Cómo medir el NPS y el CSAT en las conversaciones telefónicas con agentes de voz con IA
Tu encuesta por correo electrónico posterior a la llamada tiene una tasa de respuesta del 9%, y las respuestas que sí recibes se inclinan hacia tus clientes más enfadados y más contentos. La mayoría silenciosa, el 80% que se siente "bien" o "más o menos bien", nunca hace clic. Estás tomando decisiones de CX basándote en una porción distorsionada del feedback que se pierde a los clientes con más probabilidades de irse sin previo aviso.
Esta guía te muestra cómo crear agentes de voz con IA que recopilan puntuaciones de NPS y CSAT durante conversaciones telefónicas en vivo, analizan el sentimiento de cada llamada automáticamente y envían el feedback a tu CRM en tiempo real. Al final, tendrás un sistema de feedback funcional creado sobre Retell AI que captura información puntuada y cualitativa de los clientes del 100% de tus llamadas.
Un sistema de feedback telefónico basado en IA que captura datos de NPS y CSAT dentro de las conversaciones en vivo con los clientes y, después, envía información estructurada a tu stack de analítica sin encuestas de seguimiento ni QA manual.
Al final de este tutorial, tu sistema podrá:
Antes de empezar, necesitarás:
Antes de añadir la lógica de feedback, necesitas un agente funcional que pueda mantener una conversación natural. Crea tu cuenta en retellai.com y crea un nuevo agente de voz con IA desde el panel. Elige una voz que encaje con tu marca (la plataforma admite voces ultrarrealistas de ElevenLabs v3 con expresión emocional). Configura un saludo sencillo y ejecuta una llamada de prueba desde el simulador telefónico integrado.
Ahora deberías oír cómo tu agente responde, habla con naturalidad y completa una interacción básica. Esto confirma tu pipeline de audio, la latencia (espera unos 600 ms de extremo a extremo) y la calidad de voz antes de añadir la lógica de encuesta.
Tus preguntas de feedback deben llegar en el momento adecuado: después de resolver la tarea principal, pero antes de que la persona que llama se desconecte. Usa el creador de arrastrar y soltar del framework agéntico para crear un flujo de conversación que atienda primero la solicitud principal de quien llama y, después, pase a un prompt de feedback.
Estructura el flujo así: saludo, resolución de la tarea, comprobación de satisfacción, pregunta de NPS, seguimiento abierto opcional, cierre. Para el CSAT, haz que el agente formule una única pregunta de satisfacción en una escala del 1 al 5 tras resolver el problema de quien llama. Para el NPS, formula la pregunta de "qué probabilidad hay de que nos recomiendes" en una escala del 0 al 10. Mantén ambas preguntas conversacionales: "Antes de dejarte marchar, en una escala del 1 al 5, ¿qué grado de satisfacción tienes con la ayuda que has recibido hoy?" funciona mejor que un lenguaje de encuesta robótico. Guarda ambas puntuaciones como variables en el estado de la llamada para extraerlas más adelante.
Las preguntas de encuesta explícitas capturan lo que los clientes dicen que sienten. El análisis posterior a la llamada captura lo que realmente sintieron, a través del tono, el ritmo, la elección de palabras y los patrones de duda. En los ajustes del agente, activa las categorías de análisis integradas: sentimiento (positivo, neutro, negativo), estado de resolución (resuelto, no resuelto, escalado) e intención de quien llama. Después, añade categorías personalizadas específicas para tu caso de uso de feedback: "puntuación de satisfacción" (extracción numérica), "puntuación de NPS" (extracción numérica), "feedback textual" (extracción de texto) y "mención de producto" (indicador booleano).
La plataforma procesa estos datos después de cada llamada y los pone a disposición mediante API y panel. Ahora deberías ver aparecer datos de análisis estructurados en tus registros de llamadas en cuestión de segundos tras finalizar cada llamada de prueba.
Las puntuaciones que se quedan en un panel no mejoran la experiencia del cliente. Configura endpoints de webhook para enviar datos de feedback estructurados a tu CRM y herramientas de BI después de cada llamada. En los ajustes del agente, configura un webhook POST que se dispare al finalizar la llamada. El payload debe incluir: número de teléfono de quien llama, duración de la llamada, puntuación de NPS, puntuación de CSAT, clasificación de sentimiento, estado de resolución y el fragmento textual de la transcripción con el feedback cualitativo.
