Última actualización: 15 de septiembre de 2026
El Customer Satisfaction Score (CSAT) es la métrica que casi todos los equipos de soporte reportan y casi nadie gestiona bien. Aparece en el dashboard y después sube o baja sin que nadie sepa por qué. Esta guía explica cómo se calcula el CSAT, qué es un buen puntaje en tu industria, por qué se mueve y cómo los equipos de soporte que usan IA lo mejoran sin sumar personal.
El CSAT mide qué tan satisfecho quedó un cliente con una interacción, compra o punto de contacto específico. Es transaccional: preguntas justo después de que se cierra un ticket, llega un pedido o termina una llamada de onboarding. La pregunta suele ser una variante de "¿Qué tan satisfecho quedaste con tu experiencia de hoy?" en una escala de 1 a 5.
El cálculo más común, como lo describe la guía de CSAT de Retently, toma la cantidad de respuestas "satisfecho" y "muy satisfecho" (4 y 5), la divide por el total de respuestas y la multiplica por 100:
CSAT (%) = (Respuestas Satisfecho + Muy satisfecho ÷ Total de respuestas) × 100
Si responden 20 clientes y 10 eligen 4 o 5, tu CSAT es 50%. El método porcentual es el que usan la mayoría de los benchmarks, así que mantenlo si quieres compararte.
El CSAT funciona porque es corto e inmediato. Envíalo minutos después de resolver el ticket, no en un resumen semanal. Retently cita una investigación de SurveyMonkey según la cual una persona dedica unos 75 segundos a una encuesta de una sola pregunta; cada pregunta extra que agregas reduce la probabilidad de que la termine. Una pregunta, una escala y un comentario opcional.
La respuesta honesta es "depende de con quién compites". Los datos de benchmark 2026 de Retently ubican cualquier valor por encima de 70% en la zona "buena" y por encima de 90% en territorio "excelente", pero la dispersión entre industrias es enorme:
| Industria | CSAT promedio (2026) | Qué es "bueno" |
|---|---|---|
| Consultoría | 83 | 85+ |
| Servicios financieros | 81 | 83+ |
| Ecommerce y retail | 77 | 80+ |
| Software B2B y SaaS | Cerca de 80 | 80+ |
| Educación | 68 | 72+ |
| Salud | 57 | 65+ |
Fuente: Retently CSAT Benchmarks 2026. La columna "bueno" es un objetivo práctico de algunos puntos por encima del promedio de la industria, no un umbral publicado.
Si miras el panorama completo, el cuadro es preocupante. El American Customer Satisfaction Index del primer trimestre de 2026 quedó en 76,7 sobre 100, prácticamente el mismo nivel que en 2013, a pesar de que ACSI estima que se gastan más de 100.000 millones de dólares al año en iniciativas de CX. El mismo informe señala que las quejas de clientes aumentaron 16% en el trimestre. La satisfacción se estanca porque la mayoría de los programas de CSAT miden sin actuar.
Idea clave: un "buen" CSAT está unos puntos por encima del promedio de tu industria y va en alza. Un 82% plano en consultoría es una señal de alerta; un 70% en ascenso en salud es una historia de éxito. Compárate con tus pares y luego con tu trimestre anterior.
Estas tres métricas suelen mezclarse, pero responden preguntas distintas y necesitas más de una.
Transaccional e inmediata. Ideal para diagnosticar canales, agentes y tipos de ticket individuales. Débil para predecir lealtad a largo plazo, porque un cliente puede quedar satisfecho con un reembolso y aun así irse.
Relacional y periódica. El Net Promoter Score te dice cómo evoluciona la relación en general, normalmente medido cada trimestre. Es la métrica que le importa al directorio, pero es demasiado lenta y amplia para decirle a un líder de soporte qué arreglar esta semana.
El Customer Effort Score mide la fricción. Es la mejor alerta temprana de churn de las tres, porque los clientes que tuvieron que repetir su problema, ser transferidos o esperar una devolución de llamada rara vez se quedan, incluso cuando el problema al final se resolvió.
Una combinación práctica: CSAT después de cada interacción resuelta, CES en los pocos recorridos donde el esfuerzo es el problema conocido (onboarding, disputas de facturación, devoluciones) y NPS una vez por trimestre. Si solo puedes medir una, mide CSAT, porque es la única que produce una señal diaria sobre la que puedes actuar.
La mayoría de las caídas de CSAT tienen cuatro causas, y solo una de ellas es "el agente fue descortés".
Los clientes evalúan la interacción desde el momento en que escriben, no desde que un agente responde. Una cola larga envenena la encuesta antes de que alguien diga una palabra, y por eso el tiempo de primera respuesta suele ser la primera métrica a corregir cuando el CSAT baja.
Los contactos repetidos son el asesino silencioso del CSAT. El cliente puede calificar al último agente con un 5, pero califica la experiencia con un 2. Mejorar la resolución en el primer contacto suele elevar el CSAT más que cualquier programa de coaching.
Obligar a un cliente de WhatsApp a pasar al correo, o a un cliente telefónico a llenar un formulario web, agrega esfuerzo en el peor momento posible. El CSAT por canal es uno de los cortes más útiles que puedes construir.
Aquí viene la parte incómoda. El compilado de estadísticas 2026 de Zendesk cita una investigación de Coveo según la cual el 56% de los consumidores rara vez se queja de una mala experiencia; simplemente se cambia a un competidor. Esos clientes nunca completan tu encuesta. Un CSAT estable puede convivir con un churn en aumento, porque las personas más insatisfechas ya salieron de la muestra. Sigue la tasa de respuesta junto con el puntaje y trata una tasa de respuesta en caída como una señal de alarma en sí misma.
