Checklist de auditoría del etiquetado de motivos de contacto

Para qué sirve auditar el etiquetado

El etiquetado de motivos de contacto es la materia prima de casi todo lo demás: si las conversaciones no están clasificadas por motivo, no podés saber qué campaña trajo consultas de precio, qué rubro de cliente pregunta más por facturación ni cuánto del volumen es una consulta que se podría responder sola. El problema es que un etiquetado se degrada sin que nadie lo toque. Alguien crea una etiqueta nueva porque la que existía no le aparecía en la lista. Otra persona escribe "consulta precio" y otra "precio?". Una categoría que se creó para una campaña vieja queda viva y vacía. A los seis meses nadie sabe qué significa la mitad de las etiquetas y los informes ya no se pueden leer.

Pensá en una estética con tres personas en el salón. Una etiqueta las consultas como "turno", otra como "turnos", otra como "sacar turno" y una cuarta usa "turno" también para los recordatorios que manda el negocio. A los tres meses, cuando quieren ver cuántos turnos se pidieron por WhatsApp contra cuántos se confirmaron, el número no cierra por ningún lado. No es un problema de datos: es un problema de etiquetas que nunca tuvieron una definición escrita.

Esta auditoría se hace una vez por trimestre, sobre una muestra de conversaciones cerradas del período, no sobre todas. No busca que el etiquetado sea perfecto: busca que sea utilizable. Son tres preguntas: ¿todo lo que entró tiene una etiqueta? (cobertura), ¿la misma cosa se etiqueta siempre igual? (consistencia), ¿hay etiquetas que no se usan y ocupan lugar? (categorías muertas).

Paso 0: preparar la muestra antes de mirar nada

La auditoría se arruina si la hacés sobre las conversaciones que te acordás. Hay que armar la muestra con una regla fija y respetarla. Tres decisiones y arrancás.

1. 1Definí el período: el trimestre cerrado anterior completo, no "los últimos meses". Un rango con fecha de inicio y de fin, y no lo cambiés a mitad de camino.
2. 2Definí el tamaño de la muestra. Si el período tiene pocas conversaciones (menos de 100), auditá todas. Si tiene cientos o miles, tomá una muestra sistemática: por ejemplo, cada décima conversación cerrada del listado, ordenado por fecha. Sistemática y no "las primeras 50", porque las primeras 50 suelen ser de una sola semana y de un solo turno.
3. 3Separá la muestra en dos bolsillos: conversaciones que entraron por WhatsApp y conversaciones que entraron por otro canal (Instagram, Messenger). Los motivos no se distribuyen igual y mezclarlos esconde el problema de un canal.
4. 4Antes de abrir la primera conversación, exportá la lista completa de etiquetas existentes con la cantidad de contactos asociados a cada una. Esa lista es la columna vertebral de la auditoría y la vas a necesitar en las tres etapas.

Etapa 1: cobertura (¿queda algo sin etiquetar?)

La cobertura mide qué proporción de la muestra tiene una etiqueta de motivo asignada. No alcanza con que la conversación esté etiquetada: tiene que estar etiquetada con un motivo, no con el nombre del agente que la atendió ni con el estado ("cerrado", "pendiente"). Esos son otros ejes y contaminan el análisis de motivos.

Cómo se calcula: contás las conversaciones de la muestra que tienen una etiqueta de motivo y lo dividís por el total de la muestra. Ese porcentaje es tu cobertura. Después hacés el mismo cálculo por canal y por turno, porque la cobertura casi nunca falla parejo: suele caer en el turno noche, en los fines de semana y en el canal que el equipo usa menos.

• Cobertura global: conversaciones con etiqueta de motivo sobre total de la muestra.
• Cobertura por canal: WhatsApp, Instagram, Messenger. Un canal con cobertura baja suele ser el que el equipo no tiene incorporado al flujo.
• Cobertura por turno o por agente: sirve para ver si el problema es de proceso o de una persona. Si es de una persona, se resuelve con una conversación; si es de un turno, se resuelve con una regla.
• Cobertura por franja horaria: si las conversaciones que entran fuera de horario quedan sin etiquetar, el informe de motivos va a estar sesgado hacia el horario comercial.

