Detección de tópicos y análisis del sentimiento: Machine Learning para un servicio al cliente más humanizado
Durante una llamada o una interacción escrita entre el cliente y el departamento de servicio al cliente suceden varías situaciones, por ejemplo se habla sobre el producto, el proceso de compra, los reclamos, las bajas del servicio, los motivos de no pago y muchos temas más que involucran otros detalles que quizá no se han tenido en cuenta anteriormente. Estos temas de conversación se llaman tópicos. Además hay diversas emociones que aparecen en el cliente durante todo este proceso. Por eso, es importante que la detección de tópicos esté acompañada por el análisis de sentimiento de los clientes.
Mientras más crece una marca y mayor es su clientela, más difícil se vuelve para un departamento de atención al cliente o de CX lidiar con todos los mensajes e interacciones que recibe.
La omnicanalidad, si bien debe ser un objetivo a nivel empresa, solo hace las cosas más complicadas para el equipo de atención al cliente. Este equipo se ve ante la responsabilidad de mantenerse consistente entre diferentes canales de comunicación.
Mientras más información tenga una empresa para tomar decisiones basadas en datos, mejor será la experiencia del cliente o el customer journey. La tecnología de Fan Monitoring permite emplear algoritmos de Machine Learning (o ML) para detectar tanto tópicos como sentimientos en todas las conversaciones con los clientes.
El Machine Learning es un tipo de Inteligencia Artificial que es capaz de aprender por sí mismo. En lugar de necesitar monitoreo 24 horas al día, 7 días a la semana, el ML desarrolla cierta independencia y va aprendiendo sobre los patrones que estudia sobre la marcha. Esto no quiere decir que no admita feedback por parte de humanos. Quiere decir que no lo requiere constantemente, lo cual implica costos reducidos en su empleo. La función humana ahora puede ser más específica en dónde o qué controlar gracias a los resultados del ML.
Análisis de sentimientos
Como ya habrás observado, con detectar tópicos no es suficiente. Tener una lista de los tópicos de conversación que más se repiten, sin el sentimiento del cliente detrás, nos marca solo un costado de la cancha.
Por ese mismo motivo, Fan Monitoring ofrece la detección de tópicos y el análisis de sentimiento como un conjunto. Ambas características son interdependientes la una de la otra y los datos que arrojan cada una nutren a la otra.
¿Qué es el análisis de sentimientos? Es el proceso mediante el cual un sistema ML puede detectar, a través de patrones en la voz o en el texto escrito, la emoción de un cliente.
¿Cómo se realiza el análisis del sentimiento de un cliente o clienta? Hay diversas estrategias que adoptan nuestros modelos de ML. El monitoreo de palabras o párrafos claves, clasificadas en “positivas,” “negativas” y “neutras” es una de ellas. Por ejemplo, la palabra “decepcionado” ya da la alerta de que se está hablando de forma negativa de un producto, por ejemplo, “estoy decepcionado con el servicio, no cumple con mis expectativas”. Esta técnica es muy efectiva pero debe complementarse con algoritmos supervisados que han sido entrenados con porciones de conversaciones etiquetadas como positivas o negativas. A partir de esa información el modelo deduce el sentimiento de los mensajes dentro del contexto de la conversación.
El análisis de sentimientos no carece de complejidades. Sabemos que algunas personas de nuestra clientela, tienen su gusto por la ironía y el sarcasmo. Entonces, un uso de una palabra como “fantástico,” dicha de modo sarcástico, puede, en realidad, tener un tinte negativo.
Las comparaciones también son territorio traicionero. Una frase como “mejor que nada” puede ser negativa o neutra. Esto depende mucho del contexto. Por eso, la herramienta que ofrecemos toma en cuenta todo el contexto, no solo la fracción de la interacción donde se registra cierto tópico y/o cierto sentimiento.
La solución de Fan Monitoring no solo detecta tópicos y analiza sentimientos, también presta atención a la voz del consumidor. Esto es una mina de oro para datos del orden cualitativo.
