El lanzamiento de ChatGPT ha sido una gran revolución desde el primer día, ha cambiado la manera de hacer búsquedas en internet, facilitando la obtención de información sin tener que consultar diferentes páginas de internet para tener una respuesta. Su impacto ha sido evidente, superando en volumen de usuarios a otras grandes aplicaciones como TikTok, además de tenerlo disponible en internet, la compañía ha anunciado que la aplicación para iOS está ya disponible en Estados Unidos.

Open AI ha querido aclarar la versatilidad de ChatGPT:

• Respuestas instantáneas: Obten información precisa sin tener que rebuscar entre anuncios o múltiples resultados.
• Consejos a medida: Busca consejo sobre cocina, planes de viaje o cómo redactar mensajes.
• Inspiración creativa: Genera ideas para regalos, esboza presentaciones o escribe el poema perfecto.
• Aportación profesional: Aumenta la productividad con comentarios sobre ideas, resúmenes de notas y asistencia técnica sobre temas concretos.
• Oportunidades de aprendizaje: Explora nuevos idiomas, historia moderna y mucho más a tu propio ritmo.

Como veníamos destacando, a día de hoy la aplicación solo está disponible en Estados Unidos y para iOS, aunque la compañía también ha afirmado que a lo largo de las próximas semanas se expandirán a otros países. En cualquier caso, como viene haciendo desde el lanzamiento de la herramienta, los desarrolladores de la compañía, esperan recibir feedback de los usuarios para poder mejorar continuamente las funciones y la seguridad de ChatGPT.

«La aplicación ChatGPT es gratuita y sincroniza tu historial en todos los dispositivos. También integra Whisper, nuestro sistema de reconocimiento de voz de código abierto, que permite la entrada de voz. Los suscriptores de ChatGPT Plus obtienen acceso exclusivo a las funciones de GPT-4, acceso anticipado a funciones y tiempos de respuesta más rápidos, todo ello en iOS» han indicado en el comunicado lanzado.

Con la aplicación ChatGPT para iOS, dan un paso más en su misión de transformar la investigación de vanguardia en herramientas útiles que empoderen a las personas, al tiempo que las hacen cada vez más accesibles. Pero, la pregunta es «¿Cuándo le llegará el turno a Android?» Por el momento no lo sabemos, aunque OpenAI se ha encargado de dejar claro que ya están trabajando en este entorno y que «son los siguientes«.

Fuente: OpenAI – Imagen principal: Search Engine Land

The post OpenAI lanza la app de ChatGPT para iOS first appeared on Planeta Chatbot.

Desde tovie.ai, han realizado una investigación de la que han obtenido las tendencias, datos de mercado y predicciones del comercio conversacional. Y que a continuación, te vamos a mostrar algunos de los contenidos y resultados clave.

Introducción

Si hay algo a tener en cuenta, es que la introducción de tecnologías de comercio conversacional ha sido posible gracias a la creciente demanda de los consumidores y al desarrollo de asistentes de inteligencia artificial como Alexa, Siri y Google Assistant, así como de dispositivos inteligentes como televisores y altavoces.

En línea con ello están los chats en vivo, los chatbots y los asistentes de voz, que, sin duda, están mejorando constantemente, lo que crea enormes oportunidades para que los ecommerce puedan crear nuevas bases de usuarios aprovechando estos canales de venta nuevos y sin explorar.

Para 2025, se prevé que el gasto mundial en canales de comercio conversacional se multiplique casi por siete hasta alcanzar unos 290.000 millones de dólares (Datos de tovie.ai).

Desafíos para la adopción de la IA en el comercio minorista

Las normas de personalización han cambiado. Los clientes se sienten frustrados cuando las marcas y comercios no adaptan los resultados de las búsquedas en función de sus consultas anteriores o de su comportamiento en el entorno digital.

Cuando hablamos de la IA orientada al cliente o no orientada al cliente, el 80% de las empresas dicen que están proporcionando experiencias personalizadas a los consumidores. Mientras que el 60% dice que reciben experiencias personalizadas. Y el 29% de los minoristas afirman que ofrecer experiencias de compra coherentes en los canales digitales y en la tienda es un reto.

Previsiones del mercado mundial de la IA en el comercio minorista

Se espera que el mercado mundial de Inteligencia Artificial en el sector minorista alcance los 23.32 mil millones de dólares en 2027.

De aquí a 2025, las ventas anuales por móvil deberían duplicarse. Para el año 2025, más del 10% de todas las ventas al por menor en los Estados Unidos se generarán a través del comercio móvil.

Tendencias

1. La personalización impulsada por la IA ha llegado para quedarse.
2. Las actividades presenciales se digitalizan
3. Los códigos QR son impulsores de ventas sin COVID
4. La mejora de la experiencia del cliente es imprescindible
5. Aumentará el número de canales con capacidad de voz

El impacto de la pandemia de COVID-19

La pandemia influyó en muchas tendencias del comercio electrónico que salvan la brecha física-digital:

• El éxito de las soluciones digitales durante la pandemia significa que el comportamiento de los clientes será cada vez más dirigido, en lugar de volver a las normas anteriores a la pandemia.
• El móvil es el canal más importante, y aunque el online seguirá siendo relevante para las transacciones de mayor valor, la UX debe ser mobile-first.
• Los códigos QR permiten a las empresas minimizar el contacto con los clientes, algo que éstos agradecen.

Un estudio de Paymnts reveló que el 48% de los consumidores que poseen teléfonos inteligentes los utilizan mientras compran en las tiendas. Al colocar códigos QR en un producto o estante, los clientes pueden acceder a información adicional sobre el artículo, verlo en uso o ver una presentación de las opciones de color o diseño.

La experiencia de compra en la tienda se está digitalizando

Las experiencias de compra en las tiendas deben coincidir con lo que ofrecen en línea:

• El 88% de los compradores quieren ver medidas relacionadas con la prevención de la propagación del COVID-19.
• El 37% de los compradores de la generación del milenio y de la generación Z están interesados en comprar en los escaparates utilizando códigos QR.
• El 28% de los minoristas tiene previsto implantarlo este año, lo que supone una clara oportunidad para que los minoristas inviertan en esta tecnología.

También se estima que en 2022, alrededor del 40% de las compras realizadas en línea se recogerán en las tiendas.

La personalización es la clave

Juniper Research prevé que las ventas minoristas procedentes de las interacciones basadas en chatbots alcancen los 112.000 millones de dólares en 2023 y que más de 325.000 minoristas adopten la tecnología de IA en ese periodo.

La omnicanalidad es la norma, no la excepción

El informe de McKinsey muestra que dos tercios de los clientes prefieren una opción de autoservicio humano o digital a distancia.

La tecnología de voz como motor del comercio minorista

La tecnología Voice-First es más valiosa que nunca.

La incorporación de una interfaz de usuario por voz es una evolución natural de las experiencias de compra por móvil, que ya generan el 45% de las ventas del comercio electrónico.

El 73% de los líderes del sector minorista considera que la búsqueda más rápida a través de la voz es una de las principales ventajas de los asistentes de voz para el usuario final

Conclusión

Tras las acciones inconscientes debidas a la pandemia de COVID-19, muchos minoristas intentaron desarrollar nuevas estrategias para reorganizar sus modelos de negocio y adaptarse en 2021.

En 2022, las empresas deben centrarse en hacer de la experiencia digital un complemento esencial de la experiencia en persona, no un sustituto de la misma. Como minorista, puedes proporcionar el entorno adecuado para los clientes mediante la implementación de chatbots impulsados por la IA, la búsqueda por voz, los catálogos de RA y más.

Como podemos ver, los códigos QR desempeñan un papel importante en el comercio minorista físico moderno, proporcionando a los compradores formas activas de mantenerse seguros, interactuar con los productos y ayudar a proporcionar el tipo de experiencia que los clientes desean.

Si quieres profundizar más en los datos y tendencias, aquí puedes ver el documento original, publicado por trove.ai.

The post Comercio conversacional 2022: tendencias, datos de mercado y predicciones first appeared on Planeta Chatbot.

Hace poco le pedimos a casi 20 chatbots que se presentaran. La mitad de ellos compartían varias palabras y frases con estructuras parecidas: 

Hola, soy [nombre del bot], el asistente virtual de [nombre empresa].
Voy a ayudarte con [cosa que hace el bot].

Y de lo cientos de emojis disponibles, la mayoría usaba solo dos: y .

Después jugamos a escribirles algo que no iban a entender. Los más simpáticos agregaron un ‘ummm’ antes de pedirnos que lo intentemos con otras palabras, que probemos con una frase más corta o que quizás todavía no habían aprendido sobre ese tema. 

En uno de los casos encontramos una pieza de museo. En 2019 habíamos diseñado un bot que decía ‘Ahora que sabes tal cosa, quizás te interese saber tal otra’ en la explicación de un trámite de varios pasos. La sorpresa fue que volvimos a leer esa oración, casi idéntica, en otro chatbot que nació tres años después. 

No era plagio: era un problema de diseño. Muchas empresas piensan que sus asistentes virtuales tienen que sonar igual que los bots que ya funcionan bien y olvidan que están creando un personaje que puede ser único.

El primer paso: entender

A veces se confunde hacer un ‘bot único’ con escribir textos líricos y ponerle muchos emojis. Pero la personalidad del bot no es un adorno: se expresa en cada cosa que resuelve, incluso cuando te da el saldo de tu cuenta bancaria o te invita a una fiesta. Es parte del core del diseño. Impacta en las métricas del negocio, a veces de manera dramática.

Para diseñar una personalidad primero hay que entender tres aspectos:

1. Cómo es y qué necesidad tiene el negocio. ¿Cómo son la personalidad y la voz de la marca? ¿Nos va a servir de punto de partida para alinearlos? ¿El negocio quiere vender, ofrecer soporte, agilizar la atención al cliente? ¿Todo eso junto?
2. Lo segundo es conocer a los usuarios. ¿Quiénes son y cómo se vinculan con la marca? ¿Cuáles son sus anhelos y frustraciones? ¿Qué necesitan hacer?
3. Por último, necesitamos entender qué tiene que hacer el bot. ¿Cuál es su misión en el mundo? ¿Qué tareas va a resolver? ¿Tiene que ayudar a hacer trámites, dar contención, acompañar un proceso complejo?  

En el sweet spot, el punto exacto donde estos tres elementos confluyen, se empieza a construir la personalidad.

Idear un personaje

Hay varias maneras de crear personajes. En BeBot partimos de los arquetipos de personalidad, patrones universales de comportamiento que encontramos en todas las culturas y que suelen usarse en el marketing, en test de personalidad y hasta en el tarot. Con el tiempo los fuimos puliendo  para que se volvieran útiles al momento de construir bots. En el primer curso de Diseño Conversacional que vamos a dar en octubre contaremos cómo fue ese proceso.

Al momento de diseñar, nos preguntamos cómo se comportará ese personaje. ¿Hablará como un amigo, un mentor o un gobernante? ¿Será un mago dispuesto a convertir cualquier cosa en algo maravilloso o un bufón que siempre despertará sonrisas? ¿Va a plantarse como un protector o como el capitán del barco, capaz de atravesar cualquier tormenta con mano firme?

Responder esas y muchas otras preguntas es plantar los cimientos de la nueva personalidad. Si es posible, lo mejor es hacerlo en un taller de ideación con el cliente. Más allá de la investigación previa, nadie como ellos conoce el negocio. Y si la nueva personalidad no hace match con las tareas que el bot tiene que cumplir, el efecto puede ser muy perjudicial. 

También hay que entender que no va a hablar siempre de la misma manera. Pensemos en una empresa de seguros. Si alguien cotiza el seguro de su bicicleta nueva, el bot no le hablará en el mismo tono que a una persona que acaba de tener un accidente. 

Igual que en la vida, ninguna interfaz conversacional encarna un solo arquetipo. La mayoría de las veces se combinan dos o tres y dentro de cada uno hay distintos matices. Si es un mentor, puede ser uno amoroso y paciente, como Charles Xavier en los X-Men o malhumorado y distante pero con buen corazón, como el Maestro Shifu en Kung Fu Panda. Para poder pensar en esos aspectos más sutiles, recurrimos al cine, la literatura y la cultura pop en general. Ya lo dijimos: diseñar personalidades es muy divertido.

