En un plisplas

Nos entrevistamos con la gente de Q-go y entramos más al detalle en el funcionamiento del buscador de lenguaje natural. Salimos muy contentos de la reunión y con ganas de hacer cosas juntos.

Busqueda interna y lenguaje natural

Ya hemos comentado en otros artículos que construir un buscador interno en una web no es algo trivial.
Un buscador interno debe ser rápido, relevante y fiable. Para ello, la capacidad del buscador por actualizarse casi en tiempo real recobra una importancia especial, así como la capacidad del buscador por aprender del comportamiento del usuario ante una búsqueda para dar mayor visibilidad a un producto u otro en función del click-through que obtiene ante la búsqueda de una determinada palabra, o incluso la conversión que obtiene.

Cada vez son más los sites que utilizan los buscadores de lenguaje natural como recurso para mejorar el click-through del usuario hacia nuestros objetivos de venta o captación de leads. El análisis de los comportamientos de búsqueda del usuario por lenguaje natural nos aportan mucha más información del usuario que un buscador interno corriente por cómo se expresa y qué pide, y ayuda a enfocar y ajustar mucho más la estrategia de venta global del site, aunque muchas veces de cara al usuario los resultados de las dos búsquedas son idénticas.

Un buen sistema de búsqueda por lenguaje natural debe proporcionar un rápido, cómodo y flexible sistema de análisis y aprendizaje del comportamiento del usuario con el objetivo que el mantenimiento de canalizar las búsquedas internas sólo hacia la compra sean lo menos incómodas posibles.

Metodología: Implantación + Tunning lingüístico

Los proyectos donde se incorporan al proyecto buscadores de lenguaje natural se componen de unas fases iniciales de implementación del sistema muy claras:

Análisis

• Determinar interlocutores válidos
• Análisis de los tipos de contenidos a indexar
• Requerimientos editoriales
• Recopilar preguntas reales de usuarios

Diseño

• Preparación entorno técnico y lingüístico
• Diseño del interfaz gráfico de usuario

Implementación

• Introducción de los primero contenidos en lenguaje natural
• Programación interfaz gráfico
• Tests lingüísticos internos

Pero ahí no puede pararse el proyecto. La clave residirá en la capacidad del sistema para ir aprendiendo de las necesidades de búsqueda del usuario e ir encaminándolas hacia la compra. A este proceso Q-go le llama Tunning Lingüístico.

A su entorno de administración y aprendizaje Q-go le han llamado Cockpit y permite a los responsables de proyecto consultar todo tipo de información diaria sobre el funcionamiento del Asistente y las necesidades de los usuarios. Lo que nos ha gustado es que el esfuerzo diario para administrar el sistema es muy bajo y el sistema hace mucho trabajo por ti:

• Analiza el rendimiento del sistema
• Informa sobre las necesidades de los usuarios
• Informa sobre el nivel de utilización y conversión de los contenidos de lenguaje natural
• Propone preguntas modelo relacionadas con palabras de búsqueda
• Permite relacionar cómodamente preguntas modelo con URLs determinadas

Os pasamos algunas cifras provinentes de varios proyectos:

• El Asistente contesta a más del 90% de las preguntas de los usuarios
• El ratio de acierto en la respuesta del 87%
• Reducción de entre el 5% y el 60% de número de llamadas al CallCenter
• Incremento conversión en procesos desde el buscador (2% ratio conversión)
• Clasificación “Muy Buena”del 56% de los usuarios (”Buena o “Muy Buena”es 81%)
• Incremento del 12% mensual del uso del asistente en los primeros 6 meses relativo al global del portal