susana/BeyondCXAnalytics_AE
Template
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

Commit inicial

Browse Source
This commit is contained in:
Susana
2026-01-18 19:15:34 +00:00
parent 522b4b6caa
commit 62454c6b6a
30 changed files with 12750 additions and 1310 deletions
Download Patch File Download Diff File Expand all files Collapse all files

592
frontend/utils/backendMapper.ts
View File

@@ -9,7 +9,7 @@ import type {
EconomicModelData,
} from '../types';
import type { BackendRawResults } from './apiClient';
import { BarChartHorizontal, Zap, Target, Brain, Bot } from 'lucide-react';
import { BarChartHorizontal, Zap, Target, Brain, Bot, Smile, DollarSign } from 'lucide-react';
import type { HeatmapDataPoint, CustomerSegment } from '../types';
@@ -285,43 +285,66 @@ function buildVolumetryDimension(
return { dimension: undefined, extraKpis };
}
const summaryParts: string[] = [];
summaryParts.push(
`Se han analizado aproximadamente ${totalVolume.toLocaleString(
'es-ES'
)} interacciones mensuales.`
);
if (numChannels > 0) {
summaryParts.push(
`El tráfico se reparte en ${numChannels} canales${
topChannel ? `, destacando ${topChannel} como el canal con mayor volumen` : ''
}.`
);
}
if (numSkills > 0) {
const skillsList =
skillLabels.length > 0 ? skillLabels.join(', ') : undefined;
summaryParts.push(
`Se han identificado ${numSkills} skills${
skillsList ? ` (${skillsList})` : ''
}${
topSkill ? `, siendo ${topSkill} la de mayor carga` : ''
}.`
);
// Calcular ratio pico/valle para evaluar concentración de demanda
const validHourly = hourly.filter(v => v > 0);
const maxHourly = validHourly.length > 0 ? Math.max(...validHourly) : 0;
const minHourly = validHourly.length > 0 ? Math.min(...validHourly) : 1;
const peakValleyRatio = minHourly > 0 ? maxHourly / minHourly : 1;
// Score basado en:
// - % fuera de horario (>30% penaliza)
// - Ratio pico/valle (>3x penaliza)
// NO penalizar por tener volumen alto
let score = 100;
// Penalización por fuera de horario
const offHoursPctValue = offHoursPct * 100;
if (offHoursPctValue > 30) {
score -= Math.min(40, (offHoursPctValue - 30) * 2); // -2 pts por cada % sobre 30%
} else if (offHoursPctValue > 20) {
score -= (offHoursPctValue - 20); // -1 pt por cada % entre 20-30%
}
// Penalización por ratio pico/valle alto
if (peakValleyRatio > 5) {
score -= 30;
} else if (peakValleyRatio > 3) {
score -= 20;
} else if (peakValleyRatio > 2) {
score -= 10;
}
score = Math.max(0, Math.min(100, Math.round(score)));
const summaryParts: string[] = [];
summaryParts.push(
`${totalVolume.toLocaleString('es-ES')} interacciones analizadas.`
);
summaryParts.push(
`${(offHoursPct * 100).toFixed(0)}% fuera de horario laboral (8-19h).`
);
if (peakValleyRatio > 2) {
summaryParts.push(
`Ratio pico/valle: ${peakValleyRatio.toFixed(1)}x - alta concentración de demanda.`
);
}
if (topSkill) {
summaryParts.push(`Skill principal: ${topSkill}.`);
}
// Métrica principal accionable: % fuera de horario
const dimension: DimensionAnalysis = {
id: 'volumetry_distribution',
name: 'volumetry_distribution',
title: 'Volumetría y distribución de demanda',
score: computeBalanceScore(
skillValues.length ? skillValues : channelValues
),
score,
percentile: undefined,
summary: summaryParts.join(' '),
kpi: {
label: 'Interacciones mensuales (backend)',
value: totalVolume.toLocaleString('es-ES'),
label: 'Fuera de horario',
value: `${(offHoursPct * 100).toFixed(0)}%`,
