Está ampliamente demostrado que las emociones juegan un papel decisivo en las decisiones de compra, especialmente cuando se trata de comercio minorista (B2C). De hecho, el último informe de 2023 de la consultora PwC (PricewaterhouseCoopers) revela que el 32% de los consumidores dejaría de comprar en … una marca tras una sola mala experiencia, y aumenta hasta un 59% tras varias malas experiencias.
Una de las metodologías más efectivas para descifrar todos estos datos viene con el análisis de sentimiento. Una técnica de inteligencia artificial basada en PNL (procesamiento del lenguaje natural), técnicas de ‘machine learning’ (para tareas de clasificación supervisadas), ‘deep learning’ (que proporcionan esa comprensión adicional de los matices y contextos en el análisis) y ‘text-to-speech’. ‘ (para analizar conversaciones y audios en tiempo real mediante transcripción) que permiten identificar, extraer y analizar datos publicados en correos electrónicos, comentarios en redes sociales, foros, reseñas, conversaciones, etc. Y son utilizados por las empresas para nutrir sus estrategias comerciales. estrategias.
No se trata sólo de identificar patrones o signos en el texto que indican la presencia de emociones, actitudes y opiniones. Se trata de “conocer al cliente, sus expectativas, necesidades y saber cómo se siente durante una interacción en cualquier momento del día”. ‘viaje del cliente’ y en cualquier canal”, afirma Laia Mercadal, directora de Consultoría y Transformación Digital de E-voluciona by Intelcia.
“Hasta hace muy poco, los algoritmos de PNL estaban entrenados para reconocer ciertas palabras en textos y calcularlas para dar una calificación simple ‘positiva o negativa’, y esto ya era un logro considerable”, señala Bruno Gerlic, director de ingresos de PredictLand AI. . Poco a poco, empezaron a mejorar esta clasificación binaria hasta que ahora fueron capaces de combinar sentimientos con otro tipo de información valiosa en un mismo sistema, a veces llamado ‘text mining’ o ‘minería de textos’. En este sentido, “ahora aportan información mucho más valiosa, ya que mejora la toma de decisiones en las empresas con más granularidad y menor latencia”.
En términos simples, cuando un texto se introduce en un algoritmo de aprendizaje automático, devuelve una puntuación entre 0 y 1 que indica qué tan positivo es el texto. A través de recursos léxicos y procesamiento del lenguaje natural, se pueden evaluar las connotaciones emocionales de las palabras y clasificar un texto como positivo, negativo o neutral. Además de los recursos léxicos, existen numerosos modelos de aprendizaje automático y aprendizaje profundo que están específicamente entrenados. Satisfecho, insatisfecho, satisfecho, irritado, molesto, agradecido, sorprendido… cada sentimiento deja una huella en la forma en que nos expresamos, y el sistema es capaz de descifrar este código emocional.
Gracias a los avances de la IA generativa, cuyos modelos, llamados LLM (como ChatGPT 4), han sido entrenados principalmente en Internet, los algoritmos detectan estos finos matices de la comunicación en los sentimientos, entienden de forma nativa todo tipo de lenguajes y estilos, y Saben interpretar el contexto. «Si el sistema detecta, por ejemplo, quejas reiteradas de los clientes sobre una funcionalidad de un producto y en función de la intensidad de las sensaciones asociadas, lo etiquetará como ‘prioritario’ o ‘baja criticidad’ y generará un informe dirigido al responsable de producto . », explica Gerlic.
Camino de mejora
Pero, ¿cómo puede realmente esta técnica ayudar a crear una mejor experiencia para el cliente? Desde E-voluciona evalúan la calidad del servicio con parámetros y métricas para saber cómo te sientes y el grado de satisfacción a través de analizadores como FCR (First Call Resolution) para saber si la consulta se ha resuelto en la llamada o a través del NPS (Net Promoter Score) que indican el nivel de recomendación de la marca. “Todo ello nos permite conocer el índice real de satisfacción del cliente y mejorar continuamente la calidad del servicio”, afirma Mario García Láinez, director de Soluciones IA. «En el sector de los contact center, el uso de estas herramientas y habilidades tecnológicas sirve para mejorar la calidad del servicio y reducir las devoluciones de llamadas. El objetivo es conseguir que el Tiempo Medio de Operación, es decir, el tiempo de gestión y resolución de una consulta, sea el menor posible con una alta productividad y satisfacción del cliente.
Combinado con otras técnicas de ‘minería de textos’, el análisis de sentimientos también contribuye a mejorar múltiples experiencias, reconoce PredictLand AI. Desde el rediseño o personalización de productos y mensajes promocionales para cada tipo de cliente, proponiendo una comunicación acorde al estado emocional, hasta anticiparse a casos de riesgo de abandono para activar estrategias de retención personalizadas, especialmente tras analizar consultas y quejas de soporte.
Sin embargo, hay muchos aspectos de nuestras interacciones y comportamientos humanos que no pueden cuantificarse mediante algoritmos. En este contexto, el neuromarketing surge como una herramienta complementaria para revelar aquellos procesos inconscientes que influyen en nuestras decisiones y comportamientos.
Salima Sánchez, psicóloga especialista en Neuromarketing y Comportamiento del Consumidor, señala cómo la psicología estudia y explica muy bien los procesos y sesgos psicológicos a los que estamos sometidos, pero “a través de neuromarketing lo lo que logramos es profundizar un poco más y decir: vale, no le voy a preguntar a la persona porque la persona puede mentirme inconscientemente, le voy a preguntar a su cerebro, que sé que no lo va a hacer. él. Con técnicas como la electroencefalografía, que registra la actividad eléctrica del cerebro, permitiendo identificar patrones de atención, emoción y memoria, el seguimiento ocular, que monitoriza los movimientos oculares para entender dónde centra su atención los consumidores y durante cuánto tiempo. o con respuestas fisiológicas como frecuencia cardíaca, conductancia de la piel y respuesta galvánica de la piel, se puede evaluar la experiencia del usuario de forma muy precisa y con datos.
Analizadores
Dependiendo del tipo de datos disponibles, su calidad y los objetivos perseguidos, las empresas deben elegir cuidadosamente entre múltiples fórmulas, cada una con sus pros y sus contras. Según Gerlic, “plataformas generales como Microsoft, Google o Amazon ofrecen herramientas de análisis de sentimiento dentro de sus servicios en la nube. Luego existen múltiples softwares especializados, que suelen aportar otra capa de inteligencia a un proceso específico. Por ejemplo, software de análisis de redes sociales, software de monitoreo de reputación de marca en línea, módulos adicionales en plataformas de gestión de clientes (CRM), plataformas de gestión de proyectos, etc. Pero también existen modelos de código abierto para que los departamentos de TI se ajusten e integren a una necesidad específica.
Más concretamente, en el sector de los contact center, la analítica del habla permite analizar más de 25 emociones en diferentes momentos de la conversación tanto en voz como en texto, convirtiendo datos no estructurados en información consumible. y estructurado para el análisis. Mario García explica que “a toda esta información se le aplica la IA generativa, aprovechando su capacidad de comprensión, para detectar las causas raíz y poder mejorar el servicio”.
