Para CenturyLink, las encuestas a los clientes juegan un papel importante en la comprensión de la experiencia del cliente. Pero, en el pasado, sin la capacidad de analizar los datos no estructurados en estas encuestas, los equipos de servicio al cliente no podían profundizar para identificar la naturaleza y las características de los problemas.
«El uso de datos no estructurados es realmente importante para nosotros porque ahí es donde entra el verdadero detalle, la carne», dijo Beth Ard, vicepresidenta de experiencia del cliente en el proveedor de servicios de red con sede en Luisiana. «Cuando realiza la puntuación, por ejemplo, no tiene suficiente información procesable para realizar los cambios que necesita sin ella».
La mayoría de los procesos de análisis de negocios requieren datos limpios y bien estructurados, pero las empresas administran cada vez más formatos de datos no estructurados: correos electrónicos, transcripciones de chat, audio y video, y publicaciones en redes sociales.
Según la mayoría de las estimaciones, los datos no estructurados representan del 80% al 90% de todos los datos recopilados por las empresas.
Pero solo el 18% de las empresas aprovechan actualmente datos no estructurados, como imágenes de productos, archivos de audio de clientes o comentarios de las redes sociales, según una encuesta de Deloitte publicada en julio.
Entonces, ha comenzado la carrera para extraer inteligencia de datos no estructurados, y muchas empresas están recurriendo a plataformas en la nube para que esto suceda.
Según otra encuesta reciente de Deloitte, el 39% de las empresas prefieren obtener tecnología como la analítica avanzada como servicio, en comparación con el 15% que elige un software local.
De hecho, el mercado de IA como servicio está creciendo un 48,2% al año, según Deloitte.
«El software basado en la nube tiene la escalabilidad, flexibilidad y agilidad para administrar todos los datos y análisis que necesitamos para recopilar información y actuar rápidamente», dijo Ard.
Para entender todos los comentarios de los clientes que CenturyLink recibe de los clientes, el equipo de Ard recurrió al análisis de texto. Al analizar los mensajes de los clientes y evaluarlos en lenguaje natural, el equipo pudo comprender a un nivel más profundo los problemas que enfrentan los clientes.
Pero el texto en lenguaje natural llega a la empresa a través de muchos otros canales, dijo Ard. Los clientes a menudo comienzan con una pregunta por correo electrónico, lo que puede llevar a un chat en línea con un agente en vivo y, finalmente, puede recurrir a una conversación telefónica.
Como resultado, era importante para CenturyLink obtener la mayor capacidad posible de una sola plataforma.
Ard dijo que la empresa decidió optar por Qualtrics, una empresa de gestión de experiencias con sede en Utah que SAP adquirió recientemente por 8.000 millones de dólares. La plataforma permite a la empresa analizar los comentarios de los clientes y tomar medidas para abordar los problemas más rápidamente, dijo Ard.
Tradicionalmente, una forma de administrar los datos no estructurados de las interacciones del servicio al cliente es hacer que seres humanos reales lean los correos electrónicos, escuchen las grabaciones de audio y revisen los mensajes de chat.
Pero, si un gerente de producto está leyendo comentarios que cien clientes dejaron en un sitio web de reseñas hace seis meses, no obtendrá una perspectiva completa del sentimiento del cliente, dijo Sahil Sethi, directora de marketing de producto de Qualtrics.
Los datos serán demasiado antiguos para ser significativos y habrá muy pocos para una muestra representativa.
Pero mirar conjuntos de datos más grandes crea sus propios problemas.
«La mayoría de las organizaciones carecen de los recursos o las herramientas para analizar los datos no estructurados», dijo. «Estos son volúmenes de datos masivos de los que estamos hablando».
Qualtrics ofrece un motor de procesamiento de lenguaje natural para leer el texto de los comentarios de los clientes y extraer el significado de ellos automáticamente. «Ayuda a analizar los comentarios en los temas de los que habla la gente o el sentimiento que tiene la gente», dijo Sethi.
Para entrenar sistemas de inteligencia artificial como los de Qualtrics, los proveedores suelen comenzar con un conjunto de datos de entrenamiento: un conjunto de correos electrónicos de clientes, por ejemplo, clasificados por seres humanos como «desagradables» o «agradables» u otros descriptores. Luego, el sistema puede aprender a diferenciar las correspondencias de nuevos clientes en función de las características que aprendió a identificar en los conjuntos de ejemplos clasificados por humanos.
A medida que las empresas utilicen la inteligencia artificial de manera más amplia y comiencen a construir sus propios modelos de inteligencia artificial, la necesidad de construir algún tipo de estructura en datos no estructurados se volverá aún más importante, según Praful Krishna, director ejecutivo de Coseer, una consultora de computación cognitiva con sede en San Francisco.
«Para entrenar, el aprendizaje profundo necesita todos los datos anotados y etiquetados en una estructura», dijo. Y no es un proceso que se pueda hacer una vez y se salga del camino, agregó.
«Es muy tentador tomar el dolor desde el principio e imponer una estructura a los datos fluidos», dijo. «Sin embargo, cualquier estructura que pueda funcionar debe ser esclava del problema en cuestión; cada pregunta necesita una estructura diferente para encontrar la respuesta».
Afortunadamente, la IA también ofrece una posible solución al problema de la gestión de datos no estructurados, dijo.
«Los avances recientes en inteligencia artificial han permitido una búsqueda muy granular sobre cualquier tipo de información no estructurada», dijo. «Es posible responder preguntas muy específicas y, utilizando esta capacidad, autocompletar tablas o plantillas estructuradas».
Este tipo de enfoque de los datos no estructurados podría hacer que una empresa esté preparada para el futuro, dijo, y hacer que la tecnología responda mejor a las necesidades humanas.
«Nuestros sistemas informáticos son tan rígidos como puede ser algo, literalmente pensando en absolutos de ceros y unos», dijo. «Pero el pensamiento es cualquier cosa menos estructurado. Es nuestra naturaleza trabajar de manera fluida y asociativa, a menudo sin un camino claro de A a B.»