El tono de voz, las inflexiones, el énfasis en ciertas palabras, los aumentos y bajas del volumen, todo esto aporta al sentimiento detrás de lo que se dice. El uso a largo plazo de nuestra herramienta, en especial con aquellos de tus clientes que llevan más tiempo usando tu marca, puede arrojar datos de altísimo valor.
Mientras más avanza un cliente en el embudo de conversión y más interactúa con la marca, mayor será el conocimiento que tenga el sistema sobre la problemática de ese cliente en particular. Entonces, más certero serán los datos con los clientes fidelizados.
Probablemente ya sepas que los clientes fidelizados son responsables por la mayor cantidad de las ganancias de una empresa. Es más fácil realizar una segunda venta que una primera, entonces, es sumamente conveniente que los datos más fidedignos sean, justamente, de aquellos clientes y clientas con mayor trayectoria con tu marca.
No se trata de deshumanizar un servicio como lo es la atención al cliente. Se trata de optimizar recursos, para que las llamadas neutras y positivas se analicen de un modo más eficaz y el valioso talento humano de tu empresa pueda ser utilizado con rapidez para situaciones delicadas o incluso críticas.
El análisis del sentimiento aplicado al servicio al cliente y al CX es una tecnología en constante crecimiento y perfeccionamiento. Es importante que elijas una solución de vanguardia en permanente revisión, como la que ofrece Fan Monitoring.
Mediante el uso de Fan Monitoring, tendrás al alcance de tu mano información valiosísima. Estos datos no solo te colocarán por encima de tu competencia, sino que además te permitirán revisar el producto para que realmente sea útil y placentero de utilizar para quien más importa: el cliente.
Probablemente ya escuchaste el famoso adagio “no te enamores de la solución, enamórate del problema”. Las empresas que tienen éxito en el mercado son aquellas que están dispuestas a refinar la solución hasta que finalmente responda a la demanda de quien la consume. Fan Monitoring te ayudará a encontrar la solución más precisa y centrada en la persona usuaria final. No andes a ciegas. Basa tus decisiones en datos seguros.
Mientras más crece una marca y mayor es su clientela, más difícil se vuelve para un departamento de atención al cliente o de CX lidiar con todos los mensajes e interacciones que recibe.
La omnicanalidad, si bien debe ser un objetivo a nivel empresa, solo hace las cosas más complicadas para el equipo de atención al cliente. Este equipo se ve ante la responsabilidad de mantenerse consistente entre diferentes canales de comunicación.
El Machine Learning es un tipo de Inteligencia Artificial que es capaz de aprender por sí mismo. En lugar de necesitar monitoreo 24 horas al día, 7 días a la semana, el ML desarrolla cierta independencia y va aprendiendo sobre los patrones que estudia sobre la marcha. Esto no quiere decir que no admita feedback por parte de humanos. Quiere decir que no lo requiere constantemente, lo cual implica costos reducidos en su empleo. La función humana ahora puede ser más específica en dónde o qué controlar gracias a los resultados del ML.
Detección de tópicos de conversación
Los sistemas de ML pueden emplearse para detectar tópicos de conversación en llamadas, correos, chats y otros tipos de mensajes de atención al cliente. Esto lo hace mediante diversas estrategias.
Se puede, por ejemplo, introducir una lista de palabras clave. Un ejemplo de lo que constituye una palabra clave es una característica del producto. Una vez se introduce la lista, se observa con cuánta frecuencia aparece la palabra clave y acompañada de qué sentimientos.
Por ejemplo, si vendes seguros de vida y una de las características de tu producto es su cobertura de accidentes automovilísticos, se puede introducir el tópico “accidentes automovilísticos” y “accidentes de auto/carro.” El ML hará el resto y te dará una serie de datos organizados sobre la frecuencia en la cual sale este tema en interacciones con el servicio al cliente, los canales en los que se conversa y acompañado de qué emoción por parte de el o la clienta.
