Nuestros amigos de ULAB, espacio conectado con TJ-OST, han llevado a cabo un interesante «Databeers» (Historias de datos con una buena cerveza). Se trata de charlas en torno al tema de los “datos”, donde los organizadores proponen a los participantes que prime un «estilo divulgativo».

1MillionBot.com ha participado de la mano de Toni Gimeno quien ha puesto de relieve el poder de los datos que generan los chatbots, a través de la aplicación de técnicas de reconocimiento de emociones y estados de ánimo para aplicar diferentes estrategias, según objetivo del chatbot.

Data, chatbots, ML, DL, PLN…

1MB trabaja en colaboración con Lucentia LAB en el análisis de sentimientos en tiempo real con nuestros bots, aplicando Machine Learning al texto de las conversaciones y creando perfiles acordes a sus estados de ánimo. A través del análisis de la voz, se puede llegar a identificar el estado de ánimo y ofrecer un tipo de música u otra. También podría servir para mostrar un tipo de anuncios u otros, etc.

Resumen de la exposición en DataBeers

La charla está extructurada en 3 puntos:

  • ¿Cómo generamos los datos?
  • ¿Qué datos se generan?
  • ¿Que se podría hacer con esos datos?

1.¿CÓMO SE GENERAN LOS DATOS?

Los chatbots los generan a través de voz y texto. Cabe decir que los datos que generan los chatbots de los clientes son 100% propiedad del cliente, 1MB únicamente los utiliza bajo su consentimiento para mejorar el flujo conversacional. 

2. ¿QUÉ DATOS SE GENERAN?

Las empresas pagan para conocer la opinión sobre sus productos/servicios o hacen grandes descuentos por rellenar una encuesta porque saben que esa información es vital para mejorar. Con la implantación de un bot las empresas tienen una herramienta crucial para conocer qué piensan nuestros clientes y usuarios.

  • – Datos de contacto: los formularios con cosa del siglo pasado y casi nadie los usa. Sin embargo, preguntando a un asistente tendremos un respuesta inmediata y si necesito ampliar información no voy a dudar en dejar mi contacto.
  • – Funcionalidad web: los propios usuarios preguntan si no encuentran un producto, si un enlace no funciona y podremos saber cómo está siendo la usabilidad de nuestra web.
  • – Estudio de comportamiento: en momentos ‘calientes’ de una compra en un ecommerce hay alta tasa de abandono del carrito y a menudo no conocemos el motivo. Si en ese momento existe un bot para ayudar, podremos reducir esa tasa de abandono o conocer el motivo.

3. ¿QUÉ HACEMOS CON ESOS DATOS?

Las opciones son infinitas, los principal es, con esos datos obtenidos, plantear diferentes estrategias en la empresa, universidad, institución… Algunos ejemplos:

  •  Análisis sociológico: con LOLA UMU podemos conocer estadísticas como saber por qué hay más alumnos varones en ingeniería, por qué los habitantes de una ciudad estudian más unas titulaciones  u otras,
  • Estados de ánimo en análisis de emociones en tiempo real: desarrollando un chatbot de voz para una importante radio, cuando el usuario diga:– Buenos días, quiero escuchar la radio.Mediante un análisis de la voz en tiempo real, el tono de voz, la velocidad y aplicando ML, DL, se identifica el estado de ánimo y se ofrecerá un tipo de canción u otra. Por ejemplo, si detecta que está un poco deprimido, lanzará una canción activa y animada, si por el contrario detecta cierto nerviosismo podrá listar una canción más relajante.