Este es un post de invitado (escrito por Benoît Lewandowski, CEO en Hobbynote) con motivo del evento #BotsInAction que organiza y en el que participa el equipo de Audiense en Reino Unido.
En Hobbynote estamos entregados en desarrollar usos innovadores y creativos de Twitter a escala. Hemos producido cientos de campañas a medida para las prinicpales marcas de todo el mundo, y siempre estamos buscando nuevas formas de perfeccionar cómo las marcas y las empresas pueden interactuar con sus audiencias mejorando la experiencia de conversación.
Benoît Lewandowski - CEO, Hobbynote
Creemos que Twitter es una plataforma extraordinaria para ofrecer servicio de atención al cliente, y queremos proporcionar a las empresas y marcas las mejores herramientas ya que hoy en día el 80% de las solicitudes de atención al cliente tienen lugar en Twitter.
Más allá de la atención al cliente, Twitter es la plataforma donde tienes actualizaciones en vivo sobre lo que te interesa. Hace meses, colaboramos con Transport for London para crear una nueva experiencia que proporcionara, por medio de Mensajes Directos, información en directo sobre los viajes a los usuarios de la red de transporte público de Londres y les notificara cuando hay retrasos graves en las líneas que utilizan.
Los clientes de Transport for London pueden interactuar de forma directa y mediante DMs con cualquiera de las líneas de metro, líneas de tren urbanas y líneas de tren ligero de Docklands para evitar las interrupciones de servicio - un servicio pionero a nivel mundial en el sector del transporte.
A los usuarios se les ofrece tres funciones en esta experiencia inicial:
- Comprobar el estado, para conocer en ese mismo instante el estado actual de todas las líneas y saber si existen retrasos y poder replanificar su trayecto.
- Suscribirse a las alertas y consejos de viaje semanales, para recibir alertas sobre la situación en condiciones de retrasos importantes en las horas punta y para conocer los cierres planificados y los trabajos en el servicio de metro durante el fin de semana.
- Hablar con un agente de atención al cliente, para obtener asistencia inmediata por parte de una persona.
El bot sincroniza constantemente con los datos de TfL para ofrecer a los usuarios información actualizada en cualquier momento. Hasta la fecha se han enviado 3,8 millones de alertas a los usuarios para ayudarles a evitar las interrupciones del servicio.
[vimeo https://vimeo.com/189906128 w=320]
TfL Travel Alerts - Automated messaging through Direct Messages on Twitter.
Más recientemente, lanzamos una experiencia de conversación automatizada con Le Parisien en Francia. Con motivo de las elecciones presidenciales, Le Parisien quería cubrir las elecciones y proporcionar a sus seguidores información relevante utilizando un enfoque nuevo e innovador.
El chatbot sincronizaba con las fuentes de Le Parisien así como los datos abiertos del Gobierno de Francia para ofrecer a los usuarios las siguientes funciones:
- Ver la lista de candidatos y su programa político.
- Comparar los programas de dos candidatos sobre temas específicos.
- Encontrar los centros de votación en un lugar determinado y obtener su dirección.
- Leer los últimos artículos y noticias sobre las elecciones y temas concretos.
- Encontrar los resultados locales y nacionales.
- Suscribirse a las alertas para cuando los resultados estuvieran disponibles.
- Obtener información general sobre los comicios.
- El bot se utilizó un total de 600.000 veces por 110.000 usuarios únicos en un periodo de dos semanas, lo que se tradujo en un total de 2,9 millones de mensajes.
Las experiencias de chatbots como primer contacto permite a los usuarios tener respuestas inmediatas a sus preguntas.
Al combinar estas tecnologías de mensajería con el procesamiento de lenguaje natural (PLN) e inteligencia artificial como IBM Watson, proporcionamos a nuestros clientes un servicio de atención al cliente más inteligente en social media. Capacita a los robots para entender las consultas y contestar de forma automática, o para pasar la pregunta a un agente de atención al cliente dependiendo de su complejidad y el banco de conocimiento. Esto reduce la cantidad de tiempo necesario para completar esas tareas manuales de recepción de mensajes por parte de las personas dedicadas a atención al cliente, dejándoles centrarse en tareas más complejas y relevantes.
