Cómo medir si un bot de WhatsApp funciona (y qué números engañan)
Un bot de WhatsApp funciona cuando resuelve las consultas para las que fue puesto, deriva bien las que no le corresponden y no inventa nada en el camino. La cantidad de mensajes que envía no mide eso: mide actividad. Para saber si un agente funciona hay que mirar resultados, y la mayoría de los resultados se ven leyendo conversaciones, no mirando un tablero.
El problema aparece unas semanas después de la puesta en marcha. El agente está activo, contesta, y nadie sabe con certeza si lo hace bien. Los informes que entrega el proveedor suelen hablar de volumen: conversaciones atendidas, mensajes enviados. Son números cómodos de producir y poco útiles para decidir si seguir, ajustar o cambiar.
Esta guía propone un conjunto corto de medidas que sí responden esa pregunta, un método para revisar conversaciones en poco tiempo, los números que conviene mirar con desconfianza y qué pedirle a quien opera el agente.
¿Qué significa que un agente de WhatsApp "funcione"?
Funciona cuando cumple tres condiciones a la vez: resuelve lo que se repite, deriva lo que necesita una persona y no inventa lo que no sabe. Si falla una, las otras dos no compensan. Un agente que contesta todo pero inventa un horario genera un problema por día; uno que deriva todo no libera a nadie; uno que nunca deriva encierra al cliente en un callejón.
Por eso conviene definir el éxito antes de la puesta en marcha, por escrito: qué tipos de consulta debe resolver solo, cuáles debe pasar a una persona y qué respuesta es inaceptable. Sin esa definición, cualquier número que llegue después se interpreta a conveniencia.
¿Qué medidas responden de verdad?
Seis medidas alcanzan para la mayoría de los negocios. Ninguna requiere herramientas especiales: se obtienen del historial de conversaciones.
| Medida | Qué responde | Cómo se obtiene | Dónde engaña |
|---|---|---|---|
| Tiempo de primera respuesta | ¿Cuánto espera alguien hasta que le contestan? | Hora del primer mensaje contra hora de la primera respuesta | Un agente siempre responde rápido; lo que importa es si esa respuesta sirvió |
| Tasa de resolución | De cada diez consultas, ¿cuántas quedaron resueltas sin una persona? | Muestra de conversaciones clasificadas a mano | Cerrar una conversación no es resolverla: la persona puede haberse ido sin respuesta |
| Derivaciones y su calidad | ¿Se pasó a una persona cuando correspondía, con contexto? | Revisar cada derivación a humano de la semana | Pocas derivaciones no es buena señal si el agente retiene casos que no debería |
| Respuestas incorrectas | ¿Dijo algo falso o fuera de la información del negocio? | Lectura de la muestra, contrastada con la base de conocimiento | Una sola respuesta inventada sobre precio o disponibilidad pesa más que cien correctas |
| Consultas sin respuesta en la base | ¿Qué preguntan las personas que el agente todavía no sabe? | Lista de las preguntas que terminaron en "lo consulto" | Es la medida más útil para mejorar y la que menos informes incluyen |
| Consultas que llegaron a una persona con datos para avanzar | De las consultas comerciales, ¿cuántas llegaron listas para cerrarse? | Revisar las que pasaron por calificación de leads | Un dato completo vale más que diez contactos vacíos |
Las tres primeras dicen si el agente cumple su función. Las tres últimas dicen cómo mejorarlo.
¿Cómo se revisa una conversación en pocos minutos?
El método más confiable es también el más simple: leer una muestra de conversaciones reales todas las semanas. No hace falta leerlas todas; alcanza con una selección que incluya las más largas, las que terminaron en derivación y algunas elegidas al azar. Para cada una, cuatro preguntas:
- ¿Entendió lo que se preguntó? Incluidos los mensajes mal escritos, los audios y los cambios de idioma.
- ¿Respondió con información correcta? Cada dato se contrasta con lo que el negocio tiene cargado.
- ¿Derivó cuando correspondía? Y cuando derivó, ¿la persona que retomó tuvo el contexto o tuvo que preguntar todo de nuevo?
- ¿Quedó claro el cierre? La conversación termina con el siguiente paso explícito, no con un silencio.
