Mientras que en la gestión de proyectos tradicional el concepto de proyecto implica que algo tiene un principio y un final claro, un proyecto de IA conversacional no lo tiene. Por el contrario, comienza con la configuración de una nueva interfaz de conversación, pero en realidad no termina con su entrega, que es cuando el bot se activa.

Después de la puesta en marcha, hay infinitos pasos iterativos de seguimiento, análisis y mejora que te permiten comprender si tu producto es eficaz y encontrar las mejores estrategias para corregir los problemas.

Configurar el análisis correcto

Cuando configuras un panel para el análisis, debes elegir los criterios de evaluación cuantitativos y cualitativos que mejor se adapten a tus necesidades.

Para ello, primero debes definir cuál es el tipo y el objetivo de ese asistente virtual. Para configurar el bot Analytics correctamente, primero debes identificar el tipo y los objetivos de tu chatbot o voicebot.

Por ejemplo, si se trata de una interfaz conversacional basada en IA (es decir, puede comprender lo que escribe o dice en su idioma), el criterio crucial de evaluación es, por supuesto, su capacidad de comprensión. Si se trata de una aplicación de voz, una consideración adicional es la precisión del reconocimiento de voz.

Además, los diferentes objetivos requieren diferentes formas de evaluar el desempeño: ejemplos de estos objetivos son generar clientes potenciales, ayudar a los usuarios a navegar por productos y servicios, reducir la carga de servicio al cliente al proporcionar soluciones e información, etc.

Métricas para NLU / Comprensión

Evaluar el nivel de comprensión de un asistente virtual significa verificar cómo está funcionando el modelo NLU (Natural Language Understanding) y luego proceder con su ajuste fino.

Hay dos KPI para monitorear al analizar conversaciones desde esta perspectiva:

• Porcentaje de “no coincidencia”: ¿cuánto comprende el bot?
• Porcentaje de “coincidencia”: ¿cuánto se entiende correctamente?

Profundicemos más en ambos KPI.

No-match: ¿Cuánto comprende el bot?

Para dar respuesta a esta primera pregunta, debemos tener en cuenta el porcentaje de casos en los que el bot no asocia el enunciado del usuario a ninguno de los temas que puede manejar y proporciona un mensaje con variaciones del concepto “Lo siento, No entendí, ¿puedes repetir?”.

Esta “falta de comprensión” puede denominarse “No coinciden”, “Fallback” o con otras etiquetas que pueden variar de una plataforma a otra y de una empresa a otra.

Sin embargo, existen al menos dos tipos de “No coinciden”:

1. Rechazos correctos: expresiones que no coincidían y que no deberían coincidir porque, por ejemplo, se refieren a un tema que no se ha enviado al asistente virtual (ejemplo a continuación). Sin embargo, si el nuevo tema se pregunta con frecuencia, se puede construir una nueva intención para tratarlo.
2. Rechazos (o eliminaciones) incorrectos: expresiones que no coincidían pero que deberían haber coincidido, porque el tema al que se refieren se encuentra entre los que maneja el bot. En este caso, la única intervención posible es agregar nuevas frases de entrenamiento al modelo NLU para mejorarlo.

Coincidencia: ¿Cuánto se entiende correctamente?

En este segundo caso, el bot coincide con un tema, pero debemos averiguar si coincidió con el correcto o si ha habido una especie de malentendido.

Es importante medir el impacto de los tres tipos posibles de “Coincidencia”:

• Detecciones correctas (o aceptación correcta): el enunciado del usuario coincidía con el tema correcto.
• Detecciones incorrectas (o aceptación falsa): la expresión del usuario debería haber coincidido con un tema, pero coincidió con otro (ejemplo en inglés en la próxima imagen).
• Rechazos perdidos (o adiciones): la expresión del usuario no debería haber coincidido con ninguno de los temas tratados por el bot, pero coincidió con uno.

Métricas para la experiencia conversacional

Aparte de las métricas de NLU, el otro área a analizar es la de la experiencia conversacional general.

Estos pueden variar de Asistente virtual a Asistente virtual.