Darle vida a las máquinas

¿Cuándo sabemos que el personaje está listo para salir a la luz? Si la personalidad y el proceso de cocreación con el cliente se hizo bien, se produce un momento de epifanía y empezamos a ‘ver’ al personaje en nuestra imaginación. 

En esta etapa el bot nos cuenta quién es en un monólogo que lo define. También empieza a tener una historia y una forma de habitar el mundo. Aunque quizás no se atreva a contar sus intimidades más profundas, es importante saber incluso qué come, cómo se divierte, dónde vive y hasta a qué le teme.

Después viene el proceso de escribir los flujos conversacionales poniéndose en la piel del personaje. Para entender qué caminos tomará la conversación, trabajamos en equipo con los desarrolladores y los arquitectos de la información. Es otro proceso complejo y apasionante y sobre el que también vamos a hablar en el primer curso de la BeBot Academy.  

Escrito por Sebastián Hacher – Conversational UX Writing Leader – BeBot

The post El alma de las máquinas: cómo se diseña la personalidad de un bot first appeared on Planeta Chatbot.

¿Qué es un bot de Telegram?

Como su nombre indica, un chatbot de Telegram es un chatbot que vive en la plataforma de Telegram y facilita las conversaciones automatizadas entre un humano y un ordenador a través de la app de Telegram.

El chatbot funciona igual que un ser humano con el que chateas a través de Telegram, con la única diferencia de que las respuestas son enlatadas y puedes obtener la misma respuesta para preguntas similares.

¿Por qué usar un chatbot de Telegram?

Si un gran porcentaje de tu público objetivo está activo en Telegram, entonces sólo tiene sentido utilizar la plataforma para proporcionar un mejor compromiso con el cliente utilizando chatbots. Los chatbots pueden dar respuestas a consultas comunes en segundos, en lugar de días.

Telegram está considerada como una de las plataformas de mensajería más seguras que existen, gracias a su cifrado de extremo a extremo. Esto significa que los clientes se sentirán más seguros tratando con un Chatbot de Telegram que, por ejemplo, con un agente humano. Telegram está disponible en Android, iOS, Windows Phone, aplicaciones de escritorio y también tiene una versión web. Esta característica agnóstica de la plataforma de Telegram hace que sea un fuerte argumento para crear un chatbot de Telegram para tus clientes que pueden estar usando diferentes dispositivos.

¿Cómo funciona un chatbot de Telegram?

Al igual que una persona normal, un chatbot de Telegram primero analiza lo que el usuario está pidiendo y luego trata de dar una respuesta que cree que se adapta mejor a la situación. Por ejemplo, imagina que chateas con un bot de Telegram de un restaurante. Si le preguntas «¿Puedo ver el menú, por favor?», el bot entiende la palabra «menú» y devuelve el Menú al usuario. Aunque puede haber mucha magia de programación detrás de todo esto y puede que estemos simplificando demasiado las cosas, esto es lo esencial de cómo funciona un chatbot de Telegram.

Precio del chatbot de Telegram

El precio del chatbot de Telegram varía dependiendo del constructor de chatbot que utilices. Hay una tonelada de desarrolladores de chatbot disponibles en el mercado, y una simple búsqueda en Google revelará que el desarrollo de un bot para, digamos, 1000 mensajes oscilará entre 17 dólares al mes y 37 dólares al mes. Sin embargo, para la mayoría de los usuarios, la creación de un chatbot es gratuita, y todo lo que hay que hacer es buscar Botfather y seguir las instrucciones en pantalla.

Cómo crear un bot en Telegram

Abre el messenger de Telegram, accede a tu cuenta o crea una nueva.

Paso 1: En la barra de búsqueda, busca @botfather.

¡IMPORTANTE! Recuerda que los bots oficiales de Telegram tienen una marca de verificación azul junto al nombre del bot.

Paso 2: Selecciona el canal del botfather y haz clic en /start. Haz clic en el botón «Enviar».

Paso 3: Selecciona /newbot – crea un nuevo bot.

Paso 4: Añadir un nombre de bot para llamar ( channuJan22Bot) e introducir el nombre del bot para mostrar ( kmJan22Bot).

Paso 5: Copiar la clave API que se genera en «Usar este token para acceder a la API HTTP».

Cómo integrar un chatbot con Telegram

Abre tu panel de control de Kommunicate.

Paso 1: Haz clic en Integraciones.

Paso 2: Haz clic en el enlace de configuración de la tarjeta de telegramas.

Paso 3: Pega la clave API en la tarjeta de integración de Telegram desde el panel de control de Kommunicate y haz clic en el botón «Guardar e integrar».

Paso 4: Ve al canal que acabas de crear («kmJan22bot») en Telegram e inicia una conversación.

Ahora puedes recibir mensajes en el tablero de Kommunicate.

The post Cómo crear un chatbot de Telegram first appeared on Planeta Chatbot.

La asistencia preventa y posventa es una forma brillante de fomentar la fidelidad de los clientes y aumentar su satisfacción. Sin embargo, la pregunta que se hacen muchos empresarios es qué canal de atención al cliente utilizar.

Según Kayako, el 41% de los consumidores prefiere el chat y la mensajería en directo como principal canal de asistencia, mientras que el 32% afirma que prefiere el servicio telefónico. Una gran parte de los consumidores –en particular los millennials más jóvenes y conocedores de la tecnología– demandan servicios de mensajería como soporte al cliente.

Por desgracia, es difícil desarrollar e implementar sistemas de chat en vivo, y es aún más difícil conseguir que los clientes los utilicen.

Ahí es donde entran en juego los canales de mensajería de las redes sociales, como WhatsApp Business, Facebook Business Messenger o Direct Mail en LinkedIn, Instagram y Twitter. Instala un canal de atención al cliente en las plataformas que los consumidores ya utilizan.

En este artículo, analizaremos por qué es importante ofrecer un servicio de atención al cliente a través de apps de mensajería y te ofreceremos algunos consejos y prácticas recomendadas para garantizar el éxito al implementar servicios de mensajería en directo en tu flujo de trabajo de atención al cliente.

¿Por qué mejorar la atención al cliente a través de apps de mensajería?

En la última década, las organizaciones han adoptado en masa una estrategia omnicanal y han diversificado su oferta de canales de atención al cliente.

No hace mucho tiempo, las líneas telefónicas de atención al cliente eran la forma predeterminada en que los clientes podían ponerse en contacto para recibir asistencia. ¿Por qué este enfoque ha caído en desgracia?

Los canales de asistencia tradicionales son lentos e ineficaces. Los clientes solían tener que esperar mucho tiempo en espera. Esto eliminaba una importante vía de asistencia: la asistencia previa a la compra.

Según Forbes, el 50% de los clientes dicen que tener un agente de chat que responda a su consulta en medio de la compra es una característica importante que puede ofrecer una empresa. Ayuda a aclarar cualquier duda, reduciendo en última instancia el abandono del carrito y aumentando las tasas de conversión.

Por ello, las empresas han adoptado con entusiasmo los sistemas de chat y mensajería en directo. ¿Con qué entusiasmo? Según Freshworks, el 81% de los negocios online han aumentado su inversión en chat y mensajería en directo.

Las apps de mensajería, tambien conocidas como, mensajería social hace que sea más cómodo para los clientes ponerse en contacto con ellos y recibir asistencia. Ofrece lo mejor de los dos mundos:

• el chat en directo, que permite resolver las dudas de los clientes en cuestión de segundos
• la asistencia en las redes sociales, que permite interactuar con los clientes en las plataformas que ya utilizan.

Esto tiene un gran impacto en los ingresos y en la experiencia del cliente. Este canal de atención al cliente empresarial también abre grandes oportunidades de venta cruzada y de aumento de ventas. El Grupo Aberdeen descubrió que el chat y la mensajería en directo dan lugar a un aumento anual 2,4 veces mayor de los ingresos por ventas cruzadas y ventas adicionales.

Las apps de mensajería en datos

En primer lugar, cuantifiquemos los problemas que los canales de mensajería pretenden resolver. Forrester descubrió que el 53% de los clientes pueden abandonar sus carritos si no pueden encontrar respuestas a sus preguntas rápidamente. Además, Khoros descubrió que el 83% de los clientes se sienten más fieles a las marcas que responden y resuelven sus quejas.

Por lo tanto, está claro que el uso de los canales de mensajería social es clave para fomentar el crecimiento de los ingresos y mejorar la CX. El chat en vivo tiene una tasa de conversión del 40% y supone un aumento del 48% de los ingresos por hora de chat. La razón por la que se elige la mensajería social en lugar del chat en vivo es clara: el 45% de la población mundial utiliza las redes sociales.

El ICMI estima que los canales de mensajería recompensan a las empresas con un ROI del 105%. BrandWatch descubrió que la gestión de las solicitudes de atención al cliente a través de los canales de mensajería social es hasta 12 veces más barata que la asistencia telefónica. Además, responder a una queja a través de los medios sociales puede aumentar la defensa del cliente hasta en un 25%.

Por tanto, está claro que la mensajería en las redes sociales es un canal brillante para la atención al cliente. Esto ha provocado un crecimiento masivo, y Forrester predice que las reacciones del servicio de atención al cliente digital aumentarán un 40% en el próximo año.

Pero, ¿es sostenible la mensajería en las redes sociales para la atención al cliente?

Desafíos de la comunicación social cualitativa en los canales de mensajería social

Al igual que cualquier otro canal de comunicación social, la mensajería social conlleva toda una serie de retos que limitan el éxito de su aplicación. Exploremos aquí algunos de los principales problemas:

1) La mensajería social es más intensiva

Debido a la naturaleza personal de las conversaciones en las redes sociales, la mensajería social es más intensiva. Interactuar con los clientes en las redes sociales requiere más esfuerzo y tiempo para que los agentes lean los mensajes y respondan a los clientes que el chat en vivo dedicado. ¿Por qué?

La gente utiliza principalmente los canales de mensajería de las redes sociales para hablar con sus amigos y familiares, y servicios como WhatsApp e Instagram DMs se han convertido en la principal forma de hablar con sus seres queridos.

Por lo tanto, los consumidores están acostumbrados a hablar en estas plataformas y es probable que expresen sus preguntas sobre el servicio de la misma manera que hablan con un amigo. Este tipo de comunicación presenta dos problemas:

1. Se necesita más tiempo para procesar las consultas más largas.
2. Los clientes esperan una respuesta en un tono similar al de su mensaje, por lo que un agente tardará mucho tiempo en redactar una respuesta amable y personal.

Ambas cuestiones suponen una mayor presión para los agentes de atención al cliente.

2) Desafíos de la automatización de la mensajería social

También es difícil automatizar un servicio de atención al cliente de mensajería social. La forma personal en que la gente se comunica en los canales de mensajería social hace más difícil que los chatbots entiendan las consultas.

Es mucho más fácil para un chatbot leer preguntas cortas como «pasar las lecturas del contador en movimiento» que analizar y comprender mensajes largos. La dificultad de la automatización también depende de la facilidad de integración de la plataforma.

Hay que reconocer que está mejorando. Por ejemplo, Facebook ahora permite respuestas automatizadas de forma nativa en Messenger y DM de Instagram – y muchas plataformas de medios sociales ahora permiten la integración con herramientas de automatización de chatbot. Por desgracia, todavía hay un largo camino por recorrer.

La dificultad para automatizar significa más horas de trabajo dedicadas a atender las consultas de los clientes. Esto, sin duda, supondrá mayores costes y puede afectar a su tiempo de respuesta.

3) Retos de la privacidad y la seguridad de los datos

Reconocemos que las plataformas de las redes sociales han hecho grandes progresos en materia de privacidad y seguridad de los datos en los últimos años. Por ejemplo, muchas plataformas utilizan ahora mensajes cifrados y se comprometen a no procesar ni leer los mensajes de texto.

Sin embargo, para muchas empresas, la verificación de los clientes sigue siendo especialmente difícil. A menudo, las empresas tienen que preguntar a los clientes su fecha de nacimiento o los tres últimos dígitos de su cuenta bancaria o número de cuenta para comprobar quiénes son.

Sin embargo, los clientes son cada vez más reacios a enviar información sensible y personal a través de los mensajes de texto de las redes sociales, y con razón.

Si sus cuentas de redes sociales son pirateadas y comprometidas -o si les roban el teléfono- los atacantes podrían buscar en los registros de chat de atención al cliente para encontrar cualquier dato que pudieran utilizar para el fraude.

