Cómo woku Utiliza Principios de Agrupamiento de Datos para Analizar la Experiencia del Cliente
Descubre cómo los algoritmos de agrupamiento ayudan a entender cómo tus clientes interactúan con los diferentes niveles de tu negocio.
En woku, buscamos combinar la potencia del análisis con la simplicidad de uso. Nuestro objetivo es permitir que nuestros usuarios realicen análisis profundos y jerárquicos sin necesidad de ser especialistas en análisis de datos o ingeniería de software.
El origen de nuestra idea
Cuando comenzamos a desarrollar woku, solamente teníamos una herramienta básica para recopilar feedback, lo que llamamos woku (Escribí un post que explica: ¿Qué es un woku?), sin reportes ni análisis complejos, solamente podías saber el promedio de calificación del woku y un resumen de las reseñas.
Durante nuestra incubación en Emprende UCSC, nuestro mentor, Gonzalo, sugirió agrupar los wokus en niveles, permitiendo varios niveles hacia abajo. Esta sugerencia nos llevó a pensar en un sistema de archivos y carpetas, una estructura familiar para la mayoría de los usuarios. Además, la interfaz de usuario podría soportar un sistema de arrastrar y soltar, lo que facilitaría su uso.
Cómo funciona
El principio es sencillo:
- Creas niveles utilizando carpetas.
- Organizas tus áreas de interés en estas carpetas.
- Dentro de las carpetas, puedes crear más subcarpetas y wokus según sea necesario.
Por ejemplo, si quieres entender la experiencia del cliente por áreas de tu empresa, podrías tener una estructura así:
Empresa
├── Servicio al Cliente (Carpeta)
| ├── Consultoría (Carpeta)
| | ├── Empresa A (woku)
| │ └── Empresa B (woku)
│ ├── Atención telefónica (woku)
│ └── Chat en línea (woku)
├── Ventas (Carpeta)
│ ├── Proceso de compra online (woku)
│ └── Atención en tienda (woku)
└── Productos (Carpeta)
├── Tecnología (Carpeta)
│ ├── Celulares (Carpeta)
│ │ ├── Galaxy S24 Ultra (woku)
│ │ └── iPhone 15 Pro (woku)
│ └── Laptops
│ ├── Dell (Carpeta)
| | ├── Latitude 5420 (woku)
| | └── Dell Alienware (woku)
│ └── Slimbook (Carpeta)
| └── Executive (woku)
└── Accesorios (Carpeta)
└── Teclado (woku)
Árbol de experiencia del cliente de una empresa en woku.
No te asustes, en la práctica un nivel se ve así:
Este sistema permite reagrupar los enfoques de análisis cuando sea necesario, simplemente arrastrando y soltando elementos.
El fundamento: Agrupamiento jerárquico
Nuestro sistema se basa en los principios del agrupamiento jerárquico, un método utilizado en el análisis de datos y el aprendizaje automático. Este enfoque organiza la información en una estructura de árbol, donde cada rama representa una categoría o subcategoría, y las hojas (en nuestro caso, los "wokus") contienen los datos específicos de cada experiencia del cliente.
Ventajas de este enfoque
- Flexibilidad natural: Refleja la estructura jerárquica natural de muchos negocios y productos.
- Análisis multinivel: Permite obtener insights tanto a nivel general como específico.
- Descubrimiento de patrones: Facilita la identificación de tendencias en diferentes niveles del negocio.
Funcionamiento interno
Cuando se coloca un woku en una carpeta, se está alimentando un sistema de análisis. Cada carpeta funciona como un nodo en el árbol de datos, agregando y analizando la información de los wokus que contiene.
- Homogeneidad dentro de los grupos: Los wokus en una misma carpeta comparten características similares, lo que permite análisis más precisos.
- Escalabilidad: El sistema se adapta al crecimiento del negocio sin perder eficiencia.
- Insights multinivel: Se generan reportes tanto a nivel de carpeta como de woku individual.
El poder de una estructura intuitiva
En woku, hemos buscado combinar la facilidad de uso de un sistema de archivos familiar con el poder analítico de algoritmos de agrupamiento. Nuestro objetivo es permitir que los usuarios se concentren en entender y mejorar la experiencia de sus clientes, sin necesidad de ser expertos en análisis de datos.
La interfaz de arrastrar y soltar no es solo una elección de diseño, sino una decisión fundamentada, diseñada para ofrecer una herramienta potente y accesible para el análisis de la experiencia del cliente.
Referencias
- Rokach, L., & Maimon, O. (2008). Clustering methods. En O. Maimon & L. Rokach (Eds.), Data Mining and Knowledge Discovery Handbook (pp. 321-349). Springer.
- Chizi, B., & Maimon, O. (2008). Dimension reduction and feature selection. En O. Maimon & L. Rokach (Eds.), Data Mining and Knowledge Discovery Handbook (pp. 93-109). Springer.