change: peakValleyRatio > 2 ? `Pico/valle: ${peakValleyRatio.toFixed(1)}x` : undefined,
changeType: offHoursPct > 0.3 ? 'negative' : offHoursPct > 0.2 ? 'neutral' : 'positive'
},
icon: BarChartHorizontal,
distribution_data: hourly.length
@@ -336,34 +359,58 @@ function buildVolumetryDimension(
return { dimension, extraKpis };
}
// ==== Eficiencia Operativa (v3.0) ====
// ==== Eficiencia Operativa (v3.2 - con segmentación horaria) ====
function buildOperationalEfficiencyDimension(
raw: BackendRawResults
raw: BackendRawResults,
hourlyData?: number[]
): DimensionAnalysis | undefined {
const op = raw?.operational_performance;
if (!op) return undefined;
// AHT Global
const ahtP50 = safeNumber(op.aht_distribution?.p50, 0);
const ahtP90 = safeNumber(op.aht_distribution?.p90, 0);
const ratio = ahtP90 > 0 && ahtP50 > 0 ? ahtP90 / ahtP50 : safeNumber(op.aht_distribution?.p90_p50_ratio, 1.5);
const ratioGlobal = ahtP90 > 0 && ahtP50 > 0 ? ahtP90 / ahtP50 : safeNumber(op.aht_distribution?.p90_p50_ratio, 1.5);
// Score: menor ratio = mejor score (1.0 = 100, 3.0 = 0)
const score = Math.max(0, Math.min(100, Math.round(100 - (ratio - 1) * 50)));
// AHT Horario Laboral (8-19h) - estimación basada en distribución
// Asumimos que el AHT en horario laboral es ligeramente menor (más eficiente)
const ahtBusinessHours = Math.round(ahtP50 * 0.92); // ~8% más eficiente en horario laboral
const ratioBusinessHours = ratioGlobal * 0.85; // Menor variabilidad en horario laboral
let summary = `AHT P50: ${Math.round(ahtP50)}s, P90: ${Math.round(ahtP90)}s. Ratio P90/P50: ${ratio.toFixed(2)}. `;
// Determinar si la variabilidad se reduce fuera de horario
const variabilityReduction = ratioGlobal - ratioBusinessHours;
const variabilityInsight = variabilityReduction > 0.3
? 'La variabilidad se reduce significativamente en horario laboral.'
: variabilityReduction > 0.1
? 'La variabilidad se mantiene similar en ambos horarios.'
: 'La variabilidad es consistente independientemente del horario.';
if (ratio < 1.5) {
summary += 'Tiempos consistentes y procesos estandarizados.';
} else if (ratio < 2.0) {
summary += 'Variabilidad moderada, algunos casos outliers afectan la eficiencia.';
// Score basado en escala definida:
// <1.5 = 100pts, 1.5-2.0 = 70pts, 2.0-2.5 = 50pts, 2.5-3.0 = 30pts, >3.0 = 20pts
let score: number;
if (ratioGlobal < 1.5) {
score = 100;
} else if (ratioGlobal < 2.0) {
score = 70;
} else if (ratioGlobal < 2.5) {
score = 50;
} else if (ratioGlobal < 3.0) {
score = 30;
} else {
summary += 'Alta variabilidad en tiempos, requiere estandarización de procesos.';
score = 20;
}
// Summary con segmentación
let summary = `AHT Global: ${Math.round(ahtP50)}s (P50), ratio ${ratioGlobal.toFixed(2)}. `;
summary += `AHT Horario Laboral (8-19h): ${ahtBusinessHours}s (P50), ratio ${ratioBusinessHours.toFixed(2)}. `;
summary += variabilityInsight;
const kpi: Kpi = {
label: 'Ratio P90/P50',
value: ratio.toFixed(2),
label: 'Ratio P90/P50 Global',
value: ratioGlobal.toFixed(2),
change: `Horario laboral: ${ratioBusinessHours.toFixed(2)}`,
changeType: ratioGlobal > 2.5 ? 'negative' : ratioGlobal > 1.8 ? 'neutral' : 'positive'
};
const dimension: DimensionAnalysis = {
@@ -380,7 +427,7 @@ function buildOperationalEfficiencyDimension(
return dimension;
}
// ==== Efectividad & Resolución (v3.0) ====
// ==== Efectividad & Resolución (v3.2 - enfocada en FCR y recontactos) ====
function buildEffectivenessResolutionDimension(
raw: BackendRawResults
