La forma más efectiva de descubrir la intención detrás de las preguntas de tus clientes y proporcionar la respuesta correcta, es mediante el uso de un árbol de decisiones. ¿Qué son y cómo funcionan?
Cuando se trata de chatbots, las empresas quieren saber una cosa. La pregunta del millón para un mercado que valdrá miles de millones en unos pocos años es: ¿puede mi agente virtual responder las preguntas de mis clientes?
Suponiendo que su chatbot tiene un procesamiento robusto de lenguaje natural (tecnología NLP, por sus siglas en inglés), la forma más efectiva de hacerlo es a través de árboles de decisión.
¿Qué es exactamente un árbol de decisión?
En el contexto de chatbots, un árbol de decisión ayuda esencialmente a encontrar la respuesta exacta a tu pregunta. Puede localizar más información sobre qué árboles de decisión están fuera del mundo de la IA.
La raíz del árbol es la pregunta inicial. Por ejemplo, puedes pedir comprar boletos para un concierto. Por supuesto, un chatbot necesitará más información que ésta para cumplir con tu solicitud.
Para llevarlo a cabo, realizará una serie de preguntas con base en las ramas del árbol de decisión, si lo deseas. Cada uno se reduce al objetivo del cliente a través de los intentos del chatbot.
Por lo tanto, al comprar un boleto, el chatbot podría preguntar a quién quieres ver.
Después de seleccionar “U2”, puede proceder a solicitar la fecha y el lugar que deseas, luego el rango de precios y finalmente el asiento específico.
Cuando llegamos al final (o a las hojas) y has seleccionado tu asiento, el árbol de decisión ha finalizado.
Realizar transacciones usando un árbol de decisión en chatbots
Los árboles de decisión son lo suficientemente flexibles como para realizar una serie de funciones para tu agente virtual.
Uno de los principales problemas a los que se enfrentan las empresas es el abandono de los carritos de compras: actualmente esta problemática abarca el 78% y su costo es de $4 billones al año.
Las transacciones del árbol de decisiones pueden reducir significativamente esto al garantizar que los clientes ubiquen exactamente lo que desean en un formato conversacional. Al igual que en el ejemplo anterior del ticket del concierto, los usuarios pueden comprar casi cualquier cosa a través de este método.
En términos de abandono del carrito, el árbol de decisiones del chatbot puede simplificar el proceso de pago real en el proceso de compra, para garantizar que el usuario no se sienta frustrado.
Árbol de decisión: resolviendo las preguntas difíciles
Asimismo, los árboles de decisión pueden mejorar la experiencia general del cliente abordando transacciones no monetarias, como la recuperación de contraseñas. Los Bots pueden identificar qué cuenta deseas cambiar una vez que solicita los detalles.
Los árboles de decisión también pueden reemplazar las preguntas frecuentes generales. Un problema importante con los sitios de ayuda es que sus respuestas son demasiado generales para los clientes que valoran la interacción personal. El árbol de decisión puede iniciar una conversación con el usuario para comprender exactamente qué respuesta es la más relevante para él.
Por ejemplo, un usuario quiere saber cuándo esté llegando su paquete. Naturalmente, se necesita más información. Un árbol de decisión puede explicarlo al pedir un número de orden o cualquier otro detalle que identifique la compra exacta antes de informar al cliente.
Mientras tanto, una empresa con preguntas frecuentes generales no podrá proporcionar el mismo nivel de servicio y tendrá que depender de agentes activos; esto puede ser costoso y consumir mucho tiempo tanto para el cliente como para la empresa.
Ejemplo de árbol de decisión de un chatbot
El chatbot de Inbenta, Verónica, utiliza árboles de decisión para una variedad de escenarios. Por ejemplo, este es el árbol de decisiones creado cuando alguien le pregunta a Verónica sobre la integración de la tecnología Inbenta en su plataforma.
Verónica puede proporcionar algunos antecedentes antes de preguntar qué plataforma utiliza la persona. Este es un ejemplo de un árbol de decisiones basado en el lenguaje natural, ya que se le pide al cliente que escriba su respuesta en lugar de seleccionar una opción. Ten en cuenta cómo Verónica es capaz de reconocer ‘Facebook’; a pesar de la falta de ortografía.
Este árbol de decisiones ha sido editado en el Backstage de Inbenta, esto al organizar los contenidos existentes en un proceso coherente de descubrimiento hacia la intención del usuario.
Cualquier chatbot que elijas para manejar tus árboles de decisión, debe ser capaz de atender algunos de los títulos más complejos que puedan ocurrir. Por ejemplo, un árbol de decisiones sobre políticas de devoluciones debe tener opciones para diferentes periodos de intervalos dependiendo de cuánto tiempo ha tenido el usuario con el producto.
Otros ejemplos de estructuras de árbol de decisión incluyen una opción de ‘Botones’; que presentan al usuario todas las opciones disponibles para que seleccionen “Sí / No”, lo cual reduce lo que el usuario desea al realizar una serie de preguntas.
Los clientes quieren un servicio personal de las empresas, pero también desean que sus preguntas sean respondidas correctamente. El uso de árboles de decisión para el chatbot satisface los requerimientos básicos de una manera revolucionaria, nunca antes experimentada.
Inbenta utiliza un procesamiento de lenguaje natural patentado y más de 11 años de investigación, así como de desarrollo para crear chatbots interactivos con una tasa líder en la industria de + 90% de autoservicio.
Empresas de todo el mundo utilizan Inbenta Chatbot para mantener un servicio personalizado para sus clientes y reducir los tickets de soporte.
¿Interesado en saber más? Nuestro equipo de expertos está a su servicio para diseñar una propuesta personalizada para ti.