La investigación sobre chatbots destinada a facilitar conversaciones más naturales y atractivas está en marcha. Con el creciente reconocimiento de la importancia de las personalidades en este contexto, la investigación conversacional basada en personalidades está adquiriendo prominencia. A pesar de la abundancia de conjuntos de datos de cháchara públicamente disponibles, los conjuntos de datos de chat basados en personalidades siguen siendo escasos, principalmente debido a los costos asociados más altos. En consecuencia, proponemos una metodología para transformar extensos conjuntos de datos de cháchara en conjuntos de datos de chat basados en personalidades. Simultáneamente, proponemos un modelo capaz de incorporar eficazmente personalidades en las respuestas, incluso con un número limitado de parámetros. Este modelo puede discernir la información más relevante de la memoria de la personalidad sin recurrir a un modelo de recuperación. Además, toma decisiones sobre si hacer referencia a la memoria, mejorando así la interpretabilidad de los juicios del modelo. Nuestro marco CC2PC demuestra un rendimiento superior tanto en evaluaciones automáticas como en LLM en comparación con conjuntos de datos de chat basados en personalidades de alto costo. Además, los resultados experimentales sobre el modelo propuesto indican las mejoradas capacidades de respuesta basadas en personalidades.