A diferencia de las métricas que se obtienen en otros canales, cuando hablamos de un chatbot tenemos que tener en cuenta aquellos usuarios que lo utilizan simplemente por ser un canal “novedoso” y aquellos que lo utilizan simplemente por ver qué responderá a las “tonterías” que le digo. Sí, en las métricas de tu chatbot la importancia de los espontáneos o haters (que es como hemos decidido llamarles) es total. Pero, ¿a qué nos referimos con esta terminología? Te lo contamos en las próximas líneas.

Cuando hablamos de una página web o una app móvil somos conscientes de que existen usuarios que van a ver su diseño, su usabilidad y las funciones que tiene en el entorno. Sin embargo, ese tipo de prácticas no influyen directamente en tus métricas y KPI’s (como número de usuarios o puntos calientes de la página), simplemente se quedan en experiencias residuales que no afectan directamente a los resultados finales del canal. Sin embargo, cuándo hablamos de un chatbot, la cosa cambia. Los inputs absurdos o que se salen 100% del scope de tu chatbot afectan a los datos que puedes ofrecer del mismo. Desde cuántos usuarios lo han utilizado hasta cuál es el porcentaje de efectividad del bot los mensajes proactivos de estos usuarios afectan directamente a los resultados de tu asistente.

Aunque desconocemos el porqué de este tipo de practicas, pensamos que la novedad del canal y, sobre todo, lo interesante que es ver qué te responde “la máquina” invita a los usuarios a jugar con el asistente conversacional, poniendo a prueba sus capacidades. Por ello, ¿cómo puedes evitar que estos datos influyan en tus métricas? ¿en qué tienes que fijarte? Sigue leyendo.

¿Qué tipos de perfiles espontáneos encontramos?

Los profesionales del sector que lo ponen a prueba

Sí, no nos engañes, si trabajar dentro de este sector estamos seguros de que en alguna ocasión has intentando encontrar los “bugs” de los chatbots que aparecen en el mercado (ya sean de tu competencia o no). Este tipo de pruebas desencadena que de repente recibas una serie de input pero si detectas este tipo de prácticas en tu chatbot, recuerda no contarlas los datos finales.

Los que se aburren y los que insultan

Sin duda, se trata del grupo mayoritario. A lo largo de nuestra experiencia hemos visto como los chatbots se convierten en el “punching ball” de muchos usuarios. Insultos, palabras mal sonantes, conversaciones sin coherencia o uso reiterado de palabras con faltas de ortografía son algunos de los casos más comunes. En el caso de los insultos (que son más predecibles), es posible crear un intención que te permita responder algo que ya tengas planteado para estos casos o, directamente, programar que ante esos supuestos no se responda nada.

Los que lo incorporan en un grupo

Si se trata de un chatbot en una app de mensajería que habilita grupos, te encontrarás con usuarios que deciden incluir tu chatbot como un contacto más del grupo. Esto provoca que tu chabtot comience a recibir cientos de mensajes que tu chatbot no va a saber responder y que, en consecuencia, acabarán en tu bandeja de mensajes no entendidos, desconfigurando por completo la métrica final.

¿Cómo afectan a las métricas de mi chatbot?

Como ya sabes, un chatbot no está planteado para ser una asistente virtual. Su objetivo NO es responder todo tipo de consultas como si lo puede ser de Alexa o Google Assistant. De hecho, en muchas ocasiones, un chatbot lanzado por una compañía ni siquiera está planteado para responder TODAS las consultas y gestiones que se llevan a cabo dentro de la misma. Normalmente están centrados en un objetivo concreto ya sea de negocio, de ATC o para campañas puntuales. ¿Esto qué quiere decir? Muy sencillos, no tenemos que responder cuestiones sobre el tiempo, noticias de actualidad o todos las cuestiones.

Por ejemplo, un organismo de salud lanza un bot para atender únicamente cuestiones relacionadas con el COVID-19. Si un usuario abre una conversación y comienzo a preguntar por su tarjeta electrónica, el copago de los medicamentos o su carpeta de salud, el chatbot NO tendría porque responderle. ¿Entendido?

Por ello, es importante que a la hora de hacer nuestros análisis y métricas en los que evaluamos la efectividad del chatbot, eliminemos todos estos inputs. Teniendo en cuenta esto, es imprescindible contar con una plataforma que te permita no contabilizar como mensajes validos todos aquellos inputs que tu chatbot no ha entendido por el simple hecho de que estos están fuera (o fuerísima) del scope para el que ha sido diseñado. Solo así podrás saber cuál es el porcentaje (%) real de inputs comprendidos correctamente en base al objetivo de tu chatbot y, en consecuencia, saber si has cumplido tus KPI’s.

¿Has vivido estas situaciones? ¡Comparte con nosotros tu experiencia!

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *