crear-chatbot-preguntas-frecuentes

Las páginas de preguntas frecuentes son la forma más común en que las empresas pueden aliviar las demandas de sus equipos de soporte al cliente online, respondiendo automáticamente a las preguntas más frecuentes. Su propósito es ser rápido, simple y útil para ambas partes. Aunque siempre se ha hecho hincapié en que las páginas de preguntas frecuentes sean fáciles de buscar, es el chatbot de preguntas frecuentes el que se ha convertido en la forma más moderna y natural de habilitar el autoservicio.

No obstante, muchas empresas siguen rehuyendo la idea de usar un chatbot interactivo de preguntas frecuentes debido a la complejidad que se percibe. Sin embargo, hoy en día, utilizando las herramientas y los procesos adecuados, es posible construir un chatbot de preguntas frecuentes sin necesidad de tener conocimientos de codificación.

No es broma.

Este artículo cubrirá los fundamentos del chatbot de preguntas frecuentes y los procesos de construcción para un chatbot NLP (Natural Language Processing) más simple basado en reglas, así como el más desafiante, con el fin de crear un diseño de FAQ conversacional óptimo que funcione mejor para tu negocio.


¿Por Qué Elegir un Chatbot de Preguntas Frecuentes en lugar de una Página Estática de Preguntas Frecuentes?


90%-esperan-self-serviceSegún el Informe e Global State of Multichannel Customer Service Report de Microsoft, más del 90% de los consumidores esperan que una empresa ofrezca un portal de apoyo de autoservicio o una página de preguntas frecuentes. De hecho, otro estudio mostró que el 67% de los consumidores prefieren el autoservicio a hablar con un agente humano. Así que, en este punto, no es realmente una cuestión de como diseñar páginas de preguntas frecuentes, o tener o no la sección de preguntas frecuentes, sino más bien de cómo mostrarla de la manera más efectiva posible.

Pero, ¿por qué los chatbots?

En pocas palabras, la tecnología está mejorando y los consumidores se están acostumbrando cada vez más a hablar con un chatbot.

En lugar de tener que buscar a través de una página de preguntas frecuentes – no importa lo bien organizada que esté – pueden ser más directos escribiendo o diciendo una pregunta.

Además, los chatbots son fácilmente adaptables, y permiten crear experiencias con poca fricción, tanto en escritorio como en móvil. Después de todo, no hay nada más natural para la comunicación móvil que los SMS. Además, los bots permiten ir más allá de tu web o aplicación y estar ahí para tus clientes en las aplicaciones de mensajería instantánea que ya utilizan.

Estar presente y listo para ayudar en múltiples canales es más importante que nunca. Según Aberdeen Group Inc, las empresas con las mejores estrategias omnicanal de interacción con el cliente retienen el 89% de sus clientes, en promedio, en comparación con la tasa promedio del 33% de las empresas con estrategias de omnicanal débiles.

Así pues, veamos cómo crear un chatbot de preguntas frecuentes para web o para una aplicación de mensajería como WhatsApp, utilizando un enfoque basado en reglas y en NLP.


Elección del Formato del Bot


Elegir hacer un bot de preguntas frecuentes es sólo el primer paso.

Antes de seguir adelante, examina tus necesidades de preguntas frecuentes. La cantidad y complejidad de tu base de datos de FAQ, así como los canales en los que deseas publicar las FAQ, te ayudarán a determinar qué tipo de chatbot servirá y ayudará a tus clientes más eficientemente.

Puedes construir un chatbot basado en reglas, un bot NLP, o un bot que combine ambos.

FAQ del Bot Basado en Reglas


Este tipo de bot no se basa en la IA (Inteligencia Artificial); sino que sigue una estructura o flujo de conversación basado en decisiones.

Se rige por una serie de reglas predefinidas diseñadas para resolver problemas específicos o alcanzar objetivos particulares. Con los bots basados en reglas, las conversaciones se trazan como un diagrama de flujo, limitando y controlando las preguntas y respuestas del usuario.

Los robots de conversación basados en reglas pueden ser simples o increíblemente complejos. Sin embargo, nunca permiten a los usuarios abandonar el flujo de conversación predefinido. En este caso, la personalización se realiza a través de la toma de decisiones y el condicionamiento de la información.

Canal & Uso Recomendado:

Sitio web o cualquier otra interfaz que permita respuestas ricas como botones o imágenes.