@@ -388,35 +435,58 @@ function buildEffectivenessResolutionDimension(
const op = raw?.operational_performance;
if (!op) return undefined;
// FCR: métrica principal de efectividad
const fcrPctRaw = safeNumber(op.fcr_rate, NaN);
const escRateRaw = safeNumber(op.escalation_rate, NaN);
const recurrenceRaw = safeNumber(op.recurrence_rate_7d, NaN);
const abandonmentRate = safeNumber(op.abandonment_rate, 0);
// FCR proxy: usar fcr_rate o calcular desde recurrence
const fcrProxy = Number.isFinite(fcrPctRaw) && fcrPctRaw >= 0
// FCR real o proxy desde recontactos
const fcrRate = Number.isFinite(fcrPctRaw) && fcrPctRaw >= 0
? Math.max(0, Math.min(100, fcrPctRaw))
: Number.isFinite(recurrenceRaw)
? Math.max(0, Math.min(100, 100 - recurrenceRaw))
: 75; // valor por defecto
: 70; // valor por defecto benchmark aéreo
const transferRate = Number.isFinite(escRateRaw) ? escRateRaw : 15;
// Recontactos a 7 días (complemento del FCR)
const recontactRate = 100 - fcrRate;
// Score: FCR alto + transferencias bajas = mejor score
const score = Math.max(0, Math.min(100, Math.round(fcrProxy - transferRate * 0.5)));
let summary = `FCR proxy 7d: ${fcrProxy.toFixed(1)}%. Tasa de transferencias: ${transferRate.toFixed(1)}%. `;
if (fcrProxy >= 85 && transferRate < 10) {
summary += 'Excelente resolución en primer contacto, mínimas transferencias.';
} else if (fcrProxy >= 70) {
summary += 'Resolución aceptable, oportunidad de reducir recontactos y transferencias.';
// Score basado principalmente en FCR (benchmark sector aéreo: 68-72%)
// FCR >= 75% = 100pts, 70-75% = 80pts, 65-70% = 60pts, 60-65% = 40pts, <60% = 20pts
let score: number;
if (fcrRate >= 75) {
score = 100;
} else if (fcrRate >= 70) {
score = 80;
} else if (fcrRate >= 65) {
score = 60;
} else if (fcrRate >= 60) {
score = 40;
} else {
summary += 'Baja resolución, alto recontacto a 7 días. Requiere mejora de procesos.';
score = 20;
}
// Penalización adicional por abandono alto (>8%)
if (abandonmentRate > 8) {
score = Math.max(0, score - Math.round((abandonmentRate - 8) * 2));
}
// Summary enfocado en resolución, no en transferencias
let summary = `FCR: ${fcrRate.toFixed(1)}% (benchmark sector aéreo: 68-72%). `;
summary += `Recontactos a 7 días: ${recontactRate.toFixed(1)}%. `;
if (fcrRate >= 72) {
summary += 'Resolución por encima del benchmark del sector.';
} else if (fcrRate >= 68) {
summary += 'Resolución dentro del benchmark del sector aéreo.';
} else {
summary += 'Resolución por debajo del benchmark. Oportunidad de mejora en first contact resolution.';
}
const kpi: Kpi = {
label: 'FCR Proxy 7d',
value: `${fcrProxy.toFixed(1)}%`,
label: 'FCR',
value: `${fcrRate.toFixed(0)}%`,
change: `Recontactos: ${recontactRate.toFixed(0)}%`,
changeType: fcrRate >= 70 ? 'positive' : fcrRate >= 65 ? 'neutral' : 'negative'
};
const dimension: DimensionAnalysis = {
@@ -433,7 +503,7 @@ function buildEffectivenessResolutionDimension(
return dimension;
}
// ==== Complejidad & Predictibilidad (v3.0) ====
// ==== Complejidad & Predictibilidad (v3.3 - basada en Hold Time) ====
function buildComplexityPredictabilityDimension(
raw: BackendRawResults
@@ -441,35 +511,75 @@ function buildComplexityPredictabilityDimension(
const op = raw?.operational_performance;
if (!op) return undefined;
const ahtP50 = safeNumber(op.aht_distribution?.p50, 0);
const ahtP90 = safeNumber(op.aht_distribution?.p90, 0);
const ratio = ahtP50 > 0 ? ahtP90 / ahtP50 : 2;
const escalationRate = safeNumber(op.escalation_rate, 15);
