Umas das principais vantagens dos bots é a possibilidade de coletar dados e insights para melhorias durante todo o seu ciclo de vida. Neste post dos Take.Seres Ana Paula (CSM) e Cris (Dev), você vai entender como usar da melhor forma os dados para evolução de chatbots.
O ciclo de vida de um produto é sua história completa. Representa todas as fases que ele irá percorrer: concepção, planejamento, construção e testes, até chegar à publicação.
Como qualquer outro produto, os chatbots possuem um ciclo de vida. A grosso modo, eles passam por estágios antes de serem “colocados nas prateleiras”. E sabemos que, após um tempo de publicação, os produtos podem morrer. O público deixa de consumi-los, até que caem no esquecimento. A partir desse cenário, entende-se a importância de evoluir um produto.
A maior diferença entre um chatbot e muitos outros produtos é que podemos evoluí-lo enquanto ele está em produção e interagindo com as pessoas. Muitas vezes (e de preferência) sem obrigar os usuários a instalar uma nova versão de nenhum aplicativo. E isso é possível a partir dos dados que as interações nos fornecem. Acompanhe e saiba mais!

Entendendo os dados para evolução de chatbots

análise de dados para evolução de chatbots blip


A era do achismo acabou. Para saber quais as evoluções necessárias para o seu bot, é preciso medir sua performance e desempenho.
É indispensável saber os comportamentos dos usuários durante a interação, as funcionalidades (skills) que estão tendo destaque, os tópicos mais acessados, gargalos e também a efetividade. Caso o bot tenha pesquisa de feedback, esse dado também deve ser levado em consideração.
Esses dados devem ser obtidos de forma automatizada, não sendo necessário fazer a leitura de todas as conversas. Para facilitar e agilizar a obtenção dos dados, utiliza-se trackings, que são registros de eventos (acontecimento que começou a ser registrado).
Os trackings não são automáticos e devem ser acrescentados ao fluxo. Se você estiver usando a plataforma BLiP, existe uma extensão chamada EventTrack, que é usada para registrar eventos ocorridos no bot.
O mesmo pode ser feito dentro do Bot Builder da plataforma, conforme a imagem ao lado.
Se você não usa a plataforma BLiP, pode gerenciar seus eventos usando outra plataforma que também tenha o registro de eventos, como o Google Analytics. Com algumas chamadas de API, é possível ter o mesmo rastreio de eventos e usos do seu chatbot.
Adicionados os trackings, saberemos tudo o que os usuários estão fazendo quantitativamente. Lembrando que os tracking contam eventos, ou seja, o mesmo usuário pode ser registrado mais de uma vez no mesmo tracking.

Isso o tracking não mostra

Alguns cenários não são possíveis de serem trackeados — quando o usuário abandona o bot, por exemplo, não será registrado um evento de abandono.
O abandono pode ser considerado um feedback do usuário. Quando um usuário abandona o bot, ele desiste de tentar resolver seu problema através desse canal. Deve-se então entender o que o levou a fazer isso. Para entender melhor, é preciso:

  1. Mapear os pontos de maior frequência de abandono. Para ter essa informação, é possível fazer um funil com rastreamento de eventos ou uma ferramenta mais especializada nisso, como o Chatbase que mostra as navegações dos usuários e a taxa de abandono em cada ponto do fluxo.
  2. Avaliar o que os usuários estão enviando para o bot nesses pontos: isso pode deixar claro qual a expectativa ou informação desejada que não está sendo entregue. Se for um ponto em que o chatbot apresenta botões para serem clicados, os inputs diferentes dos botões têm ainda mais significado. Representam o momento em que o usuário fez uma última tentativa antes de abandonar o bot.
  3. Levantar as hipóteses para o abandono neste ponto e buscar através de dados as comprovações das hipóteses.
  4. Avaliar se a fraseologia está descrita de forma clara e se necessário realizar testes A/B e outras metodologias. Após entender as expectativas dos usuários nos pontos, deve-se observar se a fraseologia não os leva a acreditar que o chatbot fala uma coisa e entrega outra frustrando o usuário.

