L’IA generativa: una rivoluzione per la relazione con il cliente

L’intelligenza artificiale è in procinto di rivoluzionare l’esperienza e la relazione con il cliente; sempre più aziende ne stanno prendendo atto.

Questo è particolarmente evidente con l’avvento dell’IA generativa, delle tecnologie di elaborazione del linguaggio naturale (NLP), dei modelli di lingua a lungo termine (LLM) come ChatGPT, Claude o Bard, e più recentemente, l’arrivo dei GPT, la nuova rivoluzione annunciata da Open AI all’inizio di novembre 2023. Questo articolo tratta di tutti questi argomenti senza essere troppo tecnico: apre una riflessione sugli impatti dell’IA nella relazione con il cliente, una riflessione che portiamo avanti da un po’ di tempo qui a Partoo.

Anzitutto, inizieremo esaminando come il commercio conversazionale e le messaggistiche istantanee stanno gradualmente rivoluzionando l’esperienza del cliente tra i brand e i consumatori. Successivamente, esploreremo la possibilità di automatizzare totalmente o solo in parte le interazioni con i clienti tramite strumenti di IA generativa. Infine, spiegheremo come i “GPT” superano uno degli ostacoli alla creazione di agenti conversazionali da parte delle aziende.

L’esperienza conversazionale del cliente

La relazione con il cliente omnicanale può essere suddivisa in tre grandi categorie: la relazione cliente fisica (1), la relazione cliente telefonica (2) e la relazione cliente digitale (3).

Nel corso degli ultimi 20 anni, la relazione con il cliente si è concentrata principalmente sul digitale, in particolare attraverso l’esplosione del traffico sui siti web, l’uso dei social media e l’uso intensivo delle e-mail. Tutti i settori hanno visto emergere dei pure player digitali. Le banche online hanno sfidato le banche tradizionali, Amazon ha sconvolto i protagonisti storici della vendita al dettaglio, i ristoranti hanno scoperto le dark kitchens… persino la grande distribuzione ha dovuto affrontare l’afflusso di startup del Quick Commerce come Gorillas, Flink o Getir.

Ma è innegabile che la relazione cliente fisica abbia ancora un futuro brillante: i brick and mortar hanno resistito bene e hanno rapidamente sviluppato le loro competenze nel digitale. Si possono citare i successi delle trasformazioni di Decathlon, Carrefour o Fnac. Allo stesso tempo, molti pure player hanno iniziato ad aprire dei punti vendita fisici (Nespresso, le DNVB, Le Slip Français, Asphalte…).

L’inferno del telefono

Anche se molti concordano sulla complementarità tra la relazione con il cliente fisico e quella con il cliente digitale, il centralino rimane ancora oggi il tallone d’Achille di molte aziende. Poiché implica costi elevati, deve essere gestito con attenzione.

Molti consumatori continuano a preferire le chiamate: lo considerano un canale più reattivo rispetto alla posta elettronica, nonostante possa comportare lunghi tempi di attesa e un alto tasso di mancata risposta, che può raggiungere il 50% in alcuni settori come l’automobile o l’immobiliare. Infatti, il volume di chiamate rimane considerevole: ogni anno, i punti vendita della rete Leclerc ricevono 20 milioni di chiamate telefoniche. Da Orange, superano i cento milioni! Quindi, la domanda oggi è come il digitale possa contribuire a limitare i costi associati a questo canale.

Per esaminare questa questione, può essere utile osservare il quadro generale. È infatti probabile che la relazione con il cliente segua la stessa tendenza delle relazioni interpersonali.

Nella nostra vita personale, abbiamo completamente trasformato il nostro modo di comunicare con i nostri cari. 100 anni fa, si parlava unicamente quando ci si vedeva; l’avvento del telefono ha sconvolto le relazioni umane. Ma da circa 10 anni, ci chiamiamo sempre meno: ormai ci scriviamo soltanto. E non si tratta più di e-mail: ci mandiamo SMS, WhatsApp, messaggi su Facebook, ecc. Così, l’80% delle interazioni avviene tramite messaggistica istantanea. E la stessa tendenza si riscontra nella nostra vita professionale: Slack & Teams hanno rivoluzionato il modo in cui i dipendenti collaborano. Prima lavoravamo tutti nello stesso ufficio o ci chiamavamo; oggi inviamo 100 volte più messaggi istantanei che e-mail. È una tendenza ormai radicata: ad esempio, da Partoo, i dipendenti si inviano più di 20.000 messaggi su Slack al giorno.

