Medir el éxito de un producto o servicio digital depende de muchos factores además de la conversión económica. Un modelo de medición robusto permite hacer dignósticos sobre las actividades y funcionalidades que funcionan y para mejorar las que no están funcionando correctamente. Algunos de los factores a medir para entender la experiencia de los usuarios están relacionados con emociones y percepciones, por lo que su medición requiere un enfoque diferente al de otros indicadores.

Si bien las ventas sirven como guía, la satisfacción de los clientes es una métrica clave para entender el comportamiento actual de los clientes y para predecir su lealtad y su comportamiento en el futuro. Sin embargo, medir y mejorar esa satisfacción puede ser complicado. El modelo HEART, por ejemplo, tiene un elemento para analizar la «felicidad» de los usuarios, pero cuantificar emociones y sentimientos puede ser complicado.

Aquí es donde los KPI (indicadores clave de rendimiento) de satisfacción del cliente sirven como ayuda para medir e interpretar a los usuarios. No existe un KPI único que describa de manera completa la satisfacción de los usuarios, por lo que para tener un entendimiento más profundo es necesario utilizar varios KPIS de manera conjunta.

Calculando la satisfacción neta con NSAT

Un cliente satisfecho es un cliente fiel. Todos los negocios necesitan que sus clientes sigan regresando. Al asegurar su satisfacción, se aumenta el ROI (retorno de inversión) y potencialmente puede ahorrar dinero en promoción y adquisición de clientes, además de que entre más interactúe una persona con un negocio, más eficiente se volverá en usarlo. Adquirir nuevos clientes es al menos 5 veces más costoso que retener a los actuales. Además, si se invierte un 5 % más en retención de clientes, se puede esperar un aumento de al menos un 25 % en las ganancias.

El costo de retención de clientes es mucho más bajo que el costo de adquisición de clientes.

Medir y entender la satisfacción de los clientes sirve para aprenderá mucho sobre como esas personas perciben un negocio. Quizás a esos usuarios les encanten los productos, pero no su servicio al cliente, o tal vez los servicios se perciben como valiosos, pero el proceso de facturación es muy tedioso.

Con una encuesta de satisfacción del cliente se pueden identificar los puntos débiles para realizar los cambios necesarios y mejorar la satisfacción de todos los usuarios en el futuro.

Cómo funciona NSAT

NSAT o Satisfacción Neta (Net Satisfaction) es uno de los muchos tipos de métricas que se pueden usar para realizar un seguimiento de la satisfacción del cliente. A veces se le llama Microsoft NSAT porque el departamento de TI de Microsoft lo utiliza para evaluar sus productos.

NSAT generalmente se basa en una sola pregunta, por ejemplo:

«Califique su satisfacción con [producto] durante los últimos 3 meses«.

Las respuestas se basan en una escala Likert de cuatro puntos con «Muy insatisfecho» en un extremo y «Muy satisfecho» en el otro y son una buena manera de capturar el sentimiento.

Es recomendable agregar también las opciones «No sé» y «No aplica (N/A)» que no se utilizarían para calcular la puntuación pero se consideran parte del total de respuestas.

Calculando NSAT

NSAT se mide usando una puntuación de 200, donde 200 es la mejor calificación. Para calcular NSAT, se toma el porcentaje de las respuestas «Muy satisfecho» (pero no se usan las respuestas a «Algo satisfecho«), se resta el porcentaje de respuestas «Algo insatisfecho» y «Muy insatisfecho«, y se suma 100. Este último paso se hace para no obtener una puntuación negativa.

Vamos a utilizar el siguiente ejemplo para demostrar los cálculos.

  • Respuestas totales útiles: 100 + 250 + 50 + 36 = 436
  • Muy Satisfecho: 100/436 * 100 = 22,9% = %VSAT (Very Satisfied)
  • Total insatisfecho: 50 + 36 = 86
  • Porcentaje insatisfecho: 86/436 * 100 = 19,7% = %DSAT (Dissatisfied)
  • Satisfacción Neta: 22,9 – 19.7 + 100 = 103.2

Los resultados generalmente se presentan como un número entero sin decimales. Este ejemplo tiene una puntuación final de NSAT de 103. Al presentar los resultados de NSAT, siempre se deben incluir las preguntas exactas, el tamaño total de la muestra, la tasa de respuesta y la tasa de error, si existe.

Recomendaciones en la medición de NSAT

Al comienzar el diseño de las encuestas para NSAT hay que asegurarse de obtener los datos correctos. Aquí hay algunos puntos a considerar al crear las preguntas:

  • Hacer las preguntas correctas: en lugar de tratar de obtener grandes cantidades de información de los usuarios, es mejor concentrarse solo en la información realmente necesaria. Si los datos que se recopila no son útiles, probablemente es que se hicieron las preguntas equivocadas.
  • Usar datos propios: la información de las encuestas y la métrica de NSAT deben ser una guía para mejorar el producto o servicio y la experiencia del cliente. La investigación de UX puede complementar y profundizar en los problemas y qué se debe hacer para solucionarlos.
  • Hacer preguntas abiertas: tener datos cuantificables de encuestas, como un NSAT, es extremadamente valioso. Sin embargo, también se debe considerar agregar algunas preguntas abiertas clave a las encuestas de satisfacción del cliente, como «¿Qué es lo único que podríamos hacer para mejorar su experiencia con [producto]?» Esto les da a los usuarios la oportunidad de compartir detalles específicos sobre su percepción y su experiencia.

Otros KPIS de satisfación de cliente

NSAT es como otros tipos de métricas en el sentido de que se basa en los extremos de los resultados. Se puedem encontrar métodos de cálculo similares con Customer Satisfaction Score (CSAT) o el Customer Experience Index (CXI). Todos estos pueden describirse como sistemas de puntuación «netos».

Los métodos de puntuación neta como NSAT tienen una clara ventaja en el sentido de que eliminan las respuestas tibias de las personas «algo satisfechas». Los usuarios que responden en los extremos pueden ser un mejor indicador de la verdadera satisfacción de la audiencia objetivo.

Publicado por Mauricio Angulo S.

Mauricio es diseñador de experiencia de usuario desde el año 2004. Es front-end developer, sprintmaster y entusiasta de AI. Es mentor en el programa Google for Startups y parte de la iniciativa de Microsoft Regional Director como mentor para corporativos y startups en diseño de experiencia de usuario, usabilidad y desarrollo de software. Es co-fundador de UX Nights. También es escritor, ponente internacional y profesor.