Para los equipos que usan la integración con Make o la integración con n8n, crea un flujo de trabajo que reciba el webhook, analice el payload JSON y escriba los datos en el registro de contacto de tu CRM. Establece el timeout del webhook en 5 segundos, ya que las API de CRM pueden ir lentas en horas punta. Ahora deberías ver aparecer datos de feedback en tu CRM en cuestión de segundos tras finalizar una llamada de prueba.
Una puntuación de detractor sin seguimiento es una señal desperdiciada. Configura tu flujo de conversación para que cualquier puntuación de NPS de 0-6 o de CSAT de 1-2 dispare una transferencia de llamadas inmediata a un representante de éxito del cliente con el contexto completo de la conversación. Para las llamadas fuera del horario laboral, haz que el webhook dispare un ticket urgente en tu sistema de soporte con los datos de quien llama, su puntuación, el motivo textual y una respuesta sugerida basada en la categoría del problema.
Establece el umbral de escalado con cuidado. Transferir tras cada puntuación baja satura a tu equipo. Empieza enviando a representantes en vivo solo las puntuaciones de 0-4 en NPS y marca las puntuaciones de 5-6 para contactar al siguiente día laborable. Ahora deberías ver cómo las llamadas de detractores se enrutan correctamente a tu equipo con el contexto completo adjunto.
Quienes llaman comparten un feedback más honesto cuando la conversación resulta informada y relevante. Conecta una base de conocimiento que se sincronice automáticamente desde tus páginas de preguntas frecuentes, documentación de producto y guías de políticas. Esto le da al agente suficiente contexto para resolver bien el problema principal de quien llama, lo que influye directamente en la puntuación de satisfacción que dará después.
Sube tus 50 preguntas y respuestas principales como conjunto inicial. El sistema RAG en streaming garantiza que el agente extraiga información actualizada durante la llamada. Ahora deberías ver cómo el agente responde con precisión a preguntas de producto y servicio durante las llamadas de prueba.
Ejecuta pruebas de simulación que cubran: una persona satisfecha que da un 9 de NPS y un 5 de CSAT, una persona neutral que da un 7 de NPS, una persona frustrada que da un 3 de NPS y dispara el escalado, una persona que se niega a responder la encuesta y una persona que aporta un feedback abierto detallado. Para cada escenario, verifica que las puntuaciones se capturan correctamente en el registro de llamadas, que el análisis de sentimiento coincide con el tono simulado, que los payloads del webhook llegan a tu CRM con los valores correctos y que los escalados se disparan en los umbrales adecuados.
Revisa cada transcripción de la llamada de prueba en busca de transiciones incómodas entre la parte de servicio y la parte de la encuesta. El traspaso debe sentirse como una extensión natural de la conversación, no como un cambio de modo. Corrige cualquier transición que suene robótica antes de desplegar.
Conecta tu sistema telefónico mediante SIP trunking o asigna un número de Retell para empezar a gestionar llamadas en vivo. Durante las dos primeras semanas, revisa las transcripciones de llamadas a diario, atento a preguntas de encuesta cuyo enunciado confunda a quienes llaman, tasas de omisión altas en preguntas concretas y discrepancias entre el análisis de sentimiento y las puntuaciones explícitas. Configura una revisión semanal usando el panel de analítica de atención al cliente con IA para hacer seguimiento del volumen de feedback, las puntuaciones medias y las líneas de tendencia.
Planifica un periodo de ajuste de 2 semanas. La mayoría de los equipos ven tasas de finalización de encuestas del 70-80% en la primera semana (frente a menos del 10% en las encuestas por correo), que mejoran a medida que refinas el momento y el enunciado de las preguntas. Para la tercera semana, deberías tener un conjunto de datos estadísticamente significativo que represente a toda tu población de personas que llaman, no una porción autoseleccionada.
Pedir feedback antes de resolver el problema de quien llama produce puntuaciones inexactas y un mayor abandono. Configura tu agente para confirmar la resolución ("¿Hay algo más en lo que pueda ayudarte?") antes de pasar al feedback. Quienes se sienten escuchados puntúan con más honestidad.
