Tu chatbot atrapa clientes en un menú de 9 opciones

El cliente escribe "quiero cancelar" y el chatbot, un programa que responde mensajes de forma automática, contesta "elige una opción del 1 al 9". El cliente prueba con "asesor", luego con "humano", y recibe otra vez el mismo menú. Después de varios intentos, deja de escribir. En el reporte de la empresa, esa conversación puede aparecer como un caso que el bot atendió sin ayuda de una persona. Para el cliente, su problema sigue ahí.

Quienes construimos estos programas, también llamados bots, conocemos bien esta escena. Hemos corregido conversaciones así y también hemos recortado diseños propios que se veían ordenados, pero estorbaban al usarlos. El problema es común: el bot obliga al cliente a entender cómo se divide la empresa, le dificulta hablar con una persona y olvida lo que ya le contó.

El menú de nueve opciones delata el problema

Un bot con respuestas fijas puede servir para tareas concretas, como consultar un saldo, confirmar una cita o revisar un envío. El problema empieza cuando la empresa intenta meter cualquier caso en varios niveles de botones. Entonces le pide al cliente que adivine qué área interna debe atenderlo. La persona no tiene por qué saber si una cancelación corresponde a Operaciones, Cobranza o Retención. Solo quiere cancelarla.

Un menú largo muestra que nadie decidió hasta dónde puede llegar el bot. En vez de resolver pocas tareas completas, recibe casos que no puede terminar. Agregar opciones no le da nuevas capacidades. Solo tarda más en admitir que necesita ayuda.

Esconder al humano no mejora la atención

Cuando el bot no puede resolver algo, debe pasar la conversación a una persona. A ese paso se le llama "escalado a humano". The STACC, una fuente secundaria sobre atención con inteligencia artificial, reunió cifras globales que indican que 81% de los clientes quiere tener esa opción en cualquier momento. Según Inite.ai, otra fuente secundaria, Zendesk encontró que en 62% de las respuestas negativas sobre chatbots la principal frustración era no poder hablar con una persona. Son estadísticas globales sobre atención y chatbots. No son cifras específicas de WhatsApp ni de México.

La opción de hablar con alguien debe aparecer antes de que el cliente escriba "AGENTE" por tercera vez. Cuando entra la persona, debe recibir el motivo del contacto, los datos reunidos y los mensajes anteriores. Esa información es el contexto de la conversación. Si el agente empieza con "¿en qué te podemos ayudar?", obliga al cliente a contar todo otra vez.

Para conservar esa información, el bot necesita conectarse con los sistemas de la empresa. Uno suele ser el CRM, el programa donde el equipo guarda los datos y el historial de cada cliente. The STACC reunió datos globales según los cuales 47% de los proyectos fallidos menciona como causa principal una mala conexión con el CRM y con los sistemas donde se registran los casos de soporte. Es una cifra secundaria sobre proyectos fallidos de atención con inteligencia artificial, no una medición de bots de WhatsApp. Sin esas conexiones, el bot puede conversar, pero no puede revisar una cuenta, recordar lo ocurrido ni completar buena parte del trabajo.

Dos errores bastan para perder la conversación

Botpress, un proveedor de chatbots, reunió estadísticas globales. Según esos datos, 78% pide hablar con una persona después de que el bot le hace repetir información una o dos veces. La misma fuente dice que 72% pide ese cambio después de uno o dos errores pequeños. Estas cifras no miden cuántas personas abandonan la conversación y no corresponden solo a WhatsApp. Miden cuándo los clientes piden ayuda humana después de fallos en experiencias generales con chatbots.

Una nota secundaria de IT User, basada en datos de Gartner, aporta otra cifra: solo 25% de las personas que usaron un chatbot en su experiencia de servicio más reciente dijo que volvería a usarlo. Tampoco es un dato de WhatsApp ni de México. Esto no significa que todas las empresas deban retirar sus bots. Sí muestra por qué conviene dejar de asignarles reclamos, casos fuera de lo común y tareas que no pueden completar con la información disponible.

La autocrítica es parte del trabajo

Sería cómodo decir que los bots malos son cosa de otros proveedores. Nosotros hemos construido conversaciones demasiado largas y hemos querido cubrir más casos de los que convenía. También hemos corregido recorridos que parecían lógicos en la herramienta de diseño y confundían a los clientes en la práctica. Por eso hay que leer conversaciones reales, reconocer dónde estorba el bot y quitar los pasos que no ayudan a resolver nada.

Muchas empresas evalúan sus bots con la tasa de contención. Ese porcentaje indica cuántas conversaciones terminaron sin que participara una persona. El dato puede servir, pero no distingue entre un cliente que obtuvo una respuesta y otro que se cansó y se fue. Para saber si el bot funciona, también hay que revisar cuántos intentos necesitó el cliente, qué información conservó el sistema y cuándo entró una persona.

Un bot útil se ocupa de tareas concretas y conserva lo que el cliente ya dijo. Cuando llega a su límite, muestra una salida. Si tu empresa tiene un menú de nueve opciones que no permite hablar con nadie, conviene leer las conversaciones completas para saber si el bot resolvió el problema o si el cliente dejó de insistir.