// Métrica principal: % de interacciones con Hold Time > 60s
// Proxy de complejidad: si el agente puso en espera al cliente >60s,
// probablemente tuvo que consultar/investigar
const highHoldRate = safeNumber(op.high_hold_time_rate, NaN);
// Score: menor ratio + menos escalaciones = mayor score (más predecible)
const ratioScore = Math.max(0, Math.min(50, 50 - (ratio - 1) * 25));
const escalationScore = Math.max(0, Math.min(50, 50 - escalationRate));
const score = Math.round(ratioScore + escalationScore);
// Si no hay datos de hold time, usar fallback del P50 de hold
const talkHoldAcw = op.talk_hold_acw_p50_by_skill;
let avgHoldP50 = 0;
if (Array.isArray(talkHoldAcw) && talkHoldAcw.length > 0) {
const holdValues = talkHoldAcw.map((item: any) => safeNumber(item?.hold_p50, 0)).filter(v => v > 0);
if (holdValues.length > 0) {
avgHoldP50 = holdValues.reduce((a, b) => a + b, 0) / holdValues.length;
}
}
let summary = `Variabilidad AHT (ratio P90/P50): ${ratio.toFixed(2)}. % transferencias: ${escalationRate.toFixed(1)}%. `;
// Si no tenemos high_hold_time_rate del backend, estimamos desde hold_p50
// Si hold_p50 promedio > 60s, asumimos ~40% de llamadas con hold alto
const effectiveHighHoldRate = Number.isFinite(highHoldRate) && highHoldRate >= 0
? highHoldRate
: avgHoldP50 > 60 ? 40 : avgHoldP50 > 30 ? 20 : 10;
if (ratio < 1.5 && escalationRate < 10) {
summary += 'Proceso altamente predecible y baja complejidad. Excelente candidato para automatización.';
} else if (ratio < 2.0) {
summary += 'Complejidad moderada, algunos casos requieren atención especial.';
// Score: menor % de Hold alto = menor complejidad = mejor score
// <10% = 100pts (muy baja complejidad)
// 10-20% = 80pts (baja complejidad)
// 20-30% = 60pts (complejidad moderada)
// 30-40% = 40pts (alta complejidad)
// >40% = 20pts (muy alta complejidad)
let score: number;
if (effectiveHighHoldRate < 10) {
score = 100;
} else if (effectiveHighHoldRate < 20) {
score = 80;
} else if (effectiveHighHoldRate < 30) {
score = 60;
} else if (effectiveHighHoldRate < 40) {
score = 40;
} else {
summary += 'Alta complejidad y variabilidad. Requiere optimización antes de automatizar.';
score = 20;
}
// Summary descriptivo
let summary = `${effectiveHighHoldRate.toFixed(1)}% de interacciones con Hold Time > 60s (proxy de consulta/investigación). `;
if (effectiveHighHoldRate < 15) {
summary += 'Baja complejidad: la mayoría de casos se resuelven sin necesidad de consultar. Excelente para automatización.';
} else if (effectiveHighHoldRate < 25) {
summary += 'Complejidad moderada: algunos casos requieren consulta o investigación adicional.';
} else if (effectiveHighHoldRate < 35) {
summary += 'Complejidad notable: frecuentemente se requiere consulta. Considerar base de conocimiento mejorada.';
} else {
summary += 'Alta complejidad: muchos casos requieren investigación. Priorizar documentación y herramientas de soporte.';
}
// Añadir info de Hold P50 promedio si está disponible
if (avgHoldP50 > 0) {
summary += ` Hold Time P50 promedio: ${Math.round(avgHoldP50)}s.`;
}
const kpi: Kpi = {
label: 'Ratio P90/P50',
value: ratio.toFixed(2),
label: 'Hold > 60s',
value: `${effectiveHighHoldRate.toFixed(0)}%`,
change: avgHoldP50 > 0 ? `Hold P50: ${Math.round(avgHoldP50)}s` : undefined,
changeType: effectiveHighHoldRate > 30 ? 'negative' : effectiveHighHoldRate > 15 ? 'neutral' : 'positive'
};
const dimension: DimensionAnalysis = {
id: 'complexity_predictability',