Una persona que da un CSAT de 4 pero muestra marcadores de frustración (voz elevada, preguntas repetidas, pausas largas) durante toda la llamada es un riesgo de fuga que una puntuación por sí sola pasaría por alto. Cruza el sentimiento posterior a la llamada con las puntuaciones explícitas cada semana. Marca las discrepancias para revisión manual. Aquí es donde la detección acústica de sentimiento de la plataforma a través del tono, el ritmo y el tono de voz añade una capa que las encuestas tradicionales no pueden replicar.
Formular ambas preguntas seguidas genera fatiga de encuesta. Coloca la pregunta de CSAT inmediatamente después de la resolución (mide la interacción). Coloca la pregunta de NPS al final de la conversación como cierre (mide la relación). Sepáralas por al menos dos turnos conversacionales.
No pidas a cada persona que llama una respuesta textual detallada. Configura el agente para que formule la pregunta abierta "¿Qué podríamos mejorar?" en el 20-30% de las llamadas, de forma aleatoria. Esto te da suficientes datos cualitativos sin que cada persona que llama se sienta interrogada.
Un prompt que suena como "En una escala del cero al diez, ¿qué probabilidad hay de que recomiendes nuestra empresa a un amigo o colega?" parece un guion de 2005. Reescríbelo de forma conversacional: "Una última pregunta. Si un amigo preguntara por nosotros, ¿qué probabilidad habría de que nos recomendaras? Cero significa nada en absoluto, diez significa totalmente." Prueba varios enunciados y compara las tasas de finalización.
Las categorías de sentimiento predeterminadas (positivo, neutro, negativo) son un punto de partida, no una configuración final. Una persona que negocia un precio podría registrarse como "negativa" aunque sea un cliente perfectamente contento. Calibra tus umbrales de sentimiento usando 50-100 llamadas reales antes de confiar en las puntuaciones automáticas para los escalados.
Si tu agente gestiona mal la tarea principal, ninguna optimización de encuestas arreglará tu CSAT. Haz seguimiento de las tasas de resolución junto con las puntuaciones de satisfacción. Una estrategia de automatización del call center que solo mide el feedback sin medir la resolución está midiendo el síntoma, no la causa.
El NPS mide la lealtad a largo plazo (¿nos recomendarías?). El CSAT mide la satisfacción inmediata (¿fue buena esta interacción?). Medir ambos en el mismo panel sin separar el análisis lleva a planes de acción confusos. Crea vistas de tendencia separadas y flujos de escalado separados para cada métrica.
Enviar cada puntuación baja a un correo automatizado de "lo sentimos" destruye la confianza. Los detractores que puntúan 0-4 necesitan una devolución de llamada humana en 24 horas con el contexto completo de la conversación. Automatiza el enrutamiento y la entrega del contexto. Mantén humana la conversación de recuperación.
Matic Insurance desplegó agentes de voz con IA para automatizar el flujo de trabajo de las llamadas y mantuvo un NPS de 90 tras la implementación de IA, al tiempo que automatizó el 50% de las tareas de bajo valor y redujo el tiempo de gestión de reclamaciones de 12,4 a 5,8 minutos (una reducción del 53%). El equipo gestionó más de 8.000 llamadas en el primer trimestre de 2025 con métricas de satisfacción constantes. Lee la historia completa.
Pine Park Health usó agentes de voz con IA para la programación de pacientes y vio un aumento del 38% en el NPS de programación al tiempo que ocupaba una capacidad de proveedores antes infrautilizada. La combinación de una resolución de llamadas más rápida y una calidad de servicio constante impulsó la mejora de la satisfacción. Lee la historia completa.
Medical Data Systems gestiona el 100% de las llamadas entrantes con IA, con solo una tasa de transferencia del 30% y aproximadamente 280.000 $ cobrados al mes. La capacidad de medir el sentimiento y la resolución en cada llamada, no en una muestra, le dio al equipo una visibilidad de la experiencia del cliente en servicios financieros que el QA manual nunca proporcionó.
Medir el NPS y el CSAT en las conversaciones telefónicas significa recopilar puntuaciones de satisfacción durante o inmediatamente después de una llamada, en lugar de mediante una encuesta de seguimiento independiente. Los agentes de voz con IA formulan las preguntas de valoración de forma natural dentro de la conversación y capturan tanto la puntuación numérica como el contexto cualitativo de la interacción.