Questa “istantaneità” ha permesso di sostituire il telefono. E questa tendenza sta trasformando le relazioni delle aziende con i loro clienti: si parla di “conversationnal commerce”. Si tratta di fare “commercio” tramite messaggistica istantanea, che sia sul proprio sito web, tramite SMS o attraverso le messaggistiche di alcune piattaforme come Facebook, Snap, Instagram, WhatsApp, Google Maps, ecc.

Da Partoo, stiamo lavorando da 3 anni sul nostro prodotto “Messaggi” che centralizza e semplifica la gestione dei messaggi provenienti da tutte le piattaforme online.

Quali vantaggi comporta l’adozione del “commercio conversazionale”?

Per le aziende, i vantaggi sono principalmente due:

• (1) In primo luogo, semplifica la gestione delle richieste degli utenti: richiede meno tempo e quindi costa meno. Può essere gestito in modo asincrono e, soprattutto, può essere automatizzato!

• (2) Inoltre, passare al commercio conversazionale è un’opportunità per aumentare le vendite e migliorare la conversione, adattando la relazione con il cliente alle aspettative dei consumatori.

E a proposito, una statistica significativa è la seguente: il 90% dei consumatori preferisce interagire con un’azienda tramite messaggio piuttosto che per telefono. Oltre alla rapidità, l’esperienza è molto più piacevole rispetto alla chiamata telefonica: addio alla musica di attesa e ai menu interattivi vocali (IVR) in cui è necessario digitare quattro numeri prima di essere reindirizzati a un formulario online.

Hai dei dubbi? Probabilmente sono legati alla tua deludente esperienza con i chatbot degli anni 2000. Tasti da premere, nessuna risposta in tempo reale, impossibilità di essere ricontattati senza lasciare un indirizzo e-mail o un numero di telefono.

È quindi utile ricordare che ChatGPT ha completamente cambiato le carte in tavola e che le nuove tecnologie di intelligenza artificiale stanno aprendo la strada a una rivalutazione dei chatbot. Così come è accaduto nel 2022 con i QR code, sono convinto che i chatbot rinasceranno dalle proprie ceneri – probabilmente sotto un nuovo nome per dimenticare il loro poco glorioso passato.

Da notare che il commercio conversazionale può anche rappresentare una soluzione per la mancata risposta al telefono nei punti vendita. Concretamente, quando un cliente chiama un punto vendita una volta su due non riceve risposta: un IVR può allora chiedergli di premere il tasto 1 se accetta di continuare la conversazione via SMS (è questa la funzionalità che abbiamo sviluppato qui a Partoo con il nome di “call-deflector”). Il cliente può quindi comunicare con il responsabile del punto vendita via SMS in modo asincrono: in un’unica interfaccia Partoo, il manager ha accesso ai messaggi provenienti dalle chiamate perse, dal sito web e da tutte le piattaforme di messaggistica istantanea come Google Maps, Facebook, Instagram o WhatsApp.

Come valorizzare l’esperienza del cliente?

Per aumentare l’efficienza e automatizzare interamente o parzialmente le interazioni con i clienti, ci sono diverse possibilità.

La prima cosa da fare è creare modelli di risposta basati sulle richieste più ricorrenti. Ciò farà risparmiare tempo principalmente agli agenti umani incaricati di rispondere ai messaggi degli utenti: è proprio quello che abbiamo implementato da Partoo. Un altro modo per gestire lo stesso caso d’uso è lavorare sul suggerimento di risposte tramite intelligenza artificiale. Una risposta sarà suggerita all’agente che gestisce il messaggio in arrivo, il quale potrà quindi convalidarla o modificarla.

