Dos restaurantes ao transporte, os chatbots que imitam a fala humana, facilitando tarefas em nome dos humanos, estão por toda parte. Vinte e cinco por cento das operações de atendimento e suporte ao cliente integrarão alguma forma de tecnologia de assistente de cliente virtual ou chatbot este ano, diante menos de 2% em 2017, segundo […]
Dos restaurantes ao transporte, os chatbots que imitam a fala humana, facilitando tarefas em nome dos humanos, estão por toda parte. Vinte e cinco por cento das operações de atendimento e suporte ao cliente integrarão alguma forma de tecnologia de assistente de cliente virtual ou chatbot este ano, diante menos de 2% em 2017, segundo o Gartner. O processamento de solicitações de clientes em sites, aplicativos móveis, aplicativos de mensagens do consumidor e redes sociais está entre os principais usos, diz a consultoria.
O sucesso do chatbot depende de uma profunda compreensão de seus clientes, diz Ben Lamm, CEO da HyperGiant, que construiu chatbots para empresas como TGI Fridays, Whole Foods e Shake Shack como CEO da Conversable, fabricante de software de chatbot. A tecnologia deve ser projetada e implantada com mandatos claros de experiência do cliente, objetivos e indicadores-chave de desempenho que mostrem valor para o usuário, diz ele.
“Seja para compras mais convenientes, suporte conversacional otimizado ou elevação da experiência de um evento ao vivo, o chatbot precisa levar a experiência do cliente a um novo nível de envolvimento”, diz Lamm, que vendeu o Conversable para a LivePerson em 2018.
O envolvimento aprimorado do cliente está em andamento na Amtrak, onde o assistente virtual inteligente Ask Julie oferece acesso conveniente a informações do site da Amtrak aos mais de 30 milhões de passageiros anuais de trem da gigante dos transportes. A experiência está se desenvolvendo, com mais de 156.000 pessoas testando o Ask Julie todos os meses.
Um dos motivos é que o software, fornecido pela consultoria Next IT da Verint, opera com um vocabulário de trabalho otimizado, diz Allen Sebrell, Gerente Sênior de Inteligência e Estratégia Digital da Amtrak.
Sebrell atribui o sucesso de Julie, em relação às versões anteriores, ao PNL (Processamento de Linguagem Natural) aprimorado, que divide palavras e conceitos em uma frase para melhorar a compreensão da leitura da máquina e o processamento de intenções. Simplificando, Ask Julie entende muito mais do que seus antecessores da Amtrak.
“A taxa de erro, ou a taxa de ‘eu não sei’, é inferior a 5%, mas costumava ser bastante alta. Você precisa garantir que a capacidade da PNL esteja no ponto certo, porque se você não tiver um mecanismo que reconheça todos os tipos de perguntas, nunca chegará perto de entregar a mensagem certa”, diz Sebrell.
A equipe de chatbot da Amtrak refina e aprimora regularmente a Ask Julie com novos conteúdos, garantindo uma experiência consistente ao usuário, mesmo diante da rotatividade e atrito da equipe, diz Sebrell, que acrescenta que é fundamental garantir que a liderança sênior e outras partes interessadas entendam a proposta de valor para investir em um assistente virtual inteligente. Para melhorar Ask Julie, Sebrell e sua equipe analisam conversas brutas e respostas “não sei” aos 18 principais tópicos da Amtrak, subdivididos em mais de 60 grupos de dados, compreendendo mais de 1.000 “unidades de conhecimento”. Eventualmente, o Ask Julie permitirá que os passageiros comprem passagens de trem, e não apenas pergunte como fazê-lo.
Para ajudar você a entender o básico de como começar a criar um chatbot, a Conversable descreve seu processo nos seguintes traços:
Crie a conversa: identifique os melhores casos de uso nas operações existentes dos clientes e escreva os fluxos de conversa. Ppnse nisso como a versão 1.0 do produto final. Faça um teste para garantir que a experiência esteja ao mesmo nível e revise os fluxos de conversação conforme necessário.
Integração do sistema: use webhooks para garantir que os dados necessários para cada fluxo de conversa estejam disponíveis. Por exemplo, se alguém quiser saber o preço de um produto ou quantas calorias estão em um item do menu, será necessário extrair esses dados sob demanda durante a conversa.
Aprendizado: continue treinando e ajustando o chatbot por meio de Machine Learning supervisionado, no qual o algoritmo do chatbot é treinado para inferir soluções com base em exemplos de resultados desejados.
Expansão: As pessoas geralmente saltam de um tópico para o outro durante uma conversa. Identificar um relacionamento entre uma conversa e outra e vincular os fluxos economiza muito tempo e garante que o chatbot possa permanecer com o usuário.
IA avançada: a melhoria contínua é fundamental. À medida que mais dados são coletados, incorpore regras de negócios para tornar a conversa mais inteligente.
Por fim, um ótimo chatbot exige uma reflexão sobre o caso de uso de negócios, a jornada do cliente e a disposição de corrigir corretamente quando e onde necessário. Você não pode simplesmente acenar com uma varinha de IA nos chatbots e vê-los agir.
“Eu não me importo com o quão inteligente é sua IA. A IA não é mágica e não significa que você pode pular o rigor usual aplicado às principais funções de negócios e projetos de TI”, diz Lamm, CEO da HyperGiant.
Nem todo chatbot é bem-sucedido e os especialistas oferecem exemplos de desafios comuns que podem atrapalhar os chatbots.
Idioma atrasado: Um chatbot que recebe um treinamento inadequado de idiomas não poderá responder às perguntas dos clientes porque não reconhecerá as palavras ou abreviações que seus clientes usam ou o significado de certas palavras usadas juntas, diz Charles Betz, analista da Forrester Research. “A linguagem é complexa e ter um sistema que possa dar conta de todos os elementos de sua sentença e contexto exige muito mais etapas do que pensamos imediatamente ao dividir uma sentença”, explica Betz. “O treinamento deve compensar essa complexidade”, complementa.
A caldeira do oceano: Os chatbots projetados para funcionar em qualquer lugar, desde o suporte ao cliente, a portfólios gigantes de produtos e até o comércio eletrônico, não atendem bem as empresas e seus clientes, segundo Lamm. “Aplicativos mais restritos de IA conversacional garantem que a experiência seja precisa, consistente e escalável”, acrescenta ele.
O trabalho urgente: Alguns clientes correm para um chatbot porque é legal e querem automatizar algo para evitar lidar com clientes, diz Harles. Para combater esse instinto, Harles pede aos clientes que deem um passo para trás e compreendam os fundamentais pontos de dor que eles têm e as tarefas distintas que estão tentando realizar. A tarefa é melhor executada por algoritmos, software de Machine Learning ou um bom ser humano fora de moda?