Por ejemplo, un KPI que puede ser doble es la Duración de la sesión: en un chatbot de servicio al cliente, las conversaciones breves podrían verse como un indicador muy positivo, porque brindan información y soluciones rápidamente; por el contrario, en una generación de prospectos, las conversaciones breves serían un indicador negativo, lo que significa que los usuarios no se involucran, no llegan al final del flujo y, en última instancia, no dejan ninguna información sobre sí mismos.

Otra cosa a considerar es la diferencia entre métricas cuantitativas y cualitativas. Los primeros proporcionan datos sin procesar; son más fáciles de extraer, pero suelen ser engañosas si no las analizan analistas expertos. Estos últimos son más difíciles de extraer y requieren más esfuerzo humano, pero brindan información más profunda.

Las métricas de bot cuantitativas se centran en números y datos brutos, las métricas de bot cualitativas se centran en una evaluación crítica de esos datos

A continuación, presentamos algunas sugerencias de métricas cuantitativas que podrían resultar útiles para comprender si una interfaz de conversación es eficaz:

1. Número de conversaciones e interacciones: ¿los usuarios utilizan realmente el producto de todos sus esfuerzos? ¿Puede encontrar formas de solicitar más interacciones?
2. Duración de las conversaciones: esa es una métrica complicada, porque una conversación larga puede significar: A) a los usuarios les gusta chatear con tus chatbots o voicebot y así interactuar en múltiples turnos, o B) que no entienden tus respuestas, dedican demasiado tiempo a leerlos porque son demasiado largos y complejos o, en general, no pueden encontrar la información que buscan.
3. Distribución de interacciones por día de la semana y hora del día: ¿cuándo prefieren interactuar los usuarios? ¿Hay algún pico? Si tienes que realizar cambios en la producción, es posible que desees evitar los períodos de tiempo más populares para las interacciones.
4. Interacción libre frente a botones: ¿cuál es el porcentaje de usuarios que interactúan libremente usando lenguaje natural y el de usuarios que interactúan haciendo clic en botones, carrusel y plantillas visuales? ¿Es una distinción significativa?
5. Canales: ¿cuál es la distribución de los usuarios en los múltiples canales en los que está activo el asistente? ¿Y por qué los usuarios prefieren uno sobre los demás?
6. Principales intenciones: ¿Cuáles son las preguntas más frecuentes? Si tienes que hacer alguna mejora, es posible que desees priorizar estos temas.

Muchas plataformas de creación de bots tienen métricas de análisis integradas, y también hay algunas plataformas externas que se pueden integrar fácilmente para extraer datos cuantitativos, como Dashbot, Tableau, Mixpanel o Matomo, por nombrar algunas.

En cuanto a las métricas cualitativas, en mi opinión, las más importantes son:

1. Puntos débiles: todas las desviaciones frecuentes de los caminos conversacionales diseñados; podrían ser respuestas inesperadas a las preguntas del bot, solicitudes de explicaciones, etc.
2. Conversaciones terminadas prematuramente: ¿en qué pasos los usuarios cuelgan o dejan de chatear? ¿Y por qué? Mire hacia atrás en el historial de la conversación e intente encontrar las razones.
3. Sentimiento: el análisis de sentimiento (o polaridad) determina si los usuarios en general expresan una opinión positiva o negativa mientras interactúan.

Comentarios explícitos

Finalmente, la forma más sencilla de evaluar el rendimiento de tu Asistente virtual es preguntar a las personas que realmente lo usan: tus usuarios.

La retroalimentación explícita se puede dar de varias formas diferentes, dependiendo del enfoque de los analistas. Pueden ser preguntas múltiples o una sola, pueden investigar un solo aspecto o varios, la pregunta puede ser abierta o proporcionar respuestas sugeridas, y las respuestas pueden ser textos, números o símbolos (ejemplo a continuación).

Conclusión

En resumen, la puesta en marcha es solo el comienzo de un proyecto de IA conversacional.

Sin embargo, “criar” un chatbot o robot de voz recién nacido y luchar para hacerlo cada vez más eficaz es otro tipo de desafío. Requiere un análisis cuidadoso del rendimiento del bot, teniendo en cuenta criterios específicos que varían de un proyecto a otro, según el tipo y los objetivos del asistente virtual.

