Quando construímos um bot, temos como objetivo que o usuário consiga resolver o que precisa sem necessitar ir para outro canal de atendimento — e, para isso, o bot tem que ser o mais preciso possível em suas respostas. Porém, muitas vezes o usuário não percorre somente o caminho “feliz” que criamos, e é nesse momento que a leitura de dados para bots nos ajuda a aprimorar cada vez mais os nossos contatos.
Atualmente, a plataforma Blip conta com uma área de análise que é alimentada por dados gerados pelos trackings, que funcionam como check-points nos quais registramos a interação do usuário em cada etapa da conversa.
Benefícios dos trackings para a leitura de dados para bots
Os trackings podem ajudar a captar dados como:
- quantidade de mensagens enviadas/recebidas em cada parte do fluxo;
- respostas dos usuários;
- de qual ponto do fluxo o usuário chegou;
- dados específicos de usuários;
- escolha do usuário em momentos de decisão (menus, carrossel, etc);
- entre outros.
Com todas essas possibilidades, captar e armazenar esses dados é crucial para que o bot sempre evolua com base nos dados analisados e seja capaz de realmente atingir seu objetivo.
Para exemplificar o que estou falando, vou utilizar um bot que criei, chamado Meu Restaurante, que indica opções de restaurantes para o usuário com base em algumas perguntas que são feitas pelo próprio robô.
O Meu Restaurante ainda está em desenvolvimento, mas já está integrado no Facebook (você pode testar aqui). Mesmo ainda em construção, já tenho dados importantes de conversas anteriores e vou mostrar para vocês.
Exemplo 1
Logo no início da conversa, o bot pergunta sobre o desejo do usuário — se ele quer procurar um lugar para beber ou para comer. Com essa pergunta, já consigo definir um dado do usuário: que tipo de lugar ele está procurando.
O bot se chama Meu restaurante, então, provavelmente, as pessoas que interagiram estão procurando um lugar para comer, e isso é comprovado pelos dados:
Em um gráfico gerado no Blip, ao selecionar um período específico, podemos ver que a quantidade de pessoas que procuram restaurantes é quase o dobro da que procura por bares. Por isso, chego à conclusão de que preciso focar mais em opções de restaurantes do que em bares.
Exemplo 2
Após escolher que eu desejo — ir a um restaurante —, o bot começa a fazer perguntas sobre o estilo de comida desejado. Uma das perguntas é o valor que a pessoa está disposta a gastar no restaurante.
Vejam:
Ao criar o bot, eu acreditava que as pessoas iriam sempre clicar no sinal de menor preço, para buscar sempre economizar e encontrar um restaurante de qualidade. Porém, ao analisar o dados, percebi isso:
Ninguém, no período escolhido por mim, escolheu a opção mais barata de comida japonesa. Portanto, chego à conclusão de que posso focar mais em restaurantes que apresentam um valor mais alto, porque as pessoas estão dispostas a pagar por isso.
Com esses dois exemplos simples, é possível ter uma pequena noção de como a análise e leitura de dados para bots é importante e como ela pode melhorar ainda mais a experiência do usuário. As possibilidades são imensas, como foi falado no início do texto.
Dados geram informação. Por isso é extremamente necessário ter um acompanhamento de dados do bot e, assim, sempre melhorar a experiência oferecida pelo seu contato.
A ferramenta utilizada para a análise de dados foi o Blip, plataforma completa de construção, gestão e evolução de bots da Take. O Blip está disponível gratuitamente, e se você deseja criar bots e evoluí-los de maneira segura e escalável, recomendo demais que conheça! Até a próxima!
Guilherme Isaac
Estagiário de Negócios na Take
