O modo mais efetivo para descobrir a intenção por trás das perguntas de usuário, e respondê-las do jeito certo, é usando árvores de decisão. O que são elas e como funcionam?
Quando o assunto é chatbot é impossível não falar de árvore de decisão. Pensando nisso, o mundo dos negócios quer saber apenas uma coisa. A pergunta de um milhão de reais para o mercado que valerá bilhões dentro de alguns anos é: meu agente virtual pode responder às perguntas dos meus clientes?
Partindo do ponto que seu chatbot tem um excelente Processamento de Linguagem Natural (PLN), o modo mais efetivo para isso é por meio da árvore de decisão.
O que é uma árvore de decisão exatamente?
No contexto dos chatbots, a árvore de decisão, em sua essência, ajuda usuários a encontrarem exatamente a resposta para a pergunta. Se quer saber mais sobre árvores de decisões fora do mundo da Inteligência Artificial, clique aqui.
A raíz da árvore é sua pergunta inicial. Por exemplo, você pode perguntar sobre compra de ingressos para um show. Claro, um chatbot precisará de mais informações do que isso para atender seu pedido.
Para isso, ele irá fazer uma série de perguntas, os chamados ramos da árvore de decisão. Cada um deles estreita o objetivo durante o desenvolvimento da conversa, por meio das interações de chatbot.
Portanto, ao comprar um ingresso, o chatbot pode perguntar o que você quer ver. Ao selecionar a banda “U2”, por exemplo, o chatbot irá direcionar a conversa perguntando quais data e local você prefere, depois a faixa de preço e, finalmente, o assento desejado.
Somente depois de atingirmos o último estágio, ou seja, quando você selecionou até a última opção (o assento, no exemplo acima), dizemos que a árvore de decisão chegou ao fim.
Fazendo transações usando árvore de decisão em chatbots
Árvores de decisão são flexíveis o suficiente para realizar um grande número de funções para o seu agente virtual.
Um problema importante que as empresas enfrentam é o abandono do carrinho de compras – atualmente em 78% e custando US $ 4 trilhões por ano.
Árvore de decisões podem reduzir isso de maneira significante, garantindo que os clientes encontrem exatamente o que desejam em um formato conversacional. Assim como no exemplo de ingresso para show, os usuários podem comprar praticamente tudo por meio desse método.
Pensando no abandono do carrinho, a árvore de decisão do chatbot é capaz de agilizar o processo de pagamento real no checkout para garantir que o usuário não fique frustrado.
Já viu um exemplo da vida real?
O chatbot da Inbenta, Veronica, usa árvores de decisão para uma variedade de cenários. Por exemplo, essa é a árvore de decisão criada para quando alguém pergunta à Veronica sobre produtos da Inbenta.
A Veronica pode fornecer informações complementares antes de fazer uma nova pergunta sobre sua dúvida. Esta árvore de decisão foi editada no Backstage da Inbenta, organizando e encadeando conteúdos já existente para descobrir a intenção do usuário.
Seja qual for o chatbot que você escolha para aplicar as árvores de decisão, ele poderá atender às perguntas mais complexas. Por exemplo, uma árvore de decisão sobre política de devolução deve ter opções para diferentes intervalos de tempo, dependendo da necessidade do usuário.
Outros exemplos de árvore de decisão incluem a opção de “botões”, que apresentam ao usuário todas as alternativas para ele selecionar, em formato de “SIM/NÃO”.
Clientes querem um atendimento pessoal das empresas. Porém, eles também desejam que suas perguntas sejam respondidas corretamente. Usar árvores de decisão para o seu chatbot vai satisfazer esses desejos de uma forma revolucionária e nunca antes experimentada.