Internet ha puesto todo el conocimiento humano a nuestro alcance. Desafortunadamente, encontrar la información correcta de forma rápida y sencilla se ha convertido en algo así como encontrar la proverbial aguja en el pajar. En una era en la que tanto contenido está tan disponible, nos vemos obligados a preguntarnos: ¿Cómo elijo en qué hacer clic primero? ¿Es esta una fuente confiable con información confiable? ¿Y cuánto tiempo quiero pasar buscando?
Como persona común que busca una respuesta básica, este proceso defectuoso agrega tiempo a su viaje. Como consumidor, una estrategia de gestión del conocimiento fallida puede hacer que la interacción con una marca sea frustrante en el mejor de los casos, lo que a su vez puede significar una compra abandonada, una degradación en la lealtad a la marca o incluso una ira absoluta que puede traducirse en críticas negativas.

La buena noticia es que existe una solución justo delante de nuestras narices: siguiendo el ejemplo del estándar de oro de la búsqueda (Google) e instituyendo un sistema de gestión de información basado en gráficos de conocimiento , las marcas pueden proporcionar a los clientes y a sus equipos de soporte las respuestas que necesitan. necesidad de la forma más directa posible.
¿Qué es un gráfico de conocimiento?
El concepto de gráficos de conocimiento es intuitivo para los humanos porque se basa en comprender el contexto de diferentes segmentos de una pregunta. Por ejemplo, si le pregunto a un amigo: “¿Tiene una recomendación para un pediatra en la ciudad que hable español?” entienden que un pediatra es un tipo de médico, que “en la ciudad” significa “cerca” y que se requiere dominio del idioma español.
Pero hacer estas conexiones ha sido difícil para las máquinas hasta hace relativamente poco tiempo. Ingrese gráficos de conocimiento: una forma de organizar y conectar diferentes categorías de datos relacionados , conocidos como entidades, para que puedan ser fácilmente “entendidos” por varios algoritmos de búsqueda.
Piense en estas entidades como bases de datos de información en sí mismas de las que puede extraer una consulta de búsqueda. Para dar otro ejemplo, si estuviera buscando información en un sistema escolar, las entidades separadas podrían incluir personal, clases, actividades extracurriculares, edificios y números de clase. Con este marco, un gráfico de conocimiento conecta grupos dispares de datos según el contexto de la consulta de búsqueda.
Si un usuario buscara: “¿Dónde está la clase de historia del tercer período del Sr. Johnston?” un gráfico de conocimiento usará cada parte de esa pregunta de diferentes maneras: “dónde” denota ubicación, “Sr. Johnston” denota personal, “tercer período” y “clase de historia” denota tiempo y horario.
La conexión de todos estos conjuntos de datos diferentes en una sola consulta, basada en el lenguaje natural del usuario, permite que el motor de búsqueda combine los datos de la manera correcta para brindar una respuesta exacta. En la búsqueda tradicional, esta consulta simplemente seleccionaría términos clave y entregaría una lista de resultados, que pueden ser simplemente enlaces a artículos u otras fuentes de información, en lugar de una respuesta directa.
Para las marcas, los gráficos de conocimiento son vitales para conectar contenido informativo de diferentes tipos que existe en numerosas plataformas, incluidos los sistemas de gestión de contenido, las plataformas de gestión de relaciones con los clientes y otras fuentes de información. Con las marcas invirtiendo tanto en contenido, es frustrante para todos cuando un cliente necesita comunicarse con soporte porque una búsqueda no fue lo suficientemente sofisticada para encontrar respuestas que ya existen en el sitio.
Hacer que las respuestas se puedan encontrar y el conocimiento se pueda descubrir
Cuando los gráficos de conocimiento se implementan con éxito, hacen que las respuestas se puedan encontrar. Pero, ¿qué significa eso exactamente?