¿Estás de acuerdo con estas métricas? ¿Qué otros KPI utilizas para evaluar tus chatbots y voicebots? ¿Cómo configuras tu bot Analytics? ¡Háznoslo saber en los comentarios!

The post KPI’s y métricas para evaluar el rendimiento de chatbots y voicebots first appeared on Planeta Chatbot.

¿Estás planeando construir un chatbot y quieres saber si integrar Dialogflow con alguna app de mensajería es fácil? Este es el artículo que estabas buscando.

¿Has conseguido los anteriores pero ahora estás atrapado ya que crees que no es posible hacer más si no sabes programar? De nuevo, ¡este es el artículo que estabas buscando!

Primero lo primero: una descripción general de Dialogflow

Sin embargo, antes de buscar integraciones, demos un paso atrás y echemos un vistazo a qué es Dialogflow.

Dialogflow es una plataforma extremadamente fácil de usar que funciona con el sistema de PNL de Google, donde aquellos que lo desean pueden crear una interfaz conversacional impulsada por IA de forma gratuita.

Al igual que no necesitas saber programar para crear un agente de Dialogflow, no necesitas ser un desarrollador para integrarlo con tus plataformas favoritas y asistentes, como Facebook Messenger, Amazon Alexa, Skype y muchos más.

Cada tipo de integración tiene sus propias reglas. ¡Veamos cómo hacer la integración con Telegram en 5 pasos!

1. Crear un agente de Dialogflow

Si ya tienes un agente de Dialogflow, puedes saltarte esta parte. Si aún no tienes ningún agente de Dialogflow, aquí explicaremos todos los pasos necesarios para crear uno.

Lo primero que tienes que hacer es abrir DialogFlow, hacer clic en Consola e iniciar sesión con una cuenta de Google. Seguidamente, tienes que poner un nombre a tu asiste y configurar el idioma predeterminado y clickar en continuar.

Tu agente ya está guardado. Puedes cambiar todas las configuraciones y agregar todas las intenciones (es decir, intenciones de conversación del usuario final) más adelante, pero ya tendrás 2 intenciones predefinidas llamadas Default Welcome Intent y Default Fallback Intent: la primera para dar la bienvenida a los usuarios y la otra para tratar la comprensión fallida .

Encontrarás en Google Cloud toda la documentación que necesitarás para comenzar.

2. Obtener un token de Telegram

Para obtener un token de Telegram, es decir, una “clave” para conectar las dos plataformas, debes usar tu cuenta de Telegram para chatear con Father Bot, es decir, un bot “especial” llamado BotFather.

Primero, debes encontrar este bot, así que escribe BotFather en la barra de búsqueda Luego haz clic en el BotFather oficial verificado (tendrá una marca azul junto a su nombre).

Se explicará cómo interactuar con ella misma con comandos y te guiará a través de la integración de un nuevo robot.

Para comenzar el procedimiento, escriba / newbot en la barra de entrada. Responde las preguntas del BotFather y elige un nombre y un nombre de usuario para su bot.

Si el nombre de usuario que tienes en mente ya está asociado a otro bot, BotFather te pedirá que lo cambies hasta que encuentres un nombre de usuario que esté libre.

Cuando hayas elegido un nombre de usuario, BotFather te dará el token que necesitas junto con otra información.

3. Pon el token de Telegram en tu agente de DF

Ahora que ya tienes tu token, todo lo que tienes que hacer es ponerlo en el agente de Dialogflow que has creado previamente.

Inicia sesión en tu cuenta de Dialogflow y ves a la sección Integraciones. Aquí encontrarás una lista de canales que puedes conectar fácilmente a tu bot. Haz clic en Telegram para comenzar el proceso.

Ahora inserta el token de Telegram adquirido previamente en la barra de entrada y hazclic en INICIAR.

4. Prueba

Finalmente, puedes probar tu chatbot directamente en Telegram, para averiguar si todo está funcionando bien.

Búscalo en la barra de búsqueda : lo encontrarás tanto con el nombre como con el nombre de usuario que elegiste en el paso 2. Escribe / start para iniciarlo y luego libera tu imaginación y pregúntale qué quieres.

