Estado actual de los chatbots para mejorar la comunicación cliente-empresa

Photo by Rock’n Roll Monkey on Unsplash

La comunicación actual entre cliente-empresa ha cambiado rotundamente y cada vez esta creciendo el número de personas que solicita información, soporte o consulta en forma de mensajes por medio de canales como Facebook Messenger, WhatsApp, mensajes de texto, etc. Al tener gran interés por adquirir potenciales clientes surge la necesidad de automatizar las conversaciones y ayudar a los procesos internos de la empresa por medio de chatbots.


Estado del arte

La forma de comunicación a cambiando considerablemente, por mucho tiempo las reuniones presenciales dominaron la forma de comunicación, pero con la llegada de nuevos canales como son: el internet, los dispositivos móviles, emails, redes sociales, aplicaciones móviles, la forma de comunicarse a cambiando de una forma drástica.

Por ejemplo, en el reporte hecho por la empresa Drift llamado State of Conversational Marketing nos muestra que el 41% de los clientes de diferentes países usan un chat online para iniciar la conversación acerca de un producto o servicio.

En el 2018 las empresas Drift, SurveyMonkey Audience, Salesforce, y Myclever realizaron una encuesta a cerca de 1051 personas entre 18 a 64 años con el objetivo de examinar el estado actual de los chatbots, en esta encuesta una de las preguntas era ¿Cómo te comunicaste con una empresa en los pasados 12 meses? el resultado fue:

https://www.drift.com/wp-content/uploads/2018/01/2018-state-of-chatbots-report.pdf

En la gráfica anterior vemos múltiples canales que existen actualmente para establecer esta una comunicación entre clientes y empresas, notamos que el 15% de los usuarios encuestados usaron un chatbot y el 38% un tipo de chat online para comunicarse con una empresa en los pasados 12 meses.

Los anteriores porcentajes van a ir creciendo respecto a la comunicación por medio de chat, gracias a canales de comunicación ya establecidos de manera mundial como los son: WhatsApp, Facebook Messenger, Telegram entre otros.

https://www.emarketer.com/Article/Mobile-Messaging-Reach-14-Billion-Worldwide-2015/1013215

En la gráfica anterior vemos el compartimiento a través de los años con una proyección para el 2019, podemos observar como los usuarios se comunican por mensajes desde dispositivos móviles. También podemos ver que la adopción de aplicaciones de mensajes es alta en los últimos años, por ejemplo, para el 2016 WhatsApp alcanzo 1 billón de usuarios activos al mes y Facebook Messenger 800 millones.

Con la anterior información vemos que las comunicaciones por medio de chats van en aumento y es un hecho favorable para la implementación de chatbots, sin embargo, hablar de chatbots no es algo nuevo, es algo que ya se viene desarrollando desde 1950 y solo en los recientes años se ha empezado a usar para manejar la comunicación entre clientes y empresas aprovechando el gran uso que las aplicaciones de mensajería tienen.

Sin embargo, hay que tener en cuenta que la adopción de los chatbots depende de si estos demuestren que pueden solucionar problemas reales en diferentes contextos, para esto hay que entender cuales son los problemas actuales de los clientes y sus experiencias al contactar a empresas de forma online. Y preciso en la encuesta mencionada anteriormente hecha por Drift, una de la pregunta es: ¿Qué frustraciones tuvo con servicios online en el pasado mes?, la repuesta fue:

https://www.drift.com/wp-content/uploads/2018/01/2018-state-of-chatbots-report.pdf

El 34% muestra que los sitios son difíciles de navegar para encontrar información básica acerca del producto o servicio u otro 38% no obtiene la información necesaria.

Esto nos ayuda a enfrentar el problema de forma más detallada ya que en el mundo actual en que vivimos los usuarios esperan información a solo un clic de distancia.

Viendo este tipo de frustraciones los chatbots podrían usarse en estos casos:

• Obtener una respuesta rápida.
• Resolver una queja o problema.
• Obtener más detalles e información.
• Encontrar atención al cliente.
• Hacer una reserva (en un hotel o restaurante como ejemplos).
• Pagar una factura.
• Comprar un producto o servicio.
• Recibir asesoramiento.

Estos son los usos más comunes que los clientes esperan que un chatbot ayude a resolver.