Ejemplo de gastronomía: un local con delivery propio descubre que la cobertura global es alta, pero que las conversaciones que entran después de las 23 quedan sin etiquetar casi todas. El informe de motivos dice que la mayoría de las consultas son por reservas, cuando en realidad las consultas nocturnas —que son por demoras de pedidos y por cambios de dirección— nunca entraron al conteo. El sesgo no está en el dato: está en el turno que no etiqueta.

La señal de que la cobertura está bien no es 100%. Un 100% suele significar que alguien etiquetó cualquier cosa con tal de no dejar la conversación vacía, y eso rompe la consistencia de la etapa siguiente. Un piso razonable para sostener el análisis es que la mayoría clara de la muestra tenga motivo; si una porción grande queda sin clasificar, el informe de motivos no representa el negocio.

Etapa 2: consistencia (¿la misma cosa se llama igual?)

Acá está el trabajo pesado y es donde aparecen los problemas que no se ven en un tablero. La consistencia se mide de dos maneras: entre etiquetas (que no existan dos que signifiquen lo mismo) y dentro de una etiqueta (que el criterio de asignación no dependa de quién atendió).

Para la consistencia entre etiquetas, recorré la lista completa de etiquetas y agrupá las que se refieren al mismo motivo. Vas a encontrar tres patrones típicos: la variante ortográfica ("consulta precio" y "consulta de precio"), la variante de género o número ("turno" y "turnos"), y la variante de nivel de detalle ("consulta" y "consulta de stock de un producto específico"). Los dos primeros son duplicados que hay que fusionar. El tercero no siempre: puede ser una jerarquía legítima, pero entonces la etiqueta general no debería usarse cuando existe la específica.

Para la consistencia dentro de una etiqueta, tomá las conversaciones de la muestra que llevan la misma etiqueta y leelas juntas. Si encontrás tres conversaciones con la misma etiqueta que en realidad son tres motivos distintos, el criterio de asignación no está definido. Si encontrás dos conversaciones del mismo motivo con etiquetas distintas, hay duplicado o hay criterio ambiguo.

• Duplicados exactos: dos etiquetas con el mismo texto salvo mayúsculas, tildes o espacios. Se fusionan sin discusión.
• Duplicados semánticos: dos etiquetas que un agente nuevo no sabría distinguir. Se fusionan y se deja una sola.
• Jerarquías implícitas: una etiqueta general y una específica que se pisan. Se define la regla de cuál gana y se documenta.
• Etiquetas de otro eje: estado, canal, agente o prioridad mezclados con motivos. Se separan; el motivo no es el estado.
• Criterio por persona: cada agente tiene su propia versión del mismo motivo. Se resuelve con una definición escrita de una línea por etiqueta.

Etapa 3: categorías muertas (¿qué etiquetas no se usan?)

Una categoría muerta es una etiqueta que existe en la lista pero que casi no tiene conversaciones asociadas, o que no tuvo ninguna en el período auditado. No es lo mismo que una etiqueta de baja frecuencia legítima: una consulta por un producto que se vende poco puede ser rara y válida. El problema es la etiqueta que quedó de una campaña vieja, de una prueba que nadie terminó de borrar o de un rubro que el negocio ya no atiende.

Cómo se detectan: con la lista de etiquetas y su cantidad de contactos, ordenada de menor a mayor. Las que están en cero o cerca de cero son candidatas. Pero antes de borrar hay que distinguir tres casos, porque borrar la etiqueta equivocada te saca un dato que sí usabas.

• Muerta de verdad: cero conversaciones en el período y nadie del equipo recuerda haberla usado. Se archiva o se borra.
• Muerta de temporada: cero en el período auditado pero con uso en el mismo trimestre del año anterior (una campaña de fin de año, una fecha especial). No se borra: se marca como estacional y se saca de la lista activa para que no ensucie el informe.
• Viva pero mal usada: tiene conversaciones asociadas, pero al leerlas el motivo no coincide con el nombre de la etiqueta. No es muerta: es una etiqueta con definición rota. Se reescribe la definición o se renombra.

Un cuidado con el borrado: si la herramienta permite archivar en lugar de eliminar, archivá. Borrar una etiqueta que tiene historial puede dejar conversaciones viejas sin clasificación retroactiva y arruinar cualquier comparación contra períodos anteriores. Archivar la saca de la lista de uso diario sin tocar el pasado.