Es muy útil en los casos en que el número de preguntas y respuestas es limitado. Pero también, si se necesita poner en marcha las FAQ (Frequently Asked Questions) muy rápidamente. Por ejemplo, FAQ para eventos de un día o pequeñas empresas con un enfoque estrecho, etc.

Ventajas:

Los bots basados en reglas permiten dar personalidad al diseño de tu página FAQ, así como un buen nivel de personalización para una experiencia más agradable.

Por ejemplo, si un cliente hace clic para ver las tarifas de envío, no es necesario mostrar la lista de todos los países en los que se realiza la entrega. En su lugar, el bot pregunta “¿Para qué país es la entrega?”, lo que le permite mostrar la información relevante para el usuario.

Además, como la recopilación de información se realiza como parte de una conversación, puedes utilizar la personalidad del bot para impulsar tu imagen de marca, así como sus valores.

Desventajas:

Un poco incómodo de usar en interfaces que no permiten respuestas ricas. No es fácil de usar para las extensas bases de datos de preguntas frecuentes.

Bot FAQ, Basado en NLP


El NLP (Procesamiento del Lenguaje Natural) es una pequeña sub-sección de la IA que se ocupa de la lingüística.

El objetivo final es procesar, analizar, descifrar y dar sentido al lenguaje humano natural de una manera valiosa. Puede, pero no tiene por qué ser enriquecida por el aprendizaje automático que permite al robot aprender de la experiencia, no sólo de la formación.

Si quieres saber más sobre cómo funciona el chatbot de procesamiento de lenguaje natural, ¡echa un vistazo a nuestro último artículo sobre el tema!

Para darte una mejor idea, un bot NLP entrenado puede entender la siguiente información en cualquier formato para el que haya sido entrenado:

  • “Quiero hacer una reserva para 4, mañana a las 8:30 pm.”
  • “Quiero hacer una reserva… de una mesa para 4, mañana a las 8:30 pm.”
  • Reservar una mesa para mañana a las 20:30, cuatro personas”

Sin embargo, el bot NLP no “entiende” como un humano. Está entrenado para identificar pequeños datos de información dentro de un texto natural no estructurado, sacarlos y llevar a cabo las acciones que se han asociado con esa intención.

Así que, el bot realmente ve datos resaltados y categorizados instantáneamente. El bot sabe que en el contexto de la “reserva” un número (4, cuatro) o combinaciones de números y palabras (4 personas, 4 huéspedes, mesa para 4) se refiere a un número de lugares que deben ser reservados.

La principal diferencia entre el NLP y el bot basado en reglas es que el bot NLP no depende de un flujo de conversación predefinido. Permite al usuario preguntar sobre lo que quiere averiguar de inmediato, usando palabras que le parezcan naturales.

Canal & Uso Recomendado::

Un bot NLP es ideal para cualquier interfaz.

Sin embargo, es particularmente útil en interfaces de usuario limitadas (por ejemplo, WhatsApp), donde la experiencia del usuario depende únicamente de la información que se teclea. El uso de NLP es particularmente útil si tu base de conocimientos de preguntas frecuentes es demasiado extensa para ser incorporada cómodamente en un flujo de conversación

Ventajas:

El chatbot NLP para preguntas frecuentes no sólo puede agilizar la personalización permitiendo al usuario ir directamente al grano, sino también comunicar sus ventajas de personalidad de una forma más natural participando en pequeñas charlas.

Además, su flexibilidad permite implementar el bot en cualquier interfaz. Desde una página de destino hasta WhatsApp, sin tener que realizar cambios

Desventajas:

Crear un bot NLP es más complicado que crear uno bot en reglas.

Además, un bot NLP con poca formación puede provocar experiencias de conversación negativas y frustración del cliente.

Si tu producto o servicio es demasiado técnico o complejo, es posible que los usuarios no siempre puedan formular las preguntas, por lo que dejarlos sin ninguna estructura podría resultar contraproducente.

FAQ Híbridas Basadas en Reglas NLP


Como habrás adivinado, un bot híbrido combina los elementos de un chatbot basado en reglas y NLP.

De hecho, es posible incorporar la NLP dentro de una estructura de bot basada en reglas.

¿Cómo?

Bueno, gracias al creciente número de builders sin código y sus integraciones.

Por ejemplo, Landbot permite ahora la integración de Dialogflow aprovechando las capacidades NLP de Dialogflow, así como el control sobre la conversación del chatbot basado en reglas.

Canal & Use Recomendado:

En cualquier lugar. Puedes ajustar la mecánica del bot en base a la interfaz final designada. Es efectivo para preguntas frecuentes complejas o simples.

