El verdadero valor de un chatbot
Los clientes son actualmente más “smart” de lo que eran cinco años atrás, y esperan que el servicio al cliente muestre una evolución similar, evidenciada en una mayor efectividad en la comunicación y en menores tiempos de respuesta.
La consultora Gartner predijo que para el año 2020, el cliente manejará el 85 por ciento de su relación con las empresas sin interactuar con seres humanos. Eso significa que los chatbots pasarán de ser una novedad y un detalle atractivo para convertirse en una herramienta imprescindible para lograr la satisfacción del cliente.
Los beneficios de los chatbots están claros: respuesta inmediata, ahorro de costos, reducción de error humano, disponibilidad 24/7, entre otros. Pero por más claros que estén, al momento de decidir la implementación de una solución de chatbot hace falta traducir los mencionados beneficios en números, por lo que inmediatamente surge la pregunta: ¿cómo medir el ROI de un chatbot?
Martín Frascaroli, CEO de AIVO, una empresa de origen argentino, enfocada desde 2012 a la aplicación de inteligencia artificial en soluciones de servicio al cliente), detalla las dos principales variables para medir el ROI de un chatbot: cantidad de conversaciones promedio por mes (en los canales de atención donde se implementa el asistente virtual) y costo promedio por conversación atendida por agentes humanos. “Con estas dos variables definidas, se cuenta con dos indicadores clave que mostrarán los resultados obtenidos tras la implementación del chatbot”, observa Frascaroli. “El crecimiento en la cantidad de conversaciones indicará si la capacidad de atención aumentó al automatizar la atención de primer nivel (preguntas y transacciones frecuentes) y el porcentaje de conversaciones transferidas a un agente humano indicará el nivel resolutivo del asistente y la demanda de soporte de segundo nivel de atención recibido (tareas complejas, ventas, soporte específico, etc.)”.
Mediante unas simples fórmulas se obtienen los resultados requeridos para decidir la conveniencia de un chatbot. “Estas fórmulas combinadas permiten visualizar el escenario que se podrá alcanzar una vez implementado el asistente virtual”, explica el CEO de AIVO.
El costo total por mes de los agentes humanos resulta de multiplicar la cantidad total de conversaciones atendidas por el porcentaje de conversaciones transferidas a agentes humanos por el costo promedio de una conversación con un agente humano.
El costo de inversión en un asistente virtual se determina multiplicando la cantidad total de conversaciones por el costo por conversación del asistente virtual.
El costo total mensual se obtiene sumando la inversión en el asistente virtual con el costo total por mes de los agentes humanos.
A su vez, el costo por conversación resulta de dividir el costo total mensual por la cantidad de conversaciones.
Por último, los ahorros mensuales previstos resultan de dividir el valor mensual estimado de las conversaciones por el valor de la conversación actual.
“Los especialistas en soluciones de atención al cliente con IA cuentan con indicadores de base para estimarlos y presentar el escenario para implementar tu asistente virtual”, completa Frascaroli. “Considerando estos datos aportados por un especialista, aplicados las variables del negocio, determinar el ROI es muy sencillo. Se consigue el entendimiento del escenario donde se encuentra la compañía y ayuda a decidir si es momento de implementar un asistente virtual con IA en la estrategia de atención al cliente”.
LOS CANALES DEL CHATBOT
Aivo ofrece su solución AgentBot para brindar atención a clientes automatizada con inteligencia artificial a través de múltiples canales. Las conversaciones del bot se llevan a cabo por cualquier sistema de mensajería o de voz, brindando una experiencia consistente independientemente del canal. AgentBot comprende el lenguaje y las reglas de cada canal, adaptando y ajustando automáticamente cada mensaje.
Desde la primera interacción, AgentBot busca entender la intención del cliente mediante un diálogo natural, comprendiendo las múltiples formas de preguntar, las jergas, regionalismos, errores gramaticales y demás deformaciones del lenguaje.
Para mantener el contexto y la coherencia en conversaciones largas, el bot guarda un estado de memoria, reconociendo el canal y obteniendo información del usuario para ofrecer soluciones personalizadas. Utilizando Machine Learning, el sistema logra una evolución continua de sus algoritmos, su diccionario y su base de datos de significados.
También utiliza predicción, sugiriendo contenidos relacionados cuando no posee la información que el cliente solicita, basándose en interacciones similares con otros clientes.
A AgentBot se le puede otorgar una personalidad, un tono de voz y capacidad empática, para transmitir los valores de la compañía en cada comunicación. Esto se complementa con recursos adicionales y elementos multimedia en las respuesta que crean una mejor experiencia para el cliente.
Mediante la API REST, AgentBot se integra con cualquier CRM, sistemas internos de la empresa, chats humanos y aplicaciones de terceros, con la finalidad de efectuar interacciones que resuelvan la necesidad del usuario en tiempo real, entregando información útil.
Por último, las herramientas asociadas a AgentBot permiten obtener reportes cuantitativos y cualitativos con información valiosa sobre los clientes y un mejor entendimiento del negocio. Las interacciones con los clientes arrojan como subproducto un conocimiento profundo de lo que más les importa a éstos, y de cómo se puede mejorar el servicio y la atención que se les da.
