Service recovery, recuperación, satisfacción y fidelización de clientes : estudio empírico de una aerolínea

Abstract

El presente trabajo de investigación está desarrollado con el fin de investigar diversas herramientas para el mejor funcionamiento de las compañías, considerando como pilar fundamental a los clientes. Estamos insertos en un ambiente de constante competencia entre las organizaciones, donde el fin común es aumentar la cuota de mercado. En este sentido es donde el marketing toma fuerza, en conjunto a herramientas tecnología que hacen que estos procesos sean más fáciles de llevar. Aspectos importantes a considerar dentro del marketing en una compañía que ayudan a generar el éxito deseado de ellas son el servicio al cliente que puede llegar a ser una ventaja competitiva, pudiendo diferenciar a las compañías que entregan un mismo (o similar) producto o servicio; otro punto importante es la satisfacción del cliente, siendo esta muy importante a la hora de generar fidelidad de los clientes, un cliente satisfecho tiene mayor probabilidades de ser un cliente fiel; aumentando los ingresos y disminuyendo ciertos costes de las empresas. En el último tiempo se ha generado un concepto de marketing mucho más ligado hacia la generación de lazos con clientes, tratando de generar relaciones con ellos; siendo este tipo de relaciones mucho más cercanas y duraderas. Es aquí entonces donde la toma importancia el hecho de tener un acercamiento mucho mayor con los clientes y para esto existen hoy en día distintas tecnologías que nos pueden ayudar. La tecnología ha tenido un crecimiento constante y exponencial; tomando un papel fundamental a la hora de toma de decisiones de las organizaciones. Business Intelligence que es un término que abarca aplicaciones de almacenamiento de datos, generación de informes, entre otras que optimizan las operaciones de un negocio, disminuyendo los costos y aumentando los ingresos; entregando información mucho más clara y precisa para la toma de decisiones. Siguiendo esta misma línea es que encontramos las herramientas de Data Mining y Text Mining, la primera ayuda a reunir, depurar y transformar datos de los sistemas transaccionales e información no estructurada en información estructurada, para su explotación directa o para su análisis y conversión en conocimiento. El Text Mining es una aplicación complementaria al Data Mining que analiza e identifica patrones en los datos almacenados en repositorios de información. 7 Como se mencionó anteriormente existe una fuerte vinculación hacia el cliente por parte de las compañías; son los clientes quienes crean valor a través de la combinación de recursos y procesos; esta idea se ha desarrollado como un marco conceptual (Marco ARC), tomando como referencia la combinación de Actividades, Recursos y Contexto; con lo cual se entrega una visión más global del análisis de feedback de los clientes y un mayor reconocimiento de cómo se entrega valor. Este marco conceptual puede ser complementado con la herramienta de Service Recovery la cual trata de resolver las expectativas negativas que pudieron haber tenido los clientes para cambiar esta insatisfacción con respecto al servicio. Para la presente investigación se hizo el respectivo análisis literario sobre el tema de Service Recovery, encontrando así un vacío sobre la importancia del problema y cómo un buen manejo de este pueden generar un modelo mucho más eficiente; creando de esta manera el Modelo 3M. El Modelo 3M intenta englobar algunas de las aristas que quedaron sin considerar en los estudios anteriores; quedando así los siguientes factores: Expectativas del consumidor, Problema, Reclamo, Recibo y Análisis, Solución, Feedback y por último la Lealtad, Satisfacción y Retención de los clientes. Utilizando bases de datos con mails de reclamos otorgados por la empresa aérea LAN, se trata de analizar ciertas problemáticas solucionables por la misma compañía que son foco de insatisfacción de los clientes. Para el análisis se utilizaron tres bases de datos correspondientes a mails de reclamos de los años 2012, 2013 y 2014; estos mails contenían los siguientes campos: ID Caso, Área, Fecha, Asunto, Cuerpo, Email e ID. Luego del análisis de estos mails se pudo agrupar en distintos tipos de problemas, siendo estos: Gestión de datos de clientes, Imposibilidad de realizar reserva, Problemas con acceder a la página, Problemas cuenta Lanpass, Tramites sin C.I., Gestión de Millas/Kilómetros, Gestión de equipaje, Compensación por demora, Error de compra, Imposibilidad de viajar por enfermedad, Cambio de vuelo y Viaje con Mascotas. Estos problemas fueron separados en tres grandes grupos (contexto) de acuerdo a si son problemas de Pre vuelo, Post vuelo o Transversales. Mediante la ayuda de un software de análisis de datos vía Text Mining y el modelo ARC se establecieron los principales recursos, siendo estos: LAN.com, KM Lanpass, Pasajes y Contact Center; en el caso de las actividades se establecieron: Vuelos, Gestión de Equipaje, Devolución Dinero, y Acreditación Km. 8 Dentro de los resultados obtenidos se encuentra que los problemas más recurrentes son: Gestión de datos clientes, Problemas cuenta Lanpass e Imposibilidad de viajar por enfermedad. De acuerdo a los reclamos se pudo identificar que los clientes suelen reclamar más durante los días de semana y que no existen estacionalidades marcadas de acuerdo a los meses del año en cuanto a los reclamos. Luego aplicando el modelo ARC algunos de los resultados que se obtuvieron, identificando los problemas que inciden en cada recurso son por ejemplo en el caso del recurso LAN.com, las problemáticas más destacadas son la Gestión de Millas/Kilómetros y Gestión de Clientes (circunstancias pre y post vuelo); por otro lado el recurso de KM Lanpass la problemática con la cual se relaciona mayormente es la Gestión de Millas/Kilómetros posterior al vuelo. De acuerdo al análisis de las actividades se puede nombrar por ejemplo que el caso de los vuelos las problemáticas que inciden principalmente son la Gestión con respecto a Millas y Kilómetros como también los impedimentos por problemas médicos, siendo estos reclamos previos y posteriores al viaje. Luego del análisis para recurso y actividad, sumando además la investigación literaria correspondiente y la información otorgada por LAN se observó que no existe una identificación del tipo de problema como también una generación de respuesta automática, por lo cual se recomienda el uso de un sistema de Service Recovery; teniendo un buen uso de las bases de datos teniendo como fin determinar así el curso a seguir para la solución de distintos problemas, haciendo especial énfasis en la relación con los clientes para aumentar de esta forma la lealtad, satisfacción y retención de estos.