Kustomer AI análisis de sentimiento: cómo funcionan los puntajes y qué automatizar

Kira
Escrito por

Kira

Katelin Teen
Revisado por

Katelin Teen

Última edición 21 de noviembre de 2026

Verificado por expertos
Ilustración dibujada a mano de un agente de soporte con auriculares frente a un portátil, iconos de chat, correo y teléfono alimentando un panel con una lista de clientes y un robot sobre un diagrama de flujo de decisiones, un cliente sonriendo al teléfono, y el logo de Kustomer en la esquina
TL;DR

Kustomer puntúa el sentimiento de cada mensaje de texto entrante de -1 (insatisfecho) a +1 (satisfecho) una vez instalada la app Intelligence, y su página de precios incluye Sentiment Tracking en Enterprise y Ultimate. Eso lo convierte en una señal incluida y siempre activa para detectar a un cliente molesto en la cola. El problema es el número a nivel de conversación: la propia documentación de Kustomer lo describe una vez como un promedio de todos los puntajes de mensaje y en otro lugar como el puntaje del último mensaje entrante, y ambos pueden apuntar en direcciones opuestas. Si quieres escalar cuando un cliente se va enojando más, construye un Conversation Intelligence Score que juzgue si el sentimiento empeoró, a 0,02 $ por ejecución.

En Zendesk, Freshdesk, Gorgias o Help Scout, un AI helpdesk agent como eesel lee todo el hilo antes de etiquetar o enrutar, así que «enojado y cada vez más enojado» es una instrucción, no un puntaje que ajustar; no tiene integración con Kustomer. Con el eesel CLI, un agente de IA para código puede subir tu política de escalamiento y correr preguntas de prueba contra tickets pasados antes de que nada salga en vivo, aunque conectar el helpdesk todavía necesita la aprobación de un administrador.

¿Qué es Kustomer AI análisis de sentimiento?

Es el análisis de sentimiento que Kustomer aplica sobre los mensajes de los clientes, para que agentes y gerentes vean quién está frustrado sin leer cada hilo. Yo construyo funciones y agentes de IA en eesel, así que lo leo como leería el nuestro: qué lo dispara, qué modelo llama, dónde se guarda el número, y qué puedes construir encima. En Kustomer hay tres capas, y es fácil confundirlas.

  • Sentimiento de mensaje integrado. Según la guía de sentimiento de detección de idioma de Kustomer, un workflow de sistema llamado detect-language-at-message-creation puntúa cada mensaje entrante nuevo y le asigna una clasificación como positivo, neutral o negativo. Es parte de la plataforma, no un añadido, igual que el análisis de sentimiento de Zendesk. Gorgias hace lo mismo con la detección de sentimiento.
  • Conversation Intelligence. Atributos de IA que tú mismo defines: un Classifier, un Score o un Extractor que lee la conversación y guarda el resultado como un campo. Aquí vive una señal a medida como «¿se está enojando más este cliente?». Se cobra por ejecución.
  • AI QA. Scorecards que califican cómo se manejó una conversación, a 0,05 $ por ejecución. Juzga a tu equipo, no el estado de ánimo del cliente, así que lo dejo fuera más abajo salvo donde se superpone; AI support quality assurance cubre esa tarea.

El resto de Kustomer AI, como Concierge y las herramientas de Envoy detrás de los resúmenes de conversación, va aparte de estas tres.

¿Cómo calcula Kustomer el sentimiento?

Kustomer puntúa un mensaje a la vez, y solo los mensajes entrantes del cliente. La guía enumera dos condiciones: el mensaje no está importado, y contiene texto. Así que las conversaciones que migraste desde un helpdesk antiguo no llevan sentimiento, y un mensaje entrante que es solo una imagen o un adjunto no se puntúa.

El pipeline de procesamiento de lenguaje natural de Kustomer ha cambiado con el tiempo. El artículo Sentiment scores de Kustomer de 2024 dice que llamaba a Amazon Comprehend en cada creación de mensaje. El artículo automatic language detection de junio de 2026 dice «el análisis de sentimiento se realiza usando modelos de lenguaje grandes y modernos alojados en AWS Bedrock», manteniendo Comprehend como respaldo cuando el servicio principal no está disponible. Ese mismo artículo describe el workflow por defecto como la detección de «el sentimiento de un mensaje de correo entrante», mientras que la guía dice que corre sobre todos los mensajes entrantes con texto, así que prueba también un mensaje de chat si el chat es tu canal principal.