El hackeo de cuentas de redes sociales es demasiado frecuente. Según Norton, el 14% de las personas han sufrido alguna vez una actividad no autorizada en sus cuentas de redes sociales. A veces, la gente puede pasar meses sin darse cuenta de que alguien tiene acceso a su cuenta.

Por suerte, los canales de las redes sociales están ofreciendo integraciones más estrechas y seguras con las suites de CRM. El objetivo es facilitar la verificación de un cliente sin pedirle que envíe información personal y sensible.

Mejores prácticas de mensajería social de CS

¿Quieres algunos consejos sobre la mejor manera de implementar la mensajería social para la atención al cliente? Estas son algunas de nuestras recomendaciones:

1. Proporciona respuestas cortas pero personales.
2. Se rápido. Los tiempos de respuesta lentos son un problema importante en la mensajería social: el 80% de los clientes exigen una respuesta en el mismo día y el 50% buscan una respuesta en menos de dos horas.
3. Si esta velocidad no es posible, al menos proporciona un tiempo de respuesta estimado automatizado para evitar la frustración.
4. Considera la posibilidad de una automatización parcial o híbrida. Por ejemplo, tanto un agente como un chatbot pueden trabajar juntos para obtener detalles para cancelar una reserva.
5. Utiliza los botones de respuesta rápida para que la experiencia de atención al cliente sea más fluida.
6. Si se utiliza un chatbot, debe ser lo más fácil posible escalar inmediatamente a un agente humano. Una buena forma de hacerlo es utilizando botones de respuesta rápida para «Conectar con un agente».
7. Tómate en serio la seguridad de los datos. Debes desarrollar una estrategia que valide la identidad de tu cliente de forma privada y segura. También es vital que maneje esa información personal con cuidado, de acuerdo con las leyes de protección de datos vigentes.

El futuro de la atención al cliente a través de los canales sociales

¿Qué es lo que viene para el servicio de atención al cliente en las redes sociales? Estas son algunas de nuestras predicciones:

• Centralización del tipo de canal: Para reducir los gastos generales y ofrecer una experiencia de atención al cliente más fluida, esperamos que las organizaciones adopten un canal de atención al cliente centralizado basado en la mensajería y el chat en directo. Cada vez más, las organizaciones están abandonando canales lentos como el correo electrónico y el teléfono. Esperamos que la adopción de la mensajería a través de plataformas como WhatsApp y Facebook Messenger continúe y finalmente eclipse todos los demás canales de CS.

• Creemos que las organizaciones primero dirigirán a los clientes telefónicos a las plataformas de mensajería. Por ejemplo, cuando un cliente llame a una línea de ayuda en particular, el sistema de llamadas podría indicar al cliente que envíe un mensaje por WhatsApp. La empresa europea de servicios públicos Vattenfall redujo su volumen telefónico hasta en un 40% utilizando este método.

• Los clientes exigirán rapidez y agilidad con su soporte de mensajería. Buscan tiempos de respuesta reducidos y quieren que sus consultas se resuelvan casi instantáneamente. Las empresas tendrán que aumentar su capacidad de CS o mejorar la automatización para satisfacer esta demanda.

• La mensajería en las redes sociales seguirá apoyando conversaciones más ricas. Actualmente, los clientes pueden compartir documentos, archivos y enlaces web mediante plataformas de mensajería como WhatsApp. Esperamos que estas integraciones sean más fáciles que nunca en el futuro.

• Los clientes exigirán y apreciarán experiencias de servicio al cliente altamente personalizadas. Las empresas necesitarán, más que nunca, conocer a sus clientes y cómo interactúan con su organización.
  Las soluciones para verificar la identidad mejorarán significativamente en los próximos años.

Utiliza Reassign.ai para automatizar tu mensajería social

Con Reassign, las empresas pueden por fin automatizar las respuestas a los mensajes largos. Nuestro módulo de IA conversacional entiende las situaciones e intenciones de una consulta larga del cliente.

Un chatbot inteligente será capaz de asistir a los clientes sin problemas, mejorando sus tiempos de respuesta y consiguiendo resolver los problemas de los clientes en cuestión de minutos.

Reassign proporciona una plataforma de IA conversacional sin código que permite a cualquiera construir diálogos de mensajería de servicio atractivos en minutos.

The post Atención al cliente a través de apps de mensajería: Desafíos, mejores prácticas y oportunidades first appeared on Planeta Chatbot.

Este tutorial fue creado por Gonzalo Fernández y traducido por PlanetaChatbot. Puedes consultar todos los posts de Gonzalo en su canal de Medium, incluyendo cursos gratuitos sobre Amazon Web Services y SnowFlake. Si quieres apoyarle, puedes unirte a Medium con su enlace de referencia.

Este será el comportamiento final del servicio:

Para ello, dividiremos el tutorial en los siguientes puntos:

1. Creación de una aplicación Slack
2. Creación de un canal de Slack y autorización de la aplicación de Slack
3. Integración con el Script de Python utilizando la API de Slack

¡Empecemos con ello!

CREACIÓN DE UNA APLICACIÓN SLACK

1) Crear la aplicación

Para hacerlo, tenemos diferentes opciones. Podemos ir a la página de la API de Slack y crear una directamente (baja un poco en esta página para ver la opción): https://api.slack.com/tutorials/tracks/getting-a-token

Seleccionamos un espacio de trabajo (la cuenta de Slack donde queremos crear la aplicación), y lo confirmamos.

2) Instalar la aplicación en Slack

Una vez que hemos creado la app desde la API de Slack, podemos acceder a ella desde la siguiente URL: https://api.slack.com/apps.

Una vez que estamos en nuestra aplicación, la instalamos en nuestro espacio de trabajo.

3) Generar Token OAuth

Para conectar la aplicación con cualquier lenguaje de programación, en este caso, Python, necesitaremos el Token OAuth. Slack genera automáticamente estos tokens cuando instalas la app en tu equipo, como hemos hecho en el paso anterior. Así que sólo tendremos que copiarlo más tarde; por ahora, sólo hay que comprobar que el token está ahí.

Una vez hecho esto, hemos terminado con la API de Slack. Pasemos al siguiente paso.

CREACIÓN DE UN CANAL DE SLACK Y AUTORIZACIÓN DE LA APP DE SLACK

Ahora tenemos dos opciones diferentes: crear un nuevo canal o utilizar uno ya existente. Esto depende de tus necesidades. Una vez que tenemos el canal, tenemos que integrar la Slack App aquí.

Sólo tenemos que hacer clic en el canal, ir a la pestaña de Integraciones, y Añadir una App.

INTEGRACIÓN CON EL SCRIPT DE PYTHON USANDO LA API DE SLACK

Como último paso, tendríamos que habilitar nuestro script para que envíe lo que queramos a este canal de Slack. La lógica de la aplicación queda a tu criterio; sólo como ejemplo, he hecho un bot que toma la información del último día de MongoDB y la envía a este canal.

• En el caso de Python, debemos instalar el SDK de Slack. Si necesitas más información (aparte del comando de abajo), puedes acceder a este enlace: https://slack.dev/python-slack-sdk/.

pip install slack_sdk

• Importamos las bibliotecas necesarias en Python.

import os
from slack_sdk import WebClient
from slack_sdk.errors import SlackApiError

• Para enviar un mensaje, necesitamos la función «chat_postMessage». También necesitamos el Token que obtuvimos en el primer paso y el nombre del canal que creamos en el segundo paso. Puedes encontrar otros comandos en la documentación del SDK de Slack, ¡todo depende de tus necesidades!

client = WebClient(token=os.environ.get("SLACK_BOT_TOKEN"))
client.chat_postMessage(channel="#"+SLACK_CHANNEL, text="Hello world!")

Y con esto, todo debería estar terminado. Yo, por ejemplo, he subido el código a AWS Lambda y he habilitado un trabajo CRON para que este proceso se ejecute una vez al día. ¡Pero puedes hacer cualquier cosa que tengas en mente!

The post Enviar mensajes a Slack usando Python first appeared on Planeta Chatbot.

¿Cuáles son las claves de este nuevo entorno? ¡Te lo contamos!

¿Qué es WhatsApp Cloud API?

Desde noviembre de 2021, la compañía ha trabajado en esta herramienta que facilitará a los desarrolladores la implementación de mensajes automatizados, es decir, chatbots en WhatsApp. La principal diferencia con la primera versión de la API de WhatsApp es que ésta está alojada en la infraestructura de la empresa matriz Meta.

A pesar de que la API de WhatsApp lleva disponible desde hace unos años, el modelo de distribución que se lanzó en su momento ha demostrado no ser accesible para las pequeñas compañías que quieren hacer uso del entorno. Empresas como BBVA, Carrefour, INDITEX o Nissan son algunas de las grandes compañías que han implementado sus chatbots en WhatsApp. Sin embargo, ahora gracias a este anuncio, compañías de todo tipo e independientemente de su tamaño podrán hacer uso de este entorno a precios más asequibles.

“Ya hay más de mil millones de usuarios que se conectan con una cuenta comercial a través de nuestros servicios de mensajería cada semana. Buscan ayuda, encuentran productos y servicios, compran cualquier cosa. Y hoy me complace anunciar que estamos abriendo WhatsApp a cualquier negocio de cualquier tamaño en todo el mundo con WhatsApp Cloud API” destacó Zuckerberg durante su presentación.

Los detalles relacionados con el precio final de los servicios, así como, su disponibilidad global aún están pendientes de confirmarse. Sin embargo, lo que es ya evidente es que este nuevo giro de los acontecimientos, dará un impulso aún mayor al mundo de la tecnología conversacional a través de Whatsapp, abriendo las puertas de su uso a pequeños comercios y negocios que, anteriormente, quedaban fuera de la ecuación.

«Llevamos más de cinco años trabajando diariamente con la implementación de chatbots en WhatsApp y somos muy conscientes de que esta noticia va a ser un antes y un después en el sector. Hemos visto como muchos proyectos acababan dejado a un lado el uso de WhatsApp como canal de comunicación por tema de costes. Ahora que las reglas del juego han cambiado, se viene una avalancha de nuevas oportunidades» afirma Carlos Rodríguez, socio director de Chatbot Chocolate, la agencia de tecnología conversacional líder en el mercado hispanohablante.

Ventajas de WhatsApp Cloud API

Destaquemos algunas de las ventajas que presenta la llegada de WhatsApp Cloud API:

• Apertura de la plataforma a empresas de menor tamaño que no podían hacer frente al modelo de costes desarrollado hasta el momento.
• Diseño y desarrollo de experiencias más completas y personalizadas según las necesidades del cliente, algo similar a lo que ya ofrecen otras apps de mensajería como Telegram o Facebook Messenger (en lo que al desarrollo de bots se refiere).
• Creación de más campos de negocio, al margen de los ya disponibles en WhatsApp Business.
• Oportunidad de hosting gratuito en la nube para guardar y almacenar los contactos de clientes e información sin necesidad de servidores externos.
• Ciertas funcionalidades gratuitas si no se superan determinados límites, los cuáles te mostramos en la siguiente imagen:

Otras novedades para la gestión de WhatsApp API

Al margen de esta noticia, la compañía también ha hecho otros anuncios durante su evento «Conversations»:

• La oportunidad de personalizar los enlaces para iniciar conversaciones con una compañía. De este modo, las empresas podrán personalizarlos y generar experiencias más completas y atractivas.
• La opción de gestionar hasta 10 chats a través de una única plataforma. Eso sí, bajo un determinado coste.

Si quieres más información sobre cómo trabajar en este entorno y cuáles son sus claves, no te pierdas la publicación oficial en el blog de Facebook Developers. Y, por supuesto, puedes acceder a la presentación completa, en la página oficial del evento Conversations.

Fuente: WhatsApp Business

The post WhatsApp anuncia la apertura de su API con la llegada de WhatsApp Cloud API first appeared on Planeta Chatbot.

Sea lo que sea, lo que tienes en mente es recopilar datos de usuario como nombre, correo electrónico, número de contacto, etc. ¿Y sabes qué? es muy fácil recopilar datos de usuarios en Messenger con el bot ManyChat.

No solo eso, en este tutorial, te mostraré cómo recopilar datos de usuario en Messenger y exportarlos a hojas de Google con el bot ManyChat para que puedas acceder fácilmente a ellos más tarde.

Antes de comenzar, si no estás familiarizado con los términos técnicos en el desarrollo de chatbots, por favor, lee el artículo terminología técnica de chatbots, porque en este tutorial debes conocer esa jerga técnica.