Ventajas:

Una forma más simple de trabajar con NLP.


Cómo Crear un Chatbot de Preguntas Frecuentes (Sin Codificación)


Veamos cómo funciona en la práctica la creación de un chatbot de preguntas frecuentes, usando Landbot, con la integración de Dialogflow.

***

Si no estás familiarizado con una o ambas herramientas, visita nuestro:

1. Crear un Agente FAQ en Dialogflow


Si no tienes cuenta de Dialogflow, crea una. Aunque tendrás que proporcionar los datos de la tarjeta, el servicio es gratuito y no te cobrará. Solo se asegura que eres una persona real.

Para crear un agente de preguntas frecuentes en Dialogflow, simplemente selecciona la opción “Crear Agente” en la barra lateral izquierda.

crear-agente-chatbot-usando-dialogflow

A continuación, te pedirá que nombres a su agente, selecciones el idioma y la zona horaria.

Para crear tu primer agente, haz clic en la opción “+ Create Agent” en el menú lateral de la izquierda.

crear-chatbot-preguntas-frecuentes-en-dialogflow

Llamamos a nuestro agente simplemente “FAQ” (Frequently Asked Questions) y procedemos a crear intenciones.

2. Crear Intenciones Para Cada Pregunta Frecuente


Las intenciones en Dialogflow ayudan a tu agente a identificar qué información debe averiguar el usuario/cliente o qué acciones quiere completar.

Cada agente viene con dos intenciones predeterminadas:

  • Intención de retroceso (se activa cada vez que el agente no puede hacer coincidir la entrada del usuario con cualquiera de las intenciones especificadas)
  • Intención de bienvenida (responde a inicios de conversaciones humanas como “hey” “hola” etc.)

Tomamos nuestra lista de preguntas y respuestas comunes de la página oficial de preguntas y respuestas de Uber Eats y empezamos a crear intenciones para cada pregunta individual.

Si crees que tu lista de preguntas es demasiado larga o sientes que algunas de ellas no son tan frecuentes, consulta a tu equipo de apoyo.

Por ejemplo, la primera pregunta de la lista fue “¿Qué es Uber Eats?”

Por lo tanto, creamos una intención correspondiente de Dialogflow “Acerca de” (About)

Cuando haces clic para crear una intención, o intento (Intent), en Dialogflow, verás varias opciones:

crear-intentos-para-preguntas-frecuentes

Dado que las preguntas frecuentes son probablemente las que son más sencillas de entender por parte de tus usuarios, las únicas dos áreas que necesitarás para construir una intención de pregunta son “Frases de entrenamiento” y “Respuestas”.

Definición de Frases de Entrenamiento

Esencialmente, la sección de Frases de Entrenamiento permite entrenar al agente para que comprenda lo que el usuario quiere saber, ayudándolo a reconocer la variedad de formas de preguntar sobre esa información en particular. A continuación se presentan las frases de entrenamiento que suponemos que los usuarios pueden utilizar para hacer la pregunta “Acerca de”:

preguntas-frecuentes-intento-frases-formacion
Definición de Respuestas

A continuación, procedimos a definir las posibles respuestas en la sección “Respuestas”.

Se puede identificar más de una respuesta. Sin embargo, esto no significa que cada respuesta deba dar al usuario información diferente. En definitiva, sólo hay una intención detrás de esta pregunta – averiguar QUÉ ES Uber Eats.

La razón por la que puedes crear más respuestas es para crear variedad lingüística. Cuando hablamos, rara vez nos repetimos palabra por palabra, incluso si contamos la misma información.

respuestas-comunes-dialogflow

A continuación, tienes otro ejemplo de frases de entrenamiento para preguntas sobre la cancelación de un pedido:

preguntas-frecuentes-intento-ejemplo-anular-pedido

Y la respuesta relacionada:

ejemplo-pregunta-respuesta

Procedimos a hacer lo mismo para todas las demás preguntas.

intentos-preguntas-frecuentes

3. ¿Qué pasa con las Preguntas Complejas? 🤔


¿Qué pasa si algunas de tus preguntas frecuentes no son tan sencillas? ¿Qué pasa si para responder a esas preguntas necesitas un poco más de información?

Hay una manera de hacerlo sin complicaciones usando la integración de Dialogflow con Landbot.

Veamos cómo se hace usando preguntas sobre la disponibilidad de Uber Eats.

