Sicurezza ICT 2019
Applicazioni
 

27/10/2017

Share    

I chatbot di Eudata che parlano come il cliente

La software house italiana sviluppa e implementa dal 2011 un motore di intelligenza conversazionale utilizzato nei contact center di banche, assicurazioni, operatori telco e utility.

Eudata

“Costruire insieme al cliente una chatbot che ‘parla’, o meglio che risponde, con le caratteristiche peculiari del brand aziendale”. È questo l’elemento differenziante più importante che l’italiana Eudata porta nel mercato dei contact center, che oggi con l’esplosione del fenomeno chatbot è tra i settori più investiti dalle nuove soluzioni di intelligenza artificiale. La dichiarazione iniziale è di Sandro Parisi, CEO e cofondatore di Eudata che dal 2011 propone al mercato un motore di intelligenza conversazionale da utilizzare nelle infrastrutture di contact center con centinaia di operatori delle grandi enterprise: “I settori nei quali ci muoviamo sono principalmente quelli finance, telco e utility, ovvero quelli con più anni di esperienza sul fronte dei call center e che oggi a fronte di una marcata maturità nella gestione dei processi chiedono soluzioni con un forte tasso di innovazione. In questa fase iniziale però sono molti gli aspetti da non trascurare”.
Il primo aspetto è quello di guardare a piattaforme in grado di interagire con tutti i canali digitali oggi disponibili, il secondo è riuscire a costruire intorno alla soluzione il contesto in cui si opera, questo per rendere il motore di intelligenza artificiale più focalizzato e quindi più accurato nelle risposte e nell’interazione con il cliente. Il terzo aspetto, oggi sempre più importante, è la costruzione del ‘carattere’ del chatbot che deve rispondere il più possibile allo stile aziendale: “Ormai nei nostri progetti ci troviamo a lavorare spesso con l’ufficio marketing del cliente che cerca su questo fronte anche delle competenze di tipo consulenziale oltre che tecnologiche”.

Sandro ParisiCom’è costruita la soluzione
La soluzione è costituita da due componenti fondamentali, il primo è appunto il motore di intelligenza conversazionale Dialog Builder che si integra sopra la piattaforma tecnologica di contact center del cliente. A questa si associa poi una serie di connettori sviluppati da Eudata che permettono l’integrazione con tutti i canali di comunicazione digitale a disposizione di chi oggi vuole interagire con i suoi clienti: “A monte invece possiamo integrarci con i sistemi di backend del cliente, molto spesso il sistema CRM. L’abbinamento tra un motore inferenziale con la componente focalizzata sui canali digitali e i nostri skill sul fronte dell’integrazione ci consente di collocare la nostra soluzione in ambienti anche molto complessi”.
La società ha recentemente realizzato la componente customer care di un importante operatore TLC nazionale: “Due mesi fa abbiamo abilitato il primo front end su Messenger di Facebook, grazie al quale il cliente genera un importante volume di traffico per gestire tutte le problematiche tecniche dei suoi clienti. Grazie all’intelligenza artificiale riusciamo a gestire circa il 38% delle conversazioni, tasso in crescita mese dopo mese, e parallelamente la nostra chatbot ha registrato un miglioramento della customer satisfaction del 40%”. Una parte oggi indicata come critica nell’utilizzo delle chatbot è quella del passaggio della gestione della chiamata del cliente dall’agente virtuale all’operatore umano: “Quando l’agente virtuale si accorge che non riesce a risolvere il problema del cliente è importante che il sistema passi all’operatore umano tutte le informazioni per non interrompere il filo del discorso e quindi non chiedere informazioni che il cliente ha già dato. In questo caso il nostro sistema provvede a profilare il cliente e a contestualizzare la problematica e l’operatore riesce a inserirsi in modo adeguato fino alla conclusione del ticket”.

Come si implementa una soluzione di intelligenza artificiale
Nella soluzione di Eudata la componente NLP (natural language processing) è affidata a un motore semantico: “Inizialmente vengono passati al motore NLP i primi stream di testo del cliente che ritorna al nostro sistema ‘intenti’ e ‘identità’; sulla base di questi due elementi si riesce a riconoscere il processo di customer care che deve essere invocato per supportare la richiesta del cliente e quindi grazie al nostro motore decisionale viene portato avanti il dialogo tra agente virtuale e cliente”.

 

TORNA INDIETRO >>