Propuesta de un modelo para mejorar la tasa de respuesta y calidad de feedback en encuestas nps mediante inteligencia artificial

Abstract

En la industria aérea, la percepción del pasajero sobre el servicio recibido se ha vuelto un factor clave para la competitividad, especialmente bajo modelos low-cost como el de SKY Airline. Sin embargo, se ha identificado una baja tasa de respuesta y limitada utilidad en las encuestas NPS (Net Promoter Score), lo que dificulta la toma de decisiones basadas en evidencia. Esta memoria propone un modelo para mejorar tanto la tasa de respuesta como la calidad del feedback en encuestas NPS mediante la segmentación del customer journey y el uso de inteligencia artificial (IA). El estudio analiza el customer journey del pasajero, particularmente en momentos pre-vuelo como el lobby, kioscos, counter y embarque, proponiendo la aplicación de encuestas CSAT complementarias en dichos puntos. Además, se compara el análisis manual de comentarios abiertos con el procesamiento mediante IA, destacando mejoras sustanciales en velocidad, cobertura y objetividad. Los resultados evidencian que solo un 4,45% de los pasajeros encuestados respondió la encuesta post-vuelo, demostrando una baja efectividad del modelo actual. La propuesta permite intervenir estratégicamente en momentos críticos con encuestas breves y contextuales, aumentando la probabilidad de respuesta. Asimismo, el uso de IA permite analizar más de 1.000 comentarios en minutos, en contraste con las 40 horas que requiere un analista humano, reduciendo el sesgo y mejorando la generación de reportes. Este trabajo entrega una metodología escalable, replicable por otras aerolíneas, con impacto potencial en la mejora de la experiencia del cliente, optimización operativa y toma de decisiones informadas. Se sugiere su futura implementación en ambientes de prueba para evaluar su efecto directo sobre la fidelización de los pasajeros.

In the airline industry, passenger perception of service quality has become a key factor in competitiveness, especially under low-cost models such as SKY Airline. However, a low response rate and poor feedback quality in Net Promoter Score (NPS) surveys limit evidencebased decision-making. This thesis proposes a model to enhance both response rate and feedback quality in NPS surveys through customer journey segmentation and the integration of artificial intelligence (AI). The study analyzes the passenger journey, particularly pre-flight stages such as the lobby, CUSS, check-in, counters, and boarding, and proposes the implementation of complementary CSAT (Customer Satisfaction Score) surveys at these touchpoints. It also compares manual analysis of open-ended feedback with AI-based processing, revealing significant improvements in speed, coverage, and objectivity. Results show that only 4.45% of surveyed passengers responded to the post-flight survey, highlighting the current model's low effectiveness. The proposed model strategically targets critical moments with short, contextual surveys, increasing the likelihood of response. Additionally, AI can process over 1,000 comments in minutes, compared to 40 hours required by a human analyst, reducing bias and improving reporting capabilities. This work provides a scalable methodology, replicable by other airlines, with potential impact on customer experience improvement, operational efficiency, and informed decisionmaking. Future pilot implementations are recommended to evaluate the direct effect on passenger loyalty.