alquilar equipos más modernos para la producción?➜ ¿Es mejor contratar a más personas el año que viene? Si es así, ¿en qué áreas será rentable el retorno? Cómo un científico de datos entrega resultadosAnte estos desafíos, tan vitales para la supervivencia de la empresa, este profesional confía en la tecnología y el desarrollo de habilidades digitales  para analizar datos y ofrecer soluciones para el negocio.Con ellos, el científico de datos tiene el conocimiento necesario para comprender completamente el problema, identificar qué tipo de método usar y ayudar a resolver la situación, comenzando con el tratamiento de los datos.En este paso, el objetivo es proporcionar al método elegido solo información útil para resolver el problema. Cuando se completa, aplica la solución resultante, evaluándola con métricas específicas, las mismas que mostrarán las limitaciones contenidas en la solución. Luego, con toda certeza, es hora de llevar la solución a la junta, es decir, a los propietarios del problema. El informe State of the CIO 2020 IDG  indica que el 37% de los líderes de TI son conscientes de que el análisis de datos para su negocio será el mayor motor de inversión este año.En definitiva, no hay motivos para esperar: ¡Hay que aprovechar esta tendencia global para convertirse en Científico de Datos y hacer que nuestra carrera profesional despegue sin límites! 

El futuro es colaborativo: cómo programar en equipo img
#Otros

El futuro es colaborativo: cómo programar en equipo

La colaboración, la organización, las herramientas ágiles y los estándares preestablecidos son la esencia de la programación en equipo . Para complicado, pero no lo es. A lo largo del artículo, desmitificaremos la programación colaborativa  y explicaremos, punto por punto, por qué la programación en equipos puede generar excelentes resultados, siempre y cuando todo esté diseñado con el compromiso de todos hacia el objetivo común.Cómo aprender a programar en equipoDebido a las medidas de protección relacionadas con la pandemia, el trabajo de la oficina en casa, que ya estaba creciendo, experimentó un auge, y en este escenario, el área de programación también se vio afectada. Con eso, aprender a programar en equipo se ha vuelto esencial.La programación colectiva puede ser muy interesante, en el sentido de mejorar y desarrollar habilidades sociales y compartir ideas para la creación de prototipos y el conocimiento. Pero para eso es preciso tener cierta pautas en claro:  Al inicio hay que concentrarse en la organización de tareas y la comprensión del objetivo. Luego, realizar una primera reunión virtual con el equipo involucrado, dividiendo el proyecto en módulos, estableciendo una interfaz entre cada uno de ellos. Por lo tanto, es más práctico definir las funciones de cada profesional y los parámetros que se crearán para cada etapa. Las reuniones deben ser frecuentes, preferiblemente semanales, con horarios y fechas fijas. En la primera reunión virtual, que guiará las siguientes, es interesante definir las siguientes acciones:➜ Creación de un documento con todos los estándares establecidos, verificando si abarcan lo que todo el equipo quiere para que se desarrolle la plataforma;➜ Elegir a una persona responsable de monitorear el código, que funcionará como  tutor para asegurarse de que estas normas se cumplan y se organicen;➜ Alentar a los miembros a aportar ideas para mejorar lo que ya se ha definido, estableciendo nuevas conversaciones rápidas, incluso fuera de la reunión semanal;➜ Definir herramientas y metodologías ágiles para que todos puedan usar durante el desarrollo de la plataforma;➜ Establecer plazos claros, dividirlos en macros y micros, tanto para el equipo como para el individuo. Es mejor sentir la dinámica de su equipo y adaptar la forma de las entregas.Herramientas para la programación en equipo.Hay muchas herramientas que ayudan y muchos equipos para programar juntos. La metodología Kanban y Scrum son excelentes ejemplos de optimización, ya que inducen entornos más colaborativos y flexibles durante el proceso. Y con el equipo trabajando de forma remota, un buen consejo es mantener siempre un chat para compartir lo que está haciendo, responder preguntas, señalar errores, compartir ideas para soluciones. El Slack puede ser una buena alternativa para este chat, compartiendo conversaciones entre los módulos.El GitHub también funciona bien, donde el equipo usa el control de versión del código fuente de la plataforma de alojamiento usando Git, lo que permite a los usuarios registrados contribuir en proyectos privados y de código abierto, donde sea que estén.Y si tu equipo o proyecto es más grande, Trello es una alternativa, porque puede dividir las pestañas en: referencias o recursos (todos los archivos necesarios para acceder), backlog de Sprint (listas de tareas que deben completarse durante el Sprint) , bloqueado (impedimentos externos al progreso del trabajo), módulos en progreso, informe de errores (todos los problemas encontrados en el código a resolver) así como todas aquellas tareas que ya se han completado. Revisando códigos juntosEscribir una solución, un texto u otro material solo a los ojos de quienes lo produjeron puede traer un resultado menos cercano a la realidad que si el mismo código está sujeto a otras evaluaciones y opiniones.En el caso de la programación en equipo, la contribución de todos garantizará un resultado más consistente, ya que existe una diversidad de ideas involucradas, historias y seres humanos, además de conocimiento técnico y conocimientos únicos. Y cuando se trata de revisar el código, esta condición del equipo cuenta y mucho. En este momento, es necesario leer y comprender qué hace ese algoritmo, es decir, estudiar, aunque sea indirectamente, diferentes formas y soluciones de problemas de lo que normalmente haríamos.Cuando el equipo es diverso, con consenso democrático, cada revisor de código leerá y comprenderá el algoritmo desde su perspectiva para aprobarlo. Pronto, el cliente tendrá una solución mucho más robusta y asertiva.En Digital House  todos tienen la oportunidad de mejorar sus conocimientos de programación, para que pueda realizar y participar mejor en el trabajo de programación en equipo, incluso de forma remota. En nuestro programa de cursos en el área de programación  tenemos el programa Desarrollo Web Full Stack, en el que aprende a trabajar de forma colaborativa, utilizando metodologías ágiles, con el dominio del desarrollo de sitios web y sistemas web, utilizando lenguajes de programación como HTML, PHP, Javascript, Laravel, React y más.

