Ciò che rende in apparenza gli operatori umani in grado di lavorare nei Customer Care meglio di qualsiasi sistema di automazione è certamente la capacità di comunicare con le persone in maniera personale. Un operatore generalmente opera in un contesto molto sensibile, dove la relazione con il proprio interlocutore può fare la differenza tra una comunicazione di successo ed un fallimento.
Una comunicazione sbagliata in un contesto delicato come quello dell’assistenza pre e post vendita può essere motivo di fallimento di un intero business.
Eppure, molte aziende commerciali non si fanno scrupoli a mettere online strumenti di contatto poco user friendly e talora sconcertanti. Ci hanno abituati a trattare con Chatbot poco intelligenti o capaci solo di offrirci una navigazione dei contenuti fatta di pulsanti di scelta e percorsi obbligati. Il motivo? è semplice: contenere i costi.
Per quanto ci si possa sentire maltrattati dal cattivo funzionamento di questi aggeggi, dobbiamo pur capire che in assenza di alternative l’utente è lasciato a sé stesso ed alla speranza di agganciare un operatore al telefono ma solo nei giorni e nelle ore di disponibilità
Sentiment Analysis
La vera alternativa arriva dagli AI Chatbot, sistemi di automazione evoluti che hanno a disposizione alcuni strumenti che sono diretta emanazione della ricerca scientifica nell’ambito della Intelligenze Artificiali. L’arma che hanno a disposizione prende il nome di Sentiment Analysis.
L’analisi del sentimento dell’utente nasce e si sviluppa con l’obiettivo di analizzare grandi quantità di dati (generalmente provenienti dai social media) e stabilire l’umore diffuso di un pubblico.
Ad esempio, immaginiamo di poter raccogliere i commenti di centinaia di migliaia di utenti che hanno guardato uno spot televisivo e di voler tracciare il mood principale di questo pubblico per coglierne il gradimento o la disapprovazione. Ebbene, la Sentiment Analysis mette a disposizione delle intelligenze artificiali che, se opportunamente istruite a distinguere una espressione di apprezzamento da una di rigetto, classificano rapidamente i commenti e ne tracciano una tendenza.
Sentiment Analysis e Chatbot
I Chatbot non sono l’ambito di applicazione prevalente di questo tipo di soluzioni tecnologiche. Al contrario, se si fa riferimento alle soluzioni presenti sul mercato (IBM Watson, Azure Machine Learning Studio o altri) questi non sono assolutamente adatti allo scopo essendo in grado di operare solo su grandi moli di dati e con percentuali di errore molto alte.
Nell’ambito del progetto Laila, in collaborazione con l’Università della Campania Luigi Vanvitelli, è stata realizzata una rete neurale artificiale in grado di classificare il contenuto di testo di una chat sotto il profilo semantico e di estrapolarne una rappresentazione della Sentiment con un livello di affidabilità che supera il 95%.
La Sentiment rilevata diventa strumento per Laila di analisi della conversazione: quando l’umore dell’utente scende sotto una determinata soglia, Laila sposta il dialogo con l’utente su elementi di conforto che aiutano l’utente a ritrovare fiducia nei confronti dell’interlocutore come dell’azienda. Al contrario, se l’utente manifesta un mood positivo la conversazione si popola di elementi in grado di celebrare questa convergenza con elementi di comunicazione aumentata quali emoticon o gif animate.
Questo straordinario progetto di Machine Learning è cuore pulsante del Chatbot Laila.