Bien, voy a dividir este tutorial en 2 partes, primero veremos cómo recopilar datos de usuarios y luego cómo exportarlos a las hojas de Google.

Dicho esto, ¡comencemos!

Cómo recopilar datos de usuario en Messenger con ManyChat Bot

Antes de comenzar, espero que tengas una cuenta de ManyChat. En caso contrario, créate una.

¡Bien!, para este tutorial, recopilaremos cuatro tipos de datos de usuario, concretamente,nombre, apellido, dirección de correo electrónico, género e ID de usuario.

Si se pregunta cuál es la identificación de usuario, entonces no es más que una identificación única otorgada a cada usuario por Facebook. Te diré por qué necesitamos una identificación de usuario en las próximas líneas. Simplemente sigue los siguientes pasos para recopilar datos de usuario en Messenger con ManyChat.

Paso 1:

Acude a la pestaña Automation y seguidamente clica en New Flow > Start From Scratch.

Paso 2:

Ahora verás un paso de inicio conectado a un bloque de contenido de Messenger en blanco.

Haz clic en cualquier parte del bloque de contenido de Messenger, se abrirá una nueva ventana donde verás la sección «Add text«, simplemente elimínalo/cancélalo.

Paso 3:

Desplázate un poco y verás una opción de «user input«, selecciónala.

La entrada de usuario es una función para aceptar entradas de usuario en múltiples formatos, como texto, número, correo electrónico, teléfono, etc.

Paso 4:

Escribe el texto que desees en el cuadro de texto o simplemente pega este que te indico:

• «Confirme su ID de correo electrónico o ingrese uno alternativo»

Luego, selecciona el tipo de respuesta a Correo electrónico.

Ahora puedes ver los dos conmutadores, como «Guardar entrada» en el campo del sistema y «Establecer suscripción» de correo electrónico.

Desactiva el primero porque vamos a crear un campo personalizado para almacenar direcciones de correo electrónico.

Selecciona tu campo personalizado, si no lo ha creado, puedes crear uno simplemente escribiendo el nombre que desees y seleccionando «Nuevo campo de usuario».

Ya he creado uno, así que lo seleccionaré.

Si te desplazas un poco hacia abajo, verás una opción para agregar el botón «Saltar» o «Skip«, no lo voy a agregar, pero puedes hacerlo si quieres.

¡Guau! Acabas de crear tu primer campo de datos de usuario.

Lo que hace es enviar un mensaje y mostrar la dirección de correo electrónico de un usuario como un botón de respuesta rápida para que puedas ingresar rápidamente una dirección de correo electrónico o escribir una alternativa si así lo deseas.

No es necesario que solicites a los usuarios su ID de usuario, nombre y apellido, ya que puedes extraerlos directamente de su perfil. Te mostraré cómo en la sección de hojas de Google.

Paso 5:

Repite el mismo proceso para recopilar el sexo de un usuario. Agrega el siguiente texto en un cuadro de texto:

• «Por favor seleccione su género»

Esta vez, selecciona el tipo de respuesta como «Multiple Choice» porque vamos a dar a los usuarios la posibilidad de seleccionar entre las opciones.

Luego, marca la casilla que solicita permitir la entrada de texto libre también, selecciona tu campo personalizado y agrega las opciones para seleccionar debajo de un cuadro de texto.

¡Listo! Realizamos todos los pasos para recopilar datos de usuario y ahora es el momento de exportarlos a las hojas de Google.

Entonces, hagámoslo en la siguiente sección.

Cómo exportar datos de usuario a Google Sheets con ManyChat Bot

Paso 1:

Antes de exportar datos de usuario a hojas de Google, debes configurar dos cosas. Primero, crea una hoja de Google como esta:

Y segundo, integra las hojas de Google con tu cuenta de ManyChat yendo a «Settings» y en «Integrations» en la sección Extensiones.

Para hacerlo, solo necesitas conectar tu cuenta de Google con ManyChat. Asegúrate de que sea la misma cuenta en la que ha creado una hoja de Google.

Ahora, está todo listo para exportar datos de usuario a hojas de Google con ManyChat Bot.

Paso 2:

Vete al mismo flujo que has creado para recopilar datos de usuario y haz clic en el bloque de contenido y luego en un primer cuadro de texto.

Allí puedes ver una opción como «Perform actions» que te permite crear una acción para realizar cuando se recibe la entrada particular del usuario.

Haz clic en él, luego en un bloque de acción> Acciones> Acción de Hojas de cálculo de Google.

Luego, haz clic en Seleccionar acción en Acción de Hojas de cálculo de Google > Insertar fila > y seleccione tu hoja.

Ahora, como te dije antes, puedes extraer la identificación del usuario, el nombre y el apellido directamente del perfil del usuario, simplemente inserta los siguientes campos del sistema en los datos de ManyChat frente a los títulos de las columnas respectivas:

• Identificación de usuario
• Primer nombre
• Apellido

Y luego, inserta un campo personalizado que hayas creado para recopilar direcciones de correo electrónico delante del título de la columna Dirección de correo electrónico,

• Dirección de correo electrónico (my custom field)

Paso 3:

Repite el mismo proceso para exportar los datos de Género.

Pero esta vez selecciona Acción de Hojas de cálculo de Google como Fila de actualización (Update Row); de lo contrario, agregarás estos datos en una nueva fila en la hoja.

Y para actualizar una fila, debes tener una columna de búsqueda y un valor para identificar a un usuario. Y luego, la identificación del usuario entró en escena, que es el parámetro más preciso para identificar a un usuario.

Simplemente agrega el nombre de la columna de búsqueda como en las hojas que es «User ID» en nuestro caso y el valor de búsqueda como un campo de sistema «ID de usuario». E inserta un campo personalizado creado para recopilar el género delante del título de la columna

• Género (my custom field).

En este vídeo puedes ver cómo funciona esta funcionalidad en la demo que he creado para este artículo.

Ahora, ve y prueba el tuyo haciendo clic en el botón «Preview».

Guías sugeridas:

• Cómo construir un chatbot de preguntas frecuentes simple con ManyChat (sin código) en 202
• 11 mejores prácticas de chatbot que debe seguir para crear un chatbot potente

¡Vamos a terminar este tutorial!

Para terminar

Entonces, acabamos de ver cómo recopilar datos de usuarios en Messenger y exportarlos a hojas de Google con el bot ManyChat.

Esta es una característica muy importante y útil, especialmente cuando se trata de generación de prospectos.

¡Solo ve e impleméntalo!

¿Te ha gustado este tutorial? Si quieres leer más contenido como este, no dudes en seguirme en Twitter y LinkedIn.

The post Cómo recopilar datos de usuario en Messenger y exportarlos a Google Sheets con ManyChat Bot first appeared on Planeta Chatbot.

Actualmente estamos viviendo cómo el crecimiento de las aplicaciones de IA y chatbots cada vez es mayo. Las empresas los utilizan como instrumento de apoyo para mejorar su relación con sus clientes.

A menudo brindando información precisa y ayuda sobre productos y servicios, de manera eficiente, humanizada y objetiva. Los chatbots también sirven como una herramienta para conocer mejor lo que tu usuario final realmente quiere y espera de ti como empresa.

La interacción constante entre personas y máquinas es un canal perfecto y una oportunidad para recopilar, absorber y procesar información sobre el comportamiento de tus clientes, especialmente, de sus necesidades, tristezas y aspiraciones.

En una estructura de chatbot, el proceso de aprendizaje es el trabajo constante del equipo de entrenamiento un trabajo que nunca termina ya que el bot está en un proceso de maduración constante.

Este equipo se convierte en el primero en acceder a lo que los bots están absorbiendo de los clientes y pueden aportar los conocimientos más importantes sobre las necesidades que debe abordar la empresa a futuro.

Una integración para mejorar las conversiones de productos

Las herramientas de gestión de relaciones con los clientes llevan un tiempo en el mercado ayudando a los equipos de ventas a mejorar las conversiones.

El principal problema siempre ha sido la entrada manual molesta y a menudo descuidada de todo tipo de información que el CRM necesita para aprovechar al máximo el análisis y entregar el producto correcto en el momento adecuado para los consumidores.

Una integración entre tu herramienta de CRM y tu chatbot permite un flujo automatizado y constante de tus intenciones de clientes potenciales en la base de datos de CRM de manera precisa y ordenada, sin necesidad de entrada manual.

Este tsunami de información relevante sobre el público que interactúa con tu negocio que fluye hacia la herramienta de CRM, no solo hace que tu equipo esté más feliz y sea más eficiente, sino que también os ayuda a comprender mejor los puntos clave del proceso de compra y a tomar mejores decisiones para mejorar  las conversiones.

Ve al grano con las redes sociales

Las redes sociales son un muy buen canal para presentar y comprender la «simpatía» de los productos, servicios y nuevos lanzamientos de tu empresa.

La comunicación de proximidad muy cercana entre tu negocio y tu audiencia, proporcionada por las redes sociales, crea una integración casi «cara a cara» y permite una muy buena percepción de cómo se comportará un producto o servicio en el mercado.

La posibilidad de integrar o conectar tus redes sociales con un chatbot crea un canal muy poderoso para absorber el interés del público general en tus productos.

Una integración a este nivel es tan poderosa y de gran volumen que a menudo genera miedo en la mayoría de las empresas al usarla ante el miedo de no poder responder a todas las solicitudes, creando así una falsa expectativa en los clientes. Este hecho por sí solo muestra cuán sólida y bien pensada debe ser este tipo de solución para agregar una sonrisa en la cara de tus clientes (y no lo contrario).

Conclusión

La perfecta integración entre las redes sociales, el chatbot y una herramienta de CRM puede crear la plataforma de autoservicio perfecta y eficiente para brindar un compromiso sólido con tus clientes y una experiencia excepcional en el proceso de conversión.

La comprensión perfecta de los datos proporcionados por estas relaciones permite a las empresas crear productos precisos para ese cliente específico, no para una porción del nicho de clientes.

Esto aporta valor en un mercado que cada día se enfoca en el diseño de productos que tienen al ser humano en el centro.

¿Está demasiado lejos este concepto de una máquina que comprende las necesidades y los sufrimientos humanos y responde brindando el producto y el servicio perfectos para esa necesidad específica? ¿Estoy tropezando? ¡Déjame saber lo que piensas!

The post Chatbots, CRM y Social Media: ¿qué tienen en común para entender el recorrido del cliente? first appeared on Planeta Chatbot.

Actualmente, el chatbot Darsel permite a los estudiantes ubicados en zonas donde el acceso a Internet es escaso, practicar matemáticas a través de mensajes de texto SMS y Facebook Messenger. Como puedes imaginar, en el caso del SMS no se necesita conexión a Internet para asegurar su funcionamiento, y en el caso de Facebook Messenger se necesita una conexión que no implica tanto ancho de banda como las plataformas de aprendizaje del sector educativo como BlackBoard, Moodle o Google ClassRoom.

En consecuencia, gracias a este asistente virtual, se brinda una experiencia de aprendizaje interactiva y personalizada diseñada para complementar la educación K12 (primaria y secundaria) en comunidades de bajos ingresos. De este modo, se espera contribuir al cierre de la brecha digital que existe en las sociedades actuales, al tiempo que ayuda a alcanzar el Objetivo de Desarrollo Sostenible número 4.

Darsel se define como una organización sin fines de lucro que ha surgido como resultado de investigaciones realizadas en la Universidad de Harvard y la Universidad de Stanford, ambas en Estados Unidos. A día de hoy, cuentan con acuerdos con diferentes escuelas de Tailandia, Egipto y Jordania.

El origen de Darsel

Según el último informe de la Unión Internacional de Telecomunicaciones (UIT) de la ONU,  aproximadamente el 37% de la población mundial no cuenta con acceso o nunca ha usado Internet. A esta realidad hay que sumarle que la pandemia ha potenciado la formación a distancia, aumentando la brecha digital entre los estudiantes con un buena acceso a Internet y los que no la tienen o carecen, directamente, de ella. De hecho, según un informe de Unicef, dos de cada tres niños en edad escolar del mundo no tiene acceso a Internet. Una situación que también afecta a países desarrollados como España, donde el 7% de los menos en edad escolar no cuenta con un dispositivo desde el que acceder a la red.

