Como criar um chatbot de marcação de consultas [2025]

Carregar informações comerciais estáticas

Comece por carregar um documento simples e estruturado que abranja as perguntas mais comuns que os clientes fazem. Pode ser um PDF, um documento do Word ou uma folha de cálculo - certifique-se apenas de que está organizado de forma clara.

O documento deve incluir:

• Localização e endereços das sucursais
• Serviços disponíveis em cada local
• Preços, descontos e opções de adesão
• Horário de funcionamento e contactos

Cada tópico deve ter a sua secção clara, para que o chatbot possa encontrar e devolver facilmente as respostas relevantes.

Dica: Utilize cabeçalhos e marcadores no seu documento para que o bot e a sua equipa consigam ler o documento.

Pode carregar este documento na secção Base de dados de conhecimento:

1. No seu projeto, abra o menu do lado esquerdo.
2. Clique em Base de dados de conhecimento.
3. Selecione Carregar documento e adicione o seu ficheiro.

Dê um nome claro ao documento (por exemplo, Detalhes da sucursal - março de 2025) para que possa referenciá-lo mais tarde em fluxos de trabalho ou consultas.

Uma vez carregado, o chatbot pode começar imediatamente a utilizar o documento para responder às perguntas do utilizador - não é necessária qualquer formação ou codificação adicional.

Utilização de tabelas para informações dinâmicas

Para coisas como eventos futuros, ofertas sazonais ou horários rotativos, é melhor utilizar uma tabela em vez de carregar um documento estático. As tabelas permitem-lhe atualizar apenas uma linha sem tocar no resto dos seus dados, o que torna a sua manutenção mais rápida.

Eis como criar uma tabela na sua base de conhecimentos:

1. Vá para a secção Base de dados de conhecimento no menu do lado esquerdo.
2. Clique em Criar novo e selecione Tabela.
3. Dê um nome à sua mesa (por exemplo, Calendário de eventos).
4. Adicione colunas para os tipos de informação que pretende que o chatbot recupere, por exemplo:
   
   • nome do evento
   • data
   • localização
   • preço
   • descrição
5. Comece a adicionar linhas para cada evento ou item que pretende que o bot faça referência.

Uma vez guardada a tabela, pode utilizá-la para dar respostas dinâmicas. Por exemplo, quando um utilizador pergunta "Que eventos vão acontecer no próximo fim de semana?", o bot pode obter a linha relevante e dar-lhe uma resposta direta.

Otimização de custos com FAQs em cache

Um dos maiores desafios com os bots alimentados por IA é o custo - especialmente se o bot for para o LLM sempre que alguém faz uma pergunta comum.

A base de conhecimentos ajuda a reduzir este problema, armazenando automaticamente em cache as respostas às perguntas mais frequentes. Isto significa que se cinco pessoas perguntarem "Qual é o horário do ginásio ao fim de semana?", a plataforma só consulta a sua base de conhecimentos ou LLM uma vez - e reutiliza essa resposta instantaneamente da próxima vez.

Não precisa de configurar nada. O armazenamento em cache é ativado automaticamente se:

• A resposta vem de um conteúdo estruturado (um documento, uma tabela ou uma FAQ)
• O bot está ligado a um gasoduto LLM ou RAG
• O utilizador permanece no mesmo tópico de discussão

Isto mantém o seu bot rápido - e reduz a utilização de tokens sem comprometer a experiência.

Instalar a integração Calendly

Comece pelo painel de controlo do seu projeto:

1. Ir para o Hub no menu do lado esquerdo.
2. Procurar por Calendly e clique em Instalar.
3. Uma vez instalado, abra as definições de integração do Calendly a partir do seu projeto.

Gerar e adicionar a sua chave API Calendly

Em seguida, é necessário gerar uma chave de API pessoal do Calendly e adicioná-la ao fluxo de trabalho:

1. Inicie sessão na sua conta Calendly .
2. Clique em Integrações e aplicações no menu do lado esquerdo.
3. Desloque-se para baixo até API & Webhooks e clique em Obter um token agora.
4. Dê um nome ao token (por exemplo, Acesso) e conclua a autenticação de dois factores, se solicitado.
5. Copie a chave API - não poderá voltar a visualizá-la mais tarde.
6. Regresse ao Botpress e cole a chave nas definições de integraçãoCalendly .
7. Clique em Guardar para finalizar a ligação.