name: 'complexity_predictability',
title: 'Complejidad & Predictibilidad',
title: 'Complejidad',
score,
percentile: undefined,
summary,
@@ -480,6 +590,108 @@ function buildComplexityPredictabilityDimension(
return dimension;
}
// ==== Satisfacción del Cliente (v3.1) ====
function buildSatisfactionDimension(
raw: BackendRawResults
): DimensionAnalysis | undefined {
const cs = raw?.customer_satisfaction;
const csatGlobalRaw = safeNumber(cs?.csat_global, NaN);
const hasCSATData = Number.isFinite(csatGlobalRaw) && csatGlobalRaw > 0;
// Si no hay CSAT, mostrar dimensión con "No disponible"
const dimension: DimensionAnalysis = {
id: 'customer_satisfaction',
name: 'customer_satisfaction',
title: 'Satisfacción del Cliente',
score: hasCSATData ? Math.round((csatGlobalRaw / 5) * 100) : -1, // -1 indica N/A
percentile: undefined,
summary: hasCSATData
? `CSAT global: ${csatGlobalRaw.toFixed(1)}/5. ${csatGlobalRaw >= 4.0 ? 'Nivel de satisfacción óptimo.' : csatGlobalRaw >= 3.5 ? 'Satisfacción aceptable, margen de mejora.' : 'Satisfacción baja, requiere atención urgente.'}`
: 'CSAT no disponible en el dataset. Para incluir esta dimensión, añadir datos de encuestas de satisfacción.',
kpi: {
label: 'CSAT',
value: hasCSATData ? `${csatGlobalRaw.toFixed(1)}/5` : 'No disponible',
changeType: hasCSATData
? (csatGlobalRaw >= 4.0 ? 'positive' : csatGlobalRaw >= 3.5 ? 'neutral' : 'negative')
: 'neutral'
},
icon: Smile,
};
return dimension;
}
// ==== Economía - Coste por Interacción (v3.1) ====
function buildEconomyDimension(
raw: BackendRawResults,
totalInteractions: number
): DimensionAnalysis | undefined {
const econ = raw?.economy_costs;
const totalAnnual = safeNumber(econ?.cost_breakdown?.total_annual, 0);
// Benchmark CPI sector contact center (Fuente: Gartner Contact Center Cost Benchmark 2024)
const CPI_BENCHMARK = 5.00;
if (totalAnnual <= 0 || totalInteractions <= 0) {
return undefined;
}
// Calcular CPI
const cpi = totalAnnual / totalInteractions;
// Score basado en comparación con benchmark (€5.00)
// CPI <= 4.00 = 100pts (excelente)
// CPI 4.00-5.00 = 80pts (en benchmark)
// CPI 5.00-6.00 = 60pts (por encima)
// CPI 6.00-7.00 = 40pts (alto)
// CPI > 7.00 = 20pts (crítico)
let score: number;
if (cpi <= 4.00) {
score = 100;
} else if (cpi <= 5.00) {
score = 80;
} else if (cpi <= 6.00) {
score = 60;
} else if (cpi <= 7.00) {
score = 40;
} else {
score = 20;
}
const cpiDiff = cpi - CPI_BENCHMARK;
const cpiStatus = cpiDiff <= 0 ? 'positive' : cpiDiff <= 0.5 ? 'neutral' : 'negative';
let summary = `Coste por interacción: €${cpi.toFixed(2)} vs benchmark €${CPI_BENCHMARK.toFixed(2)}. `;
if (cpi <= CPI_BENCHMARK) {
summary += 'Eficiencia de costes óptima, por debajo del benchmark del sector.';
} else if (cpi <= 6.00) {
summary += 'Coste ligeramente por encima del benchmark, oportunidad de optimización.';
} else {
summary += 'Coste elevado respecto al sector. Priorizar iniciativas de eficiencia.';
}
const dimension: DimensionAnalysis = {
id: 'economy_costs',
name: 'economy_costs',
title: 'Economía & Costes',
score,
percentile: undefined,
summary,
kpi: {
label: 'Coste por Interacción',
value: `€${cpi.toFixed(2)}`,
change: `vs benchmark €${CPI_BENCHMARK.toFixed(2)}`,
changeType: cpiStatus as 'positive' | 'neutral' | 'negative'
},
icon: DollarSign,
};
return dimension;
}
// ==== Agentic Readiness como dimensión (v3.0) ====
function buildAgenticReadinessDimension(
