En el diseño de experiencias conversacionales, desde la fase de planificación hasta la implementación, utilizamos diversas técnicas que nos permiten crear conversaciones humanas y fluidas, con el objetivo de ayudar a los usuarios a cumplir sus tareas y a las empresas a alcanzar sus objetivos de negocio, reduciendo costos y aumentando ventas.
Tras el proceso inicial de diseño e implementación, llega una fase igualmente crucial: la optimización y mejora continua.
¿A qué nos referimos con optimización y mejora continua?
En productos digitales, la optimización y mejora continua implica corregir y mejorar el rendimiento, así como añadir nuevas funcionalidades para crear una solución más completa. A diferencia de sitios web o aplicaciones móviles, que requieren mayor esfuerzo en la fase de desarrollo, las soluciones conversacionales pueden lanzarse rápidamente, pero demandan un monitoreo y optimización constantes debido a la naturaleza más flexible y menos precisa de las interacciones en comparación con las interfaces gráficas.
Por ejemplo, al ordenar una pizza en una interfaz gráfica, el usuario tiene siempre un menú visible con opciones claras, como tipos de pizza, ingredientes y bebidas. En cambio, al hacerlo a través de un asistente de voz, la conversación es la interfaz, lo que significa que no hay un menú visual ni atajos que faciliten la navegación. Diseñar conversaciones, por tanto, implica crear para una interfaz invisible, lo que puede dar lugar a imprecisiones, desvíos o caminos inesperados.
El reto de entender el lenguaje humano
Para entender y estructurar las conversaciones humanas, hay que comprender cómo nos comunicamos las personas.
En las conversaciones cotidianas, el cambio de tema, el uso de modismos y las oraciones complejas presentan un desafío para el procesamiento del lenguaje natural (NLP), ya que el sistema debe interpretar tanto las palabras como el contexto e intenciones. Incluso con un diseño ideal, siempre surgirán desvíos inesperados que requieren optimizaciones para mejorar el rendimiento del asistente.
En nuestra experiencia diseñando y optimizando conversaciones, hemos identificado algunos escenarios comunes:
- Hay muchas formas de decir lo mismo. Las personas pueden expresar una misma intención de diferentes maneras, lo que requiere que el sistema reconozca diversas expresiones.
- Oraciones idénticas con diferentes significados. Dependiendo del contexto, una misma frase puede interpretarse de varias formas.
- Cambios de tema repentinos. Las personas suelen cambiar de tema abruptamente, lo que puede interrumpir la fluidez del diálogo.
- Oraciones que tienen varias intenciones. Una sola oración puede contener múltiples propósitos, lo que complica su interpretación.
- Los usuarios a veces no saben lo que quieren. Los usuarios pueden tener dificultades para articular sus necesidades o deseos de manera clara.
- Verbosidad. El uso excesivo de palabras puede introducir ruido y dificultar la comprensión de la intención.
- Frases implícitas. A menudo, las personas omiten información, confiando en que el contexto complete el significado.
- Los usuarios cometen equivocaciones. Errores gramaticales, de pronunciación o de elección de palabras pueden complicar la interpretación de sus intenciones.
Todos estos escenarios hacen que la actividad del análisis de conversaciones para la optimización sea aún más importante.
Monitoreo y análisis de conversaciones
En Multiplica, hemos ido perfeccionando un modelo de trabajo que combina el análisis cuantitativo y cualitativo para identificar áreas de oportunidad en soluciones conversacionales. Esta es una tarea continua, que se desarrolla en paralelo con las demás actividades durante los sprints, y se centra en tres actividades principales: monitoreo, evaluación y definición.
1. Monitoreo
Esta actividad consiste en revisar conversaciones en tiempo real. La mayoría de las plataformas para crear asistentes conversacionales permiten observar en vivo las interacciones de los usuarios con el chatbot o asistente virtual. Por ello, distintos perfiles del equipo —desde QA y diseñadores conversacionales hasta desarrolladores— dedican varias horas a la semana a analizar estas conversaciones, identificando puntos de fricción, errores o inconsistencias que representen áreas de oportunidad.