Uma vez ligado, o seu chatbot será capaz de obter dados de disponibilidade e gerar ligações de agendamento com base na localização ou nas preferências do utilizador.

1. Capturar a seleção de ramo do utilizador

Uma vez que a sua empresa tem provavelmente várias localizações, o bot precisa de saber qual a filial que o utilizador pretende antes de mostrar a disponibilidade.

1. Adicione um nó de escolha única para pedir ao utilizador que escolha uma localização.
2. Criar uma variável (por exemplo, workflow.branch) para armazenar a sua seleção.
3. Utilizá-lo-á mais tarde para enviar a ligação correta Calendly com base no ramo escolhido.

Desta forma, garante-se que todas as ligações e respostas de programação são adaptadas ao ramo correto.

2. Utilizar o fluxo de trabalho de eventos Calendly

O Hub também fornece um fluxo de trabalho pré-construído que se liga diretamente à sua configuração Calendly .

1. Na secção Fluxos de trabalho, procure o Fluxo de trabalho de eventosCalendly .
2. Clique em Clonar para criar a sua versão editável.
3. Personalize o fluxo, se necessário - já está configurado para gerar uma ligação de reserva associada à sessão do utilizador utilizando o conversationId.

Ao passar o ID da conversa, o chatbot gera uma ligação de reserva única que pode ser rastreada até aos utilizadores individuais. Este fluxo de trabalho pré-construído poupa tempo e garante que a sua lógica de agendamento já está corretamente ligada.

3. Configurar o acionador de eventos Calendly

Quando uma ligação de reserva é enviada, pretende que o chatbot detecte quando o utilizador agendou a sua marcação.

1. Clique com o botão direito do rato no fluxo de trabalho e adicione um nó de acionador de eventosCalendly .
2. In the settings, pass the conversation ID using:
   {{event.payload.conversation.id}}
3. Isto permite que o chatbot ouça a reserva específica do utilizador.
4. Quando acionado, o bot pode enviar automaticamente uma mensagem de confirmação.

Isto faz com que o bot pareça inteligente e reativo - e garante que os utilizadores sabem que a sua marcação foi feita.

4. Tratamento das informações comerciais e das perguntas frequentes

Nem toda a gente vai diretamente para a reserva. Alguns utilizadores podem perguntar primeiro sobre preços, horários ou serviços. Pode resolver este problema ligando a sua base de conhecimentos.

1. Adicionar um nó autónomo que está ligado à base de conhecimentos.
2. Ativar a pesquisa de conhecimentos para que o bot possa obter respostas de documentos ou tabelas carregados.
3. Utilize este nó como alternativa quando os utilizadores fazem perguntas gerais.

Desta forma, o seu bot continua a ser útil, mesmo para os utilizadores que ainda não estão prontos para reservar.

1. Que tipos de empresas beneficiam mais com os chatbots de marcação de consultas?

Qualquer empresa que gere tempo com pessoas - por exemplo, ginásios, clínicas, salões de beleza, escritórios de advogados e prestadores de serviços em vários locais - pode poupar tempo e aumentar a eficiência com um chatbot.

2. Como é que um chatbot melhora as taxas de comparência dos clientes às marcações?

Ao enviar lembretes, responder a perguntas de última hora e facilitar o reagendamento, os chatbots reduzem as faltas de comparência e mantêm os clientes mais empenhados.

3. Como é que este chatbot se compara aos formulários de reserva tradicionais?

Ao contrário dos formulários estáticos, os chatbots dão a sensação de estar a falar com um assistente real. Orientam os utilizadores, respondem a perguntas e ajudam a marcar consultas, tudo numa conversa fluida.

4. Qual é a escalabilidade desta solução para uma empresa com dezenas de sucursais?

Muito escalável. Pode carregar todas as informações da sua agência uma vez, e o chatbot pode adaptar instantaneamente as respostas e as ligações de reserva com base na localização ou escolha do utilizador.

5. Quais são as principais limitações dos chatbots de marcação de consultas?

A menos que tenham formação adequada, podem ter dificuldade em lidar com casos extremos realmente complexos ou com questões invulgares e, se as suas integrações (como os calendários) falharem, isso também é um obstáculo.