Para comprender un poco más sobre cómo funciona nuestra inteligencia artificial indispensable para el comercio electrónico, es necesario comprender algunos temas como: DeepFAQ, Knowledge Graph y ECQUAD.
Y en este contenido vamos a desmitificar estos términos para que entiendas cómo usamos cada uno de ellos en nuestra inteligencia artificial para comercio electrónico.
Así que papel y boli en mano para apuntar todo lo más importante y disfrutar de este súper artículo desarrollado por nuestro equipo de inteligencia artificial.
Preguntas frecuentes profundas
DeepFAQ es una técnica de procesamiento de lenguaje natural que utiliza redes neuronales profundas para responder preguntas basadas en un conjunto de datos de entrenamiento.
Está diseñado para aprender a extraer información de un gran conjunto de datos estructurados y no estructurados y responder preguntas con gran precisión.
DeepFAQ se utiliza en aplicaciones como búsqueda web, asistentes virtuales y sistemas de respuesta automática.
GoBots, en sociedad con la Universidad Estadual de Campinas (Unicamp), innovó al crear una herramienta que utiliza la base de preguntas y respuestas existente del cliente para responder a nuevas preguntas formuladas más tarde.
Esta herramienta es un completo sistema de preguntas y respuestas basado en la similitud entre preguntas.
Luego se almacenan las preguntas respondidas por el asistente, con lo que se empieza a crear una cierta frecuencia de preguntas y respuestas repetitivas.
Con esto, DeepFAQ puede determinar que una nueva pregunta se ajusta a este patrón y finalmente usa las respuestas dadas anteriormente para responderla.
A continuación se muestra un ejemplo de DeepFAQ funcionando en la práctica:
Es interesante señalar que DeepFAQ utiliza exactamente la respuesta dada previamente por el asistente, por lo que es necesario que el equipo de Inteligencia Artificial agregue reglas de limpieza a estas respuestas.
Entonces puede suceder que una respuesta dada por DeepFAQ contenga alguna palabra que estas condiciones no hayan podido aclarar, y se envíe una respuesta no tan clara.
Es hora de que nuestra inteligencia artificial se ocupe de tu tienda en Mercado Livre
Gráfico de conocimiento (KG)
Knowledge Graph es un sistema de representación de conocimiento que utiliza un conjunto de entidades y relaciones entre ellas para representar información de forma estructurada e interconectada.
Estas entidades pueden ser cosas reales o abstractas como personas, lugares, eventos o conceptos, y las relaciones pueden describir cómo estas entidades están conectadas entre sí.
La idea principal es representar el conocimiento de una manera que las máquinas puedan entender y procesar fácilmente.
Los gráficos de conocimiento se utilizan ampliamente para respaldar tareas como la búsqueda y el descubrimiento de información, la recomendación y la resolución de preguntas.
Por ejemplo, la Google utiliza un gráfico de conocimiento para presentar información relevante sobre personas, lugares y cosas cuando alguien realiza una búsqueda en la web.
O Facebook también utiliza Knowledge Graph para ofrecer recomendaciones de amigos y eventos relevantes.
Por lo tanto, esta es otra herramienta, que también utiliza las respuestas dadas previamente por el asistente.
Pero, cabe mencionar que Knowledge Graph difiere un poco del funcionamiento de DeepFAQ.
Porque en el caso de la usabilidad aquí dentro de GoBots, es específica de la industria automotriz, enfocándose en preguntas y respuestas de compatibilidad de modelos, tales como:
- “Se adapta a la corola 2001”
- “Funciona en el civic 2010”
- “Funciona para corsa 2001”…
Otra diferencia interesante es cómo funciona el Knowledge Graph.
Porque en lugar de analizar la frecuencia de preguntas y respuestas, termina creando “triples” de conocimiento, entonces cuando surge una pregunta sobre el “corolla 2001” y la respuesta es algo así como “Sí, funcionará/No funcionará ” (no importa cómo esté escrito) el Knowledge Graph es capaz de crear una “caja” de información. En la “caja de información” habría datos como:
- El producto donde se hizo la pregunta;
- Qué modelo de vehículo se envió en la pregunta;
- Si la compatibilidad es positiva o negativa.
De esa forma, la próxima vez que se haga una pregunta sobre este producto, con el modelo existente en la casilla, Knowledge Graph recogerá la respuesta de compatibilidad registrada.
Es una herramienta muy avanzada, que tiene una tendencia de altos aciertos.
A continuación se muestra un ejemplo de su funcionamiento.
En el ejemplo anterior, la "pequeña caja" a la que hicimos referencia es "Compatibilidad total".
ECQUAD
La última herramienta de GoBots en sociedad con la Unicamp, aún en fase de prueba.
Esta herramienta es muy diferente a las anteriores porque, en lugar de analizar el historial de preguntas, automáticamente analizará la descripción y características del producto para encontrar la respuesta más adecuada a la pregunta del usuario.
Así que imagina un escenario donde el usuario pregunta:
"¿Qué tan grueso es el producto?"
Y esta información no se encuentra en las características del producto, sino que existe en la descripción.
En este caso, no habría posibilidad de que la inteligencia artificial de GoBots respondiera automáticamente (a menos que haya sido previamente entrenado por el equipo de IA).
Es por eso que se creó la herramienta ECQUAD, porque incluso sin capacitación previa por parte del equipo de IA, la inteligencia artificial que utiliza esta herramienta podría encontrar y enviar la respuesta al usuario.
Exemplo:
La descripción contiene: Espesor: 4 mm
Pergunta: "¿Qué tan grueso es el producto?"
Respuesta: “Hola, el grosor es de 4mm. Atentamente, GoBots”.
Otro ejemplo que podemos citar es el siguiente:
Ahora que has visto todas las tecnologías que intervienen en nuestra inteligencia artificial, ¿a qué esperas para tenerla funcionando para tu ecommerce las 24 horas del día?
Solicite una demostración a través de WhatsApp haciendo clic aquí.
¿Te ha gustado este artículo?
Así que no olvides compartir con alguien que también disfrutará leyendo este contenido.