Sin embargo, en la industria actual los chatbots son considerados como una interacción solo de humano a máquina, pero actualmente hay una gran variedad de uso de los chatbots que no necesariamente remplazan al humano como parte de esta interacción.


Tipos de soluciones de chatbots

Humano — Chatbot

Este tipo es el que comúnmente hemos escuchado donde no se tiene un contacto humano, gracias a el procesamiento del lenguaje natural (NPL). Con este las empresas pueden dar una experiencia similar a la conversación con un humano y resolver preguntas e inquietudes. El éxito de este tipo de chatbot dependerá de tener un gran conocimiento en el dominio del tema y de aprender constantemente de sus mismas conversaciones.

Humano — Chatbot — Humano (fallback)

A diferencia del tipo Humano — Chatbot, donde no hay ninguna interacción humana, este tipo usa la interacción del humano en caso de que el chatbot no sepa como actuar a ciertas preguntas o situaciones.

Cuando el chatbot no pueda interpretar una pregunta el mensaje debe pasar a un humano con dominio en el tema que ayude al chatbot a seguir con la conversación.

Humano — Chatbot — Humano

En los primeros tipos de chatbot se quiere remplazar al humano como parte de la interacción. Sin embargo, hay chatbots en donde no se quiere remplazar al humano de forma definitiva como parte de la interacción dentro de una comunicación por lo contrario lo tiene como parte de su flujo, pero actúa en favor de resolver varias preguntas comunes combinando y mejorando la experiencia del usuario.

Un ejemplo de este tipo de chatbots son los cuales son usados para categorizar usuarios o potenciales clientes, pedir información necesaria antes de iniciar un proceso, logrando que el humano u operador por parte de la empresa hable con el usuario de forma directa de ser necesario.


Casos de uso

A continuación, voy a describir los sectores de la industria en donde más se están aplicando los chatbots para automatizar varios procesos.

Centros de llamada (call-center)

Una de las industrias que más ha tenido impacto con los nuevos canales de comunicación por medio de mensajes son los centros de llamada, donde cumplen las mismas funciones pero vía teléfono. Sin embargo, lo usuarios prefieren resolver estas preguntas por medio de WhatsApp o Facebook Messenger.

Sistemas financieros

Los bancos están empezando a usar chatbots para ayudar a los usuarios a encontrar un servicio adaptado a las necesidades de los clientes, también lo usan comúnmente para responder información general del banco, sobre tasas de interés, planes financieros, etc.

Medicina

Los chatbots permiten a los usuarios programar una cita con un médico específico o en una zona específica, permite cancelar una cita, mover la fecha de una cita previa, de igual manera son usados para enviar recordatorios o enviar consejos de salud.

Seguros

La industria de los seguros usa chatbots para responder información general, ofertar un producto más adecuado a los clientes.

Tiendas

En el sector de las tiendas de cualquier tipo con posibilidad de compra en línea usan chatbots para resolver información de un producto en específico, brindar información acerca de un pedido realizado o en algunos casos realizar una compra por medio del chat.

Hoteles, eventos y restaurantes

En este caso se usan los chatbots para brindar información en general del lugar o evento hasta poder realizar una reservación por medio de chat.

Estos son algunos de los ejemplos en industrias actuales donde los chatbots están teniendo un gran uso.


Anatomía de un Chatbot tipo: Humano — Chatbot — Humano

La siguiente anatomía es la descripción para un chatbot que no remplaza a un humano si por el contrario ayuda a facilitar tareas de este.

Backend

Es diseñado para manejar los mensajes que llegan desde diferentes canales para luego ser analizados por un servicio de procesamiento del lenguaje natural (NPL). Por lo general pueden estar desarrollados en cualquier lenguaje del lado del servidor como: Python, php, ruby, java, etc. También puede ser usado para conectarse a sistemas de información necesarios para el chatbot.

Base de datos

Todos los datos relacionados a una conversación como: mensajes, fechas, intenciones, opciones, etc. deben ser guardados en una base de datos, se aconseja una base de datos que soporte un gran volumen de datos y que sea orientada a documentos pueden ser MongoDB, CouchDB o Firestore, entre otras. Esto debido a la gran facilidad que tienen estas bases de datos NoSQL a construir dinámicamente la información.

