Mejorando el Journey del cliente en Disneyland París con Inteligencia Artificial y Chat GPT

Comencemos ahora un viaje en el tiempo y para trasladarnos a 2019. Hace cuatro años emprendí un análisis data-driven de las reseñas de Disneyland París examinando 15,928 comentarios de clientes en Facebook, TripAdvisor, Google e Instagram, y, con la ayuda de sandsiv+, me propuse descifrar su experiencia.

Así, desarrollamos un método para identificar los pain points en el journey de los clientes del parque de atracciones en menos de 60 segundos y creamos un dashboard interactivo que señala áreas de mejora y ofrece soluciones, resultados que nos ofrecen grandes ventajas empresariales, no solo para Disneyland París, sino para cualquier empresa:

Los beneficios empresariales de analizar la experiencia de cliente

Aunque suene a ciencia ficción, el futuro del análisis de la experiencia del cliente ya está aquí y tiene que ver con un mundo donde la tecnología avanzada o sistemas inteligentes puedan extraer automáticamente el “sentimiento” cliente y sean capaces de sugerir iniciativas de mejora y priorizarlas según la capacidad de la empresa. Los beneficios empresariales serían evidentes:

1. Rapidez en la Implementación: Transformamos un proceso analítico que solía llevar semanas en una operación ágil que toma solo minutos.
2. Modelado Simplificado: Con los grandes modelos lingüísticos (LLM), ya no necesitamos grandes cantidades de datos. Unos pocos pasos son suficientes para el Análisis de Sentimiento Basado en Aspectos (ABSA) y la Identificación del Customer Journey.
3. Menos Dependencia de Datos Pre-etiquetados: Con solo 20-30 ejemplos para demostrar el concepto, un LLM puede hacer el trabajo a partir de ahí.
4. Informes de Iniciativas Automatizados: La IA puede generar informes exhaustivos que describen las iniciativas de gestión de la experiencia del cliente (CX).
5. Empoderamiento de los Gestores de CX: Al ahorrar tiempo en el análisis, los gestores de CX pueden centrarse en mejorar la experiencia del cliente.

Los 3 componentes principales para revolucionar el análisis de la experiencia de cliente

Estos son los 3 componentes clave para para revolucionar el mundo del análisis de la experiencia del cliente:

1. Análisis de Sentimiento Basado en Aspectos (ABSA)

ABSA es una forma avanzada de análisis de sentimiento que va más allá de simplemente detectar sentimientos positivos, negativos o neutros. Se enfoca en identificar los sentimientos relacionados con aspectos específicos de un producto o servicio. Por ejemplo, un cliente puede amar las atracciones de Disneyland París pero no disfrutar de las largas colas. ABSA permite comprender esta granularidad y proporciona información práctica para implementar mejoras específicas.

2. Referencias cruzadas con el Customer Journey

Después de utilizar ABSA para analizar los sentimientos relacionados con diferentes aspectos de la experiencia, podemos mapear estos sentimientos en los puntos de contacto específicos dentro del Customer Journey del cliente. Esto nos permite comprender exactamente en qué punto del recorrido se experimentó una emoción positiva o negativa.

3. Uso de un Gran Modelo Lingüístico (GPT-3.5-TURBO de OpenAI)

Los modelos lingüísticos, como GPT-3.5-TURBO, son esenciales para procesar grandes cantidades de datos textuales y comprender el contexto y el sentimiento. En nuestro caso, podemos introducir las opiniones de los clientes en el modelo y pedirle que identifique las frases clave. Esto nos permite extraer rápidamente información útil de los datos y orientarnos hacia mejores estrategias. Además, GPT-3.5-TURBO es eficiente en cuanto a costos, lo que lo convierte en una gran elección.

El ingrediente secreto: LangChain

LangChain es un proyecto de código abierto respaldado por Harrison Chase, Sequoia Capital y Benchmark. LangChain facilita a los desarrolladores la creación de aplicaciones que utilizan grandes modelos lingüísticos, como chatbots, herramientas de análisis de documentos y análisis de código.

Para comprenderlo mejor, imagina que eres un chef con muchos ingredientes para crear platos variados, pero el proceso puede ser largo y complicado. Aquí es donde entra LangChain, como un recetario mágico que no solo ofrece recetas, sino también habilidades especiales. Ayuda a combinar ingredientes de manera eficiente, guía en la preparación y puede incluso realizar algunas tareas.

En este escenario, los platos son aplicaciones o software, los ingredientes son componentes o datos, y el ingrediente especial es un “Modelo de Lenguaje”, que entiende y genera texto como un humano.

Los resultados esperados

Nuestro objetivo es ofrecer un servicio excepcional al cliente en un mercado competitivo a través de la recopilación y el análisis de datos entendiendo mejor a nuestros clientes y adaptando nuestros servicios a sus necesidades.