5. Agregarlo a un grupo

Incluir tu chatbot a un grupo es extremadamente fácil. Todo lo que necesitas hacer es ir a la configuración del grupo y agregarlo como un nuevo miembro.

Sin embargo, en este escenario, dado que el bot es como cualquier otro miembro, cuando escribes algo tienes que hacerle entender que quieres que intervenga. Puedes hacerlo poniendo un “/” antes de cualquier cosa que escriba (por ejemplo, / hello). Tu oración se resaltará en azul y tu chatbot recién integrado responderá de inmediato a esa solicitud.

¿Este artículo no fue lo suficientemente útil? Puedes encontrar la documentación oficial de Dialogflow en este enlace.

The post Cómo integrar tu chatbot de Dialogflow con Telegram sin necesidad de usar código first appeared on Planeta Chatbot.

Chatbots y conversaciones: por dónde empezar

1. Chatbot: primero, un chatbot es un software que responde automáticamente a las preguntas de los usuarios utilizando lenguaje natural (es decir, un lenguaje humano) como código de comunicación y un chat como interfaz para esa interacción.
2. Voicebot: de manera similar, un voicebot es un chatbot avanzado que interactúa con los usuarios de forma oral, a veces con una combinación de voz y texto escrito (como el Asistente de Google que probablemente esté en su dispositivo móvil) y otras veces sin usar ninguna interfaz gráfica (como Google Home).
3. UX conversacional: es un subcampo de la experiencia del usuario que estudia cómo mejorar las interacciones de chatbot y voicebot para crear experiencias de conversación naturales y efectivas. El objetivo de “Convy UX” es anticipar las necesidades del usuario, reducir su carga cognitiva para recuperar información y crear entretenidas conversaciones bidireccionales. Quieres saber más? Haga clic aqui !
4. IU conversacional (CUI): es una interfaz de usuario que permite la interacción entre humanos y computadoras. Los chats y los asistentes de voz son dos tipos diferentes de interfaz de usuario conversacional.
5. 5. Chatbot basado en un flujo conversacional: es un tipo de chatbot que no tiene un componente NLU y, por lo tanto, no puede entender lo que escriben los usuarios. Por lo general, tienen una estructura de árbol detrás y solo se pueden usar haciendo clic en la respuesta rápida sugerida. Se consideran ficticios, pero no temas: ¡se pueden integrar con IA para mejorar al siguiente nivel!
6. Chatbots impulsados por inteligencia artificial: utilizan el procesamiento del lenguaje natural, lo que significa que pueden entender lo que el usuario escribe / dice en un lenguaje humano (si están destinados a comprender ese tema específico) y se basan en el aprendizaje automático, lo que significa simulan un aprendizaje humano y mejoran constantemente sus actuaciones. Por supuesto, pueden usar un enfoque híbrido y mezclar inteligencia artificial con flujos de conversación: puedes encontrar todas las ventajas en este artículo.

Chatbots inteligentes: el papel de AI y PNL

8. Aprendizaje automático: los sistemas de aprendizaje automático se basan en algoritmos que hacen que una computadora aprenda “autónomamente” de los datos que proporciona, en lugar de instrucciones explícitas.

9. PNL: El procesamiento del lenguaje natural es el campo de la IA que se ocupa de enseñarle a una computadora cómo entender y generar expresiones en un lenguaje natural en lugar de uno formal.

10. NLU: la comprensión del lenguaje natural es un subcampo de PNL que se enfoca en comprender las expresiones humanas, es decir, analizarlas y extraer información de ellas. Se utiliza en chatbots con inteligencia artificial para comprender las consultas de los usuarios y responder en consecuencia.

11. Frases de entrenamiento: el conjunto de datos de entrenamiento utilizado para entrenar el algoritmo de ML detrás de un sistema NLP está hecho de frases anotadas asociadas a una intención y mapeadas a través de entidades. Básicamente son el alimento en el que se alimentan los algoritmos para aprender y mejorar.

12. Intención: es un conjunto de frases de entrenamiento que expresan una única intención (del usuario) para un turno conversacional específico. Si el chatbot entiende cuál es la intención correcta para la expresión de ese usuario, proporciona una respuesta que puede ser una respuesta completa o una pregunta que desencadenaría otro intercambio de conversación.