Un problema real que, como indica Henrietta Fore, Directora ejecutiva de Unicef, pone en peligro el futuro de las próximas generaciones. Partiendo de esta realidad, Haidar planteó la solución a través de este canal. Los mensajes de SMS están siempre disponibles, incluso en aquellos casos en los que no se tiene acceso a Internet. Por ello, se postula como el recurso perfecto para ayudar a los estudiantes sin acceso a Internet a reforzar su educación y, así, dotarles de recursos adicionales.

Chatbots en educación

El uso de la tecnología converscional dentro del mundo de la educación lleva demostrando su potencial desde hace tiempo. A lo largo de los últimos años hemos hablado de innovadores sistemas conversacionales que ayudan a evitar el abandono escolar o que tienden la mano al profesorado para gestionar e informar mejor a sus alumn@s.

¿Hasta dónde podrán llegar? ¿se convertirán en el mejor aliado de profesores y estudiantes? ¡Te iremos informando!

Fuente: Darsel y El observador

The post Nace un chatbot que apoya la educación en entornos de bajos recursos first appeared on Planeta Chatbot.

Beneficios de los chatbots para el comercio electrónico

Los beneficios de los chatbots para el comercio electrónico son muchos y variados. Y cubren todas las fases del ciclo de venta, incluyendo la pre-venta y la post-venta. Por ejemplo, en la fase de pre-venta, los chatbots pueden recomendar productos a los visitantes de tu tienda, clarificar las dudas que tengan (que además, acaban siendo siempre las mismas) o ayudarles a encontrar lo que necesitan. En la de post-venta pueden responder de forma personalizada preguntas sobre el estado de sus pedidos o avisarles de qué hay un nuevo producto que se ajusta a su perfil de compra anterior.

Todo esto trabajando 24/7 y hablando el idioma que haga falta, lo que nos permite tener nuestro comercio electrónico funcionando incluso cuando dormimos y además atender a clientes de otros países.

¿Si los chatbots son tan útiles porque no toda tienda tiene uno?

Buena pregunta. La respuesta es que para tener un chatbot de mala calidad mejor no tener ninguno, porque un pésimo chatbot, en lugar de conseguirte más clientes va a asustar a los que vengan. Y todos hemos visto y «sufrido» malos chatbots que, básicamente, lo único que hacían era buscar por palabras clave, sin nada o muy poca inteligencia detrás.

Y tener un chatbot de buena calidad, hasta ahora, costaba mucho dinero o tiempo. Muchas veces las dos cosas. Dinero para pagar una agencia de desarrollo de bots que te hiciera un proyecto a medida, cuando muchas veces tus necesidades y presupuesto no daban para eso. Tiempo para coger tu mismo una plataforma de desarrollo de bots, aprender a utilizarla y crear tu propio bot con ella. Mejor dicho, crearlo una y otra vez, ya que tu tienda online evoluciona rápidamente (nuevos productos, nuevos métodos de pago, nuevas ofertas) y cada vez tienes que duplicar el trabajo, primero actualizando la tienda y luego el chatbot.

Debido a estas dos razones, el uso de los bots quedaba muchas veces fuera del alcance de las SMEs que ni tienen dinero suficiente ni pueden dedicar su tiempo a mantener manualmente un chatbot.

La solución: bots preentrenados

En Xatkit nos dimos cuenta de esta problemática y nos hemos ido adaptando para ofrecer una solución adecuada. Xatkit empezó (y sigue) como una plataforma de software libre para la creación y ejecución de bots. Pero pronto vimos que utilizar nuestro lenguaje era demasiado complicado para usuarios no técnicos con lo que fuimos simplificando la interfaz para la creación de bots. Incluso hasta llegar a ofrecer una plantilla Excel para definir tu propio chatbot. Pero ni así. Al final nos dimos cuenta que el problema no era tanto el lenguaje de definición de bots, sino algo mucho más simple, el cliente quiere tener un bot pero no quiere crearlo él mismo.

¿La solución? En Xatkit proponemos el uso de bots preentrenados para todas aquellas tiendas electrónicas que no tienen ni tiempo ni dinero para crear un bot. Nuestros bots son ya expertos en eCommerce con lo que no hace falta entrenarlos. De eso ya nos hemos encargado nosotros utilizando un conjunto de sentencias de entrenamiento que vamos ampliando a medida que más gente va utilizando también los bots y  vamos todos aprendiendo.

Y además, los bots son capaces de leer y entender toda la información de vuestra tienda online (de momento para WooCommerce pero ampliaremos a otras plataformas de comercio electrónico, se aceptan peticiones) para seguir ofreciendo respuestas personalizadas a vuestros clientes. Como si hubierais creado a mano el bot vosotros mismos. Y los podéis resincronizar a demanda, apretando un sólo botón, con lo que el bot siempre estarán al día del estado de vuestra tienda.

Por ejemplo, entre las conversaciones predefinidas en el bot tenemos la de consultar el estado de un pedido, que se muestra en la figura a continuación. Con esta conversación, el cliente puede preguntar por detalles de su pedido, el bot le pedirá los datos del pedido y buscará en la base de datos su estado. Hay muchas otras conversaciones ya embebidas en el bot (incluyendo opciones de entrega, métodos de pago, productos en rebajas…) y cuando el bot no consigue responder a la pregunta del cliente es capaz de pedirle sus datos para que el propietario lo pueda contactar vía email más tarde.

Todos los mensajes del bot son configurables. Y el propietario de la tienda puede añadir más conversaciones (ej. FAQs). Pero todo esto es opcional, des del momento en qué se añada el bot a la tienda, el bot se configurará automáticamente y estará inmediatamente disponible para ayudar en lo que haga falta.

Consigue tu propio bot experto en comercio electrónico

Con Xatkit ya no hay excusa para no probar de vender más trabajando menos gracias a los chatbots. Y además, ¡lo podéis probar totalmente gratis!.

The post Chatbots preentrenados para el comercio electrónico first appeared on Planeta Chatbot.

Pero, ¿qué es Instagram API?

A lo largo de los últimos años hemos hablado en numerosas ocasiones del potencial que los chatbots tendrían en un entorno como Instagram. Como ya hemos mencionado en varias ocasiones, Instagram es una de las aplicaciones más utilizadas a nivel mundial no solo por millones de usuarios que hacen uso de ella a titulo personal, si no que es una de las redes sociales que más utilizan los ecommerce y empresas de todos los sectores.
[cta]

El lanzamiento del Instagram Messenger API abre la puerta a todas aquellas compañías que quieren innovar y mejorar sus ratios de conversión en este canal. Pero, ¿cómo pueden conseguirlo? ¿qué ejemplos tenemos a nuestra disposición? ¿qué aplicaciones podemos/debemos tener en cuenta si queremos hacer uso de este servicio de forma eficiente y real?

¡Vamos con ello!

Aplicaciones de la API de Instagram

Como siempre indicamos, el uso de los chatbots en diferentes plataformas va mucho más de la mera resolución de preguntas frecuentes. Es por ello que a continuación destacamos algunas de las aplicaciones que destacan los expertos en desarrollo de estas tecnologías son:

Envío de promociones de forma automática

Mediante la combinación de la tecnología conversacional y el uso de las Stories, tendrás la oportunidad de gestionar de forma más eficiente el envío de las promociones que tienes activas durante un periodo de tiempo determinado. De este modo, dejarás de lado el  típico mensaje de «consíguelo en el enlace de nuestra bio«, alcanzando una mayor conversión al tiempo que mejora la experiencia de usuario de tus consumidores.

Gestiona los mensajes directos que recibe la empresa

Sí, como ya sabes, los chatbots se convierten en el aliado perfecto a la hora de resolver las dudas frecuentes con la que las empresas tienen que lidiar día a día. La implementación de un bot en los mensajes directos de tu perfil de Instagram, permitirá gestionar de una forma más eficiente las preguntas que tus consumidores te envían de forma constante a través de esta plataforma. Una funcionalidad que desde Chatbot Chocolate advierten que tiene impacto directo en las compras/conversión.

Anuncios con enlace directo a DM para gestionar las compras

Como destacábamos anteriormente, el lanzamiento de API  Instagram supone el nacimiento de una nueva experiencia de compra a través de este canal. Como se muestra en el vídeo que mostramos a continuación, la gestión de la compra de un producto mediante un chatbot implementado en el soporte de mensaje directo de Instagram permitiría aumentar los ratios de conversión gestionando en cuestión de segundos la compra del producto.

Responde a las menciones que tus consumidores hacen en sus stories

Si algo caracteriza a Instagram es ser la red social donde los embajadores de las marcas dan visibilidad a su «amor incondicional» por la marcas que les gustan. No hablamos solo de influencers de primer nivel, hablamos de microinfluencer o simplemente de usuarios que son seguidores de tu marca al 100%. Este tipo de usuarios de instagram suelen recomendar tus productos, y, en consecuencia, mencionarte en sus publicaciones. Sin embargo, gestionar una respuesta a estos seguidores no siempre es sencillo. Es justo en este punto donde un chatbot puede ayudarte a darles una respuesta, demostrando así que tu marca les escucha y agradece ese compromiso que tienen con ella.

Gestiona de una forma eficiente las campañas con influencers

Las acciones con influencers son un recurso muy utilizado en redes sociales, especialmente en Instagram. Sin embargo, la gestión de las mismas no es siempre sencilla ya que en muchas ocasiones no sabes al 100% cual es la conversión que has tenido a raíz de una acción concreta con un determinado influencer.  En este sentido, Instagram API puede ayudarte a gestionarlo de una forma más sencilla ya que puedes permitir el atribuir tráfico y ventas de un determinado perfil mediante el uso de Keywords. Puedes ver a qué nos referimos con este vídeo de Chatfuel:

Lanzamiento y gestión de sorteos por DM automatizados

A través de los mensajes directos también puedes lanzar sorteos puntuales. En vez de lanzar una publicación en la que los usuarios tienen que participar dejando un mensaje o acudir a una URL específica para participar, con Instagram API  podrás gestionar absolutamente todo mediante el uso de un chatbot. Puedes ver el caso que te comentamos en el siguiente ejemplo que te explicamos.

Ejemplos de Chatbot en Instagram

Los expertos de Chatbot Chocolate ya lanzaron en el verano de 2018 un chatbot en esta red social. El caso de Floti se convirtió en noticia, pasando a ser el primer chatbot de Instagram lanzado en el mercado hispanohablante. Este asistente conversacional se implementó en el perfil de esta compañía de venta de flotadores y artículos de verano para gestionar de una forma dinámica y diferente un sorteo con motivo de la llegada del verano.

Si quieres leer más información sobre el potencial de los Chatbots en Instagram, te dejamos estos artículos anteriores:

• Cómo diseñar chatbots en Instagram.
• Cuál es el potencial de los chatbots en Instagram.

Fuente: Chatbot Chocolate, Messenger People y Chatfuel

The post Instagram API: qué es, aplicaciones y ejemplos first appeared on Planeta Chatbot.

The post Los ciudadanos de Telangana podrán pagar impuestos a través de WhatsApp first appeared on Planeta Chatbot.

Desde Chatbot Chocolate, a lo largo de los últimos años hemos tenido la oportunidad de ayudar a multitud de compañías en la implementación de tecnología conversacional en sus departamentos de Recursos Humanos. Pernod Ricard o Bayer son algunos de los ejemplos desarrolladas por esta compañía y de los que puedes obtener más información en este whitepaper creado por Planeta Chatbot y The Addeco Group.

Dado que en este caso queremos centrarnos en Microsoft Teams hablaré del caso de Pernod Ricard. Este proyecto que nació para ser usado en una conocida app de mensajería, finalmente aterrizó en Microsoft Teams. El objetivo de este  asistente virtual para Microsoft Teams es dar respuesta a las preguntas de los empleados de la compañía en relación con bajas, seguros médicos, ayudas económicas, etc, al tiempo que permite la búsqueda de información relacionada con pedidos y facturas de clientes y proveedores. Todo ello se pude llevar a cabo mediante el uso de lenguaje natural, sin hacer uso de diálogos guiados o comandos específicos y a través de Microsoft Teams, la plataforma a la que todo empleado de la compañía tiene acceso y la cual es el pilar básico de la comunicación interna.

“Desde Chatbot Chocolate, a lo largo de los últimos meses hemos percibido un aumento de la demanda de este tipo de integraciones ya que la situación provocada por el covid así lo ha demandado. En este proceso de implementación y como expertos en el sector siempre recomendamos al cliente hacer uso de los canales que mejor aceptación tengan dentro de la plantilla y, en este sentido, Microsoft Teams es un claro ganador” indica Carlos Rodríguez, socio director de Chatbot Chocolate.

