fbpx
InicioCustomer experienceAutomatizar una web: Los retos de los motores inteligentes en la atención...

Automatizar una web: Los retos de los motores inteligentes en la atención al cliente

Alicia Barra, Inbenta
Knowledge Engineer en Inbenta, empresa de inteligencia artificial que nació en Barcelona en 2005, si bien hoy tiene sedes por todo el mundo.

Cualquier negocio en Internet debe contemplar la interacción con los usuarios como una pieza fundamental de su estrategia de experiencia de cliente. Los usuarios preguntan, las marcas contestan y viceversa, en un flujo constante de intercambio de información. Ahora más que nunca. Los motores inteligentes pueden ayudar en esta tarea, pero todavía tienen una serie de desafíos que superar.

Solemos pensar que el medio natural de entablar un diálogo está fuera de la web, a través de los canales convencionales o incluso de los de más reciente incorporación, como las redes sociales. Pero la conversación se produce también dentro de la propia página web. El buscador o asistente virtual es un punto de contacto clave que la marca ofrece para ayudar a los usuarios a resolver consultas sin ceñirse a la lógica que estructura nuestra web.

Si queremos entregar una experiencia óptima y evitar el abandono de los usuarios, debemos permitirles que rompan el molde de nuestra lógica, adaptándonos a ellos, y no al revés.

La gran paradoja es que justo esa libertad que queremos ofrecer a nuestros usuarios para expresarse de forma natural supone un enorme reto para las marcas. Queremos que los visitantes de nuestro sitio busquen y encuentren. Queremos que se expresen en sus próximos términos si no quieren perder el tiempo navegando, que resuelvan por sí mismos, si así lo prefieren, con la satisfacción que ello comporta.

Autoservicio, sí, pero inteligente, lo que apunta irremediablemente a una tecnología con habilidades cognitivas básicas y una base de conocimiento robusta que sirva como fuente de respuesta, única o múltiple. Como un empleado más.

Bases de conocimiento: Ventajas y desafíos

En este contexto, entendemos por base de conocimiento cualquier repositorio de respuestas, contenidos o intenciones que un motor utiliza como fuente de búsqueda y extracción de respuesta a las preguntas de los usuarios. En realidad, cualquier información almacenada puede ser el germen de una fuente de conocimiento con un formato más o menos legible por máquinas o humanos.

¿Y qué compañía hoy en día no cuenta con bases actuales o potenciales que pueden transformarse en fuentes de respuesta con mayor o menor esfuerzo? Documentación corporativa, artículos, páginas de preguntas frecuentes, herramientas CRM, etc. Aquí la cuestión es el esfuerzo que podamos o queramos dedicar a recopilar, redactar y centralizar el conocimiento. En este punto hay que tener en cuenta que este este está esparcido por todos los rincones de la compañía o incluso valorar si este esfuerzo es siempre la solución más práctica.

Es evidente que una base de conocimiento creada ex profeso para la asistencia virtual garantiza de entrada una mayor orientación hacia este tipo de interacción humano-máquina y focaliza mejor el objetivo para el que fue diseñada. Por contra, esto requiere de un ejercicio de abstracción y organización inicial y de un mantenimiento periódico posterior. Aunque es más fácil de lo que parece, no todas las compañías cuentan con los recursos para ello ni se encuentran en el mismo nivel de madurez digital.

El usuario es quien tiene la palabra final

Lo que a menudo se desconoce es que la recopilación y centralización del «conocimiento» corporativo no es el único camino. Depende del caso de uso, la elección del proveedor tecnológico y como siempre, del propio usuario final.

Efectivamente, la misión del asistente virtual va a condicionar en gran medida el tipo de base que necesitemos. Si el conocimiento es muy dinámico y cambiante, como el caso de los productos de un e-commerce, lo más práctico será indexar el contenido preexistente de forma automática. En cambio, si nuestro asistente actúa como agente de soporte, el esfuerzo de recopilar nuestras políticas y procesos de forma amigable y personalizada estará más que justificado.

Pero, como digo, el usuario tiene la última palabra. Nos podemos marcar una misión y fijar unos objetivos que los usuarios pondrán a prueba una y otra vez. Si el análisis de datos reales lo justifica, nos tocará replantearnos el objetivo inicial y si nuestro asistente nació con vocación de agente de soporte, quizás tengamos que ponerle también a vender porque el usuario así lo exige. Hay escenarios que requerirán combinar múltiples fuentes de información, tanto automáticas como manuales.

Si una compañía ya dispone de contenidos almacenados en varios sistemas, debe aprovecharlos. Hay aplicaciones que harán posible su uso sin tener que mover o incorporar nada manualmente en una base centralizada. Sin necesidad de complejas instalaciones o análisis técnicos, estas herramientas permitirán extraer automáticamente contenido de fuentes externas y estructurarlo para que el motor de búsqueda lo pueda utilizar, simplemente adaptarán los contenidos sin modificarlos ofreciéndolos como posible respuesta.

De esta forma, herramientas de CRM, como Salesforce o Zendesk, así como otras fuentes web como Twitter o Facebook o el propio sitio corporativo, pueden convertirse eventualmente en bases de conocimiento.

La interpretación, el reto de la experiencia de búsqueda con motores inteligentes

¿Pero es suficiente con tener contenido de calidad? O quizás la pregunta sea: ¿Bastaría con esto en la interacción humana? Obviamente no, necesitamos también que la respuesta entregada sea precisa y relevante, el talón de Aquiles de buena parte de la tecnología actual. El verdadero reto de la experiencia de búsqueda es entender la pregunta, interpretar la intención del usuario que se expresa libremente para poder mostrar resultados relevantes.

El lenguaje en sí ya es tremendamente complejo, variable y ambiguo. Los humanos también. Si un cliente se queja de que su artículo «ha llegado roto» o de que «no ha llegado», un motor inteligente ha de ser capaz de distinguir intenciones y mostrar el proceso de «devolución de compra» y el «localizador de paquetes», respectivamente.

La identificación literal de patrones y palabras clave es insuficiente para procesar el lenguaje, tanto si el elemento clave está presente («ha llegado») como si no («¿Dónde está mi artículo?»). Por si esto fuera poco, el auge de la interacción virtual ha roto la ortografía y ha viralizado el uso de nuevas reglas y palabras a lo que se añade una época convulsa que ha sacudido nuestros hábitos, alterando nuestro uso del lenguaje.

En consecuencia, el motor de búsqueda debe trabajar a un nivel lingüístico profundo y basarse en técnicas de Procesamiento de Lenguaje Natural, en concreto de NLU (Natural Language Understanding) para encarar este complejo escenario con mayor o menor éxito.

Al decidir la estrategia de búsqueda de un sitio, hay que asegurarse de elegir una plataforma que permita gestionar el conocimiento, tanto si decidimos crearlo ad hoc, indexarlo automáticamente o ambas cosas y, sobre todo, que cuente con la habilidad de comprender el lenguaje humano, si queremos que repitan la experiencia.

Autores

Knowledge Engineer en Inbenta, empresa de inteligencia artificial que nació en Barcelona en 2005, si bien hoy tiene sedes por todo el mundo.

artículos relacionados

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí

Guía de Empresas