Lo que tus herramientas de CX
no pueden decirte

Aquí está la región de Orlando de Marriott, reconstruida como funciona toda herramienta de CX: puntuar, rankear, graficar la tendencia. El programa se ve sano. La tendencia es plana. La lista de temas ordena los problemas por la frecuencia con que los huéspedes los mencionan, y el análisis de drivers integrado marca la recepción y el check-in como lo segundo que hay que arreglar.

Nada de esto está mal. Sirve para saber que un problema existe. Pero cada pregunta que un líder hace después vive fuera de este marco: qué driver es real, qué arreglo rinde, cuánto vale. Casi todos los dashboards de CX y BI ordenan tus quejas por volumen; los premium, incluidos Medallia y Qualtrics, agregan un análisis de drivers que estima la importancia por correlación. Ninguno puede decirte cuáles cambian el resultado. Guarda esa alerta de recepción.

Tomamos las mismas reseñas e hicimos una pregunta distinta. No qué mencionan los huéspedes, sino qué mueve realmente el resultado. Un modelo causal formal, con el hotel, la categoría, el idioma, la longitud de la reseña y el tipo de autor fijos, aísla el efecto de cada señal sobre la probabilidad de que una estadía termine en una o dos estrellas. La lista de prioridades del dashboard se reordena sola.

La recepción y el check-in, la prioridad número dos del dashboard, tienen un efecto causal de dos puntos, y no es significativo. Parecía importante porque los huéspedes lo mencionan constantemente, y viaja junto a reseñas largas e infelices. Un equipo que actuara según el dashboard habría gastado un presupuesto en la recepción sin mover nada. El driver real, la limpieza, es una causa de 34 puntos con confianza hermética. Esta es la diferencia entre contar y saber, y ningún volumen de encuestas la cierra.

Corre el modelo sobre el otro resultado, una reseña de cinco estrellas, y aparece la brecha más profunda. Las palancas que un hotel más gestiona, precio, ubicación y cargos, son las formas más débiles de ganar un huésped leal. La más fuerte, por lejos, es un solo ser humano, lo único que ningún dashboard aísla.

Un buen precio sube la probabilidad de una reseña de cinco estrellas seis puntos, contra cuarenta y dos de un empleado que se esmera. El análisis de drivers de tus herramientas reporta correlación, así que jamás mostraría esto: en el dashboard, todo lo que menciona un huésped feliz correlaciona con un score alto. Solo un modelo causal puede poner un momento humano por encima de un descuento y ponerle un número, porque pregunta qué cambiaría si cambiaras la causa.

Esto no es una crítica a tus herramientas. Es una crítica a quedarse en el dashboard. La inteligencia descriptiva es la primera mitad del trabajo. La capa causal es la mitad que te dice qué hacer.

La misma lectura causal corre en cada hotel. La parte alta de esta tabla es donde un líder de mercado actúa primero; la parte baja es el conjunto interno de prueba de cómo se ve lo bueno. Tu stack de CX también tiene estos datos. Su dashboard reporta la columna. No puede producir la causa.

Un dashboard se construye sobre el 10% de tus datos que ya está estructurado: scores, conteos, timestamps. El otro 90%, lo que tus clientes realmente dijeron, queda sin leer. Dimension Labs convierte ese lenguaje en analítica en tres pasos, y cada número de este informe salió de ellos.