Cada respuesta incorrecta se anota con su causa: faltaba el dato en la base, el dato estaba desactualizado o el agente interpretó mal. Las tres causas se corrigen de formas distintas, y distinguirlas es lo que convierte la revisión en mejora.
Con una muestra pequeña y constante, en pocas semanas se ve el patrón: qué preguntas se repiten sin respuesta, qué reglas de derivación están mal puestas, qué parte de la base quedó vieja.
¿Qué números engañan?
- Cantidad de conversaciones atendidas. Sube con la demanda, no con la calidad. Un agente malo con mucho tráfico se ve exitoso.
- Cantidad de mensajes enviados. Un agente que repite o que da vueltas genera más mensajes que uno eficiente. Más mensajes puede significar peor servicio.
- Tiempo de respuesta cercano a cero. Es una propiedad de cualquier agente, no un mérito. Lo que se mide es lo que dijo en esa respuesta.
- Porcentajes de "satisfacción" sin conversación detrás. Una reacción con un emoji o una encuesta de una pregunta casi nunca explica por qué.
- Pocas derivaciones. Puede indicar autonomía o puede indicar que el agente retiene casos que deberían pasar a una persona. Solo la lectura de las conversaciones lo distingue.
- Mejora de ventas atribuida al agente. Las ventas dependen del producto, el precio y la temporada. Un informe que adjudica el resultado entero al agente sin mostrar conversaciones está contando una historia, no midiendo.
¿Qué conviene pedirle a quien opera el agente?
Antes de contratar, o al revisar un servicio en marcha, cuatro pedidos ordenan la conversación:
- Acceso a las conversaciones completas, no a resúmenes. Si no se pueden leer, no se pueden evaluar.
- Definición de éxito por escrito, acordada al comienzo, con los tipos de consulta que el agente debe resolver y los que debe derivar.
- Un informe de lo que no supo responder, además del de volumen. Un proveedor que solo reporta lo que salió bien está ocultando el material de mejora.
- Un plazo para corregir. Cuando una respuesta incorrecta se detecta, la corrección entra en días, no en la próxima reunión mensual. La guía sobre cómo evaluar una herramienta de IA antes de contratarla desarrolla preguntas del mismo tipo.
Una señal de alarma clara: reportes que solo traen cifras de actividad y ninguna conversación de ejemplo.
Cómo se ve aplicado
Marea Lab opera agentes de WhatsApp en producción y el seguimiento parte siempre de la lectura de conversaciones, no de un panel de totales. Cada respuesta incorrecta se rastrea hasta su causa, y de ahí sale la corrección: un dato que faltaba, una regla de derivación mal puesta, una información que cambió.
El punto donde una herramienta suelta de mensajería no alcanza es justamente ese. Un panel de totales cuenta lo que pasó; no dice si estuvo bien. Medir un agente requiere un circuito que incluya a una persona leyendo, una base de conocimiento que se corrige y un proveedor que reciba los hallazgos y los incorpore.
Limitaciones de esta guía
- Las medidas dependen de una muestra. Con pocas conversaciones por semana, los porcentajes se mueven mucho; conviene leer más que calcular.
- Un agente nuevo necesita tiempo. Las primeras semanas aparecen preguntas que no estaban previstas; evaluarlo antes de ese ajuste es medir una versión incompleta.
- No todo negocio necesita este nivel de seguimiento. Con muy pocas consultas diarias, una lectura quincenal de las conversaciones alcanza. La guía sobre cuándo conviene un agente y cuándo no ayuda a ubicarse.
Revisar el agente con el que ya se cuenta
La auditoría gratis de 30 minutos se agenda por WhatsApp con Mar, la asistente IA de Marea Lab — la misma tecnología de la que habla esta guía es la que atiende ese WhatsApp. En la auditoría se revisan las conversaciones típicas del negocio, se define qué significaría "funcionar" en su caso y se evalúa qué medir primero.
Guías relacionadas: Cómo poner un bot de WhatsApp que atienda un negocio 24/7 · Cómo hacer que un bot de WhatsApp derive a un humano · WhatsApp Business o agente de IA
Qué es: Tiempo de primera respuesta · Tasa de resolución · Derivación a humano · Base de conocimiento · Agente de WhatsApp