No. El framework agéntico no-code incluye plantillas prediseñadas para la recopilación de encuestas. Puedes configurar los prompts de feedback, la lógica de puntuación y el enrutamiento por webhook enteramente mediante una interfaz de arrastrar y soltar. Los equipos con desarrolladores pueden usar la API para una personalización más profunda, pero no es obligatorio.
La mayoría de los equipos pasan del registro a un agente de recopilación de feedback en producción en 3-5 días. Configurar el flujo de la encuesta lleva unas horas. Conectar los webhooks a tu CRM añade otro día. El periodo de ajuste de 2 semanas tras el lanzamiento es donde optimizas el enunciado de las preguntas y los umbrales de escalado para tu población específica de personas que llaman.
La plataforma cobra 0,07 $ por minuto sin cuotas de plataforma. Una llamada de 3 minutos que resuelve un problema y recopila tanto el NPS como el CSAT cuesta unos 0,21 $. Compáralo con un miembro de un equipo de servicio de contestador con IA a 15-25 $ por hora haciendo el mismo trabajo manualmente con una tasa de respuesta de encuestas del 10%. Cada cuenta incluye 10 $ en créditos gratuitos para probar todo el flujo de trabajo.
El análisis de sentimiento con IA puntúa el 100% de las llamadas de forma consistente, mientras que el QA manual normalmente revisa el 2-5% de las llamadas con variabilidad entre evaluadores. La plataforma detecta señales acústicas (tono, ritmo, tono de voz) y patrones de lenguaje contextuales que los revisores humanos a menudo pasan por alto a escala. Usa las primeras 50 llamadas para validar el sentimiento de la IA frente a las puntuaciones manuales y calibrar los umbrales.
Sí. Para las llamadas entrantes gestionadas por un IVR con IA o un agente de soporte, integra la encuesta al final de la interacción resuelta. Para las campañas salientes que usan llamadas por lotes, añade una pregunta de CSAT después del objetivo principal de la llamada (confirmación de cita, seguimiento o cualificación de leads). Ambos tipos de llamada enrutan el feedback a través del mismo pipeline de análisis posterior a la llamada.
El agente acepta la negativa con elegancia y cierra la llamada sin insistir. Las tasas de negativa se miden como una métrica aparte. Las tasas de negativa altas (por encima del 30%) suelen indicar un mal momento o enunciado de la pregunta, no falta de voluntad de quien llama. El análisis de sentimiento sigue extrayendo señales de satisfacción del resto de la conversación, así que obtienes información parcial incluso sin una puntuación explícita.
Retell AI cuenta con la certificación SOC 2 Type II y ofrece cumplimiento de la HIPAA con un BAA de autoservicio. Para los despliegues de sanidad, se puede configurar la redacción de PII para eliminar la información de identificación personal de las transcripciones almacenadas conservando las puntuaciones de feedback y los datos de sentimiento anonimizados.
Las encuestas IVR tradicionales se reproducen después de que el agente cuelgue, alcanzando a quienes ya se dirigen a la salida. Las tasas de respuesta en las llamadas de un agente de programación de citas con IA o en las interacciones de soporte suelen quedar por debajo del 10% vía IVR. Los agentes de voz con IA recopilan feedback durante la conversación, cuando quien llama sigue implicado. Los equipos que usan este enfoque informan de forma constante de tasas de finalización del 60-80%, capturando la "mayoría silenciosa" que las encuestas tradicionales pasan por alto por completo.
Ahora tienes un sistema de agentes de voz con IA que recopila NPS y CSAT durante conversaciones telefónicas en vivo, analiza el sentimiento del 100% de las llamadas, envía feedback estructurado a tu CRM en tiempo real y escala las respuestas de los detractores con el contexto completo para el seguimiento humano.
Para ampliar a partir de aquí, plantéate desplegar el mismo flujo de feedback en las campañas salientes de telemarketing con IA, crear modelos predictivos de fuga usando los datos de sentimiento o conectar las tendencias de feedback con cambios de producto y servicio para medir el impacto a lo largo del tiempo.
Empieza a crear gratis con 10 $ en créditos de uso en retellai.com.
Descubre cuánto podría ahorrar tu empresa al pasar a agentes de voz impulsados por IA.
Total Human Agent Cost
AI Agent Cost
Estimated Savings
Un número de teléfono de demostración de Retell Clinic Office
Start building smarter conversations today.
.avif)
.avif)