Cada mensaje puntuado guarda dos números, según la referencia de atributos de mensaje de Kustomer:

CampoRangoQué significa
Sentiment Polarity (sentiment.polarity)-1 a +1-1 es insatisfecho y negativo, +1 es satisfecho y positivo
Sentiment Confidence (sentiment.confidence)0 a 100Qué tan seguro está el modelo de esa calificación

En la vista del agente, la guía dice que los puntajes «representan la confianza del modelo en el tono detectado del mensaje» y se muestran como porcentajes. Un gerente que hace una búsqueda de clientes obtiene una tarjeta de Sentiment Insights con el promedio:

Panel de Insights de Kustomer con una tarjeta Status Summary que muestra 3 need help, 5 snoozed y 21 done, y una tarjeta Sentiment Insights con un gráfico de anillo en 22 % etiquetado Average Sentiment, Mildly Happy
Un promedio sobre una búsqueda, del artículo Sentiment scores de Kustomer. Bueno para tendencias, tosco para una sola conversación.

¿El sentimiento de una conversación en Kustomer es un promedio o el último mensaje?

Esta es la parte que yo revisaría antes de construir nada sobre ella, porque la documentación de Kustomer da dos respuestas. El artículo Sentiment scores dice «los valores de sentimiento de conversación y de cliente son promedios de todos los puntajes de mensaje asociados a la conversación o al cliente». La referencia de atributos de conversación describe la Sentiment Polarity de la conversación como el sentimiento «del último mensaje entrante del cliente asociado a esta conversación», y la referencia de atributos de cliente dice que el sentimiento del cliente es el del último mensaje entrante, con campos separados para la última conversación.

Ambas lecturas son útiles. Simplemente responden preguntas distintas, y en un hilo corto pueden estar en total desacuerdo:

Ejemplo dibujado a mano de tres mensajes de cliente puntuados en -0,6 para Where is my order, -0,9 para Still nothing. This is ridiculous, y +0,8 para Got it, thanks so much, dando un promedio de todos los mensajes de -0,23 con una cara triste y un puntaje del último mensaje de +0,8 con una cara sonriente
Los mismos tres mensajes, veredictos opuestos. Sepa cuál lee su reporte.

Un promedio es el número correcto para una tendencia mensual: «¿estuvieron más insatisfechos en noviembre los clientes que escribieron sobre envíos?». El último mensaje es el número correcto para la cola: «¿esta persona está molesta en este momento?». Ninguno te dice la dirección, que es lo que suele necesitar la escalación. Sentiment analysis on tickets profundiza en qué tan confiable es cada tipo.

Elige una forma de conversación (puntajes de ejemplo). Una alerta se dispara por debajo de -0,5.
«¿Dónde está mi pedido?»-0,6«Sigue sin llegar. Esto es ridículo.»-0,9«Listo, muchas gracias!»+0,8
Promedio de todos los mensajes-0,23Sin alertaÚltimo mensaje entrante+0,8Sin alerta
Ambos se quedan en silencio, lo cual es correcto: el problema está resuelto. Pero el promedio sigue leyendo a este cliente satisfecho como levemente negativo en tu reporte mensual.
«Hola, una pregunta rápida sobre tallas.»+0,4«Vale, pediré la mediana.»+0,3«Llegó roto. Tercera vez. Quiero un reembolso ahora.»-0,9
Promedio de todos los mensajes-0,07Sin alertaÚltimo mensaje entrante-0,9Alerta
Este es el que hay que atrapar. Una alerta basada en el promedio lo pierde, porque dos mensajes amigables diluyen el enojado. El puntaje del último mensaje lo atrapa.
«Mi reembolso sigue sin llegar.»-0,7«Dijeron 5 días. Han pasado 12.»-0,8«Por favor solo díganme cuándo.»-0,6
Promedio de todos los mensajes-0,7AlertaÚltimo mensaje entrante-0,6Alerta
Ambas se disparan. Ninguna dice que el cliente se calmó un poco, algo que un Score que juzga la dirección sí haría.