Lo que necesitas saber para convertirte en un científico de datos img
#Datos

Lo que necesitas saber para convertirte en un científico de datos

¿Quiénes son los científicos de datos?Los científicos son personas curiosas, investigadoras e interrogantes con un gran poder de análisis y observación. El Data Scientist es así, traduciendo información, construyendo probabilidades y generando predicciones más ciertas para que un negocio prospere.El informe Connectivity Benchmark 2020 , el MuleSoft, habló con 800 líderes en organizaciones con al menos 1,000 empleados, EE. UU., Reino Unido, Francia, Alemania, Países Bajos, Australia, Singapur, Hong Kong y Japón, y señaló que las cuatro prioridades principales sus inversiones en TI fueron: seguridad (53%), big data y análisis (48%), estrategia multicloud (41%) e inteligencia artificial / aprendizaje automático (41%). Tenga en cuenta que todos están relacionados con los datos.Y, para que esta inversión traiga resultados, estas compañías saben que es necesario integrarse con los sistemas existentes. También según la encuesta, las tres funciones comerciales principales con necesidades para esta integración son: analistas comerciales (40%), científicos de datos (38%) y atención al cliente (38%). Aquí, está claro que el científico de datos actual no puede quedarse en la burbuja de TI. Debe participar activamente en la toma de decisiones, ya que los datos son el nuevo petróleo.Primeros pasos para convertirse en un científico de datosCada Data Scientist tiene un lado autodidacta. Curioso, estudia mucho, investiga y busca nuevas tecnologías por su cuenta. Así que es buena idea buscar comunidades, grupos y eventos gratuitos para conocer las nuevas tecnologías.  Conocimientos básicos de la base de datos y la estructura del lenguaje de programación.El prerrequisito básico para esta carrera es tener un conocimiento básico de bases de datos relacionales o no relacionales (SQL y NoSQL) y en lenguajes de programación .Para "diseccionar" una base de datos, como la investigación de laboratorio, y explorarla en su totalidad, se necesita aprender algunos lenguajes como R y Python, creando su modelo de algoritmo, así como la estructura para asignar variables, vectores, matrices, bucles, etc.  Dominar mínimamente las estadísticasCuartiles, percentiles, varianza, desviación estándar y lo básico en cálculos matemáticos como álgebra, regresión, comprensión de la tendencia de los datos al pensar en la representación visual en gráficos exploratorios. Es importante saber sobre todo esto, ahora mismo para comprender el comportamiento de los datos para aplicar un algoritmo.  Para convertirse en un Data Scientist, hacer un curso corto basado en la práctica es una alternativa muy inteligente. De esta manera, en pocos meses es posible convertirse en uno de los profesionales más buscando por las industrias en todo el mundo.