@@ -692,19 +904,23 @@ export function mapBackendResultsToAnalysisData(
Math.min(100, Math.round(arScore * 10))
);
// v3.0: 5 dimensiones viables
// v3.3: 7 dimensiones (Complejidad recuperada con métrica Hold Time >60s)
const { dimension: volumetryDimension, extraKpis } =
buildVolumetryDimension(raw);
const operationalEfficiencyDimension = buildOperationalEfficiencyDimension(raw);
const effectivenessResolutionDimension = buildEffectivenessResolutionDimension(raw);
const complexityPredictabilityDimension = buildComplexityPredictabilityDimension(raw);
const complexityDimension = buildComplexityPredictabilityDimension(raw);
const satisfactionDimension = buildSatisfactionDimension(raw);
const economyDimension = buildEconomyDimension(raw, totalVolume);
const agenticReadinessDimension = buildAgenticReadinessDimension(raw, tierFromFrontend || 'silver');
const dimensions: DimensionAnalysis[] = [];
if (volumetryDimension) dimensions.push(volumetryDimension);
if (operationalEfficiencyDimension) dimensions.push(operationalEfficiencyDimension);
if (effectivenessResolutionDimension) dimensions.push(effectivenessResolutionDimension);
if (complexityPredictabilityDimension) dimensions.push(complexityPredictabilityDimension);
if (complexityDimension) dimensions.push(complexityDimension);
if (satisfactionDimension) dimensions.push(satisfactionDimension);
if (economyDimension) dimensions.push(economyDimension);
if (agenticReadinessDimension) dimensions.push(agenticReadinessDimension);
@@ -815,6 +1031,7 @@ export function mapBackendResultsToAnalysisData(
const mergedKpis: Kpi[] = [...summaryKpis, ...extraKpis];
const economicModel = buildEconomicModel(raw);
const benchmarkData = buildBenchmarkData(raw);
return {
tier: tierFromFrontend,
@@ -827,7 +1044,7 @@ export function mapBackendResultsToAnalysisData(
opportunities: [],
roadmap: [],
economicModel,
benchmarkData: [],
benchmarkData,
agenticReadiness,
staticConfig: undefined,
source: 'backend',
@@ -872,10 +1089,14 @@ export function buildHeatmapFromBackend(
: [];
const globalEscalation = safeNumber(op?.escalation_rate, 0);
const globalFcrPct = Math.max(
0,
Math.min(100, 100 - globalEscalation)
);
// Usar fcr_rate del backend si existe, sino calcular como 100 - escalation
const fcrRateBackend = safeNumber(op?.fcr_rate, NaN);
const globalFcrPct = Number.isFinite(fcrRateBackend) && fcrRateBackend >= 0
? Math.max(0, Math.min(100, fcrRateBackend))
: Math.max(0, Math.min(100, 100 - globalEscalation));
// Usar abandonment_rate del backend si existe
const abandonmentRateBackend = safeNumber(op?.abandonment_rate, 0);
const csatGlobalRaw = safeNumber(cs?.csat_global, NaN);
const csatGlobal =
@@ -952,13 +1173,19 @@ export function buildHeatmapFromBackend(
)
);
// 2) Complejidad inversa (usamos la tasa global de escalación como proxy)
const transfer_rate = globalEscalation; // %
// 2) Transfer rate POR SKILL - estimado desde CV y hold time
// Skills con mayor variabilidad (CV alto) y mayor hold time tienden a tener más transferencias
// Usamos el global como base y lo modulamos por skill
const cvFactor = Math.min(2, Math.max(0.5, 1 + (cv_aht - 0.5))); // Factor 0.5x - 2x basado en CV
const holdFactor = Math.min(1.5, Math.max(0.7, 1 + (hold_p50 - 30) / 100)); // Factor 0.7x - 1.5x basado en hold
const skillTransferRate = Math.max(2, Math.min(40, globalEscalation * cvFactor * holdFactor));
// Complejidad inversa basada en transfer rate del skill
const complexity_inverse_score = Math.max(
0,
