ShutterStock

Los IVRS han recorrido un gran camino desde los IVRS de tonos que hacían al cliente pulsar opciones hasta los más recientes basados en preguntas tipo “¿diga qué desea?” que permiten contestar con frases como “quiero conocer el saldo de mi cuenta corriente”, “no recuerdo mi pin y se me ha bloqueado el móvil”.

Entrevista a Juan Diego Martín, Director General de Fonetic.

Lejos quedan los años 70 y las primeras IVRS usadas por los bancos para ofrecer saldos de cuentas a los clientes. La tecnología ha avanzado mejorando en los últimos años los ratios de reconocimiento tales como WER (Word error rate), el tamaño de los diccionarios que se incorporan (con la popularización de los motores de reconocimiento de gran vocabulario: LVSR) e incorporando técnicas de procesado de lenguaje natural.

Sin embargo, queda un gran camino por recorrer en la humanización de estos interfaces. Los sistemas automáticos tradicionales han generado rechazo en el llamante: le hacen elegir una opción de entre varias, a veces no entienden y se producen sucesivos errores que hacen que el usuario termine con la idea de que “la máquina no funciona”.

Cuando este llamante vuelve a llamar desea saltarse la máquina y hablar con una persona cuanto antes. Para eso se comporta de distintas maneras: silencio, insulta, pide hablar con un agente, etc. Además, tanto este comportamiento de rechazo, como los errores de la máquina no eran visibles y los sistemas no usaban esta información para mejorar y revertir la situación.

En Fonetic desde hace años apostamos por la creación de un nuevo IVR conversacional que ofrezca visibilidad total y en tiempo real a sus responsables y que permita adaptarse al comportamiento de cada cliente, no sólo desde el punto de vista de las diferentes temáticas por las que se llama sino también del comportamiento del cliente. Apostamos por un IVR más humano: HumanIVR

¿Qué tiene HumanIVR de humano?

Escucha y entiende. Dejando hablar al cliente libremente. Porque no impone respuestas. El cliente es libre de expresar lo que uno desee.

Porque tiene en cuenta el estado de ánimo del cliente. Empatiza. No sólo detecta que el cliente no está colaborando, sino que clasifica estos comportamientos y responde de manera distinta a cada uno de ellos

Porque da respuestas que inducen la colaboración natural del cliente. Persuade. Los argumentos son sencillos y convencen al cliente de manera práctica.

Aprende en base a la experiencia. No sólo permite con técnicas de machine learning adaptarse a lo que los clientes dicen en cada momento (aprender nuevos motivos de llamada), sino que permite al módulo de persuasión comparar las respuestas del sistema que mejor son percibidas por el usuario y extender el mejor comportamiento de manera sencilla: aprende a persuadir.  Los problemas que el sistema de aprendizaje debe resolver no son triviales, y para muestra un botón: En un IVR Conversacional es muy común disponer de un alto número de posibles motivos de llamada, pero que un alto porcentaje de estas llamadas sea por un conjunto reducido de motivos. Esto se traduce en un número elevado de motivos que no están balanceadas. Por ejemplo, una IVR común puede tener 100 clases semánticas distintas (motivos), donde algunas concentran un 10% del total de llamadas y otras, porcentajes marginales. Por tanto, el sistema de aprendizaje ha de ser diseñado para ser capaz de mejorar el rendimiento obteniendo buena generalización, además de ser capaz de aprender en aquellos casos en que los motivos disponen de menos muestras.

Recuerda. Aquí la ventaja de cualquier sistema computerizado es muy grande frente a los humanos, no sólo estos sistemas pueden almacenar muchos más datos, sino que podemos recuperarlos de manera inmediata.  Las IVR conversacionales no olvidan, y permiten recordar rápidamente (en tiempo real) el comportamiento pasado de este cliente y determinar, por ejemplo: “El cliente ya ha llamado, además por el mismo motivo y empieza a esta enfadado”. Las IVRs conversacionales, gracias al uso de tecnologías Big Data, permiten además recuperar la conversación completa entre el usuario y el sistema de pregunta abierta y buscar conversaciones que cumplan ciertos criterios.  Al módulo que hace estas tareas precisamente se llama Brain, aunque esta es sólo una de las tareas de los humanos.

La versión íntegra de la entrevista puede leerse en el número 84 de Contact Center.

 

Dejar respuesta

Please enter your comment!
Please enter your name here