Sistemas de información

El chatbot en muchos casos va a necesitar conectarse con sistemas de información de la empresa, por ejemplo un chatbot para un hospital en el chatbot deberá tener a disposición la información de un paciente, información de médicos, información de hospitales, así como la agenda y disponibilidad de citas para programar. Por lo general estos sistemas de información se consumen por medio del backend usando un servicio web expuesto por la entidad prestadora de salud (EPS).

Canales

Son los lugares potenciales desde donde el usuario puede enviar y recibir mensajes como son: mensajes de texto (SMS), Facebook Messenger, WhatsApp, Slack, Skype, Line, Telegram, chat en un sitio web. La integración con cada canal funciona de forma diferente y se puede construir la conexión a cada uno de estos o usar un servicio que pueda conectarse a estos canales desde una sola API como por ejemplo Twillio o Bot Framework de Microsoft, que permiten tener una sola interfaz de comunicación a todos estos canales.

Bot Framework de Microsoft

NLP

El lenguaje de procesamiento natural es el punto clave donde los chatbots puede reconocer el contexto de una conversación, reconocer palabras, saludar, reconocer intenciones, etc. básicamente dar una experiencia a la conversación con un humano, para esto se necesitan conocimientos acerca de inteligencia artificial, aprendizaje profundo, aprendizaje de máquina, etc.

Este es el punto más frágil y complejo de desarrollar ya que se debe crear el modelo, entrenarlo apropiadamente con el contexto requerido, publicarlo y mantenerlo. Sin embargó, también podemos usar servicios que nos permiten tener estos beneficios sin un alto conocimiento técnico, como lo son: Cognitive Services de Microsoft, Dialog Flow de Google y Wit.ai.

Cognitive Services de Microsoft

Interfaz conversacional

Son todos los elementos de interfaz que nos proveen algunos canales para hacer que la conversación sea exitosa, por ejemplo, si el usuario decide conectarse por medio de Facebook Messenger la UI de Messenger nos ofrece varios tipos de elementos visuales para enriquecer la conversación.

Frontend

Como el chatbot es de tipo Humano-Chatbot-Humano, se debe tener una interfaz con los operarios conectados que tengan dominio en el tema para en caso dado que el chatbot no sepa como afrontar una pregunta un humano pueda seguir con la conversación de forma normal.

https://www.twilio.com/flex

En este caso por ejemplo Twilio esta creando un producto para automatizar la comunicación de cualquier tipo de empresa y recibir desde muchos canales mensajes atendidos por operadores e integrado con NPL.

Monitoreo

La ultima parte es un monitoreo constante para así evaluar la efectividad del chatbot creando un dashboard donde se pueda ver el flujo de las conversaciones y tener métricas que permitan ver el crecimiento y el comportamiento, métricas tales como:

  • Número de usuarios activos.
  • Número de mensajes.
  • Número de conversaciones.
  • Número de conversaciones exitosas.
  • Segmentación por propósito de la conversación.
  • Mapa de calor de las horas de interacción con el chatbot.
  • Calificación de la atención brindada.

Anatomía de un Chatbot tipo: Humano — Chatbot

En este caso es más sencillo ya que la finalidad de este tipo si es remplazar al humano y que solo el bot interactúe con el cliente. Azure ofrece una solución bastante completa respecto a este tipo de chatbot.

Tiene esencialmente los mismos principios que la anatomía anterior, pero no debemos desarrollar la parte de FrontEnd ya que no hay operarios de fallback, tampoco hay que preocuparnos por la base de datos ya que Microsoft Bot Framework va guardando el estado de la conversación automáticamente haciendo el chatbot vaya aprendiendo de cada conversación.


Conclusiones

El incremento de las conversaciones de forma online esta impulsando el uso de chatbots para automatizar el proceso de comunicación con un potencial cliente haciendo uso de NPL para tener una conversación de forma natural como la que puede brindar un humano.

A diferencia de un centro de llamadas donde la capacidad de atención depende del número de operadores disponibles a atender una llamada, los chatbots pueden atender a muchos más clientes con la calidad similar ya que no dependen del número de personas si no de la capacidad de computo de una plataforma de chatbot, de esta manera aprovechar el interés de los clientes en comunicarse por medio de canales digitales y aumentar el número de usuarios atendidos y satisfechos.

Referencias