Los experimentos con gaseosa… y robots, son siempre interesantes

Herènia Casas Juan

Customer Experience Manager en Customer Care, Schibsted Spain

Entrenando robots con inteligencia artificial en Atención Al Cliente de SCHIBSTED SPAIN

Recuerdo a mi padre, cuando era pequeña, diciéndome: “¡niña!, los experimentos con gaseosa”… No sé si estas palabras se han grabado en mi inconsciente o sólo es que me encanta probar y aprender cosas nuevas. Hoy puedo explicaros los resultados de nuestro último test: el equipo de Customer Care hemos entrenado un robot y ya ha dado sus primeros pasos

La inteligencia artificial en las redes sociales, una ventaja para Schibsted Spain 

En 2017 más de 19 millones de personas utilizaron las redes sociales en España, y las más utilizadas fueron Facebook (91%) y WhatsApp (89%) (*1). Además, hay estudios que indican que en el 2019 el 65% de la población mundial utilizará aplicaciones de mensajería soportadas por chatbots (*2).

Según un informe reciente de Grand View Research, se espera que el mercado global de chatbot alcance $ 1,23 mil millones para 2025 (*5). En otra encuesta realizada por LivePerson a más de 5.000 consumidores de 6 países, el 33% valoraron positivamente la percepción del chatbot (*6).

Es la primera vez que testamos con inteligencia artificial en Atención al cliente. Fundamentalmente porque creemos que en un futuro puede suponer:

  • Eficiencia: gestionaremos eficazmente momentos clave en los que nuestros agentes aportan menos valor, liberando parte de su tiempo.
  • Inmediatez: con el robot entrenado podemos dar atención inmediata a los usuarios durante las 24 horas del día.
  • Accesibilidad: estaremos disponibles cuándo y dónde los usuarios nos necesitan.
  • Fidelización: la implantación en los canales preferidos de nuestros usuarios aumenta la satisfacción y el engagement hacia la marca.

A largo plazo nos permitiría ofrecer un mejor servicio de atención al cliente las 24 horas al día y los 7 días a la semana. Las posibilidades de futuro son extensas porque se pueden usar proactivamente en momentos clave para el usuario, en otros canales como el email y en otros verticales, targets y procesos.

La página de ayuda en Facebook, nuestro entorno de pruebas

Hemos analizado los motivos por los que los usuarios de Fotocasa contactaban con atención al cliente a través de la red social Facebook. Seleccionamos más de 300 conversaciones gestionadas entre marzo y junio de este año y descubrimos que:

  1. En el 38% de las interacciones el usuario quiere que le facilitemos una URL con el resultado de una búsqueda en Fotocasa. 
  2. Un 11% de los contactos son para obtener información sobre un anuncio en concreto. 
  3. Un 10% son cuestiones relativas a posibles fraudes.

Con estas conclusiones, y dentro del marco de “ATC Labs”, definimos el siguiente test.

DETALLE DEL TEST

El objetivo principal del test es ayudar a través de una conversación guiada, de una forma innovadora y que aporte valor al usuario, al 38% de los usuarios que buscan vivienda. Y, además, hacerlo sin complicar demasiado la programación.

Queríamos conseguir más de 300 conversaciones con usuarios para asegurar una muestra de datos que nos permitiera tomar decisiones.

Para ello, hemos entrenado a nuestro robot para reconocer semánticamente 3 variables fundamentales (*3): “Busco (piso/estudio/casa) de (alquiler/compra) en (ciudad)”

La primera variable permite identificar qué tipo de inmueble busca el usuario (piso/estudio/casa), la segunda saber qué le interesa (alquiler/compra) y la tercera dónde lo busca (ubicación*4).

Con esta orientación, hemos programado a nuestro robot para que:

  • Identifique las variables que el usuario le da de forma natural (interpretando frases sencillas como, por ejemplo, “quiero comprar un piso en Barcelona”).
  • Pregunte por las que le faltan, y que le permitirán construir y servir la URL a entregar al usuario con el resultado de su búsqueda en Fotocasa.

Para garantizar una experiencia de usuario satisfactoria, le hemos entrenado en la respuesta a las 4 preguntas más habituales (como, por ejemplo, “cómo puedo publicar un anuncio”). En los casos sensibles, como el fraude o cuando no comprende al usuario 2 veces, siempre damos la opción de hablar con un agente de atención especialmente formado para atenderles.

¿Qué hemos definido como éxito?

Hemos planteado la siguiente hipótesis:el 80% de los usuarios interesados en vivienda reciben la URL que el robot les entrega.

LOS RESULTADOS

Hemos logrado un resultado sensiblemente mejor al esperado, ya que el 84% de los usuarios interesados en vivienda han recibido la URL que el robot les entrega.