• Se trata de un entorno que lleva implementado durante mucho tiempo en el seno de la comunicación interna de grandes y medianas empresas.
• En consecuencia, se trata de una plataforma que los empleados controlan, manejan y a la que reconocen como el punto de encuentro con el resto de sus compañeros, así como, con otros departamentos.
• Desde Microsoft han trabajado para facilitar la implementación de este tipo de asistentes por lo que se cuenta con soporte y con herramientas para hacerlo de forma ágil y sencilla.

Y es que, desde la normalización del uso de la tecnología conversacional, especialmente de los chatbots, uno de los departamentos que agilizó su introducción fue el de Recursos Humanos. Hablamos de asistentes virtuales para Microsot Teams que ayudan a resolver las preguntas de los empleados en relación con los días de vacaciones, los bonus de la compañía, el seguro médico o cómo tramitar una baja. Al final, resolver dudas como esas permiten al departamento de RRHH liberarse de la carga de trabajo que supone gestionar y responder este tipo de consultas. Como indica Rodríguez:

La experiencia de nuestros clientes está siendo muy positiva, y de un pequeño piloto de automatización de 4 o 5 gestiones administrativas estamos ya ampliando a la automatización de procesos complejos que costaban decenas de miles de euros al año a los clientes

A pesar de que este tipo de casos eran de los más habituales, ha sido con la llegada impuesta del teletrabajo, así como, con la multitud de cambios que se han producido debido al covid dentro de las empresas, lo que ha provocado que multitud de dudas y preguntas lleguen a los departamentos de recursos humanos de las mismas. Cientos de empleados preguntando por cuestiones tan variadas como la vuelta a la oficina, las condiciones del teletrabajo o qué ocurre con las vacaciones no disfrutadas. Ante esta situación, los departamentos de RRHH se vieron sobrepasados y la tecnología conversacional se convirtió en una ayuda.

Espero que este artículo te haya ayudado a conocer con más detalle el mundo de los chatbots en Recursos Humanos y, en especial en Microsoft Teams.

The post Desarollando asistentes virtuales para Microsoft Teams first appeared on Planeta Chatbot.

Un tema potencialmente candente es la creación de chatbots con tecnología de gráficos. Si bien esto no es de ninguna manera un chatbot avanzado, es una forma de combinar el poder de TigerGraph y Discord para crear un bot receptivo para un servidor de Discord. 

Paso 1: crea el bot en Discord

Primero, necesitas crear el bot en Discord. Para este proyecto, usaremos Discord.py. Para crear bots, necesitarás una cuenta de Discord y habilitar el modo de desarrollador. Entonces deberías poder acceder a la página de aplicaciones: https://discord.com/developers/applications

Desde aquí, en la esquina superior derecha, haz clic en «Nueva aplicación».

Haz clic en el botón azul «Nueva aplicación».

A continuación, asigna un nombre a tu aplicación cuando te lo solicite.

Después de nombrarlo, debes redirigir a una página para el bot. Aquí, en la barra lateral izquierda, cambia a «Bot», luego haz clic en «Agregar Bot».

Cambia a «Bot» y luego haz clic en «Agregar bot»

Después de confirmar, ¡tendrás tu bot! Eventualmente, necesitarás el token del bot. Para copiarlo, simplemente presiona el botón azul «Copiar».

Copia el token de tu bot con el botón Copia azul

Paso II: Crea el gráfico

Paso 2a: importar bibliotecas

El gráfico se creará en pyTigerGraph. Primero, asegúrate de tener tanto pyTigerGraph como Discord.py instalados.

pip install pyTigerGraph
pip install discord.py

Paso 2b: Inicia la solución

Luego, crea un documento llamado createGraph.py o algo similar. Primero, inicia una solución en https://tgcloud.iocreando una cuenta y luego completando los siguientes pasos:

1. Ve a «Mis soluciones» y luego haz clic en «Crear solución
2. Haz clic en “Blank v3” y luego presiona Siguiente dos veces.
3. Edita el nombre de la solución, las etiquetas y el subdominio según sea necesario y luego presiona Siguiente.
4. Presiona Enviar y espera a que comience la solución.

Paso 2c: crea una conexión

Una vez que se inicia la solución, puedes crear una conexión en tu documento con lo siguiente. Primero, importa pyTigerGraph, luego utilízalo para crear la conexión utilizando la información que envió en el paso tres para HOST_NAME, USERNAME y PASSWORD.

import pyTigerGraph as tgconn = tg.TigerGraphConnection(host=»https://HOST_NAME.i.tgcloud.io», username=»USERNAME», version=»3.0.5″, password=»PASSWORD», useCert=True)

Paso 2d: crear el esquema

A continuación, crearemos un esquema. El esquema en este caso será simple: los vértices Message y Word conectados con un vértice MESSAGE_WORD.

conn.gsql(»’CREATE VERTEX Word(primary_id word STRING) with primary_id_as_attribute=»true»
CREATE VERTEX Message(primary_id id INT, message STRING, url STRING)
CREATE UNDIRECTED EDGE WORD_MESSAGE(FROM Message, To Word)
CREATE GRAPH ChatBot(Word, Message, WORD_MESSAGE)»’)

Después de ejecutar esto, ¡habrás creado su gráfico en TigerGraph! ¡Felicidades! A continuación, deberás ajustar los detalles de tu conexión, luego cargar datos y escribir una consulta.

conn.graphname = «ChatBot»
conn.apiToken = conn.getToken(conn.createSecret())

Paso III: extraer datos de una API

Para obtener mis datos, tomé de artículos de https://community.tigergraph.com/. Para hacer esto, extraje mensajes recientes del foro usando el punto final https://community.tigergraph.com/posts.json. Utilizando la biblioteca JSON, cargué «latest_posts».

import requests
import json

x = requests.get(«https://community.tigergraph.com/posts.json»)
data = json.loads(x.text)[«latest_posts»]

Los datos tienen algunas secciones que serán importantes: raw (el mensaje completo), id, «topic_slug» y «topic_id». Juntos, «topic_slug» y «topic_id» pueden recuperar la URL original.

print(data[0][«raw»]) # Message
print(data[0][«id»]) # ID
print(«https://community.tigergraph.com/t/» + data[0][«topic_slug»] + «/» + str(data[0][«topic_id»])) # Url

A continuación, necesitamos cargar los datos en el gráfico. Antes de cargar los datos, debemos limpiarlos, eliminando las palabras vacías o los signos de puntuación. A continuación, lo insertaremos en el gráfico.

from nltk.corpus import stopwords
from nltk.tokenize import word_tokenizestop_words = set(stopwords.words(‘english’))for msg in data:
raw_msg=»<br>».join((«».join(msg[«raw»].split(«,»))).split(«\n»))
individual_words = raw_msg.split()
word_tokens = word_tokenize(raw_msg.lower())
filtered_sentence = [w for w in word_tokens if not w in stop_words]
filtered_sentence = [w for w in filtered_sentence if not w in [        ‘.’, ‘,’, ‘!’, ‘?’, ‘:’, ‘;’]]
url = «https://community.tigergraph.com/t/» + msg[«topic_slug»] + «/» + str(msg[«topic_id»])
conn.upsertVertex(«Message», msg[«id»], attributes={«id»: msg[«id»], «message»: msg[«raw»], «url»: url})   for word in filtered_sentence:
conn.upsertVertex(«Word», word, attributes = {«word»: word})
conn.upsertEdge(«Word», word, «WORD_MESSAGE», «Message», msg[«id»])

¡Excelente! Ahora tienes todos los datos cargados en tu gráfico. A continuación, creemos el bot.

Paso IV: crea el bot

Crea un nuevo archivo ahora. ¿Recuerda el token que generó en el Paso I? Lo necesitarás ahora.

Primero crearemos el esquema de un bot de discordia.

import discord
import pyTigerGraph as tg
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenizeclient = discord.Client()conn = tg.TigerGraphConnection(host=»https://HOST_NAME.i.tgcloud.io», username=»USERNAME», version=»3.0.5″, password=»PASSWORD», useCert=True)conn.graphname = «ChatBot»
conn.apiToken = conn.getToken(conn.createSecret())@client.event
async def on_message(msg):
print(msg.content)@client.event
async def on_ready():
print(f»We have logged in as {client.user}»)client.run(«YOUR_DISCORD_TOKEN»)

Todo el trabajo que haremos estará en el on_message. Allí, primero, veremos si el mensaje termina con un «??», el disparador de este bot en particular. A continuación, realizaremos los mismos pasos de limpieza de datos que en el Paso III. Finalmente, encontraremos a qué publicación se parece más el mensaje y lo devolveremos.

if (msg.author.name != "TGbot" and msg.content[-2:] == "??"):
        

        stop_words = set(stopwords.words('english'))
        word_tokens = word_tokenize((msg.content[:-2]).lower())
        filtered_sentence = [w for w in word_tokens if not w in stop_words]
        filtered_sentence = list(set([w for w in filtered_sentence if not w in [
        '.', ',', '!', '?', ':', ';']]))
        
        possible_options = []
        for word in filtered_sentence:
            x = conn.runInstalledQuery("similarArticles", {"word": word})
            for opt in x[0]["blogs"]:
                possible_options.append(opt["attributes"]["url"])
            # print(x[0]["blogs"][0]["attributes"]["message"])

        word_counter = {}
        for word in possible_options:
            if word in word_counter:
                word_counter[word] += 1
            else:
                word_counter[word] = 1
        popular_words = sorted(
            word_counter, key=word_counter.get, reverse=True)

        print(word_counter)
        if len(popular_words) == 0 or word_counter[popular_words[0]] < len(filtered_sentence)/2:
            await msg.channel.send("I couldn't find anything like that.")
        elif len(popular_words) >= 2 and word_counter[popular_words[1]] >= word_counter[popular_words[0]]-2:
            await msg.channel.send("You might want to check out these:\n" + popular_words[0] + "\n" + popular_words[1])
        else:
            await msg.channel.send("You might want to check out this: " + popular_words[0])

¡Ahora puedes ejecutar tu bot y ver los resultados!

Resultados del bot en Discord

Paso V: Pasos siguientes

¡Felicidades! ¡Creaste un bot básico de preguntas y respuestas para Discord con TigerGraph! A continuación, modifIcalo para que sea el suyo.

Mientras lo haces, únete TigerGraph Discord si tienes alguna pregunta o necesitas ayuda.

¡Buena suerte!

The post Creación de un chatbot de Discord con pyTigerGraph first appeared on Planeta Chatbot.

The post ¿Chatbots en Signal ante su crecimiento frente a WhatsApp? first appeared on Planeta Chatbot.

Resumen

En este artículo, usando Telegram y Python, mostraré cómo construir un Bot amigable con múltiples funciones que puede chatear con conversaciones de respuesta a preguntas (información a corto plazo) y almacenar datos del usuario para recordarlos en el futuro (información a largo plazo).

Ejemplo de chat (Imagen del autor)

Todo esto empezó porque una amiga mía me gritó por no recordar su cumpleaños. No sé si eso te ha pasado alguna vez. Así que pensé que podía fingir que recordaba los cumpleaños mientras en realidad tengo un Bot haciéndolo por mí. Ahora sé lo que estás pensando, ¿por qué crear algo desde cero en lugar de usar una de las millones de aplicaciones de calendario que existen? Y tienes razón, pero para nerds como nosotros … ¿qué hay de divertido en eso?

A través de este tutorial, explicaré paso a paso cómo construir un Telegram Bot inteligente con Python y MongoDB y cómo implementarlo gratis con Heroku y Cron-Job, usando mi Dates Reminder Bot como ejemplo (enlace a continuación).

Presentaré un código Python útil que se puede aplicar fácilmente en otros casos similares (simplemente copie, pegue, ejecute) y recorreré cada línea de código con comentarios para que pueda replicar este ejemplo (enlace al código completo a continuación).

En particular, pasaré por:

• Configuración: descripción general de la arquitectura, nueva generación de Telegram Bot, conexión MongoDB, entorno Python.
• Front-end: codifica los comandos del Bot para la interacción del usuario con pyTelegramBotAPI.
• Back-end: crea la aplicación del lado del servidor con flask y threading.
• Implementar el bot a través de Heroku y Cron-Job

Configuración

Quiero comenzar con la arquitectura general de esta aplicación para que todos tengamos una idea clara de cuál es el destino final de este breve pero divertido viaje. Voy a crear una aplicación Python, implementada en Heroku, que interactúa con los usuarios a través de un Telegram Bot, almacena información en un MongoDB y les envía mensajes recurrentes gracias a un Cron-Job.