Cambia entre las tres conversaciones para ver cuándo un promedio y un puntaje del último mensaje no coinciden.

Cómo activar el análisis de sentimiento en Kustomer

Un administrador hace esto una vez, y la puntuación empieza en los mensajes nuevos desde ese momento.

  1. Instalar la app Intelligence. Desde la navegación izquierda haz clic en Apps, busca Intelligence, ábrela y haz clic en Install.
  2. Activar la detección. Desde la navegación izquierda, dentro de cualquier página de Apps, haz clic en Intelligence y marca Detect language automatically. La guía dice que, con la app instalada, debes activar así la detección de idioma y el análisis de sentimiento; no lista un interruptor de sentimiento separado.
  3. Comprobarlo en una conversación real. Abre una conversación entrante nueva y busca la tarjeta de sentiment insight en el panel Insights. Prueba un correo y un chat, dado que el artículo de junio solo habla de correo.
  4. Poner el sentimiento donde mira tu equipo. Los agentes ven la tarjeta en el panel Insights de la conversación. Para los gerentes, Kustomer lista Segmentation by Sentiment en los reportes de Enterprise y Ultimate, y la tarjeta Sentiment Insights aparece en las búsquedas de clientes.
  5. Decidir qué número usa tu reporte. Abre tres conversaciones cuyos mensajes cambien de tono y compara el sentimiento de la conversación con el de cada mensaje. Lo que veas ahí es cómo se comporta tu instancia, sea lo que sea lo que diga la documentación.

Un efecto secundario que conviene conocer: el mismo workflow vuelve a detectar el idioma de la conversación en cada mensaje entrante, lo que puede cambiar qué fragmentos de idioma y qué encuesta de satisfacción se usan. Una opción que da Kustomer es duplicar el workflow del sistema (el original no se puede editar), añadir una condición y desactivar el original. Si haces eso, conserva el paso de sentimiento en tu copia. Kustomer conversation translation cubre el lado del idioma de ese workflow.

Cómo escalar por sentimiento con Conversation Intelligence

Para una señal sobre la que actuar, yo construiría un atributo de Conversation Intelligence en lugar de apoyarme en el número promediado. El propio ejemplo de Kustomer para un atributo Score, en Using AI attributes, incluye un criterio llamado Customer sentiment: «¿Mejoró, se mantuvo neutral o empeoró el sentimiento del cliente durante la interacción?». Esa es la pregunta de dirección que el puntaje integrado no puede responder.

El artículo de ayuda de Kustomer Using AI attributes, Conversation Intelligence, que lista los tres tipos de atributo Classifier, Score y Extractor y los pasos para añadir uno desde la página de Kustomer AI
Tres tipos de atributo, como se muestra en el artículo Using AI attributes de Kustomer. Un Score es el que puede juzgar la dirección.
  1. Desde la página Kustomer AI, haz clic en AI Attributes, luego en Add AI Attribute.
  2. Elige el tipo. Un Score devuelve de 0 a 100 a partir de criterios ponderados, con una justificación. Un Classifier coloca la conversación en una de tus etiquetas, por ejemplo «Tranquilo», «Frustrado» o «Amenaza con cancelar».
  3. Escribe las instrucciones y los criterios. Da a cada criterio un nombre, una descripción, un peso y categorías de calificación. Para escalar, pondera la dirección del sentimiento y «pidió un gerente o un reembolso» por encima del tono.
  4. Elige cuándo se ejecuta. Un atributo puede tener hasta 3 disparadores, y cada disparador crea una ejecución, así que elige un momento que importe en vez de cada evento.
  5. Guárdalo, activalo, y luego añade un workflow que actúe sobre el resultado, como ticket routing a una cola senior. La visión general de Conversation Intelligence de Kustomer da como ejemplos «disparar un workflow cuando un puntaje de calidad de interacción cae por debajo de cierto umbral» y enrutar una «solicitud de cancelación» a un equipo de retención.

Dos cosas que planificar. Algunas propiedades que determinan cómo guarda su salida un atributo no se pueden cambiar después de crearlo, así que decide entre Score y Classifier antes de construir reportes sobre él. Y Kustomer deja claro que un puntaje de satisfacción inferido por IA es «un proxy de la satisfacción del cliente, en lugar de una calificación enviada por el cliente», así que mantén tu encuesta real de CSAT corriendo en paralelo. AI escalation cubre cómo se ve una buena entrega una vez que algo se dispara.