Ma questo è più un aiuto alla gestione che una vera automazione. Per automatizzare le risposte ai messaggi in arrivo, ci sono altre 3 metodologie:

• Gli alberi decisionali
• Il riconoscimento dell’intenzione e le FAQ
• LLMs e l’IA generativa

Gli alberi decisionali

Da Partoo, abbiamo iniziato ad affrontare l’automazione con un approccio basato su una funzionalità che abbiamo chiamato “Risposte automatiche“. L’idea è quella di offrire agli utenti diverse opzioni come “Segui il mio ordine”, “Prenota un appuntamento” o “Visualizza il menu”. Quando il cliente clicca sul pulsante, viene fornita una risposta predefinita per dettagliare il menu o per indirizzarlo a un’interfaccia di prenotazione appuntamenti. Se il cliente non ottiene la risposta adeguata, un agente umano interviene: questo processo è noto come “hand-over” (passaggio di consegne) nel linguaggio tecnico.

Tuttavia, questo è solo il primo livello di un albero decisionale: infatti, il cliente potrebbe fare clic su “acquistare un prodotto”, poi su “calze”, quindi su “taglia 43”, ecc. Ogni scelta lo fa progredire in un albero decisionale che consente al chatbot di rispondere in modo più preciso alla sua domanda.

Il riconoscimento di intenzione e le FAQ

Gli algoritmi di intelligenza artificiale esistevano ben prima dell’IA generativa: consentivano, tra le altre cose, l’estrazione di testo o il riconoscimento dell’intenzione. Fornendo a un chatbot un insieme di domande e risposte, gli algoritmi di intelligenza artificiale degli anni 2010 potevano già riconoscere l’argomento di una domanda posta e attingere da risposte predefinite per gestire alcune richieste.

Ad esempio, se l’azienda ha fornito la domanda “Avete un parcheggio?” e la risposta “Sì”, un cliente che chiede “Vengo in auto, avete un parcheggio?” otterrà la risposta “Sì”. Ma è evidente che gli algoritmi di estrazione di informazioni sono molto limitati perché riconoscono intenzioni semplici ma non possono fornire una vera intelligenza nella loro risposta.

LLMs e l’IA generativa

L’intelligenza artificiale è generalmente divisa in tre branche di applicazioni: la tecnologia di “Computer Vision” (immagini e video), la robotica e il trattamento del linguaggio naturale (NLP). È proprio questa terza branca di applicazione che ha visto i progressi più significativi quest’anno con l’avvento di strumenti come ChatGPT.

ChatGPT è un LLM (Large Language Model), cioè un algoritmo di intelligenza artificiale in grado di comprendere l’intenzione di una domanda complessa, cercare le informazioni richieste e restituirle in una risposta unica e comprensibile. Per la relazione con il cliente, è una vera rivoluzione!

Prendiamo ad esempio un database in cui sia fornita l’informazione seguente: “Abbiamo un parcheggio che si trova a sinistra della chiesa quando si esce dall’autostrada e dispone di 150 posti. È abbastanza libero tranne il martedì e la domenica. In tal caso, puoi parcheggiare all’uscita dall’autostrada”. Un utente che ponesse la domanda “Vengo in macchina, dove parcheggia?” (con un errore ortografico) riceverebbe una risposta dall’IA come “C’è un parcheggio accanto alla chiesa ma a volte è pieno. In che giorno desideri venire?”.

La vera domanda che sorge allora non riguarda più l’intelligenza (che è già a un livello adeguato per gestire queste richieste), ma l’informazione: come fornire alle intelligenze artificiali le informazioni corrette in modo che possano rispondere alle esigenze degli utenti?

Database e caso d’uso

GPT: una rivoluzione?

Un LLM è un’intelligenza generativa, precedentemente addestrata su un ampio corpus di testi: per ChatGPT, si tratta di Internet in una data specifica.

Aggiornare i dati di un LLM comporta il riaddestramento, che è estremamente costoso. Storicamente, era difficile “nutrire” l’intelligenza artificiale specifica di un’azienda con dati in continua evoluzione, poiché bisognava addestrare continuamente il LLM, processo assai costoso e lungo. Esiste una soluzione: estrarre dati basati su una domanda specifica e integrarli, includendo la risposta, nell’input inviato agli LLM.