Nuevamente, podemos buscar en Google la respuesta a esa pregunta. Cuando le proporciona a Google una pregunta específica, tiene la capacidad de darle la respuesta en un fragmento destacado junto con un cuadro de información estructurada de información relacionada. Esta es una función que ha visto una y otra vez; al buscar “¿Qué altura tenía Andre el Gigante?”, los resultados presentan una respuesta simple con su altura (7’4 “por cierto) en lugar de una serie de enlaces a artículos y sitios web que contienen una referencia a sus dimensiones.
En el sitio web de una marca, estos cuadros de información dedicados pueden extraerse de un gráfico de conocimiento creado a partir de información contenida en manuales de productos, artículos, preguntas frecuentes, documentos de soporte (y más) para ofrecer respuestas utilizables en contexto para el cliente. Por lo tanto, si un cliente busca en el sitio web de un fabricante “cómo limpiar un microondas”, se le presentarán instrucciones paso a paso en lugar de enlaces a artículos que pueden o no responder a la pregunta exacta formulada.
Cuando estas respuestas son fáciles de encontrar, los usuarios evitan ponerse en contacto con el servicio de atención al cliente o perder un tiempo valioso clasificando contenido no estructurado para llegar a una respuesta. También evita el peor de los casos en que el cliente abandone el sitio web para hacerle a Google su pregunta y posiblemente sea dirigido a un competidor o a un sitio de terceros con intenciones cuestionables.
Es importante recordar que, en estos días, la calidad de la búsqueda no se mide en un silo. Un cliente no comparará marcas individuales en función de su búsqueda; en cambio, la mejor experiencia de búsqueda ahora se considera el estándar para todos. Cuando Google, Amazon, Apple y otros líderes experimentados facilitan obtener la respuesta correcta rápidamente, nos preguntamos: “¿Por qué todas las marcas no pueden facilitarlo también?”
Cuando las respuestas a las preguntas están disponibles, también permite que el conocimiento sea más reconocible. Pero, ¿qué es la detectabilidad?
Mientras que la capacidad de encontrar proporciona respuestas utilizables en contexto, la capacidad de descubrimiento significa que los usuarios pueden encontrar más fácilmente información que no se busca de inmediato. Una vez más, la creación de gráficos de conocimiento puede proporcionar contexto para el contenido recomendado que comprende la intención de un usuario y ofrece más información relevante para enriquecer su experiencia.
Tanto la capacidad de encontrar como la de descubrir son importantes para la experiencia del cliente, y los gráficos de conocimiento sirven como base para brindar esa experiencia mejorada.
Crear una mejor experiencia de búsqueda para todos
Si bien Google ha sido durante años el estándar de oro en la aplicación de estructuras de gráficos de conocimiento para buscar, la tecnología en sí no está protegida solo para Google; es accesible para cualquier marca que desee utilizarlo. Instituir un sistema de búsqueda basado en gráficos de conocimiento es un esfuerzo que una marca puede asumir, personalizado para cualquier producto, servicio y recurso de información que utilice la empresa. La creación de este mejor sistema de búsqueda agrega conocimiento empresarial mediante la conexión de sistemas dispares de información en un motor utilizable que funciona tanto para los clientes como para los equipos de soporte.
Con análisis, soporte y experiencia, los líderes pueden revisar consultas de búsqueda comunes para identificar puntos de fricción en todo el recorrido del cliente. Un sistema basado en gráficos de conocimiento complementa estos conocimientos para formar una poderosa herramienta de gestión del conocimiento. Las empresas pueden analizar el compromiso y el sentimiento del cliente con análisis de búsqueda, todo mientras tienen acceso a una infraestructura de contenido escalable que puede abordar y cerrar rápidamente las brechas de conocimiento. Este nivel de información procesable es invaluable para mejorar la experiencia general del cliente.
Las marcas invierten mucho en contenido. Los gráficos de conocimiento convierten esto en la versión más procesable de sí mismo, mejorando los recursos para que las respuestas se puedan encontrar y se puedan descubrir conocimientos más profundos.
Joe Jorczak es jefe de industria, servicio y soporte en Yext .
Fuente: https://venturebeat.com/ai/how-knowledge-graphs-can-revolutionize-the-digital-customer-experience/