Tú solo tienes que conocer los listados de palabras que deseas obtener y configurar algunas características para adaptar la plataforma a tu medida y pronto tendrás al alcance de tus manos información sobre si tus clientes elogian esta cobertura, la mencionan de un modo más neutro, o si en general hay disconformidad en cuanto a este pilar de tu propuesta de valor y quizás haya que repensarla.
El ML también puede detectar tópicos que no se le habían ocurrido a nadie monitorear en primer lugar.
Supongamos que la póliza de seguros tiene una política de devolución de 30 días después de realizada la compra. A todo tu equipo puede parecerle un plazo razonable para una política de devolución. Sin embargo, luego de utilizar la tecnología Fan Monitoring, puede ocurrir que el sistema detecte como palabra clave “política de devolución” y “30 días” con una frecuencia mayor de la esperada.
Aquí es donde entra en juego el análisis de sentimientos para que se pueda observar en poco tiempo si es un tópico del cual se habla con emociones negativas, positivas, o neutras. A partir de ese análisis, se puede tomar, por ejemplo, la decisión de alargar la póliza si los sentimientos asociados a este tópico son, en su mayoría, negativos. Esto tendrá como resultado una propuesta de valor más competitiva que realmente responda a lo que necesitan tus clientes. Los sistemas o modelos de detección de tópicos no solo se basan en listas de palabras y párrafos (modelos supervisados) sino que pueden actuar de manera totalmente autónoma organizando las conversaciones según patrones o clusters de contenido que el algoritmo va descubriendo.
Los sistemas de ML pueden emplearse para detectar tópicos de conversación en llamadas, correos, chats y otros tipos de mensajes de atención al cliente. Esto lo hace mediante diversas estrategias.
Se puede, por ejemplo, introducir una lista de palabras clave. Un ejemplo de lo que constituye una palabra clave es una característica del producto. Una vez se introduce la lista, se observa con cuánta frecuencia aparece la palabra clave y acompañada de qué sentimientos.
Por ejemplo, si vendes seguros de vida y una de las características de tu producto es su cobertura de accidentes automovilísticos, se puede introducir el tópico “accidentes automovilísticos” y “accidentes de auto/carro.” El ML hará el resto y te dará una serie de datos organizados sobre la frecuencia en la cual sale este tema en interacciones con el servicio al cliente, los canales en los que se conversa y acompañado de qué emoción por parte de el o la clienta.
Tú solo tienes que conocer los listados de palabras que deseas obtener y configurar algunas características para adaptar la plataforma a tu medida y pronto tendrás al alcance de tus manos información sobre si tus clientes elogian esta cobertura, la mencionan de un modo más neutro, o si en general hay disconformidad en cuanto a este pilar de tu propuesta de valor y quizás haya que repensarla.
El ML también puede detectar tópicos que no se le habían ocurrido a nadie monitorear en primer lugar.
Supongamos que la póliza de seguros tiene una política de devolución de 30 días después de realizada la compra. A todo tu equipo puede parecerle un plazo razonable para una política de devolución. Sin embargo, luego de utilizar la tecnología Fan Monitoring, puede ocurrir que el sistema detecte como palabra clave “política de devolución” y “30 días” con una frecuencia mayor de la esperada.
Aquí es donde entra en juego el análisis de sentimientos para que se pueda observar en poco tiempo si es un tópico del cual se habla con emociones negativas, positivas, o neutras. A partir de ese análisis, se puede tomar, por ejemplo, la decisión de alargar la póliza si los sentimientos asociados a este tópico son, en su mayoría, negativos. Esto tendrá como resultado una propuesta de valor más competitiva que realmente responda a lo que necesitan tus clientes. Los sistemas o modelos de detección de tópicos no solo se basan en listas de palabras y párrafos (modelos supervisados) sino que pueden actuar de manera totalmente autónoma organizando las conversaciones según patrones o clusters de contenido que el algoritmo va descubriendo.
Análisis de sentimientos
Como ya habrás observado, con detectar tópicos no es suficiente. Tener una lista de los tópicos de conversación que más se repiten, sin el sentimiento del cliente detrás, nos marca solo un costado de la cancha.