Tabla de auditoría: qué revisar, cómo se ve bien y qué hacer si falla

Cómo medir si el etiquetado mejoró entre auditorías

Una auditoría sin comparación contra la anterior es una foto. Para saber si el trabajo sirvió, guardá cuatro números al cerrar cada auditoría y comparalos con los del trimestre anterior. No hace falta más que eso.

La concentración merece una aclaración porque es la métrica que más se malinterpreta. Si el 90% de tus conversaciones cae en "consulta general", tenés cobertura alta y un etiquetado inútil: no podés separar precio de stock ni de facturación. El objetivo no es que cada etiqueta tenga la misma cantidad de conversaciones (eso sería forzar la realidad), sino que las etiquetas más usadas sean lo bastante específicas como para que el informe responda una pregunta de negocio.

Qué hacer cuando algo falla

Cuando la auditoría marca un problema, el orden de la reparación importa. Arreglar la cobertura antes que la consistencia genera más conversaciones mal etiquetadas. Arreglar la consistencia antes que las categorías muertas deja etiquetas duplicadas que se van a volver a usar. El orden que funciona es: primero definiciones, después fusiones, después cobertura, y al final limpieza de lo muerto.

• Si la cobertura es baja: no agregues etiquetas nuevas. El problema no es que falten opciones, es que el etiquetado no está en el flujo. Ponelo como paso obligatorio antes de cerrar la conversación y revisá si el problema se concentra en un turno.
• Si hay duplicados: fusioná primero los exactos y los semánticos obvios. Una sola etiqueta por motivo. Antes de fusionar, fijate cuántas conversaciones tiene cada una, para no perder el historial de la que más uso tiene.
• Si el criterio es ambiguo: escribí una definición de una línea por etiqueta. Si no podés escribirla en una línea, la etiqueta está mal pensada y hay que partirla o fusionarla.
• Si una etiqueta está muerta de verdad: archivala, no la borres, para no romper el histórico. Si es estacional, marcala y sacala de la lista activa.
• Si una etiqueta está viva pero mal usada: no la borres. Renombrala o reescribí su definición; el problema es el nombre, no la etiqueta.
• Si el equipo crea etiquetas nuevas sin control: definí quién puede crear y con qué criterio. Una etiqueta nueva por consulta espontánea es la forma más rápida de volver al desorden que esta auditoría acaba de limpiar.

Ejemplo de tienda: una ferretería con venta por WhatsApp tenía tres etiquetas que parecían el mismo motivo ("stock", "disponibilidad" y "tienen?"). Después de leer juntas veinte conversaciones con cada una, quedó claro que "stock" se usaba para consultas de productos de catálogo, "disponibilidad" para productos que había que pedir al proveedor y "tienen?" era el cajón de sastre donde caía todo lo que no encajaba. No eran tres motivos: eran dos motivos reales y una etiqueta basura. Se fusionaron las dos primeras con una regla escrita y se archivó la tercera.

Cómo se conecta esto con las sugerencias de IA

Si usás sugerencias de IA para responder, el etiquetado tiene una segunda función además de la de informar: le da contexto a la sugerencia. Una conversación etiquetada como consulta de facturación no se responde igual que una de stock, y la diferencia está en la etiqueta. Por eso un etiquetado desordenado no solo arruina el informe: también empeora la sugerencia, porque el sistema no tiene cómo saber de qué se trata la conversación. Wando sugiere respuestas y el equipo las aprueba, y aprende de las respuestas reales del negocio; la etiqueta sigue siendo el criterio humano que ordena el conjunto.

La auditoría no cambia por tener IA en el medio. Cambia una cosa: si el sistema sugiere etiquetas, revisá en la muestra cuántas veces la sugerencia de etiqueta fue aceptada sin corregir y cuántas veces se cambió. Un porcentaje alto de correcciones en una etiqueta puntual es la señal más temprana de que esa etiqueta tiene un problema de definición, antes de que aparezca en el informe de motivos. En una clínica, por ejemplo, si la sugerencia de "turno" se corrige sistemáticamente a "reprogramar turno", el problema no es la IA: es que faltaba una etiqueta para el segundo caso.