Moverse por las ciudades puede convertirse en una auténtica odisea. Coche, metro, autobús, taxi… son algunas de los medios de transporte que puedes utilizar para desplazarte por la ciudad. Sin embargo, elijas lo que elijas en algunas ocasiones las incidencias ocurren por arte de magia y te pillan completamente desprevenido. Seguro que recuerdas alguna mala experiencia en este sentido. Con el objetivo de resolver estos incidentes hay muchas apps y soluciones mobile que te informan de los cambios inesperados que se producen en la circulación o en tus trayectos.
Teniendo en cuenta el auge de los bots, una de las últimas herramientas tecnológicas que han surgido en este campo es MercuriBot, el agente conversacional que te avisa de las incidencias que tienen lugar en tu ruta habitual. Hace unos días Marian C. Moldovan, Researcher de BEEVA Labs, contaba en Planeta Chatbot cómo surgió la idea. Pero como nos ocurre frecuentemente, nos quedamos con ganas de saber más. Por ello, decidimos entrevistarle junto con Carlos González y así conocer más de cerca este interesante proyecto.
Tabla de contenidos
1. ¿Cómo definiríais a Mercuri Bot?
Es un bot que vigila tus trayectos habituales y te va avisando si hay incidencias que afecten a tu ruta normal de una manera completamente proactiva. Por ejemplo, si el metro está roto, si hay atasco o si tu autobús no funciona.
2. Mercuribot es como el primo de la solución vía app y bot Fastercity. Gracias a lo que visteis en esta, nació MercuriBot. Dicho esto, ¿Por qué creéis que el aviso de incidencias captó la atención de los usuarios en Fastercity?
La principal diferencia de MercuriBot con respecto a Fastercity es la proactividad. Mercuri se caracteriza porque, aunque el usuario al principio debe dar una serie de datos, luego no tiene por qué estar consultándolo, él se encarga de ponerse en contacto automáticamente y el usuario no tiene que estar preguntándose si le aporta o no valor ya que antes de que salga de casa, Mercuri es el que le avisa diciéndole “oye, la línea 1 no funciona, vas a tener que cambiar tu ruta”. Como consecuencia de esta relación bot- usuario, la experiencia es más proactiva y genera más interés.
A día de hoy, Mercuri no te ofrece la solución a las incidencias que te notifica, eres tú quién tiene que llevar a cabo esa restructuración de la ruta que ibas a llevar a cabo.
3. ¿Qué ventajas ofrecen las apps de mensajería para este tipo de servicios?
Para responder a estar pregunta es necesario entender que el índice de penetración de las aplicaciones a día de hoy es muy bajo y cuesta mucho dinero captar y retener a los usuarios. En resumen, cuesta mucho que alguien se descargue tu aplicación. Sin embargo, existen una serie de apps de mensajería a las que todos estamos acostumbrados y su introducción es mucho más sencilla. Pero eso no es todo, lo mejor es que todos sabemos cómo funcionan, no es necesario aprender a usar una nueva interfaz, es decir, el proceso de utilizar un servicio a través de ellas es mucho más sencillo.
Además, para nosotros, la parte del envío de notificaciones (en este caso son mensajes de Telegram), es mucho más sencillo y menos intrusivo que una push.
4. ¿Podéis afirmar que MercuriBot está teniendo más éxito que la solución vía app?
Sin lugar a dudas, la solución bot y la solución asociada a la app de mensajería tiene una penetración y un alcance mucho mayor que la que ha tenido con la versión de faster.city de solo aplicación.
Esta realidad sorprende porque la solución bot aborda menos cuestiones que la app. Sin embargo, a veces es mejor centrarse en una sola cuestión e intentar resolver al máximo el problema en el que estás centrado. De este modo, serás capaz de aportar ese valor al usuario final. Al final, es mejor resolver una cuestión al 100% que intentar resolver varias al 50%.
5. Utilizáis Procesamiento del lenguaje natural ¿cómo os está ayudando está herramienta? ¿Qué ventajas ofrece?
Dentro de todas las herramientas de NLP que existen, lo que nosotros usamos va orientado a la comprensión del lenguaje en conversaciones. Para ello, comenzamos usando una aplicación que se llama api.ai, sin embargo, en ciertas cuestiones nos dio una serie de problemas con el castellano debido a que todo el NLP todavía no está del todo pulido y decimos lanzarnos al uso de wit.ai. El uso de esta herramienta está enfocado a entender la intención de los usuarios cuando hablan con MercuriBot para poder responderles lo mejor posible. Además, para este tipo de chatbots también hemos usado otras herramientas que facilitan mucho todo el desarrollo de estas conversaciones.
Más que anécdota, te hablaría de una situación que hemos visto. Por ejemplo, cuando un usuario expresa que quiere ir a dos sitios, el bot es capaz de guarda el contexto y en ese sentido sí que emula una conversación inteligente ofreciendo una experiencia muy interesante y rica.
6. Nos sorprendió la inclusión de los datos meteorológicos como el sol, la lluvia… ¿Podrías explicarnos un poquito más como habéis implementado estos datos y las conclusiones a las que habéis llegado?