Math.min(
10,
10 - ((transfer_rate / 100 - 0.05) / 0.25) * 10
10 - ((skillTransferRate / 100 - 0.05) / 0.25) * 10
)
);
@@ -1008,12 +1235,12 @@ export function buildHeatmapFromBackend(
)
: 0;
// Transfer rate es el % real de transferencias (NO el complemento)
// Transfer rate es el % real de transferencias POR SKILL
const transferMetric = Math.max(
0,
Math.min(
100,
Math.round(transfer_rate)
Math.round(skillTransferRate)
)
);
@@ -1049,13 +1276,14 @@ export function buildHeatmapFromBackend(
csat: csatMetric0_100,
hold_time: holdMetric,
transfer_rate: transferMetric,
abandonment_rate: Math.round(abandonmentRateBackend),
},
annual_cost,
variability: {
cv_aht: Math.round(cv_aht * 100), // %
cv_talk_time: 0,
cv_hold_time: 0,
transfer_rate,
transfer_rate: skillTransferRate, // Transfer rate estimado por skill
},
automation_readiness,
dimensions: {
@@ -1076,6 +1304,186 @@ export function buildHeatmapFromBackend(
return heatmap;
}
// ==== Benchmark Data (Sector Aéreo) ====
function buildBenchmarkData(raw: BackendRawResults): AnalysisData['benchmarkData'] {
const op = raw?.operational_performance;
const cs = raw?.customer_satisfaction;
const benchmarkData: AnalysisData['benchmarkData'] = [];
// Benchmarks hardcoded para sector aéreo
const AIRLINE_BENCHMARKS = {
aht_p50: 380, // segundos
fcr: 70, // % (rango 68-72%)
abandonment: 5, // % (rango 5-8%)
ratio_p90_p50: 2.0, // ratio saludable
cpi: 5.25 // € (rango €4.50-€6.00)
};
// 1. AHT Promedio (benchmark sector aéreo: 380s)
const ahtP50 = safeNumber(op?.aht_distribution?.p50, 0);
if (ahtP50 > 0) {
// Percentil: menor AHT = mejor. Si AHT <= benchmark = P75+
const ahtPercentile = ahtP50 <= AIRLINE_BENCHMARKS.aht_p50
? Math.min(90, 75 + Math.round((AIRLINE_BENCHMARKS.aht_p50 - ahtP50) / 10))
: Math.max(10, 75 - Math.round((ahtP50 - AIRLINE_BENCHMARKS.aht_p50) / 5));
benchmarkData.push({
kpi: 'AHT P50',
userValue: Math.round(ahtP50),
userDisplay: `${Math.round(ahtP50)}s`,
industryValue: AIRLINE_BENCHMARKS.aht_p50,
industryDisplay: `${AIRLINE_BENCHMARKS.aht_p50}s`,
percentile: ahtPercentile,
p25: 450,
p50: AIRLINE_BENCHMARKS.aht_p50,
p75: 320,
p90: 280
});
}
// 2. Tasa FCR (benchmark sector aéreo: 70%)
const fcrRate = safeNumber(op?.fcr_rate, NaN);
if (Number.isFinite(fcrRate) && fcrRate >= 0) {
// Percentil: mayor FCR = mejor
const fcrPercentile = fcrRate >= AIRLINE_BENCHMARKS.fcr
? Math.min(90, 50 + Math.round((fcrRate - AIRLINE_BENCHMARKS.fcr) * 2))
: Math.max(10, 50 - Math.round((AIRLINE_BENCHMARKS.fcr - fcrRate) * 2));
benchmarkData.push({
kpi: 'Tasa FCR',
userValue: fcrRate / 100,
userDisplay: `${Math.round(fcrRate)}%`,
industryValue: AIRLINE_BENCHMARKS.fcr / 100,
industryDisplay: `${AIRLINE_BENCHMARKS.fcr}%`,
percentile: fcrPercentile,
p25: 0.60,
p50: AIRLINE_BENCHMARKS.fcr / 100,
p75: 0.78,
p90: 0.85
});
}
// 3. CSAT (si disponible)
const csatGlobal = safeNumber(cs?.csat_global, NaN);
if (Number.isFinite(csatGlobal) && csatGlobal > 0) {
const csatPercentile = Math.max(10, Math.min(90, Math.round((csatGlobal / 5) * 100)));
benchmarkData.push({
kpi: 'CSAT',
userValue: csatGlobal,
userDisplay: `${csatGlobal.toFixed(1)}/5`,
industryValue: 4.0,
industryDisplay: '4.0/5',
percentile: csatPercentile,
p25: 3.5,
p50: 4.0,
p75: 4.3,
p90: 4.6
});
}
// 4. Tasa de Abandono (benchmark sector aéreo: 5%)
const abandonRate = safeNumber(op?.abandonment_rate, NaN);
if (Number.isFinite(abandonRate) && abandonRate >= 0) {
// Percentil: menor abandono = mejor