¿Cuánto cuesta el análisis de sentimiento de Kustomer?

El sentimiento integrado está incluido; el tipo a medida se mide y se cobra. La página de pricing details de Kustomer (actualizada por última vez el 12 de octubre de 2026) no publica precios de plan, que son «Talk to Sales», pero sí lista lo que incluye cada plan y las tarifas de uso:

QuéEnterpriseUltimateLegacy Professional / Business
Sentiment TrackingIncluidoIncluidoIncluido
Segmentation by SentimentIncluidoIncluidoNo incluido
Automatic Language DetectionIncluidoIncluidoSolo Business
Conversation Intelligence0,02 $ por ejecución0,02 $ por ejecuciónNo listado
AI QA0,05 $ por ejecución0,05 $ por ejecuciónNo listado

La página de precios también lista AI Attributes como disponible con cargo adicional, y permite pagar las ejecuciones con Kustomer Usage Credits (50 ejecuciones de Conversation Intelligence por crédito).

Para un equipo con 8.000 conversaciones al mes y un Score de sentimiento cuyo disparador se activa una vez por conversación, eso son 8.000 x 0,02 $ = 160 $ al mes. Tres disparadores que se activan una vez cada uno lo llevan a 480 $, y un disparador que se activa en cada mensaje del cliente multiplica la factura por tus mensajes por conversación. Añade una scorecard de AI QA en cada conversación y eso es otros 8.000 x 0,05 $ = 400 $. Escala con el volumen, así que define el disparador de forma estrecha. Kustomer pricing cubre el lado de la plataforma.

¿Dónde se queda corto el sentimiento de Kustomer?

La función hace lo que dice su documentación. Las carencias están en lo que ese número puede y no puede cargar.

  • El historial importado no tiene sentimiento. Los mensajes traídos de un helpdesk antiguo no se puntúan, así que los reportes de tendencia empiezan el día en que activaste la app Intelligence.
  • Un número por mensaje. Un mensaje que dice «el producto es genial pero su mensajería es un desastre» recibe una sola polaridad. Si necesitas saber de qué estaba insatisfecho el cliente, eso es trabajo para un Classifier o un Extractor, la misma división en la que cae el análisis de sentimiento de Freshdesk.
  • El número de conversación es ambiguo. Como se vio antes, dos documentos lo describen de dos maneras, y un promedio esconde un giro tardío a peor.
  • Los mensajes salientes no se puntúan. Lee a los clientes, no a los agentes. El tono de tus respuestas es trabajo de AI QA.
  • No dice por qué. El puntaje integrado es una polaridad y una confianza. Un Conversation Intelligence Score añade una justificación, que vale los 0,02 $ cuando un agente necesita confiar en la alerta.

El servidor MCP de Kustomer devuelve el sentimiento junto con los detalles de una conversación, así que una herramienta de IA externa también puede leerlo. Eso ayuda si tu equipo ya le pregunta a un asistente sobre escalaciones, aunque sigue siendo el mismo número.

¿Dónde entra eesel?

eesel encaja con un equipo que está considerando dejar Kustomer, o con uno que opera un segundo helpdesk junto a él. eesel es un AI teammate que se une a las herramientas que un equipo ya usa; en soporte trabaja dentro de la cola del helpdesk, aprende de tickets pasados y se prueba contra ellos antes de responder. En vez de un puntaje de sentimiento sobre el que luego construyes reglas, lee todo el hilo y sigue una instrucción sencilla como «si el cliente ha escrito tres veces sobre el mismo pedido o pide hablar con un gerente, etiquétalo como urgente y asígnalo al grupo de escalaciones». En Zendesk y Gorgias, los documentos de Zendesk de eesel listan etiquetar, asignar y actualizar campos como la prioridad entre sus acciones.

