Si te perdiste en directo el evento del pasado 22 de abril, no te puedes perder este post. Te traemos un breve resumen de la exposición de Jerónimo Molina, informático especializado en tecnología MS, con Máster en IA y data science.
Para que puedas hacerte una idea de los topics que aborda, según Molina, el objetivo de este webinar es compartir con todos los espectadores su proyecto personal. En el que ha tratado de aplicar técnicas básicas de NLP para las Neuroventas: “The seller chatbot”. Para cumplir con su objetivo, el webinar se ha dividido en dos bloques, que a continuación iremos desarrollando siguiendo el discurso de Molina.
Tabla de contenidos
El primer bloque: el enfoque del proyecto
1. Vídeo presentación del proyecto
En este enlace de Youtube te mostramos la presentación con la que Jerónimo ha dado comienzo al webinar. En este vídeo podrás descubrir cómo es el chatbot “The seller chatbot ” que ha creado y que explica durante la presentación que analizaremos en las próximas líneas.
2. Neuroventas ¿qué son?
Con esta imagen, Jerónimo explica la relación que tienen las ventas con el cerebro. Para poder entender así el funcionamiento de las personas a la hora de realizar una compra.
¿Qué son los códigos reptiles? Son códigos subconscientes e inconscientes que nos inducen a la acción. En una persona se pueden identificar tres códigos reptiles, los cuales puedes observar en la imagen que hay unas líneas más arriba.
3. Descripción del proyecto
Aplicación de NLP a Neuroventas: para identificar los códigos reptil se emplearán técnicas de procesamiento del lenguaje natural. El clasificador reptil es el núcleo del sistema de NLP.
Para analizar el comportamiento y entender el sentido de cómo funciona todo ha creado un asistente virtual cognitivo: basado en dialogFlow, de ayuda al usuario y que trabaja online.
4. Arquitectura del software
En este sentido, estas son las tareas que van a llevar a cabo:
- Se crea un servidor “ a medida” para el proyecto.
- Se instala todo el software “de servicio” necesario.
- Se desarrollan todas las aplicaciones, librerías y servicios web específicos.
- Se diseña el flujo conversacional en Google DialogFlow.
- Se integra el servicio con google DialogFlow.
- Se integra el agente virtual con tres canales de comunicación diferentes.
5. Clasificación o clasificador reptil
El clasificador reptil es el bloque del proyecto que analiza cada una de las respuestas del cliente y, empleando técnicas de IA, es capaz de identificar los botones reptil que motivan al cliente a la compra. El agente cognitivo virtual es el “vendedor”, que conversa con el cliente y que se apoya en el clasificador reptil.
Embeddings: empleando NLP, y disponiendo de un conjunto de respuestas (en base de datos) para cada una de las preguntas, se emplearán técnicas de word.embedding para estimar la similitud de la respuesta de un usuario real con las de la base de datos, las cuales están, directamente relacionadas con botones reptil.
6. NLP
Para poder llevar a cabo dicha tarea, ha aplicado cuatro técnicas de embeddings. Dichas técnicas son las siguientes:
- Word2vec: se encuentra con dos implementaciones de aprendizaje: Skipgram y Continuous Bag of Words (CBOW). EL objetivo es entrenar la red neuronal con las frases del corpus para que, para una palabra dada, nos diga la probabilidad de que cada palabra del vocabulario sea vecina de la primera.
- TF-IDF: Es un estadístico que pretende cuantificar el peso de un token (palabra) en un texto, a la vez que se tienen en cuenta otros textos del mismo corpus. Es decir, realiza el trabajo de relacionar los términos de un texto.
- Glove: implementa un enfoque basado en contar la aparición de cada token en cada contexto, almacenando todos los datos en una matriz de grandes dimensiones.
- Fast-Text: modelo desarrollado por Facebook. Permite dos modelos de trabajo: CBOW y Skip-gram.
El segundo bloque, la parte práctica del proyecto
1. La TV shop
Se prepara un formulario y se asocia cada pregunta a uno de los seis botones reptil identificador para el ecommerce de televisores. Se elaboran formularios de google y se pide colaboración.
Con esos formularios se crearon 9 formularios para cada subfamilia, excepto para top que se consiguen 11. Un total de:
- 38 formularios cumplimentados.
- 466 respuestas.
- 78 respuestas de promedio para cada código reptil.
Por lo que consiguió, 66.495 respuestas alternativas, las cuales se consiguen después de un proceso de Data Augmentation. Aplicando sinónimos, hiperónimos y antónimos de forma sistemática y automática a las respuestas originales obtenidas.
En la fase de testeo de las técnicas de embedding se ha apreciado un gran desbalanceo del datatest generados.
Esto obliga a equilibrar el datatest y eliminar manualmente muchas respuestas, quedando al final con un total de 5.538 respuestas cifra más que suficiente a los efectos del proyecto.
2. Embeddings aplicados
Con las 5.538 se han realizado cuatro pruebas con cada técnica de embedding, una para subfamilia de televisores.
En cada una de las quince preguntas, para cada subfamilia, y técnica se han metido los niveles de coincidencia con la respuesta y el tiempo de cálculo de la respuesta coincidente. Para los resultados analíticos se ha empleado solo el perfil TOP.
3. Despliegue
La puesta en marcha se realiza en una workstation Linux y se sigue la misma estructura que durante el desarrollo. Se integra DialogFlow con 3 canales: Telegram,Facebook y DialogFlow Messenger.
4. Conclusiones y próximos pasos
Para finalizar el webinar, Molina compartió una serie de conclusiones y próximos pasos a dar en materia de NLP en el sector. Dentro de las conclusiones, se destacaron los siguientes hitos logrados:
- Se han probado 4 técnicas de NLP en un caso práctico específico y nuevo con éxito.
- Se ha implementado una solución práctica completa que aporta valor añadido.
- Se ha demostrado que la integración con canales de dialogflow está bien resuelta.
- Se han identificado los botones reptil de una persona con IA.
- Se ha aplicado IA a Neuroventas.
- Se ha desarrollado un sistema conversacional basado en NLP con valor añadido.
De cara al futuro del proyecto, Molina destacó la necesidad de aplicar transformers NLP, RNA, Reinforcement Learning, técnicas de ventas adicionales así como, incorporar métricas con las que poder evaluar el funcionamiento del proyecto que se está implementando.
Dicho esto, si deseas ver el webinar completo, te dejamos el enlace del vídeo para poder visualizarlo. Recuerda que tiene una duración de una hora y media.
¡Y no te pierdas todas las novedades que comparte Spain AI en sus canales!
- Sigue la agenda de webinars de Spain AI aquí.
- Últimos vídeos en su canal de YouTube y su podcast“Lo que AI que oír”.
- Sigue sus noticias en RRSS:
• Twitter
• LinkedIn
• GitHub - Y en la website de Spain AI.
- Descubre el nuevo clubhouse de Spain AI