¿Qué métricas miden mejor el éxito de la IA conversacional?

La implementación y el seguimiento de las métricas son fundamentales para medir el rendimiento de la inteligencia artificial (IA) conversacional.

La tasa de resolución de autoservicio, los costos ahorrados y los comentarios positivos de los clientes son algunas (pero no todas) de las principales métricas que los profesionales de CX pueden observar para determinar si su tecnología de IA conversacional se está conectando con los clientes. Sin embargo, estas métricas clave dependen en gran medida del tipo de aplicación de IA conversacional en uso.

A un alto nivel, hay tres categorías de métricas que las organizaciones deberían considerar:

• Métricas relacionadas con el negocio: Indicadores clave de rendimiento (KPI) que se centran en los objetivos comerciales generales y los objetivos conversacionales relacionados con la IA.
• Métricas de la experiencia del usuario: Concéntrese en una experiencia que sea útil, atractiva y agradable, que incite a los usuarios a regresar y/o recomendar el producto a otros.
• Métricas técnicas: Asegúrese de que el producto de IA conversacional funcione y cumpla con los requisitos de rendimiento o latencia.

Cree un equipo para elaborar una hoja de ruta de métricas

«Para crear una lista completa de métricas, las partes interesadas clave de toda la organización deben unirse», dijo Inge de Bleeker, consultora principal de UX e inteligencia artificial conversacional, fundadora de outriderUX. «En términos de cómo determinar las métricas, un taller o una serie de talleres que reúna a este equipo interorganizacional es un buen enfoque».

Para cada una de las tres categorías anteriores, las personas o los equipos específicos de una organización sabrán qué métricas necesitan medir en función de sus objetivos.

«Sin embargo, es solo cuando todos los equipos se unen que la visión integral del conjunto de métricas puede unirse», agregó de Bleeker. «Especialmente en las empresas más grandes, puede ser complicado crear relaciones de trabajo entre organizaciones, ya que los silos pueden interponerse en el camino. Puede ser útil crear un equipo tigre y crear conciencia sobre el esfuerzo».

Amy Brown, fundadora y directora ejecutiva de Authenticx, dijo que al identificar métricas para medir el éxito de su plataforma de IA conversacional, debe comenzar por observar sus objetivos comerciales.

¿Está enfocado en impulsar la retención de clientes o evitar el desgaste? ¿Se esfuerza por obtener una mejor puntuación neta de promotores (NPS) pero no sabe cómo influir en ella?

«Seleccione métricas que sean indicadores probables de sus objetivos comerciales», dijo Brown. «Por ejemplo, si su objetivo es mejorar la retención de clientes, conviértalo en su métrica».

Luego, aconsejó, use la IA conversacional para estudiar de qué se quejan los clientes y hacer cambios para abordar esas quejas. «Si tiene éxito, debería ver aumentar su tasa de retención de clientes».

Artículo relacionado: ¿Cómo transformará la IA conversacional la experiencia del cliente?

Alinee las métricas con los objetivos comerciales

Para definir un conjunto integral de métricas que se puedan obtener de manera realista, se necesitan aportes de todos los rincones de la organización, según de Bleeker.

Señaló que los equipos comerciales y ejecutivos tienen ciertos objetivos en torno a los productos, como la monetización, establecidos por los inversores y los miembros de la junta. Los gerentes de producto, por otro lado, entienden la visión del producto y pueden determinar cómo medir cosas como el consumo y la conversión.

«Los profesionales de UX saben qué métricas de la experiencia del usuario recopilar para que los comentarios impulsados ​​por los usuarios se recopilen y se destilen en métricas, así como también obtener calificaciones de usuarios autoinformadas», señaló de Bleeker. «Los ingenieros y el control de calidad (QA) pueden ayudar a recopilar el rendimiento, la latencia y otras medidas de naturaleza más técnica para garantizar que el producto funcione como se espera en producción».

Brown estuvo de acuerdo con la noción de que todas las funciones comerciales tienen un papel que desempeñar en la experiencia del cliente.

«Dicho esto», agregó, «las partes interesadas más comunes que vemos son los líderes de operaciones, así como los líderes de marketing y CX. Todos deben unirse para comprender los aprendizajes clave de la IA conversacional y crear planes de acción que mejoren la experiencia del cliente y, por lo tanto, el resultado final». línea.»

Citó el importante concepto de establecer métricas que se alineen con los objetivos comerciales para medir el éxito general de una estrategia de IA conversacional. «Los datos conversacionales están destinados a impulsar la acción. Monitorear los resultados es la única forma de saber si las acciones que está tomando tienen o no el impacto deseado».

De Bleeker afirmó que es importante aplicar estas métricas al evaluar el rendimiento de la IA conversacional por varias razones.

«Antes de que la organización comience a usar métricas, decide qué medir y determina el umbral de éxito para cada medida», explicó. «Luego, pueden evaluar el producto a lo largo de la fase de desarrollo y en adelante y realizar un seguimiento del progreso contra estos umbrales para crear una forma clara de medir el éxito».

Una vez que un producto está activo, dijo, las métricas permiten realizar un seguimiento de las mejoras a lo largo del tiempo y en diferentes versiones. «Si corresponde, un análisis competitivo que utilice las métricas puede ser útil para comparar su producto con el de su competidor».

Las métricas crecen en importancia a medida que evoluciona la IA conversacional

De Bleeker señaló que los productos inmaduros y los espacios de productos pueden necesitar métricas más detalladas en comparación con los espacios maduros.

«Tomemos el ejemplo de las voces TTS (texto a voz) en los asistentes de voz», dijo. «Si bien las voces TTS han recorrido un largo camino y suenan mucho mejor ahora que hace años o décadas, todavía no están en el punto en el que estamos seguros de que el usuario encontrará que el asistente de voz es una gran experiencia».

Brown agregó que la IA conversacional no solo captura el lado del cliente de la conversación, sino que también brinda información valiosa sobre cómo los agentes de su centro de contacto interactúan con los clientes. «El seguimiento de las tasas de tendencia de calidad y cumplimiento arroja luz sobre el desempeño de los agentes y las oportunidades de capacitación».

Explicó que a medida que la IA conversacional se vuelve más avanzada, será cada vez más predictiva de los resultados comerciales y se puede aprovechar para resolver muchos problemas comerciales en toda la empresa. «Por ejemplo, esperamos ver una mayor profundidad y comprensión de los matices de las emociones de los clientes y cómo esas emociones conducen a diferentes resultados comerciales».