Rúngne, una marca de ropa de escalada en Gorgias, opera un agente de borrador que lee primero el hilo completo, buscando una promesa que ya hizo un compañero, una devolución en curso o un cliente frustrado, y un agente de triaje que etiqueta cada ticket nuevo sobre el que corre, incluida una etiqueta human_review_required. Las cancelaciones, los artículos dañados y cualquiera que pida un humano van al equipo.

eesel no tiene integración con Kustomer: Kustomer no está en los documentos de helpdesks de eesel, así que no puedo decirte que lo conectes a tu workspace de Kustomer. Si te quedas en Kustomer, mi consejo es la configuración de arriba: activa la app Intelligence, comprueba qué es en realidad tu número de conversación, y paga los 0,02 $ por un Score donde necesites actuar sobre la dirección.

Prueba eesel junto a tu configuración de Kustomer

Si estás comparando helpdesks en parte por cómo manejan a los clientes insatisfechos, prueba eesel en una prueba de Zendesk, Freshdesk, Gorgias o Help Scout. Escribe tu regla de escalación en palabras sencillas, córrela contra una semana de tickets pasados, y lee cuáles habría marcado y por qué. Lo que eesel hace solo y lo que espera el sí de una persona se define por acción en actions and approvals, así que puede empezar etiquetando y dejando una nota antes de reasignar nada.

El dashboard de helpdesk de eesel mostrando una visión general de la actividad del agente de IA en los canales de soporte conectados
Cada etiqueta, nota y respuesta que hizo eesel, en un solo lugar.

Prueba eesel primero con tu regla de escalación, o compara opciones en best AI for Kustomer.

Preguntas frecuentes

¿Tiene Kustomer análisis de sentimiento?
Sí. Una vez instalada la app Intelligence y marcada Detect language automatically, Kustomer puntúa el sentimiento de cada mensaje entrante que tiene texto y no fue importado, y lo muestra en una tarjeta de sentiment insight. Kustomer AI cubre sus otras funciones de IA.
¿Cómo calcula Kustomer un puntaje de sentimiento?
Cada mensaje recibe una polaridad de -1 (negativo) a +1 (positivo) y una confianza de 0 a 100. El centro de ayuda de Kustomer dice que el sentimiento corre sobre grandes modelos de lenguaje alojados en AWS Bedrock, con Amazon Comprehend como respaldo. AI sentiment analysis for support explica cómo estos modelos leen el tono.
¿El sentimiento de una conversación en Kustomer es un promedio?
El artículo Sentiment scores de Kustomer dice que el sentimiento de conversación y de cliente son promedios de todos los puntajes de mensajes, mientras que sus referencias de exportación de datos describen esos mismos campos como el sentimiento del último mensaje entrante. Revisa unas cuantas conversaciones reales antes de construir una alerta sobre eso. Measuring customer sentiment cubre esa disyuntiva.
¿Qué planes de Kustomer incluyen el análisis de sentimiento?
La página de detalles de precios de Kustomer lista Sentiment Tracking y Segmentation by Sentiment en Enterprise y Ultimate. Los planes antiguos por asiento, Professional y Business, incluyen Sentiment Tracking pero no Segmentation by Sentiment. Kustomer pricing desglosa los planes.
¿Puedo enrutar o escalar conversaciones de Kustomer por sentimiento?
Sí, mediante workflows. Para una señal pensada para escalar, Conversation Intelligence de Kustomer te deja crear un atributo de IA tipo Score o Classifier y disparar un workflow cuando cruce un umbral, a 0,02 $ por ejecución. Kustomer conversation routing cubre el lado del enrutamiento.
¿Cuánto cuesta Kustomer Conversation Intelligence?
La tarifa de pago por uso de Kustomer es de 0,02 $ por ejecución de Conversation Intelligence, o 50 ejecuciones por crédito de uso. Un atributo puede tener hasta 3 disparadores y cada disparador crea una ejecución, así que 8.000 conversaciones con un disparador que se activa una vez cada una son unos 160 $ al mes. Best AI for Kustomer compara otras opciones.
¿Es el sentimiento lo mismo que el CSAT en Kustomer?
No. El sentimiento es la lectura de un modelo sobre las palabras del cliente, mientras que el CSAT es una calificación que el cliente envía. Kustomer mismo llama a un puntaje de satisfacción inferido por IA un proxy de satisfacción, no una calificación del cliente. AI CSAT cubre cómo los equipos usan ambos.

Share this article