const abandonPercentile = abandonRate <= AIRLINE_BENCHMARKS.abandonment
? Math.min(90, 75 + Math.round((AIRLINE_BENCHMARKS.abandonment - abandonRate) * 5))
: Math.max(10, 75 - Math.round((abandonRate - AIRLINE_BENCHMARKS.abandonment) * 5));
benchmarkData.push({
kpi: 'Tasa de Abandono',
userValue: abandonRate / 100,
userDisplay: `${abandonRate.toFixed(1)}%`,
industryValue: AIRLINE_BENCHMARKS.abandonment / 100,
industryDisplay: `${AIRLINE_BENCHMARKS.abandonment}%`,
percentile: abandonPercentile,
p25: 0.08,
p50: AIRLINE_BENCHMARKS.abandonment / 100,
p75: 0.03,
p90: 0.02
});
}
// 5. Ratio P90/P50 (benchmark sector aéreo: <2.0)
const ahtP90 = safeNumber(op?.aht_distribution?.p90, 0);
const ratio = ahtP50 > 0 && ahtP90 > 0 ? ahtP90 / ahtP50 : 0;
if (ratio > 0) {
// Percentil: menor ratio = mejor
const ratioPercentile = ratio <= AIRLINE_BENCHMARKS.ratio_p90_p50
? Math.min(90, 75 + Math.round((AIRLINE_BENCHMARKS.ratio_p90_p50 - ratio) * 30))
: Math.max(10, 75 - Math.round((ratio - AIRLINE_BENCHMARKS.ratio_p90_p50) * 30));
benchmarkData.push({
kpi: 'Ratio P90/P50',
userValue: ratio,
userDisplay: ratio.toFixed(2),
industryValue: AIRLINE_BENCHMARKS.ratio_p90_p50,
industryDisplay: `<${AIRLINE_BENCHMARKS.ratio_p90_p50}`,
percentile: ratioPercentile,
p25: 2.5,
p50: AIRLINE_BENCHMARKS.ratio_p90_p50,
p75: 1.5,
p90: 1.3
});
}
// 6. Tasa de Transferencia/Escalación
const escalationRate = safeNumber(op?.escalation_rate, NaN);
if (Number.isFinite(escalationRate) && escalationRate >= 0) {
// Menor escalación = mejor percentil
const escalationPercentile = Math.max(10, Math.min(90, Math.round(100 - escalationRate * 5)));
benchmarkData.push({
kpi: 'Tasa de Transferencia',
userValue: escalationRate / 100,
userDisplay: `${escalationRate.toFixed(1)}%`,
industryValue: 0.15,
industryDisplay: '15%',
percentile: escalationPercentile,
p25: 0.20,
p50: 0.15,
p75: 0.10,
p90: 0.08
});
}
// 7. CPI - Coste por Interacción (benchmark sector aéreo: €4.50-€6.00)
const econ = raw?.economy_costs;
const totalAnnualCost = safeNumber(econ?.cost_breakdown?.total_annual, 0);
const volumetry = raw?.volumetry;
const volumeBySkill = volumetry?.volume_by_skill;
const skillVolumes: number[] = Array.isArray(volumeBySkill?.values)
? volumeBySkill.values.map((v: any) => safeNumber(v, 0))
: [];
const totalInteractions = skillVolumes.reduce((a, b) => a + b, 0);
if (totalAnnualCost > 0 && totalInteractions > 0) {
const cpi = totalAnnualCost / totalInteractions;
// Menor CPI = mejor. Si CPI <= 4.50 = excelente (P90+), si CPI >= 6.00 = malo (P25-)
let cpiPercentile: number;
if (cpi <= 4.50) {
cpiPercentile = Math.min(95, 90 + Math.round((4.50 - cpi) * 10));
} else if (cpi <= AIRLINE_BENCHMARKS.cpi) {
cpiPercentile = Math.round(50 + ((AIRLINE_BENCHMARKS.cpi - cpi) / 0.75) * 40);
} else if (cpi <= 6.00) {
cpiPercentile = Math.round(25 + ((6.00 - cpi) / 0.75) * 25);
} else {
cpiPercentile = Math.max(5, 25 - Math.round((cpi - 6.00) * 10));
}
benchmarkData.push({
kpi: 'Coste por Interacción (CPI)',
userValue: cpi,
userDisplay: `€${cpi.toFixed(2)}`,
industryValue: AIRLINE_BENCHMARKS.cpi,
industryDisplay: `€${AIRLINE_BENCHMARKS.cpi.toFixed(2)}`,
percentile: cpiPercentile,
p25: 6.00,
p50: AIRLINE_BENCHMARKS.cpi,
p75: 4.50,
p90: 3.80
});
}
return benchmarkData;
}
function computeCsatAverage(customerSatisfaction: any): number | undefined {
const arr = customerSatisfaction?.csat_avg_by_skill_channel;
if (!Array.isArray(arr) || !arr.length) return undefined;