Importância dos fluxos de “Não entendi”

É recomendado que os chatbots sejam mais especialistas e menos generalistas, afinal, se estou conversando com um mecânico, quero saber sobre automóveis e, se estou conversando com um Chef, quero saber de cozinha. Por mais especialista que seja o bot, ele não saberá responder algumas mensagens. Portanto, é importante termos um fluxo de “Não entendi”.
Saber o que os usuários estão desejando que o chatbot não entende é uma ótima maneira de montar um roadmap de evolução. Mesmo que não seja desenvolvida uma nova funcionalidade, adicionar uma resposta para as entradas mais comuns desse tipo de fluxo já agrega valor para o chatbot.
Deve-se ter muita atenção para saber separar o que são os usuários tentando brincar com o bot. Pode-se até adicionar os famosos easter eggs, mas cuidado para não transformar seu bot numa piada de mau gosto.

Feedbacks

análise de dados para evolução de chatbots feedback

Como dito anteriormente, é interessante ter um fluxo de feedback para entender a opinião dos usuários ao final da conversa. Quando a nota indicar alguma insatisfação, é interessante deixar um espaço para que o próprio usuário diga o que o incomodou.

Esteja preparado para todo tipo de comentário, pois virão de clientes que indicaram insatisfação. Uma pessoa conversando com um bot de uma seguradora que lida com abertura de sinistro não estará no seu melhor momento do dia.
Lembrando que é muito importante proporcionar a melhor experiência ao usuário, pois há a tendência de enxergar o bot como mais um canal digital da empresa e não irão separar a experiência do atendimento do chatbot da marca como um todo.

Mas afinal, como evoluir?

Para evoluir um chatbot, é necessário que os dados apontem onde e o que evoluir. A seguir, trazemos algumas ideias aplicáveis a quase todos os cenários para serem usadas. Não podemos esquecer que cada projeto tem suas características únicas e que podem existir pontos de melhoria em cada uma delas.

1. Revise sua fraseologia

análise de dados para evolução de chatbots fraseologia

Seu conteúdo menos acessado pode ser bom, no entanto, não está numa linguagem que seu usuário consegue entender ou interagir da melhor maneira.

2. Faça um Teste A/B

análise de dados para evolução de chatbots teste a/b

Testes  A/B comprovam através de dados os resultados e mudanças no comportamento — para cada tipo de usuário que tente usar uma fraseologia diferente e compare a efetividade entre elas, por exemplo. Se o resultado começar a mudar performando melhor, seu problema provavelmente era de fraseologia.

3. Atente-se à quantidade de passos que o usuário deverá passar até finalizar o fluxo desejado

análise de dados para evolução de chatbots webview

Analise a quantidade de passos que um usuário deve completar antes de conseguir atingir o valor esperado. Quanto menos perguntas for necessário responder, mais disposto seu usuário ficará. Se não é possível abrir mão de algumas informações, considere usar uma webview.

Lembrando que o maior impacto no sucesso de uma aplicação, além do valor que ela gera, é a experiência do usuário. Normalmente, investimos mais nas funcionalidades mais utilizadas e não dedicamos esforços ou até removemos as menos utilizadas. Não sejamos tão simplistas com um chatbot.
E para ficar mais claro sobre o cicle de vida de um bot, recomendamos este artigo do Beerud Sheth.


cris e ana post dados para evolução de chatbots


Ana Paula Panicali e Cristiano Guerra
Customer Success Manager e Analista de Sistemas na Take

Converse com nosso time e descubra como conversas inteligentes podem transformar o atendimento do seu negócio

Mais Lidos

Gostou do nosso conteúdo?

Agora que já chegou até aqui, adoraríamos saber o que tem achado de nós 😀

ebook gratuito