Activamos el robot a principios de julio y lo desactivamos a finales de septiembre de 2018 (en agosto estuvo de vacaciones). Durante este tiempo, hemos recibido 354 consultas. De estas, en 163 ocasiones se ha iniciado el proceso de búsqueda de vivienda (46%) y, de estos, 137 usuarios han obtenido la URL (84%). Se han generado 75 clics que, a su vez, han generado casi 1.000 páginas vistas.

Hemos preguntado a los 163 usuarios que han iniciado el proceso de búsqueda de vivienda por su satisfacción en la experiencia (¿La información facilitada ha sido útil?). De estos, han contestado 84. Un 28% (45 personas) han contestado “Sí” y un 24% (39 personas) ha dicho “No”.

Por último, destacar que 59 usuarios únicos han solicitado hablar con un agente.

Este gráfico muestra el acumulado de usuarios totales que han hablado con el Chatbot

Finalmente, es interesante recalcar que la actividad de los usuarios se disparó cuando activamos la campaña de publicidad.

Campañas de incentivo

Hemos incentivado el flujo de usuarios que visitan nuestro muro de Facebook al robot a través de campañas de publicidad responsive para conseguir la participación lo antes posible.

Con una inversión total de 800 euros creamos una campaña promocional en tres fases que duró 3 semanas. Utilizamos dos creatividades simultáneas (A/B testing) en las dos primeras semanas para valorar la efectividad de las piezas y, en la tercera sólo utilizamos la pieza que mejor conversión nos ofrecía.

La campaña se activó exclusivamente durante los horarios de atención de nuestro equipo interno, en días laborables, de 9 a 17 horas, excepto los viernes, que terminaba a las 15h.

La segmentación del público objetivo era amplia: España, de 22 a 60 años, con interés en vivienda, inmobiliaria, hogar…

Los resultados han sido:

  • 282 conversaciones
  • 298.849 impresiones
  • CPR (costes por conversación): 2,84 €

Creatividad A: Smartphone                                    Creatividad B: Emojis

Ejemplo campaña en Facebook:

Conclusiones y aprendizajes

Generales:

  • Se ha superado el objetivo de 300 usuarios únicos (354 usuarios únicos conseguidos) utilizando el Chatbot para valorar la viabilidad del proyecto .
  • El 84% de los usuarios que han utilizado el chatbot para buscar vivienda han llegado a obtener la URL.
  • El chatbot debe mejorar su inteligencia y dar respuesta a otras FAQs y a través de inteligencia artificial más sofisticada, ya que el usuario espera obtener respuesta a mucho más que una búsqueda de vivienda.
  • Actualmente, el chatbot es capaz de estar activado 24 horas al día si se añade una modificación de textos cuando se llama al Agente, informándole que le responderá a la mayor brevedad posible. Se debe continuar mejorando el entrenamiento.

 

Comportamiento del usuario

  • La resolución de búsquedas es útil para el usuario.
  • En términos generales, el 46% de los usuarios que se dirigen al chatbot lo hacen para encontrar vivienda.
  • El 61% de los usuarios no formulan correctamente las preguntas, no entienden el funcionamiento el chatbot o bien están buscando otro tema distinto y que todavía no es capaz de ofrecer respuesta.

 

Campañas de publicidad

  • El test A/B posterior de creatividad nos ha permitido ver con qué campaña convertíamos más y lograr mejores resultados.
  • El coste por conversación se puede mejorar ampliando los accesos al robot y entrenándole en otras casuísticas.

 

Valoraremos internamente y con el equipo de dirección de Fotocasa la continuidad de este test en una siguiente fase.

(*1) Estudio anual de redes sociales en España 2017 (IAB Spain y Elogia)

(*2) Informe Ditrendia Mobile en España y en el Mundo 2017.

(*3) Para el piloto, acotamos la búsqueda a los siguientes tipos de inmuebles: Casas (incluye las categorías chalet, casa adosada y finca rústica), Pisos (incluye las categorías piso, apartamentos y áticos y Estudio (incluye las categorías estudio y loft).

(*4) Ubicación: hemos entrenado al robot en distintas ubicaciones geográficas (a nivel de ciudad) y sólo en Barcelona y Madrid, bajamos hasta distrito(barrio).

(*5) https://markets.businessinsider.com/news/stocks/chatbot-market-size-to-reach-1-25-billion-by-2025-cagr-24-3-grand-view-research-inc-1002381903

(*6) https://www.businessinsider.com/chatbots-are-gaining-traction-2017-5?r=US&IR=T&IR=T

Facebook Comments