Esta arquitectura es bastante estándar para aplicaciones web / móviles. De hecho, estás desarrollando una aplicación adecuada que utiliza Telegram como front-end.

Antes de que empieces a codificar, tienes que generar el Bot con Telegram y crear la instancia de MongoDB.

Telegram te permite generar un nuevo bot en menos de un minuto, simplemente envía un mensaje a BotFather y sigue tus instrucciones, así:

BotFather proporciona un TOKEN de API secreto que usarás más adelante. En cuanto a los posibles comandos de nuestro Bot, estableceré las siguientes opciones:

• función de inicio (esto se ejecuta cuando los usuarios inician el bot)
• guardar y eliminar eventos
• consultar los eventos de hoy y ver todos mis eventos guardados
• función de ayuda

Eso te permitirá visualizar y elegir los comandos en el chat con el Bot cuando esté en funcionamiento:

Pasa a la configuración de MongoDB y regístrate / inicie sesión en MongoDB Atlas, un servicio de base de datos en la nube. Te dan una cuenta gratuita con 500 MB de almacenamiento (selecciona la opción M0 Sandbox al crear el clúster).

En “colecciones”, puedes crear tu base de datos y colección:

En “conectar”, puedes crear tu usuario y establecer tu contraseña, la cual deberás ingresar en la cadena que te dan para conectar tu aplicación a la base de datos. Guarda la cadena completa porque la necesitarás más tarde.

Para codificar la aplicación, necesitas configurar el entorno Python. Instalarás las siguientes bibliotecas a través de la terminal:

pip install pyTelegramBotAPI
pip install pymongo
pip install dnspython
pip install dateparser
pip install flask

Creo que pyTelegramBotAPI es la mejor biblioteca de Python para las API de Telegram, ya que proporciona todas las herramientas para construir fácilmente un chatbot complejo. Se podría trabajar directamente con las API de Telegram, pero no es necesario reinventar la rueda aquí. Los paquetes pymongo y dnspython son necesarios para conectarse a MongoDB con Python. Para que el Bot comprenda las fechas, usaré dateparser.

Si estás leyendo esto, supongo que ya conoces Flask (ten en cuenta que si no planea implementar su bot, no lo vas a necesitar).

Ahora que está todo listo, toca comenzar.

Interfaz (Telegram Bot)

Puedes empezar a codificar el Bot. En primer lugar, llama a la instancia de pyTelegramBotAPI e inserta el TOKEN de la API de Telegram proporcionado por BotFather:

import telebotbot = telebot.TeleBot("insert the Telegram API TOKEN")

En segundo lugar, conéctate a la base de datos usando pymongo y la cadena de MongoDB Atlas:

import pymongoclient = pymongo.MongoClient("mongodb+srv://...")
db_name = "Telegram_DatesReminderBot"
collection_name = "users"
db = client[db_name][collection_name]

Luego, definirás un diccionario vacío que tiene la tarea de almacenar información temporal del usuario (como la identificación del usuario):

dic_user = {}

Ahora, revisarás los comandos principales previamente definidos (iniciar, guardar, …) y escribir las acciones apropiadas para el Bot. Comienza con “/ start”, el comando que se ejecuta automáticamente cuando comienzas a chatear con el Bot por primera vez. Deja que el Bot comience con un mensaje de bienvenida y una sugerencia de qué hacer a continuación:

@bot.message_handler(commands=['start'])
def _start(message):
 msg = "Hello "+str(message.chat.username)+\
 ", I'm a date reminder. Tell me birthdays and events to remind you. To learn how to use me, use \n/help"
 bot.send_message(message.chat.id, msg)

¿Hay detalles que no reconoces? Deja que te ayude:

Fácil ¿verdad? Pero eso fue solo un calentamiento. Ahora, el comando “/ save” será bastante más complicado, ya que implica una conversación de preguntas y respuestas:

@bot.message_handler(commands=['save'])
def _save(message):
 msg = "Set an event in the format 'month dd', for example: \n\
 xmas day: Dec 25 \n\
I also understand: \n\
today, tomorrow, in 3 days, in 1 week, in 6 months, yesterday, 3 days ago ... so you can do: \n\
 meeting: tomorrow"
 message = bot.reply_to(message, msg)
 bot.register_next_step_handler(message, save_event)

Como puedes ver, esta vez utilicé bot.reply_to () en lugar de bot.send_message (). Mientras que el segundo envía un mensaje general en el chat, el primero envía un mensaje en respuesta a una entrada específica. Lo estoy usando porque esta es una conversación real entre el usuario y el Bot: el usuario pide guardar información, el Bot responde a eso y espera que el usuario responda. El nuevo mensaje del usuario será procesado por bot.register_next_step_handler () como entrada para la función save_event (), que ahora definirás y luego codificarás.

Siguiendo el ejemplo anterior, quiero salvar el cumpleaños de mi madre. Con ese fin, escribo “mamá: 15 de octubre”. El Bot tiene que reconocer el nombre del evento, “mamá” y la fecha “15 de octubre” en el texto. Después de eso, la información debe almacenarse, considerando tanto los casos de usuarios que regresan (ya en la base de datos, por lo que necesitamos actualizar los eventos del usuario) como los nuevos (deben agregarse en la base de datos).

En términos de Python:

import dateparserdef save_event(message):
 dic_user["id"] = str(message.chat.id)

 ## get text
 txt = message.text
 name= txt.split(":")[0].strip() 
 date = txt.split(":")[1].strip() 

## check date
 date = dateparser.parse(date).strftime('%b %d') 

## save
 lst_users = db.distinct(key="id")
 if dic_user["id"] not in lst_users:
 db.insert_one({"id":dic_user["id"], "events":{name:date}})
 else:
 dic_events = db.find_one({"id":dic_user["id"]})["events"]
 dic_events.update({name:date})
 db.update_one({"id":dic_user["id"]}, {"$set":
 {"events":dic_events}})

## send done
 msg = name+": "+date+" saved."
 bot.send_message(message.chat.id, msg)

Ten en cuenta que utilicé dateparser para reconocer fechas legibles por humanos. Esto permite al usuario escribir la fecha en diferentes formatos:

De manera similar, puede crear las otras funciones para verificar y eliminar los eventos en la base de datos (proporcionaré el código completo al final del artículo, o puede consultar el enlace de GitHub al comienzo de este tutorial).

¿Qué pasa si el usuario envía algunos textos aleatorios no vinculados a ningún comando específico? El Bot no hará nada si no incluimos este tipo de evento. Por lo tanto, anticiparé 2 tipos de situaciones a las que el Bot responderá adecuadamente (saludos y mensajes de agradecimiento) y todos los demás casos a los que el Bot responderá con un mensaje estándar.

@bot.message_handler(func=lambda m: True)
def chat(message):
 txt = message.text
 if any(x in txt.lower() for x in ["thank","thx","cool"]):
 msg = "anytime"
 elif any(x in txt.lower() for x in ["hi","hello","yo","hey"]):
 msg = "yo" if str(message.chat.username) == "none" else 
 "yo "+str(message.chat.username)
 else:
 msg = "save a date with \n/save"
 bot.send_message(message.chat.id, msg)

Manten esta parte bastante básica porque no es el enfoque principal de este tutorial, pero se podrían usar técnicas de PNL más avanzadas para hacer que el chatbot sea más inteligente y conversador.

Dicho esto, nuestro Bot ya tiene la habilidad suficiente para ejecutarlo y probarlo. Puedes simplemente agregar la siguiente línea al final de tu código y ejecutar todo el script.

bot.infinity_polling(True)

Ahora tu Bot está en funcionamiento, alojado en tu computadora portátil. Puedes jugar con él en Telegram. Si no planeas implementar tu bot, puedes detenerte aquí, ya que el resto del artículo explica los pasos para la implementación.

Back-end (aplicación Flask)

Comienza creando un nuevo proyecto de aplicación en Heroku, una plataforma en cloud como servicio que permite implementar una aplicación PoC con solo una cuenta gratuita. Puedes vincular tu proyecto de GitHub e implementar una de las ramas.

Por el momento, aún no estamos listos para implementar la aplicación. Solo necesitamos la dirección web de la aplicación generada por Heroku. Guárdalo; lo necesitarás pronto.

Vuelve a la codificación y comienza agregando una nueva aplicación del lado del servidor con flask al script de Python que has editado hasta ahora:

import flaskserver = flask.Flask(__name__)

Tienes que configurar un webhook, una metodología común en el desarrollo web para pasar información en tiempo real de una aplicación a otra. Gracias al webhook, Telegram Bot envía datos en tiempo real a la aplicación Heroku.

@server.route('/Telegram API TOKEN', methods=['POST'])
def getMessage():
 bot.process_new_updates([telebot.types.Update.de_json(
flask.request.stream.read().decode("utf-8"))])
 return "!", 200@server.route("/")
def webhook():
 bot.remove_webhook()
 bot.set_webhook(url='Heroku App Web Address /'
 +'Telegram API TOKEN')
 return "!", 200

Entonces ahora tu Bot lo tiene casi todo, todavía necesita la última y más importante función: el recordatorio. Chatea y guarda la información, pero el objetivo principal de esta aplicación es enviar alertas automáticamente. Por lo tanto, voy a crear un programador que verifique los eventos de hoy cada vez que se ejecute y envíe recordatorios de eventos.

import datetimedef scheduler():
 lst_users = db.distinct(key="id")
 for user in lst_users:
 dic_events = db.find_one({"id":user})["events"]
 today = datetime.datetime.today().strftime('%b %d')
 res = [k for k,v in dic_events.items() if v == today]
 if len(res) > 0:
 msg = "Today's events: "+", ".join(res)
 bot.send_message(user, msg)

Cuando se ejecuta la aplicación, este programador se ejecutará en un thread diferente al de la aplicación principal del matraz. En otras palabras, la aplicación tendrá dos cosas sucediendo a la vez: las funcionalidades del chatbot y el recordatorio programado. Puede poner esas 2 acciones principales al final de la secuencia de comandos, y cuando se ejecute el código completo, harán que todo funcione.

import threading
import osif __name__ == "__main__":
threading.Thread(target=scheduler).start()
 server.run(host="0.0.0.0", 
 port=int(os.environ.get("PORT", 5000)))

Desplegar

Finalmente, es el momento de implementar la aplicación. Antes de continuar, mostraré la estructura de mi repositorio:

No necesariamente tienes que mantener la misma estructura de repositorio, pero definitivamente necesitas los 2 archivos que Heroku requiere: los requisitos.txt, que puedes crear desde la terminal

pip freeze > requirements.txt

y el Procfile (sin extensión), que contiene el comando que se ejecutará después del despliegue

web: python telegram_bot.py

Con respecto a las claves de Telegram y MongoDB, debes ponerlas en Heroku como variables de configuración (las llamaré “telegram_key” y “mongodb_key”):

El archivo config.py en la carpeta de configuración tiene el trabajo de recuperar y usar las claves cuando la aplicación se ejecuta en Heroku. Aquí está el código completo en config.py:

import osENV = "PROD"#<--- change here DEV or PROD## keys
if ENV == "DEV":
from settings import keys
 telegram_key = keys.telegram_key
 mongodb_key = keys.mongodb_keyelif ENV == "PROD":
 import ast
 telegram_key = ast.literal_eval(os.environ["telegram_key"])
 mongodb_key = ast.literal_eval(os.environ["mongodb_key"])## server
host = "0.0.0.0"
port = int(os.environ.get("PORT", 5000))

Y aquí está el código completo en telegram_bot.py, el script principal con el bot y la aplicación en el que has estado trabajando en todo este tutorial:

###############################################################################
#                            RUN MAIN                                         #
###############################################################################

# setup
## pkg
import telebot
import logging
import datetime
import dateparser
import pymongo
from settings import config

## bot
bot = telebot.TeleBot(config.telegram_key)
dic_user = {}

## setup db
client = pymongo.MongoClient(config.mongodb_key)
db_name = "Telegram_DatesReminderBot"
collection_name = "users"
db = client[db_name][collection_name]

# logging
logging.basicConfig(format='%(asctime)s - %(name)s - %(levelname)s - %(message)s', level=logging.INFO)
logger = logging.getLogger(__name__)