El mismo compilado de Zendesk reporta que el 73% de los consumidores se cambiará a un competidor después de varias malas experiencias, más de la mitad lo hará después de una sola, y tres de cada cuatro dicen gastar más en empresas que ofrecen una buena experiencia.
La victoria más barata en CSAT es eliminar la espera. Un agente de IA que atiende cada conversación de WhatsApp, chat web y correo en segundos, resuelve las rutinarias de punta a punta y deriva el resto a un humano con todo el contexto cambia el tono de la interacción completa. Los clientes están listos: los datos de Zendesk muestran que el 51% de los consumidores prefiere un bot a un humano cuando quiere servicio inmediato, y casi ocho de cada diez dicen que los bots de IA son útiles para problemas simples.
Un 1 o un 2 no es un dato; es un cliente pidiendo que lo rescaten. Deriva automáticamente cada respuesta de detractor a un responsable humano, con la transcripción adjunta, y mide cuántos son contactados en un día. Los equipos que lo hacen de forma consistente ven que la segunda calificación del cliente queda muy por encima de la primera.
Lee el campo de comentarios. Etiquétalo por causa raíz (confusión en la factura, demora en la entrega, funcionalidad faltante, tono del agente). Casi siempre tres causas explican la mayoría de los puntajes bajos. Arréglalas, vuelve a medir, repite. Es la misma disciplina que hay detrás de un buen análisis de voz del cliente, aplicada a una sola métrica.
Los agentes no pueden controlar si un cliente está enojado por una política. Sí pueden controlar si lo reconocieron, fijaron expectativas y dieron seguimiento. Entrena esos comportamientos y el CSAT los sigue. Entrena sobre el puntaje en bruto y tendrás agentes rogando por un 5, lo que infla el número mientras destruye su utilidad.
Los CSAT más altos vienen de interacciones que el cliente nunca tuvo que iniciar. Las notificaciones de demora en un pedido, los recordatorios de renovación y los mensajes de "vimos que te trabaste, así se resuelve" cuentan como momentos de satisfacción. El soporte proactivo convierte volumen de quejas en buena voluntad.
Ejemplo: un retailer latinoamericano que atiende por WhatsApp tenía un CSAT en torno a 70, con la mayoría de los comentarios de detractores sobre "esperar una respuesta". Tras implementar un agente de IA para resolver al instante estado de pedidos, devoluciones y horarios de tienda, el equipo humano se concentró en los casos que requerían criterio. El puntaje subió porque la espera desapareció y los casos difíciles recibieron más atención.
La IA toca el CSAT en tres lugares. Primero, en la primera línea: un agente de IA elimina la espera y resuelve las solicitudes rutinarias las 24 horas, lo que ataca la causa más frecuente de puntajes bajos. Segundo, en el análisis: la IA lee cada comentario, etiqueta causas raíz y destaca los tres problemas que vale la pena resolver esta semana. Tercero, en la recuperación: deriva a los detractores a la persona correcta al instante, redacta el seguimiento y controla si el ciclo se cerró.
Para eso exactamente está diseñada Eva, la agente de experiencia de cliente de Darwin AI: responde por WhatsApp, correo y chat web en segundos, resuelve las consultas rutinarias de punta a punta, escala con todo el contexto cuando hace falta un humano y ejecuta la encuesta de CSAT y el seguimiento de forma automática. El equipo deja de apagar incendios en la cola y empieza a gestionar la satisfacción.
Lo que la IA no hace es arreglar una mala política, un producto roto o una factura confusa. Hace que esos problemas sean visibles más rápido; que el CSAT suba depende de que alguien actúe sobre lo que dijeron los clientes.
Responde a cada cliente en segundos y mira cómo sube el CSAT
Eva resuelve las conversaciones de soporte rutinarias por WhatsApp, correo y chat, ejecuta tu encuesta de CSAT y deriva a cada detractor a un humano, automáticamente.
Conoce a EvaSegún los benchmarks 2026 de Retently, por encima de 70% se considera bueno y por encima de 90% excelente, pero los promedios por industria van desde cerca de 57 en salud hasta 81 y 83 en servicios financieros y consultoría. Compárate con tu propio sector y con tu propia tendencia.
El CSAT mide la satisfacción con una interacción específica y se pregunta inmediatamente después. El NPS mide la relación general y la probabilidad de recomendar, y suele medirse cada trimestre. La mayoría de los equipos necesita ambos: CSAT para arreglar los problemas de esta semana, NPS para seguir la relación.
Después de cada interacción resuelta, en cuestión de minutos. Limítala a una pregunta y un comentario opcional. Las encuestas largas reducen la tasa de finalización; Retently cita datos de SurveyMonkey según los cuales las personas dedican unos 75 segundos a una encuesta de una pregunta y cada vez menos por pregunta a medida que la encuesta crece.
Sí, principalmente al eliminar el tiempo de espera y los contactos repetidos, que son los dos mayores causantes de puntajes bajos. La investigación de Zendesk muestra que el 51% de los consumidores prefiere un bot cuando quiere servicio inmediato, y casi ocho de cada diez dicen que los bots de IA son útiles para problemas simples. La IA también acelera el análisis de comentarios y el seguimiento de detractores.
Sesgo de supervivencia. La investigación de Coveo citada por Zendesk indica que el 56% de los consumidores rara vez se queja de una mala experiencia y simplemente se cambia. Esos clientes nunca responden tu encuesta, así que el puntaje queda plano mientras la base se achica. Mide la tasa de respuesta y el churn junto al CSAT.