Para ello hay que perfeccionar un mecanismo de clasificación precisa de temas clave y sentimientos asociados. Esta clasificación nos ayudará a comprender el comportamiento de nuestros clientes, identificar sus principales preocupaciones de los clientes, y abordarlas de forma proactiva.

El análisis multidimensional de datos, dividiéndolos por tiempo, ubicación y etapas del recorrido del cliente, nos proporciona una perspectiva muy valiosa.

Para ello, utilizamos tecnologías innovadoras, como la API GPT-4 de OpenAI, sandsiv+, Elastic Stack y el ya mencionado LongChain:

• La API de OpenAI realiza un Análisis de Sentimiento Basado en Aspectos, ayudándonos a comprender el contexto emocional de los comentarios de los clientes.
• sandsiv+ nos permite gestionar los comentarios en tiempo real y mapear el recorrido del cliente, identificando áreas de mejora.
• LongChain organiza y analiza datos multidimensionales, proporcionando una visión completa de las experiencias del cliente.

Nuestro objetivo es integrar estas tecnologías para comprender mejor a los clientes y ofrecer una experiencia superior.

Análisis de Sentimiento Basado en Aspectos

ABSA no se limita a distinguir entre sentimientos positivos, negativos o neutros, sino que profundiza aún más para extraer sentimientos sobre aspectos específicos de un producto o servicio. Veamos cómo funciona combinando un LLM. En nuestro caso OpenAI GPT-3.5-Turbo.

Figura 1 – La frase de prueba

La frase a probar es: “Acabo de llegar al parque. El hotel está bien y limpio. Hay largas colas delante de las atracciones”. Aquí el resultado:

Figura 2 – Salida JSON de la sentencia de prueba proporcionada por OpernAI GPT-3.5-turbo

Como puede verse. El modelo identifica inmediatamente los temas, los sentimientos asociados a los temas y el segmento (parte de la frase relacionada con el tema y el sentimiento).

El mapa de la experiencia del cliente

Parte integral de nuestra estrategia es vincular el Análisis de Sentimiento Basado en Aspectos (ABSA) con el Journey Map del cliente, y así, comprender mejor los sentimientos en cada punto de contacto. Usando la API de OpenAI, analizamos los comentarios de los clientes y los asociamos a etapas específicas de su journey, lo que revela sus preocupaciones y sentimientos dentro del contexto de la interacción con nuestra marca.

Para lugares sin un Journey Map, como Disneyland París, aprovechamos OpenAI GPT-3.5-TURBO para crear un mapa de viaje impulsado por Inteligencia Artificial que considere todas las interacciones posibles, desde la planificación hasta la visita y las experiencias posteriores.

Al combinar este mapa de viaje con IA más los resultados de ABSA, identificamos etapas con sentimientos positivos o negativos, y comprendemos sus causas, lo que nos permite mejorar la experiencia ofreciendo experiencias totalmente personalizadas a nuestros clientes. La amalgama de OpenAI GPT-3.5-TURBO, ABSA y Customer Journey Mapping es la clave para este enfoque innovador.

Figura 3 – Mapa del recorrido del cliente de GPT-3.5.-TURBO (imagen del autor)

Utilizando el resultado anterior para nuestro prompt, podemos crear un prompt específico para las cadenas Few Shots para analizar los segmentos y comprender el punto de contacto. Aquí el resultado de la prueba:

Fig 4 – Punto de contacto CJM asignado automáticamente al segmento ABSA (imagen del autor)

El cuadro de mando que cuenta historias

Pero el futuro de la analítica empresarial va más allá de gráficos estéticos; busca un diálogo interactivo con los datos:

Así, proponemos un dashboard conversacional impulsado por IA que entienda el lenguaje humano y ofrezca una interfaz dinámica. Usando el procesamiento de lenguaje natural, interpreta y presenta datos de manera accesible, destacando pros y contras y generando recomendaciones basadas en análisis de los comentarios y el journey del cliente, priorizando proyectos según impacto y esfuerzo. Todo ello en un lenguaje sencillo, transformando datos en información práctica.

Figure 5 – The model automatically ranks the best 10 improvements to improve customer experience (imagine of the author)

Conclusiones al analizar la experiencia del cliente:

Nuestro enfoque innovador en el análisis de la experiencia del cliente utilizando tecnologías avanzadas como ABSA, GPT-3.5-TURBO y LangChain tiene como objetivo comprender mejor a los clientes, mejorar su experiencia y ofrecer un servicio excepcional. Este enfoque es el futuro del análisis de la experiencia del cliente, y estamos entusiasmados por llevarlo a cabo.

Federico Cesconi, Founder & CEO en SANDSIV