13. Entidad: es una clase de datos que se pueden extraer de un enunciado del usuario. NER (Reconocimiento de entidad con nombre) es la tarea de PNL que estudia cómo extraer entidades de los textos. Los tipos comunes de entidades son ciudades, organizaciones, lugares, cantidades, números.

14. Enunciado del usuario (también consulta del usuario o el usuario dice): es la entrada proporcionada por el usuario en un turno de conversación. Es diferente de las frases de entrenamiento, ya que las primeras son expresiones espontáneas, mientras que las segundas son oraciones simplificadas y anotadas específicamente diseñadas para entrenar un algoritmo ML.

Chatbot que responde: tipo de respuestas

15. El bot dice / Respuesta: es el texto producido por el bot en un turno de conversación. Esta respuesta puede contener una imagen, un carrusel (un conjunto de tarjetas deslizantes) o respuestas rápidas.

16. Respuestas rápidas: son las sugerencias que aparecen después de una respuesta de chatbot y solicitan al usuario que continúe la conversación siguiendo la ruta diseñada. Pueden ser en forma de preguntas, respuestas o afirmaciones, dependiendo del flujo de conversación específico y del tono de voz del chatbot.

17. Fallback: identifica los casos en los que el chatbot no comprende la entrada del usuario. Se puede manejar con una respuesta predeterminada que admite la falla o de otras maneras, es decir, enumerando lo que el bot puede y no puede hacer, especificando que todavía está aprendiendo, etc.

18. Toma de control humana: si un chatbot falla, a menudo hay un operador humano que lo respalda y toma el control de la conversación. No es una pena, es un hecho: los chatbots no pueden resolver todos los problemas, especialmente aquellos que no están programados para resolver. En todos los casos delicados, una intervención humana es lo que salva el día y mantiene la experiencia del usuario positiva.

19. Integraciones: lo que realmente hace que un chatbot sea eficiente es la posibilidad de integrarlo en diferentes canales y con diferentes sistemas. Las integraciones en varios canales permiten llegar a un mayor número de usuarios, mientras que las integraciones a través de API con un CRM permiten acceder a información sobre los usuarios, como nombre y apellido, dirección de correo electrónico, número de teléfono, pedidos, reservas, etc.

20. Chatbot builder o Chatbot platform: es una plataforma para implementar un chatbot. Existen numerosos tipos de ellos: algunos son gratuitos, algunos requieren el pago de una licencia, algunos no requieren habilidades de codificación, algunos son para desarrolladores expertos, algunos son más guiados y documentados, algunos le permiten proporcionar más información al usuario a través de la integración específica, algunos se integran con un sistema de PNL, otros solo pueden manejar tareas más básicas. La elección perfecta, por supuesto, depende de las necesidades específicas.

The post Diccionario del mundo chatbot: 20 conceptos básicos para sonar como un experto first appeared on Planeta Chatbot.

¿Un ejemplo? Si mi asistente virtual te solicita una dirección de correo electrónico y tu proporcionas un número de teléfono, es posible que no pueda procesarlo en esa etapa específica del flujo de la conversación. Mi asistente tendrá que decirte que ese input es incorrecto y que probablemente no has leído bien sus instrucciones (o nada). Pero, ¿cómo puedes lograr este objetivo sin que el usuario se sienda ofendido?

La lingüística tiene una gran solución para eso: ¡Hedges!

Hedges: cómo disminuir las críticas y sonar más educado y cortés

En las teorías de la lingüística y la comunicación, los “hedges” son expresiones que suavizan el impacto y la asertividad de una declaración al expresar incertidumbre y, generalmente, se usan cuando alguien tiene que expresar una crítica o contradecir la opinión de otra persona.

Claramente, los hedges están estrictamente ligados al concepto de cortesía y educación, que puede definirse como respeto por el interlocutor y por sus sentimientos. Por lo general, cuanto más resueltos somos al decir lo que pensamos, más agresivos y menos educados somos percibidos.