Simplemente respondiendo a esta pregunta resultaría en tener que listar más de 50 ciudades en todo el mundo. Además, también tendríamos que crear intenciones separadas para preguntas específicas de ubicación. Por ejemplo, como cuando Uber Eats está activo en una cierta ubicación, y si sirve a toda la ciudad o sólo a ciertos vecindarios.

PERO

¡Lo primero es lo primero!

Creamos un intento llamado Location_Availabity entrenado para:

  • General location questions such as Preguntas generales de localización como “¿Dónde operáis?”
  • Specific location questions such as Preguntas específicas de localización como “¿Estáis disponible en Barcelona?”
Identifying Entities

frases-formacion-y-entidades

Como pueden ver, Dialogflow resaltó automáticamente las palabras que el sistema reconoció como ciudades:

ciudad-entidad-dialogflow

Una de las mejores ventajas del Dialogflow es su base de datos de entidades comunes como ciudades, países, hora, fechas, etc. Por lo tanto, no es necesario entrenar a tu agente desde cero para reconocerlas.

Como puedes ver, algunos usuarios pueden preguntar sobre una ciudad específica pero otros le hacen una pregunta muy general o una que sólo menciona el país. Entonces, ¿cómo les “obligas” a darte la ciudad?

¡Pones la entidad de la ciudad como REQUERIDA para que la intención se cumpla!

Para ello, desplázate hacia abajo, y, pasadas las frases de entrenamiento, abre la sección “Acciones y Parámetros”. Si mencionaste las ciudades en las frases de entrenamiento, la entidad del sistema geo-ciudad habrá aparecido automáticamente:

acciones-y-parametros-requeridos-entidades

Todo lo que necesitas hacer es marcar la casilla para que el agente requiera que la entidad cumpla con esta intención. Luego, definir “PROMPTS” en caso de que el usuario no proporcione la información con la primera pregunta:

pistas-para-entidades-requeridas

De esta manera, cuando el usuario pregunte “¿Dónde operáis?” el agente identificará la intención como Location_Availability. De ese modo, preguntará al usuario una de las preguntas de aviso ANTES de proceder a dar la respuesta final.

Ahora probablemente estés pensando… Claro, pero ¿cómo sabe el agente en qué ciudades el servicio está disponible y en cuáles no? ¿Y qué hay de todas las diferentes respuestas sobre horarios y vecindarios para cada una de esas ciudades? ¿Significa que tengo que crear 50 intenciones distintas?

¡No te asustes!

Este es el momento en que dejamos Dialogflow y traemos este agente de preguntas frecuentes al ordenado mundo de la aplicación Landbot.

Aunque, antes, dejamos a los usuarios con un delicioso genérico:respuestas-entidades

4. Añade tu Agente en la Interfaz Landbot


Después de iniciar sesión en la app de Landbot, crea un nuevo chatbot haciendo clic en el botón de la esquina superior derecha del tablero:

landbot-dashboard

Define un mensaje de bienvenida para tu bot usando una simple interfaz de arrastrar-y-soltar y dibuja una flecha para configurar el bloque de integración de Dialogflow:

La integración de Dialogflow tiene lugar en 3 pasos principales.

Paso 1: Subir la clave JSON del Proyecto Google de tu agente.
.

Landbot-dialogflow-integracion-JSON-key

Podrás recuperar el archivo de la llave JSON de Dialogflow. Simplemente:

  • Accede a la configuración de tu agente de preguntas frecuentes.

descarga-archivo-json-desde-dialogflow

  • Haga clic en el enlace del campo “Service Account” (Cuenta de servicio). Se abrirá una nueva pestaña en la plataforma de Google Cloud.
  • Abre el menú “Actions” y selecciona “Create key”.

descarga-agente-json-key-desde-dialogflow

  • Selecciona el tipo de llave como JSON y pulsa “Crear” y el archivo se descargará en tu ordenador.

confirmacion-archivo-json

  • Regresa al constructor de Landbot y carga la llave JSON del agente.

subida-json-archivo-a-landbot

Paso 2: Preparar la Solicitud

Abre la segunda sección del bloque de integración y configura la información que enviarás desde Landbot a Dialogflow, en otras palabras, la entrada del usuario.

Como en nuestro bot de FAQ, el bloque de bienvenida se conecta directamente a la integración de Dialogflow. Así pues, la respuesta del usuario se guardará en la variable @welcome.

establecer-petición

Para los propósitos del chatbot de preguntas frecuentes, no es necesario que rellenes ninguno de los otros campos de esta sección.