Por ese mismo motivo, Fan Monitoring ofrece la detección de tópicos y el análisis de sentimiento como un conjunto. Ambas características son interdependientes la una de la otra y los datos que arrojan cada una nutren a la otra.
¿Qué es el análisis de sentimientos? Es el proceso mediante el cual un sistema ML puede detectar, a través de patrones en la voz o en el texto escrito, la emoción de un cliente.
¿Cómo se realiza el análisis del sentimiento de un cliente o clienta? Hay diversas estrategias que adoptan nuestros modelos de ML. El monitoreo de palabras o párrafos claves, clasificadas en “positivas,” “negativas” y “neutras” es una de ellas. Por ejemplo, la palabra “decepcionado” ya da la alerta de que se está hablando de forma negativa de un producto, por ejemplo, “estoy decepcionado con el servicio, no cumple con mis expectativas”. Esta técnica es muy efectiva pero debe complementarse con algoritmos supervisados que han sido entrenados con porciones de conversaciones etiquetadas como positivas o negativas. A partir de esa información el modelo deduce el sentimiento de los mensajes dentro del contexto de la conversación.
El análisis de sentimientos no carece de complejidades. Sabemos que algunas personas de nuestra clientela, tienen su gusto por la ironía y el sarcasmo. Entonces, un uso de una palabra como “fantástico,” dicha de modo sarcástico, puede, en realidad, tener un tinte negativo.
Las comparaciones también son territorio traicionero. Una frase como “mejor que nada” puede ser negativa o neutra. Esto depende mucho del contexto. Por eso, la herramienta que ofrecemos toma en cuenta todo el contexto, no solo la fracción de la interacción donde se registra cierto tópico y/o cierto sentimiento.
La solución de Fan Monitoring no solo detecta tópicos y analiza sentimientos, también presta atención a la voz del consumidor. Esto es una mina de oro para datos del orden cualitativo.
El tono de voz, las inflexiones, el énfasis en ciertas palabras, los aumentos y bajas del volumen, todo esto aporta al sentimiento detrás de lo que se dice. El uso a largo plazo de nuestra herramienta, en especial con aquellos de tus clientes que llevan más tiempo usando tu marca, puede arrojar datos de altísimo valor.
Mientras más avanza un cliente en el embudo de conversión y más interactúa con la marca, mayor será el conocimiento que tenga el sistema sobre la problemática de ese cliente en particular. Entonces, más certero serán los datos con los clientes fidelizados.
Probablemente ya sepas que los clientes fidelizados son responsables por la mayor cantidad de las ganancias de una empresa. Es más fácil realizar una segunda venta que una primera, entonces, es sumamente conveniente que los datos más fidedignos sean, justamente, de aquellos clientes y clientas con mayor trayectoria con tu marca.
No se trata de deshumanizar un servicio como lo es la atención al cliente. Se trata de optimizar recursos, para que las llamadas neutras y positivas se analicen de un modo más eficaz y el valioso talento humano de tu empresa pueda ser utilizado con rapidez para situaciones delicadas o incluso críticas.
El análisis del sentimiento aplicado al servicio al cliente y al CX es una tecnología en constante crecimiento y perfeccionamiento. Es importante que elijas una solución de vanguardia en permanente revisión, como la que ofrece Fan Monitoring.
Mediante el uso de Fan Monitoring, tendrás al alcance de tu mano información valiosísima. Estos datos no solo te colocarán por encima de tu competencia, sino que además te permitirán revisar el producto para que realmente sea útil y placentero de utilizar para quien más importa: el cliente.
Probablemente ya escuchaste el famoso adagio “no te enamores de la solución, enamórate del problema”. Las empresas que tienen éxito en el mercado son aquellas que están dispuestas a refinar la solución hasta que finalmente responda a la demanda de quien la consume. Fan Monitoring te ayudará a encontrar la solución más precisa y centrada en la persona usuaria final. No andes a ciegas. Basa tus decisiones en datos seguros.
Comentarios
Publicar un comentario