2. Evaluación
Las posibles áreas de mejora identificadas durante el monitoreo se documentan y se discuten semanalmente con el equipo involucrado. Si estas áreas de oportunidad representan mejoras, se añaden al backlog del producto. Sin embargo, si son errores o bugs, se evalúa su severidad, y con el apoyo de nuestros data engineers, se realiza un análisis cuantitativo para determinar el porcentaje de usuarios afectados. Con esta información, se asigna una prioridad: alta, media o baja.
3. Definición
Los errores priorizados se revisan en sesiones de refinamiento para determinar, según su nivel de prioridad, si se incluirán en el siguiente sprint o si se atenderán de inmediato. En cada sprint, se asignan entre 5 y 8 puntos de esfuerzo para que el equipo dedique tiempo a resolver las incidencias de mayor prioridad.
Este proceso nos ayuda a identificar, priorizar y abordar áreas de mejora en el asistente virtual, fortaleciéndolo según las necesidades. Las optimizaciones pueden abarcar desde términos no reconocidos o intenciones no previstas hasta flujos con puntos de fricción que dificultan la tarea del usuario. Dada la diversidad de mejoras, las hemos organizado en tres dimensiones distintas.
Las dimensiones de la optimización continua
Dependiendo de las incidencias encontradas y de su nivel de complejidad, una solución conversacional puede ser mejorada en tres dimensiones o niveles: Interfaz, Flujo y Estructura.
- Interfaz: Se enfoca en el contenido y los componentes visuales. Las optimizaciones incluyen la coherencia en la comunicación del asistente, la creación de una guía de estilo, y el uso de elementos como emojis y tipografías para mejorar la legibilidad.
- Flujo: Trata de la experiencia conversacional. Se optimizan la secuencia de mensajes, los flujos de conversación, y la gestión de errores para mejorar la eficiencia y comprensión del usuario.
- Estructura: Se centra en el modelo de entrenamiento y entendimiento. Incluye la optimización de intenciones y frases de entrenamiento, así como la gestión de bases de conocimiento para mejorar la precisión del asistente.
Las optimizaciones estructurales suelen requerir más esfuerzo que las de flujo, y éstas más que las de interfaz. Los perfiles necesarios para cada optimización varían, desde copywriters y diseñadores conversacionales hasta AI trainers y desarrolladores backend, dependiendo de las características de la solución.
Obstáculos comunes para implementar una mejora continua
Las barreras más comunes para implementar la iteración y mejora continua de una solución conversacional suelen estar relacionadas con el equipo, sus prioridades, el conocimiento técnico y las herramientas.
1. Equipo: La falta de personal calificado en inteligencia artificial, procesamiento de lenguaje natural y diseño conversacional dificulta la implementación de mejoras efectivas en un asistente virtual.
2. Prioridades: La sobrecarga de responsabilidades y una priorización inadecuada limita el tiempo dedicado a analizar datos, implementar cambios y realizar pruebas necesarias.
3. Conocimiento técnico: La falta de comprensión en principios clave como el procesamiento de lenguaje natural y la programación de IA lleva a decisiones subóptimas y una implementación limitada.
4. Herramientas: Herramientas insuficientes que no ofrecen visibilidad detallada de datos de interacción o feedback de usuarios obstaculizan la identificación de áreas críticas de mejora y la toma de decisiones informadas.
Reflexiones finales
La optimización y mejora continua en el diseño conversacional es clave para asegurar interacciones cada vez más fluidas y efectivas, alineadas con las necesidades de los usuarios. Implementar un asistente virtual es sólo el primer paso y deberemos mantener un enfoque constante en la iteración para abordar las complejidades del lenguaje y las variaciones en los diálogos.
En Multiplica, optimizamos soluciones conversacionales con un enfoque estratégico, abarcando desde la interfaz hasta la estructura. Utilizamos análisis cuantitativo y cualitativo para identificar y priorizar mejoras, entendiendo que el éxito de un asistente virtual radica en su evolución continua para adaptarse a las expectativas de los usuarios y prepararse para los desafíos futuros. Si deseas saber cómo lo hemos implementado con nuestros clientes, no dudes en contactar con nosotros.