Paso 3: Configurar la Respuesta

Los dos campos que más nos interesan en la 3ª sección son las entidades que queremos importar de Dialogflow. También necesitaremos la configuración de la variable, que nos permitirá importar las respuestas de intención que hemos creado anteriormente:

establecer-respuesta

Ahora estás listo para manejar las tres salidas del bloque de Dialogflow:

  • Verde = Éxito (la intención coincide y se cumple)
  • Amarillo = Éxito Parcial (se ha identificado la intención pero faltan algunas entidades requeridas, por lo que es necesario pedir más indicaciones)
  • Rosado = Fallo (El agente no identificó la intención y por lo tanto se activa el camino para tratar de reparar la conversación)

El escenario más simple se parecería mucho a esto; simplemente incluyendo la variable de respuesta en los bloques de preguntas que vuelven a Dialogflow para mantener la conversación de las FAQs siempre fluyendo:

landbot-dialogflow-simple-setup

¡SIN EMBARGO!

Recuerdas que fuimos demasiado perezosos para crear intentos separados para esas 50 localizaciones y las preguntas relacionadas con ellas…

Ahora es el momento de tratar con ello.

5. Crear una Solución Temporal Usando Google Sheets


Vamos a abandonar la aplicación Landbot por un momento.

En su lugar, fuimos a Google Drive y creamos una hoja de cálculo llamada Uber Eats Locations 🚀. Creamos una columna con los nombres de las ciudades en las que Uber Eats está activo, y otra columna con la correspondiente respuesta específica de la ubicación.

faq-hoja-excel

Ahora, de vuelta en el constructor Landbot, en lugar de enlazar el camino correcto de vuelta a Dialogflow, establecimos una condición de que IF (si) @df_response CONTAINS (contiene) la entidad @city THEN (entonces) el usuario tomará un camino diferente. Si no hay ninguna @ciudad en la @df_response, la ruta volverá al agente de FAQ.

conditional-logic-landbot

Como puedes ver en la imagen de arriba, el siguiente paso será configurar el bloque de integración de Google Sheet. Pero en lugar de enviar información allí, la usaremos para recuperar datos.

Usamos la ciudad indicada por el usuario como referencia para sacar la información correspondiente de la ciudad.

google-sheet-integracion-landbot

De esta manera, si la ciudad aparece en la lista, el usuario recibirá un mensaje con la información correspondiente. Si no lo hace, el usuario tomará el otro camino (salida rosa con el mensaje “Desafortunadamente…”).

Sólo entonces volvemos a la secuencia a Dialogflow:

landbot-dialogflow-setup

En la práctica, la conversación se verá así:

Sin embargo, si hubiéramos preguntado por una ciudad que no está en nuestra lista de la hoja de cálculo, la conversación tomaría este giro:

ejemplo-localizacion-no-disponible

6. Asegurarse que los Usuarios no se frustran demasiado, ALÍAS > Plan Toma de Posesión de Agente Humano


Cuando los usuarios hacen preguntas para las que el bot no está entrenado, ver al bot diciendo “Lo siento” una y otra vez es muy frustrante. Por lo tanto, decidimos diseñar un “a prueba de fallos” para nuestra secuencia de preguntas frecuentes.

¿Cómo?

Decidimos que si un cliente termina pasando por el camino “FALLO” más de 3 veces, se le ofrecerá a esa persona ponerse en contacto con un agente en vivo. En otras palabras, diseñaremos una secuencia de toma de posesión humana.

Para que la toma de posesión de chatbot a humano sólo se inicie después del tercer intento fallido, necesitamos instalar una cuenta atrás. Aquí está cómo:

  • Elimina la conexión entre el bloque “Welcome” y el bloque “Dialogflow”.
  • Dibuja una nueva flecha desde el bloque de “Welcome” y crea una variable llamada @counter (contador) con un bloque “Set variabe” (Establecer una variable) con formato de número y un valor de 0. Luego conéctalo al bloque de Dialogflow.