Cada idioma tiene sus herramientas específicas para evitar ser demasiado directo, y no debemos olvidar que también la comunicación no verbal juega un papel importante en el asunto. En términos generales, sin embargo, las herramientas gramaticales que pueden ser útiles son los adverbios y los tiempos verbales.

Los siguientes ejemplos de técnicas de hedgers están sacados del Diccionario de Cambridge online.

• Tiempo y aspecto
  Me preguntaba si podría hablar contigo. (menos directo y más educado que ¿Podría hablar contigo?)
• Expresiones modales
  La respuesta podría ser que los árboles tienen algún tipo de enfermedad. (menos directo que La respuesta es que …) ¿Quizás deberíamos hablar con él al respecto? (menos directo de lo que deberíamos o debemos hablar con él al respecto).
• Lenguaje vago
  Es difícil de decir. ¿Podrías publicar esta carta por mí?
• Verbos (sentir) Algunos verbos (como sentir, suponer, calcular) se pueden usar para cubrir las declaraciones personales, es decir, hacer que las declaraciones personales sean menos directas: Creo que esa es la mejor respuesta al problema. (menos directo que Esa es la mejor respuesta al problema ).

¿Por qué deberías usar hedges en la redacción de IA conversacional?

Ahora puede que te preguntes por qué necesitas saber estas cosas. Bueno, la belleza de la lingüística es que no es una ciencia teórica que estudia algo lejano, de lo que no debemos preocuparnos. Por el contrario, estudia la forma en que los humanos interactúan entre sí diariamente usando el lenguaje natural, y por lo tanto se puede aplicar a todas las actividades que implican comunicación.

El enfoque de este artículo es definitivamente la redacción de IA conversacional, es decir, la voz que los diseñadores de conversación proporcionan a sus chatbots y voicebots.

Photo by BENCE BOROS on Unsplash

En este contexto, los hedges y la cortesía son útiles para ayudar a los usuarios a percibir a los asistentes virtuales como más humanos y la experiencia de conversación general como más natural y satisfactoria. Si el asistente con el que están chateando o hablando los trata amablemente, es más probable que sigan interactuando con él, la percepción que tienen de la marca será más positiva y el servicio prestado será más exitoso.

3 casos de uso de hedges en chatbots o voicebots

Veamos algunos ejemplos de cómo los hedges se pueden usar concretamente al escribir los diálogos para chatbots y voicebots.

1. Proporción de datos incorrectos

Como en el ejemplo que hemos planteado al comienzo de este artículo, si el asistente virtual necesita un tipo particular de datos o alguna información en un formato específico, es posible que deba insistir en preguntarlo. Pero, hay maneras groseras de pedirlo:

Y, por otro lado, hay formas suaves y educadas de hacerlo, utilizando expresiones como “parece ser” y “podría”.

2. Reserva

Un mensaje “default” es un mensaje que maneja casos en los que el bot no comprende lo que significa la entrada del usuario. Sin embargo, hay varios tipos de respaldo:

R: El bot cree que ha entendido pero no está 100% seguro, tal vez porque la entrada del usuario incluye errores ortográficos o es demasiado vago. Aquí hay un ejemplo en el que se utilizan hedges como “no del todo” y “quizás”.

B — El bot no entiende pero no sabe por qué: ¿es porque no fue programado para entender ese tema o porque su sistema de PLN todavía necesita mejoras? Puede ser honesto y admitir que tiene dudas con expresiones como “no estoy seguro” y “quizás” y luego ser proactivo en guiar al usuario a lo que puede manejar:

3. Sugerencias

Los asistentes virtuales pueden proporcionar sugerencias sobre lo que creen que podría ser interesante para el usuario, por ejemplo, en función de sus interacciones anteriores.

En resumen, los hedges son una herramienta importante que se puedes utilizar en el diseño de conversación para suavizar las declaraciones y ser más cortés con los usuarios, a fin de proporcionar la mejor experiencia conversacional posible.

¡Pero no son la única herramienta que se puede tomar de la lingüística aplicada y usar en IA conversacional! ¿Tienes curiosidad por conocer otro? ¡Lee este artículo sobre las máximas conversacionales de Grice !

The post Hedges y educación en el copywriting de chatbots y voicebots first appeared on Planeta Chatbot.