A criação de bots gerou muito entusiasmo ao longo do último ano através do aparecimento massificado de serviços de conversação baseados nesta tecnologia, mas o rápido avanço da IA (inteligência artificial) para inúmeras áreas funcionais à nossa volta retirou-lhe algum protagonismo mediático, apesar de continuar muito dependente desta forma de inteligência para evoluir com sucesso.

Chatbots 2.0

Depois de uma primeira vaga suportada em versões praticamente experimentais – algumas com resultados preocupantes (a Microsoft que o diga…) – a indústria tecnológica não tem dúvida que o futuro dos Chatbots terá de passar pela maturidade dos sistemas de IA/Machine Learning que lhe dão “vida” para que possam proporcionar, de forma exemplar, a missão para a qual foram idealizados: Desenvolver um processo de linguagem natural com os utilizadores, seja em comunicação escrita ou verbal.

Muitas marcas têm aproveitado esta primeira fase para lançar os seus serviços de conversação bot-based mas a exigência dos utilizadores estará sempre um passo mais à frente destes momentos, criando uma enorme pressão para a qualidade destes serviços.

Os riscos de insatisfação motivados pela ineficiência funcional dos chatbots podem revelar-se uma preocupação para os Departamentos de Marketing (Atenção ao Cliente) se não forem aplicados pressupostos que minimizem esta realidade, como a monitorização em contexto analítico e a incrementação de valor a partir de iniciativas de data-driven.

Ferramentas de Bots Analytics

Enquanto esperamos por uma segunda vaga evolutiva, existe algum trabalho de optimização que pode ser feito actualmente através das ferramentas de Bots Analytics já disponíveis que ajudam a perceber pontos de melhoria nas experiências de conversação ao longo dos respectivos interfaces.

Imagem: Chatbase (Google)

Estas plataformas emergiram na euforia dos bots e foram inicialmente pensadas para apoiar o trabalho técnico dos developers, mas passaram a constituir um novo nicho de aplicativos na vertente de Analytics com acesso generalizado.

Entre as principais ferramentas, a Dashbot posicionou-se desde logo como o “Google Analytics” das bots, aproveitando o facto da própria Google ter entrado mais tarde neste nicho através do Chatbase Analytics que, apesar de ter sido apresentado na I/O developer conference em Maio, só agora em Novembro ficou disponível publicamente.

Imagem: Chatbase (Google)

Um dos grande argumentos que tem alavancado o uso mais regular das Chatbots Analytics é a sua integração cross-device nas plataformas mais populares de messaging (Twitter, Facebook, Skype, WeChat, etc.) bem como nos assistentes virtuais (Virtual Personal Assistant) do momento: Amazon Alexa, Google Assistant, Apple Siri, entre outros (Samsung Bixby, Microsoft Cortana e Facebook M).

Que dados analisar?

Tal como refere Ofer Ronen, Team Lead da Google Chatbase: “building and analyzing bots can be challenging because the tools are relatively new and still maturing. Unlike websites and apps which are well understood, bot development is still establishing best practices”.

Imagem: Dashbot

Para além da necessidade de conhecer os utilizadores e o contexto das respectivas sessões face aos objectivos das marcas, há uma importância acrescida nestas plataformas em disponibilizar funcionalidades específicas para validar erros potenciais que podem ocorrer no processo de conversação relacionados com a semântica das experiências interactivas, como o não reconhecimento de palavras ou expressões, e a partir daqui enviesar as bot responses.

Exemplos de medição:

• Tipologia de audiências (análise de cohorts e outros segmentos)
• Optimização de mensagens baseadas na análise de keywords e outras variáveis da comunicação escrita ou verbal (advanced clustering)
• Perceber o fluxo das conversações que melhor orientam a conversão de KPIs (taxas de sucesso na conclusão de tarefas e outras operações)

Imagem: Chatbase (Google)

Qualquer tipo de integração de Chatbots deve ser objecto de medição específica, e não existem desculpas para não o tentar fazer com rigor, apesar de estarmos numa fase prematura em termos de autonomia e inteligência face ao enorme potencial de algoritmia destas aplicações.