Al final, a la movilidad de Madrid afectan muchos factores por lo que a día de hoy es más que probable que algunos de ellos se queden fuera de nuestro radar. Pero para nosotros uno de los factores que más influyen en las incidencias de tráfico en la capital son los datos meteorológicos. Todos esos datos que no solo afectan a la movilidad, sino que también influyen en otros ámbitos. Por ello, nuestro objetivo es recogerlos y poder aplicarlos.
Por ejemplo, sabemos que si llueve ciertos sistemas de transporte funcionan peor, que si hay polución excesiva hay una serie de restricciones… Pues lo que hacemos es incluir todos esos datos de contexto en un motor que sea capaz de coger todos esos datos y encontrarles un sentido de cara a la movilidad.
En otras ocasiones, lo que hacemos es jugar a predecir el tráfico en Madrid y los datos concluyentes que conseguimos los integramos también porque vemos que son de utilidad. También utilizamos datos de temperatura o de polución pues, aunque en un primer momento no lo parezca, también influyen en nuestra decisión a la hora de decantarnos por un sistema de transporte u otro.
6. ¿De dónde obtenéis los datos de los que se nutre Mercuribot?
Al final, nuestro objetivo principal es recoger fuentes de datos abiertas que cualquier persona podría recoger. Por ejemplo, el ayuntamiento de Madrid cuenta con datos como mediciones en el suelo que ayudan a saber el tráfico exacto que hay en la capital, incidencias de obras que afectan a la movilidad de la ciudad, cuentas de Twitter o Facebook que van informando de los problemas que se van dando, meteorología, eventos que se producen en la capital… En fin, una gran variedad de datos que ayudan a Mercuri a avisarte de los imprevistos con los que te puedes encontrar. Eso sí, para poder utilizar todos estos datos es preciso depurarlos antes de utilizarlos.
7. ¿Qué métricas utilizáis para medir la actividad que recibe el bot? Tras este tiempo, ¿recibís más tráfico de Telegram o Facebook Messenger?
En este sentido estamos en una fase muy temprana A día de hoy nuestra preocupación no está centrada en definir un funnel perfecto y conseguir una cantidad de métricas absoluta. Aun así, recogemos cierta información que consideramos que es relevante y que nos puede ayudar a ir mejorando el bot y sobre todo a entender cómo lo están utilizando los usuarios.
Por ejemplo, estamos midiendo cuantos mensajes escriben los usuarios al bot, cuántas respuestas emite el bot, cuántas veces se solicitan incidencias, cuántos usuarios tienen problemas con los registros… En resumen, va orientado a seguir mejorando, pero sin volvernos locos.
8. ¿Qué diferencias encontráis encontráis entre la app y el bot a la hora de medir el tráfico que reciben?
Por el momento, no hay muchas diferencias entre ambos sistemas. Al final, hay una gran cantidad de frameworks y herramientas que te ayudan a medir datos independientemente de que tu proyecto sea un bot o una app. Por ejemplo, uno de los puntos que queremos aclarar es ver en qué app de mensajería funciona mejor. En la actualidad, no podemos decir con exactitud cuál va a funcionar mejor, pues Telegram cuenta con varias semanas de ventaja.
9. ¿Cómo han ayudado las Redes Sociales para dar a conocer a MercuriBot?
En este proceso de captación, utilizamos Twitter. La verdad que utilizar esta herramienta como estrategia de crecimiento fue una buena idea ya que una de las aproximaciones que hicimos para llegar al público, fue detectar a todos esos usuarios que podían estar descontentos con el transporte de Madrid. Como consecuencia, el resultado ha sido muy positivo y los usuarios han captado la esencia del bot.
10. ¿Cuándo crees que los usuarios comenzarán a usar los bots frecuentemente?
Si solo concebimos a los bots como herramientas que automatizan tareas y que solucionan problemas concretos, tenemos que tener en cuenta que para que se establezcan en la sociedad es preciso que la tarea que hacen la cumplan a la perfección. De esta manera, el usuario percibirá que de verdad le aporta valor y que prefiere usarlo antes que una app o una página web. Si a esto le añades la parte de chat, no debes olvidar que la conversación debe tener un sentido. Solo así el usuario obtendrá lo que necesita y, como consecuencia, ver al bot como la solución que está buscando.
Por ello, desde Mercuribot nos hemos centrado en conseguir que el usuario perciba ese elemento de valor desde un principio, que sienta que le es útil en el día a día.
11. ¿Qué pasos tenéis pensados en el futuro?
El objetivo es tratar de expandir estos servicios a otras ciudades de España. Al final las fuentes de datos que nutren por el momento a MercuriBot también están disponibles en otras muchas ciudades de España y, por ello, queremos llegar a todas ellas. Además, queremos pulir algunas incidencias que por el momento no conseguimos determinar. Esto se debe a que la respuesta a dichas incidencias no está ni en las bases de datos, ni en Twitter, ni en otras plataformas a las que podamos acceder. Por ello, estamos pensando en incluir algún sistema que permita a los usuarios también informar sobre estas incidencias. Algo así como una gran comunidad que se vaya avisando de lo que ocurre en su ciudad.