# /start
@bot.message_handler(commands=['start'])
def _start(message):
    ## reset
    dic_user["id"] = str(message.chat.id)
    db.delete_one({'id':dic_user["id"]})
    logging.info(str(message.chat.username)+" - "+str(message.chat.id)+" --- START")

    ## send first msg
    msg = "Hello "+str(message.chat.username)+\
          ", I'm a date reminder. Tell me birthdays and events to remind you. To learn how to use me, use \n/help"
    bot.send_message(message.chat.id, msg)



# /help
@bot.message_handler(commands=['help'])
def _help(message):
    msg = "Set an event, like someone's birthday, for example: \n\
            Nadia: Oct 25 \nAnd I'm gonna save the date and every Oct 25 I will remind you of Nadia's birthday. \n\
Save a date with \n/save \n\
You can always check for today's event with \n/check"
    bot.send_message(message.chat.id, msg)



# /save
@bot.message_handler(commands=['save'])
def _save(message):
    msg = "Set an event in the format 'month dd', for example: \n\
            xmas day: Dec 25 \n\
I also understand: \n\
today, tomorrow, in 3 days, in 1 week, in 6 months, yesterday, 3 days ago ... so you can do: \n\
            meeting: tomorrow"
    message = bot.reply_to(message, msg)
    bot.register_next_step_handler(message, save_event)


def save_event(message):
    dic_user["id"] = str(message.chat.id)

    ## get text
    txt = message.text
    logging.info(str(message.chat.username)+" - "+str(message.chat.id)+" --- SAVE - "+txt)
    name, date = txt.split(":")[0].strip(), txt.split(":")[1].strip()

    ## check date
    date = dateparser.parse(date).strftime('%b %d')

    ## save
    lst_users = db.distinct(key="id")
    if dic_user["id"] not in lst_users:
        db.insert_one({"id":dic_user["id"], "events":{name:date}})
    else:
        dic_events = db.find_one({"id":dic_user["id"]})["events"]
        dic_events.update({name:date})
        db.update_one({"id":dic_user["id"]}, {"$set":{"events":dic_events}})
    
    ## send done
    msg = name+": "+date+" saved."
    bot.send_message(message.chat.id, msg)



# /check
@bot.message_handler(commands=['check'])
def _check(message):
    dic_user["id"] = str(message.chat.id) 

    ## error
    lst_users = db.distinct(key="id")
    if dic_user["id"] not in lst_users:
        msg = "First you need to save an event with \n/save"

    ## query
    else:
        dic_events = db.find_one({"id":dic_user["id"]})["events"]
        today = datetime.datetime.today().strftime('%b %d')
        logging.info(str(message.chat.username)+" - "+str(message.chat.id)+" --- CHECKING")
        res = [k for k,v in dic_events.items() if v == today]
        msg = "Today's events: "+", ".join(res) if len(res) > 0 else "No events today"
    
    bot.send_message(message.chat.id, msg)



# /view
@bot.message_handler(commands=['view'])
def _view(message):
    dic_user["id"] = str(message.chat.id) 

    ## error
    lst_users = db.distinct(key="id")
    if dic_user["id"] not in lst_users:
        msg = "You have no events. Save an event with \n/save"

    ## query
    else:
        dic_events = db.find_one({"id":dic_user["id"]})["events"]
        logging.info(str(message.chat.username)+" - "+str(message.chat.id)+" --- VIEW ALL")
        msg = "\n".join(k+": "+v for k,v in dic_events.items())
    
    bot.send_message(message.chat.id, msg)



# /delete
@bot.message_handler(commands=['delete'])
def _delete(message):
    ## ask name
    msg = "Tell me the event to Delete, for example: \n\
            xmas day \nAnd I'm gonna stop the reminder."
    message = bot.reply_to(message, msg)
    bot.register_next_step_handler(message, delete_event)


def delete_event(message):
    dic_user["id"] = str(message.chat.id)

    ## get text
    txt = message.text
    logging.info(str(message.chat.username)+" - "+str(message.chat.id)+" --- DELETE - "+txt)

    ## delete
    dic_events = db.find_one({"id":dic_user["id"]})["events"]
    dic_events.pop(txt)
    db.update_one({"id":dic_user["id"]}, {"$set":{"events":dic_events}})
    
    ## send done
    msg = txt+" deleted."
    bot.send_message(message.chat.id, msg)



# non-command message
@bot.message_handler(func=lambda m: True)
def chat(message):
    txt = message.text
    if any(x in txt.lower() for x in ["thank","thx","cool"]):
        msg = "anytime"
    elif any(x in txt.lower() for x in ["hi","hello","yo"]):
        msg = "yo" if str(message.chat.username) is "none" else "yo "+str(message.chat.username)
    else:
        msg = "save a date with \n/save"
    bot.send_message(message.chat.id, msg)



# scheduler
def scheduler():
    lst_users = db.distinct(key="id")
    logging.info("--- SCHEDULER for "+str(len(lst_users))+" users ---")
    for user in lst_users:
        #res = requests.get("https://api.telegram.org/bot1494658770:"+config.telegram_key+"/sendMessage?chat_id="+user+"&text=yo")
        dic_events = db.find_one({"id":user})["events"]
        today = datetime.datetime.today().strftime('%b %d')
        res = [k for k,v in dic_events.items() if v == today]
        if len(res) > 0:
            msg = "Today's events: "+", ".join(res)
            bot.send_message(user, msg)



# run
if config.ENV == "DEV":
    bot.infinity_polling(True)  #bot.polling()


elif config.ENV == "PROD":
    import flask
    import threading

    server = flask.Flask(__name__)

    @server.route('/'+config.telegram_key, methods=['POST'])
    def getMessage():
        bot.process_new_updates([telebot.types.Update.de_json(flask.request.stream.read().decode("utf-8"))])
        return "!", 200

    @server.route("/")
    def webhook():
        bot.remove_webhook()
        bot.set_webhook(url='https://botdatereminder.herokuapp.com/'+config.telegram_key)
        return 'Chat with the Bot  <a href ="https://t.me/DatesReminderBot">here</a> \
          or   Check the project code <a href ="https://github.com/mdipietro09/Bot_TelegramDatesReminder">here</a>', 200

    if __name__ == "__main__":
        threading.Thread(target=scheduler).start()
        server.run(host=config.host, port=config.port)

Genial, ahora lo despliegas en Heroku:

Ahora deberías tener la aplicación web Heroku en funcionamiento y poder usar el Bot en Telegram. ¡Pruébalo!

Por último, pero no menos importante, establecerás un Cron-Job para hacer ping a la dirección web de Heroku. Eso hará que la página se vuelva a cargar, la aplicación se reinicie y el recordatorio programado se ejecutará en su thread.

Así que mañana, cuando nos despertemos, encontraremos un mensaje con los eventos del día.

Ejemplo de chat (Imagen del autor)

Conclusión

Este artículo ha sido un tutorial para mostrar cómo construir un bot de Telegram con Python que almacena datos de usuario en MongoDB y recupera información a través de Cron-Job. Ahora que sabe cómo funciona, puede desarrollar su propio chatbot y jugar con él.

¡Espero que lo hayan disfrutado! No dudéis en ponerse en contacto conmigo en LinkedIn y Twitter si tenéis preguntas y comentarios o simplemente para compartir los proyectos interesantes.

Many thanks to Planeta Chatbot for translating and publishing this article. You can find the original piece (English) here:

The post Crea e implementa un bot de Telegram con memoria a corto y largo plazo first appeared on Planeta Chatbot.

Primero, ¿por qué Facebook está haciendo estos cambios?

Estos cambios son necesarios debido a las próximas leyes de privacidad en Europa. Los 30 países del Espacio Económico Europeo (EEE), que incluyen los 27 estados miembros de la UE, Noruega, Islandia, Liechtenstein y el Reino Unido, se ven afectados por estos cambios.

Vale, ¿cuándo entran en vigor estos cambios?

Facebook anticipa la implementación de estos cambios a partir del 16 de diciembre de 2020. Puedes comunicarte con sus preguntas frecuentes oficiales de Facebook para desarrolladores aquí. (Nota: afectan a las páginas comerciales con un chatbot de Messenger adjunto).

Entonces, ¿quién o qué se ve afectado?

Los cambios afectan:

Conversaciones con personas de la UE

Todas las conversaciones y suscriptores de las páginas de Facebook en la UE

Todas las conversaciones de las páginas de Facebook con administradores de la UE

A partir del 16 de diciembre de 2020, estas funciones de Messenger ya no estarán disponibles para la UE (abróchate el cinturón, ¡la lista es larga!):

• Audio y video
• Menú persistente
• One- Time notification. (OTN)
• Información de perfil de usuario, como nombre, edad, ubicación, zona horaria, género
• Botones (todavía compatibles con dispositivos móviles)
• Galerías (todavía compatibles con dispositivos móviles)
• Todas las herramientas de crecimiento (incluidas las URL de referencia, los widgets de superposición, etc., además de la herramienta de crecimiento de comentarios, que seguirá funcionando)
• Audiencia personalizada de Messenger
• Información del live chat agent (con quién está hablando en el chat en vivo)
• Complementos web
• Archivos adjuntos de medios (excepto imágenes)
• Menús dinámicos y persistentes
• Indicadores de escritura
• Mensajes patrocinados (a partir del 16 de noviembre de 2020)
• Anuncios JSON y otros anuncios de Messenger Destination (a partir del 16 de noviembre de 2020), incluidos Click to Messenger y anuncios de mensajería de Instagram.

Funciones con nuevas limitaciones:

• Los botones solo funcionarán en dispositivos móviles
• Las respuestas rápidas seguirán funcionando en dispositivos móviles y ordenadores de sobremesa.
• El chat del cliente funcionará, pero también tiene sus limitaciones: todos los usuarios de la UE se mostrarán como anónimos o desconocidos.

¿Las buenas noticias? Estos siguen siendo funcionales:

• Respuestas rápidas
• Etiquetas de mensaje (tipo de contenido)
• Iniciadores de conversación
• Activadores de palabras clave
• Protocolo de entrega
• Mensaje de bienvenida

Entonces, si estás en la UE con un chatbot de Messenger o tienes un cliente de la UE, ¿qué puedes hacer?

1. Todavía puedes usar chatbots, con algunas modificaciones

Puedes reemplazar los botones con respuestas rápidas. En lugar de crear un botón con un enlace a un sitio web, coloca la URL en el mensaje. También puedes escribir un saludo a tus suscriptores del chat en vivo como, «Hola, soy Angela de la empresa XYZ, sustituyo nuestras respuestas automáticas y estoy aquí para ayudarte», para que sepan que eres un ser humano y tu nombre. Si tienes un administrador de página de Facebook con sede en Europa y puedes eliminarlo de la página, elimínalo.

2. Haz que tu mensaje de bienvenida funcione más

Después del 16 de diciembre, enviarás a los usuarios tu mensaje de bienvenida en lugar de una URL de referencia, un flujo en particular. Por lo tanto, cambia el copy de tu mensaje de bienvenida e incluye respuestas rápidas.

3. Vaya omnicanal

Comienza a buscar formas de adoptar el marketing por SMS y el marketing por correo electrónico; puedes hacerlo de forma nativa en ManyChat y en Chatfuel a través de la integración de Zapier. Piensa en crear una comunidad de SMS VIP. Aquí hay algunos consejos sobre cómo hacerlo. Y aquí hay 5 formas de crear correos electrónicos que la gente realmente quiera leer.

4. Todavía puedes ejecutar anuncios de Facebook.

¡Todavía puedes ejecutar anuncios de Facebook! Crea un anuncio de Messenger en Facebook Ads Manager (utilizando un activador de palabras clave o un anuncio visual JSON). Si bien no está 100% claro (todavía) si estos también causarán problemas para las páginas de la UE en el futuro, esta es una opción por ahora. También puedes usar enlaces m.me o URL de referencia dentro del texto del anuncio, porque técnicamente funcionarán, simplemente no abrirá el flujo particular conectado a tu chatbot, pero abrirá el mensaje de bienvenida de tu chatbot

¿Te sientes así ahora mismo?

¡Lo entiendo!

Haz clic aquí para contactarme a través de mi chatbot de Messenger, AngelaBot, y ella me buscará para responder tus preguntas candentes.

The post Nuevas reglas de Messenger para los chatbots y las páginas europeas de Facebook first appeared on Planeta Chatbot.