Cosa rende davvero positiva l’esperienza utente? Velocità di risposta, convenienza, coerenza, cordialità, ma anche empatia e “tocco umano”.
Sono gli elementi che emergono dalla survey “Future of CX” di PriceWaterhouseCooper, condotta su un campione di 15.000 persone in 12 paesi del mondo (tra cui 4.000 all’interno degli Stati Uniti).
Dalla ricerca emerge che il 73% delle persone intervistate indica la customer experience come elemento più importante nell’orientamento delle proprie decisioni d’acquisto.
Dai dati raccolti si evidenzia, inoltre, che i consumatori apprezzano fornitori, marchi e prodotti che offrono un’esperienza utente senza disagi o frustrazioni, cui contribuiscono l’efficienza e l’immediatezza nei tempi di risposta resi possibili dalle nuove tecnologie di AI.
Le persone si aspettano che la tecnologia sia sempre funzionante e user friendly e che l’automazione faciliti l’interazione e l’immediatezza dei tempi di risposta. Sappiamo che i virtual agents sono in grado di fornire risposte immediate alle richieste dei clienti e di interagire in linguaggio naturale, tuttavia, l’elemento principale in grado di discriminare tra un’ottima e una pessima esperienza utente è la capacità di comprensione.
Virtual agents customer experience: la funzionalità di “continuous learning”
I virtual agents apprendono automaticamente analizzando i dati delle passate interazioni e formulando ipotesi sulla risposta più giusta. Tuttavia, se è vero che sbagliando si impara, un limite del reinforcement learning è proprio quello per cui i bot devono commettere tanti errori per imparare.
Se in fase di sviluppo i virtual agents sono stati creati con una chiara immagine in mente del customer journey, una volta in produzione i bot si trovano a gestire ogni genere di utterances da parte degli utenti ed è importante velocizzarne l’apprendimento, limitando il più possibile il numero di errori.
Per questo motivo, è stato introdotto il concetto di “human in the loop” che prevede l’intervento umano in un modello di apprendimento “supervisionato”, in cui le risposte del bot vengono controllate e modificate, consentendo al bot di apprendere più velocemente e senza sbagliare.
Per favorire e velocizzare ulteriormente l’apprendimento dei virtual agents, la piattaforma CRAFTER.AI™ integra la funzionalità di “continuous learning”, grazie alla quale vengono passati in rassegna i messaggi non compresi dal bot (“misses”), dando all’utente la possibilità di ignorarli o aggiungerli in automatico alla knowledge base del bot, sotto forma di nuovo intento o di un intento già esistente.
In questo modo, gli utenti di CRAFTER.AI™ diventano ancora più indipendenti nell’attività di aggiornamento del proprio virtual agent.
Le tecnologie più avanzate non portano a nessun risultato se non tengono conto delle esigenze di chi le utilizza.
In particolare, nell’ambito della conversational AI, la capacità di comprensione dei virtual agents è un elemento fondamentale per la customer experience, così come la capacità di monitorare e aggiornare la knowledge base in maniera facilitata e indipendente è un requisito prezioso per migliorare la user experience dei nostri clienti.
Fonte:
https://www.pwc.com/us/en/zz-test/assets/pwc-consumer-intelligence-series-customer-experience.pdf
Potrebbe interessarti:
https://crafter.ai/it/2021/05/27/differenza-tra-chatbot-e-bot-rpa-automation-e-conversational-ai/