establecer-contador

  • Ahora presta atención a la salida FALLO (ROSA) del bloque Dialogflow. En lugar de retroceder el bloque fallback @df_response de vuelta al bloque de Dialogflow inmediatamente como antes, sigue la respuesta de otro bloque “Set variable” usando la misma variable pero, esta vez, con cálculos que añaden @contador + 1

establecer-contador-2

  • A continuación, dibuja una flecha desde la salida VERDE. Crea un bloque de “Conditional Logic” y establece una condición como la siguiente: IF @counter EQUALS TO (es igual a) 3

landbot-fallo-contador-condiciones

  • Si la condición es VERDADERA, lo que significa que ha habido 3 intentos, el camino llevará al usuario a Human Takeover (toma de posesión de agente/humano); //// PERO justo antes de transferir al usuario a un agente LIVE, introduzca un bloque más de “Set Variable” y reajuste su @contador a 0 (ya sabe, en caso de que el usuario luche de nuevo en la misma sesión) ////
  • Si la condición no se cumple, volverá a Dialogflow y este es el resultado final en el backend.

contador-setup-vista

La experiencia del front end será muy parecida a esto:

contador-setup-ejemplo

7. Conviértete en un NINJA FAQ


Ver que tu chatbot de preguntas frecuentes falla no es algo malo. De hecho, puedes usar cada fallo para mejorarlo.

Por ejemplo, cada vez que tu bot falla en la identificación y la intención, puedes enviar esa respuesta a una hoja de cálculo o a Slack como una notificación donde un miembro de tu equipo de soporte puede revisarla y considerar si la pregunta es lo suficientemente legítima para crear una nueva intención en tu agente de FAQ.

slack-notificacion-setup

Y cada vez que un usuario teclee algo que tu robot no pueda entender, el mensaje aparecerá en el canal de Slack designado para que lo revises:

slack-notification

8. Ajustar tu Bot de Preguntas Frecuentes para Diferentes Formatos/Plataformas


En el escritorio, la aplicación Landbot te permite publicar tu bot en cuatro formatos diferentes:

  • Landing page
  • Burbuja estilo chat en vivo
  • Pop-up
  • Habilitado en página web

Puedes hacerlo simplemente haciendo clic en una de las opciones de formato en la etapa “SHARE” (compartir) de la producción del robot y copiar el código generado automáticamente donde sea necesario.

Por otro lado, puedes llevar el bot de preguntas frecuentes al mundo de la mensajería. Eso sin hacer ningún trabajo extra.

  1. Convierte tu bot en “Brick”: Etiqueta todos los bloques excepto el bloque de bienvenida y haz clic en “Create Brick” en el menú que aparece en la parte superior del constructor.
  2. Ponle un nombre a tu “Brick”
  3. Haz clic en los 3 puntos de la esquina derecha del ladrillo que acabas de crear y selecciona el icono que representa la opción “Create Brick-Template” (Crear Plantilla de Brick)
  4. Cuando aparezca el nuevo menú, activa la opción de crear una plantilla de “Local Brick” para mantener tu ladrillo privado.

Ahora que tu FAQ es una plantilla de “Bricks”, puedes implementarla en cualquier otro bot que crees con Landbot. Ve a tu actual bot WhatsApp de Landbot o configura uno nuevo y entra en el constructor.

whatsapp-bot-preparacion

Como ya sabes, el bot de WhatsApp no tiene realmente un bloque de “Bienvenida”, ya que las conversaciones en esta aplicación de mensajería se activan enviando una notificación de mensaje de plantilla de WhatsApp o al contacto iniciado por el usuario.

Entonces, ¿qué debes haces?

Primero, ¡importa el “Brick” guardado!

Lo único importante aquí es que nuestro bot reconozca lo que el usuario escriba en su interfaz de WhatsApp como texto que se almacenará en @welcome. ¿Recuerdas? Usamos esta variable para almacenar el texto que se va a enviar a Dialogflow para el análisis de intención.

Para ello:

  • crea el bloque “SET VARIABLE”
  • Selecciona @welcome variable como una variable a modificar
  • Introduce ${body} en el campo de valor y haz clic en “SAVE”
  • Conecta el bloque con el “Brick”

establecer-variable-para-whatsapp-bot

¡Guarda el bot y vamos a probarlo!

Así es como el bot se ocupa de las peticiones comunes:

Pero, debido a que instalamos nuestro contador, el bot fue capaz de ayudar al usuario y prevenir una posible mala experiencia transfiriendo la conversación a un agente humano. Esto es después de que fallara por tercera vez en identificar la intención:

De manera similar, debido a que previamente establecimos un aviso para que los intentos fallidos sean notificados por Slack, podemos revisar las preguntas en el canal y hacer los ajustes necesarios a los intentos o crear unos completamente nuevos!

¡Así que esto es todo!

¿Estás listo para intentar diseñar un chatbot de preguntas frecuentes?

Related Post