Os bots não nascem bons (nem maus)
Como em qualquer relacionamento, é preciso um pouco de trabalho para garantir que todos estejam felizes. Para desenvolver melhores bots, é necessário fazer mais do que ensinar-lhe um modelo de idioma e depois associá-lo a um canal. Os bots precisam ser avaliados continuamente para garantir que cumprem os KPIs, e os modelos precisam ser atualizados à medida que seu uso aumenta.
Treinar um bot para que se comunique é quase como ensinar uma criança a falar. À medida que os bots se comunicam com um público mais amplo, que são os seus clientes, eles encontram as muitas e diferentes maneiras que os clientes têm de pedir ajuda. E a própria informação continua mudando, como por exemplo, as novas políticas, estratégias de preços e locais, que são apenas algumas das mudanças que o bot precisa conhecer.
Os bots só podem responder sobre o que sabem. Sem treinamento prévio, o bot não saberá responder a essas novas solicitações.
Garantir que seus bots possam responder com precisão e consistência aumenta a sua adoção e o seu uso. Quando os bots estão otimizados, podem responder 100% da interação inicial como base.
No entanto, oferecer uma experiência excepcional do início ao fim requer mais do que respostas precisas. Os bots precisam ser capazes de identificar quando a conversa mudou e foi além de sua capacidade de ajudar e saber o que fazer em relação a isso.
Não deixe seu bot ficar sozinho
Os bots que são desenvolvidos e operam isoladamente estão destinados a não serem amados pelos clientes e serão evitados. É inevitável que seus clientes testem o limite da capacidade dos bots. Ainda assim, ninguém quer ouvir “Sinto muito. Não posso ajudá-lo com isso. Visite nosso site de suporte ao cliente.” Isso seria o mesmo que dizer a famosa frase “Não é você, sou eu”. E ninguém quer escutar isso.
Garantir que os bots possam transferir o cliente para um agente é uma maneira de evitar becos sem saída. Isso parece óbvio, mas é exatamente aí que algumas soluções falham. O que não é tão óbvio (e que oferece mais valor) é trasladar toda essa conversa ao longo de toda a interação, com o correspondente contexto e o histórico, do bot para o agente.
Quando o cliente é transferido para um agente, ele não quer ter que repetir a informação que já deu. Forçar os clientes a repetirem o que já disseram gera frustração e faz com que eles sintam que a sua empresa não os está escutando.
Garantir que seu bot esteja totalmente integrado à jornada do cliente requer um alto nível de orquestração. Em um cenário ideal, o bot pode escutar a jornada enquanto ela está acontecendo, personalizar a conversa com base no contexto dessa jornada e, depois, transferir a conversa sem interrupções para um agente, que poderá atendê-la e resolver o problema. No entanto, é muito frequente que as empresas suponham que o bot está preparado para fazer tudo. Mas sempre há surpresas. Um cliente pode pedir algo inesperado ou algo que o bot não consegue resolver.
Treine, meça, analise, otimize e repita
Os bots mais adoráveis recebem muito amor em troca. Esses bots são desenvolvidos por meio do treinamento, são medidos e analisados, e são otimizados com base no desempenho. Eles são treinados novamente para garantir que estejam aprendendo continuamente, melhorando a compreensão dos clientes e atendendo às necessidades em contínua evolução.
É difícil mostrar aos bots tudo o que necessitam sem as ferramentas adequadas e as melhores práticas. Estas são algumas coisas que podem ajudar.
Ferramentas de desenvolvimento centradas nos negócios: Se os bots são criados pelos verdadeiros usuários profissionais, seja diretamente ou lado a lado com os desenvolvedores da IA de conversação, esses bots terão um objetivo de negócios claro.
Fluxo de interações integrado: Em vez de criar um bot e depois tentar conectá-lo ao fluxo de interações, é mais fácil incorporá-lo a esse fluxo durante a fase de desenvolvimento.
Relatórios prontos para uso: Em alguns casos, as estruturas do bot permitem apenas exportar dados ou registros de dados. E a extração e a limpeza dos dados leva um tempo considerável. Muitas vezes, quando os dados estão prontos para análise, é tarde demais para tomar decisões importantes. Por isso, é mais eficaz contar com relatórios prontos para uso, com informação em tempo real sobre o desempenho e a precisão do modelo.
Capacidade de análise para a tomada de decisões: Esta capacidade de análise vai além de um simples relatório, porque permite que você utilize o que aconteceu anteriormente como guia para o que deve acontecer a seguir. Essa orientação baseada em dados permite que você identifique as áreas em que o bot deve melhorar.
Dados generativos: Pode ser tentador usar dados generativos e evitar a manutenção contínua exigida pelos bots. Um bom conjunto de dados inicial pode aproximá-lo do que necessita, mas adicionar um novo canal pode mudar o comportamento do cliente. Os dados generativos podem não ser suficientemente específicos para satisfazer as necessidades específicas dos seus clientes.
Os dados generativos são a poção de amor que seus bots necessitam?
A IA generativa, que é a fonte da qual surgem os dados generativos, tornou-se um tópico atual e importante. Alguns veem nisso a poção mágica que poderá substituir a necessidade de obter dados do treinamento, o que tem sido sempre uma tarefa difícil para quem tenta treinar bots.
Essencialmente, os dados generativos são conteúdos gerados automaticamente. Podem fornecer um bom ponto de partida, mas você precisa considerar a fonte desses dados. Eles representam os seus clientes e os seus produtos? A Genesys utiliza conversas reais como material de treinamento para os bots, o que significa que seus bots são adoráveis desde o início.
O que os seus bots necessitam agora
No final das contas, seu bot precisa ajudar clientes reais com problemas reais. Todos nós queremos bots que possam oferecer ajuda, responder a perguntas e transmitir empatia.
Queremos bots altamente eficazes que estejam prontos para mostrar alguma forma de amor aos clientes. E, para isso, é necessário tratar os seus bots com amor desde o início.