Per concludere sugli argomenti tecnici, la buona notizia è che alcuni giorni fa ChatGPT ha rilasciato una funzionalità che consente di alimentare un LLM con dati in continua evoluzione e persino di collegarlo ad altri database. Ciò apre nuove opportunità per ciò che sviluppiamo da Partoo, cioè strumenti per la gestione delle chat istantanee!

Quali dati per alimentare la tua intelligenza artificiale (IA)?

Per “alimentare” un’intelligenza artificiale specializzata nel trattamento delle richieste degli utenti, è indispensabile considerare diverse fonti di dati.

La prima fonte che consideriamo da Partoo è il database dei punti vendita: gestiamo questi dati per quasi 1000 marchi clienti in tutto il mondo (Leroy Merlin, Toyota, LCL…). Attraverso la nostra tecnologia di “Presence Management“, archiviamo e diffondiamo su Internet, in particolare su Google Maps, informazioni su circa 300.000 punti vendita. Queste informazioni includono orari di apertura, indirizzi, numeri di telefono, menu, servizi, foto, link per le prenotazioni, ecc. Abbiamo anche la possibilità di inserire dei campi aggiuntivi nel nostro database per archiviare altri dati utili per i nostri clienti, come la presenza di un parcheggio nell’esempio che abbiamo menzionato in precedenza.

Fornendo questo database a un’intelligenza artificiale appositamente addestrata per un cliente, possiamo rispondere a domande come “A che ora aprite la prossima domenica?” o “Offrite il cambio olio nella vostra concessionaria?”. Tuttavia, i dati grezzi non consentono di alimentare un’intelligenza artificiale per tutti i tipi di domande. È quindi necessario creare una base di conoscenza specifica in formato testuale o altro: questo è l’argomento che stiamo attualmente esplorando.

Dopo aver collegato l’agente di conversazione al nostro database Partoo e a una base di conoscenza specifica, può essere utile collegare altre basi di dati disponibili negli ecosistemi dei nostri clienti. Ogni database è generalmente associato a uno strumento e a un acronimo: CRM, OMS, ERP, PIM, ecc.

Quali casi d’uso?

Prendiamo come esempio alcuni casi d’uso per essere più concreti.

Connettendo un sistema PIM (Product Information Management) ai dati di magazzino di un punto vendita, è possibile rispondere a tutte le domande relative ai prodotti: avete succo di frutta Tropicana in stock? Qual è il prezzo di 1 litro di succo di frutta Andros? Ci sono promozioni su questi prodotti? Qual è il loro nutri-score?

E potremmo persino immaginare di consigliare i clienti nella scelta dei prodotti! L’agente di conversazione alimentato dall’IA sarebbe in grado di rispondere a domande come: “Voglio correre una maratona tra 6 mesi, quale paio di scarpe mi consigli?”. Potrebbe raffinare la richiesta attraverso uno scambio di messaggi al fine di comprendere meglio le esigenze del cliente e indirizzarlo verso il prodotto giusto, anche se alla fine si trattasse di vendere in e-commerce o con il click&collect!

E per monitorare il proprio ordine una volta scelto il paio di scarpe, niente di più semplice: basterà che il negozio colleghi il proprio OMS, Order Management System. Si potrebbe quindi immaginare che il cliente fornisca i propri codici di accesso per sapere a che punto si trova la spedizione del suo pacco.

Il potenziale dell’IA legato alla relazione con il cliente è infinito: può suscitare preoccupazione o eccitazione. Una cosa è certa, le aziende devono prepararsi. Da Partoo, siamo convinti che la relazione clienti futura sarà conversazionale e che per affrontare questa trasformazione, le aziende devono lavorare su tre aspetti:

• Costruire database puliti e aggiornati per alimentare l’intelligenza artificiale, in particolare i dati locali (grazie al nostro prodotto Presence Management).
• Lavorare sulla gestione del cambiamento per sensibilizzare i manager a questa trasformazione.
• Attivare il “commercio conversazionale” su tutti o alcuni canali/punti vendita per studiarne gli impatti e prepararsi.

Se desideri approfondire questo argomento, non esitare a informarti su Google SGE (Search Generative Experience): da Partoo siamo estremamente convinti che al di là dell’esperienza del cliente, è Internet nel suo complesso che sta diventando oggi conversazionale.