¿Cómo funciona la plataforma?
A continuación se presenta la arquitectura prevista para la plataforma SHOPINN y sucinta descripción técnica de las principales funcionalidades de sus componentes.
Figura 1: Arquitectura SHOPINN
Las empresas CLIENTES de la plataforma SHOPINN incorporarán los chatbots inteligentes en sus soluciones finales (pltaformas de ecommerce, servicios de atención a usuarios, comunicación, etc,), integrándolo mediante una plataforma de integración especialmente diseñada para este proyecto. Dicha plataforma constará de tres grandes bloques, o módulos operativos; el módulo de Comunicación, el módulo de Operación y el módulo de Predicción.
A continuación se describe el funcionamiento de cada uno de ellos:
El módulo de Comunicación será el responsable de articular la comunicación y las interacciones entre el usuario final y el sistema.
La interacción con el usuario se puede realizar desde diferentes canales o plataformas, tales como; Facebook Messenger, Telegram o futuras aplicaciones de mensajería, pero no coordinados entre sí. Por medio de texto o convirtiendo la voz
(Speech To Text, STT)
se alimenta el sistema de entendimiento de lenguaje (Natural Language Understanding, NLU) donde se detectarán las intenciones (intends) y entidades (entities)
en un contexto (context), lo que permitirá asimismo gestionar los flujos conversacionales.
Es de esta manera por lo que conseguimos que el cliente se relacione con la marca de la empresa las 24 horas, 365 días a la semana, al crear así el rasgo omnicanal de SHOPINN. El usuario ya no depende del teléfono o mail de atención al cliente. Ahora
podrá iniciar un diálogo automático desde redes sociales, aplicaciones de mensajería o webchat.
Por medio de un gestor de diálogo (Dialog manager, DM), En esencia, se trata de un conjunto de reglas donde ayudamos a modelar la conversación y el comportamiento del chatbot. Es el verdadero cerebro
de un asistente. Conectado a nuestra lógica de negocio mediante un motor de reglas. Este gestor de diálogo es la herramienta con la que el departamento de Marketing y Atención al cliente introducirá todas las respuestas predeterminadas
que se deberían dar en todos los casos específicos del proceso de compra.
El gestor de diálogos, será la que se encargue también, de parsear los eventos y ofrecer una api de mensajes estandarizados para las distintas plataformas de comunicación que tuviésemos conectadas. O por el contrario, personalizar los mensajes para una
plataforma, como por ejemplo usar un carrusel en Facebook Messenger.
Y es por medio del generador de lenguaje (Natural Language Generator, NLG) con lo que se envía la respuesta al usuario, que puede ser texto o convertida a voz (Text To Speech, TTS).
Se trata del bloque funcional que construye los mensajes, integra recursos gráficos o simplemente elige una frase aleatoria entre una lista de opciones.
Por medio de sistemas de entrenamiento (entrenador) se irá mejorando la calidad de las respuestas y el flujo de la conversación. Con esta tecnología basada en Machine Learning el propio sistema
va conociendo la personalidad y preferencias de cada usuario a medida que aumenta la interacción. De esta manera, los diálogos previamente introducidos mediante el gestor de diálogo se van filtrando para mostrar únicamente las
respuestas que mejor se adaptan a cada target segmentado.
Como ejemplo, podemos ver su funcionamiento en el ejemplo en el que es el propio sistema el que avisa a su cliente potencial de la llegada de nuevo stock de Joystick de simulación de vuelo, con el objetivo de impulsar una compra directa mediante pre-reserva
y aplicación de descuento.
Durante este proceso se monitoriza el resultado de las conversaciones, tanto en tiempo real para dar la posibilidad a un operador a poder intervenir si es necesario, como al finalizar ésta para seguir estudiando nuevas posibilidades comerciales.
Por último y por medio de pipelines, se crearán los sistemas de despliegue y testeo para mantener el sistema en producción con la menor cantidad de fallos posible.
El módulo de Operación será el responsable de gestionar todos los procesos operativos de la Plataforma SHOPINN.
A partir de un orquestador se permitirá coordinación entre los diferentes canales (por ejemplo, desde los frontends) y el Core de Servicio por medio de APIs, a su vez interconectado por el sistema
de eventos a todos los demás subsistemas. En otras palabras, el orquestador es lo que permite vincular la comunicación omnicanal del cliente con el corazón logístico de la empresa y los proveedores.
De esta manera, en el ejemplo del diálogo en el que Juan no ha recibido su envío, podemos ver al orquestador trabajar cuando el propio sistema se toma su tiempo para analizar el historial de envíos, consultar el estado del paquete, enviar una alerta a
un operario y finalmente éste comienza el nuevo proceso de reenvío de producto al cliente.
El orquestador funciona de manera concurrente para aprovechar el paralelismo para poder realizar diferentes tareas de manera coordinada. Así mismo, para poder realizar acciones que dependan de otras y flujos complejos, el orquestador funciona de manera
proactiva, lo que le permite tener una interacción mucho más natural con el usuario.
El módulo de predicción, será el encargado de dotar a la Plataforma de una capa de personalización superior. Por medio de la detección de sentimientos y búsqueda de patrones de conducta en contexto, lo cual permitirá una interacción aún más realista con
los usuarios. Al poder reconocer el estado de ánimo y la personalidad del cliente, será posible adaptar la respuesta emocional del bot para aumentar la empatía con el usuario.
Por ejemplo, si un cliente está satisfecho, la conversación podrá modularse para mantener un tono amable y jovial, incluso bromista y cercano, para potenciar la cercanía de la relación.
Por el contrario, si el cliente está disgustado por un problema con el servicio, el tono podrá adaptarse automáticamente para adquirir un rasgo más serio y comprometido, incluso preocupado por las molestias generadas, para trata con respeto y asertividad
las necesidades del usuario.
Un ejemplo de esto lo podemos encontrar, de nuevo, en el cambio de tono usado entre la conversación con carácter jovial al hablar con Juan del ratón Gamer, frente al tono serio y preocupado usado al tratar a Manuel y su consulta por el retraso del envío.
De todas las interacciones y del conocimiento de dominio que puede ser recolectado por exploradores cognitivos es posible aplicar algoritmos y procedimientos de Machine Learning e IA para realizar
predicciones y dotar de cierta inteligencia a los chatbots.
Este proceso interconectado, en el que cada sistema retroalimenta al otro, es el corazón de SHOPINN. Es lo que permitirá que la relación conversacional se mantenga en todo momento flexible, para adaptarse a la personalidad y estado de ánimo de cada cliente.
Pero sobretodo, para permitir que la tecnología crezca, se moldee y se actualice en tiempo real a las necesidades de cualquier empresa de venta de productos que quiera mantener una posición de liderazgo en internet.
