Machine Learning como aliado na relação entre marcas e clientes
Daniel Morais, CTO da WeClever, destaca a importância do aprendizado das máquinas no processo de aprimoramento dos chatbots
atualizado
Compartilhar notícia
Com o avanço tecnológico acelerado, empresas e companhias dos mais variados segmentos precisam da inteligência artificial (IA) para gerir um grande volume de dados e pensar em estratégias de otimização dos resultados. Segundo estudo anual da consultoria McKinsey, a adoção da IA mais do que dobrou de 2017 a 2022. Em cinco anos, o percentual de respondentes que a utilizavam em pelo menos uma das áreas do negócio passou de 20% para 50%.
No marketing digital, uma vertente da IA está na aplicação prática do machine learning (aprendizado da máquina), ou seja, um sistema capaz de aprender a reconhecer e reproduzir padrões de forma autônoma a partir da análise de dados.
Um exemplo da eficácia dessa ferramenta para esse campo de atuação está na expansão dos bots. De acordo com levantamento da Juniper Research, até 2024 os gastos com chatbots por varejistas do consumo chegarão a US$ 142 bilhões de dólares. O avanço é significativo visto que, em 2019, os gastos foram de US$ 2,8 bilhões.
Para que um bot esteja apto a ter contato com os clientes, é necessário que ele compreenda a forma de comunicação, e isso se dá pelo Processamento de Linguagem Natural (NLP, na sigla em inglês), ou seja, a compreensão automática de línguas humanas naturais.
O chatbot passa por treinamento sintático (identificar a estrutura gramatical das frases como sujeito, verbo, objetos direto e indireto), semântico (compreender o significado das palavras e frases em um contexto), léxico (analisar as palavras individuais em um texto, por exemplo, a classe gramatical) e morfológico (analisar a estrutura das palavras como radical, vogal e consoante).
Superada essa etapa, o funcionamento do bot se dá por Reinforcement Learning from Human Feedback (RLHF) ou Aprendizado por Reforço com Feedback Humano. São criados comandos que direcionam as ações, orientando sobre os melhores argumentos para usar com os clientes, entre outros aspectos.
Então, durante os atendimentos, são coletados os dados gerados a partir das conversas para retroalimentar o bot, tornando-o cada vez mais personalizado e eficiente nas interações. Em resumo, a aprendizagem envolve coleta de dados e feedbacks.
Nesse contexto, o mercado brasileiro está atento à popularidade dos bots. O Mapa do Ecossistema Brasileiro de Bots 2022 revelou que as marcas que usam robôs para atender o público, seja por texto (chatbots) ou voz (voicebots), comprovaram um avanço nos índices de satisfação dos clientes, além da redução de custos e eventual aumento nas vendas — isso tudo em uma realidade em que o aprendizado da máquina não se restringe ao ambiente conversacional. Para a área de negócios e receitas, também pode ser um aliado na previsão do faturamento da empresa.
Portanto, investir no machine learning pode trazer respostas para além do operacional. As vertentes da IA atuam de forma expansiva, já que o principal objetivo da ferramenta não anula a possibilidade de obter resultados em outras áreas.
No caso de um investimento feito em tecnologia para reduzir custos ou acelerar vendas, a marca pode, paralelamente, ser beneficiada com a melhora de métricas de satisfação do cliente. Nesse caso, todos ganham: clientes e marcas.
Daniel Merli Morais é CTO e co-fundador da WeClever