Les bots conversationnels sont de plus en plus populaires dans les centres de contact en raison de leur capacité à aider les clients de manière rapide et efficace. Ces agents virtuels sont capables de complémenter le support des agents humains afin de les rendre plus efficaces, d’améliorer l’expérience client et de réduire les coûts opérationnels du centre de contact. Selon Gartner, d’ici 2026, une interaction avec un agent sur 10 sera automatisée à l’aide d’un bot. De plus, les déploiements de bots dans les centres de contact réduiront les coûts de main-d’œuvre des agents de 80 milliards de dollars [1]. Dans cet avis d’expert, nous allons essayer de démystifier les bots conversationnels, leurs fonctionnements, et outils de conception.
SVI vs bot conversationnel ?
Dans un centre de contact classique, on a recours à un système de Serveur Vocal Interactif (SVI) ou « Interactive Voice Réponse » (IVR) en Anglais. Il s’agit d’une séquence de menus et de sous-menus qui ont pour but d’identifier l’intention de l’appel et de l’acheminer vers le bon agent. Comparé à un SVI, un bot conversationnel peut directement assister les utilisateurs. L’utilisateur peut directement exprimer sa requête et dire « je veux prendre un rendez-vous » ou « je veux annuler ma réservation » … le bot est capable de comprendre cette intention et de l’acheminer vers le bon agent. Si la requête du client est simple, il peut fournir des réponses par lui-même. Comparé a un SVI, l’interaction avec un bot conversationnel est plus rapide et plus naturelle surtout que les clients sont de plus en plus familiers aux assistants vocaux tel que Siri, Alexa et Google Assistant.
Quels sont les applications et les avantages du bot conversationnel dans un Centre de Relation Client ?
Un bot conversationnel peut automatiser la totalité de l’interaction du client avec un centre de contact, ou une partie de l’interaction et le transférer ensuite vers le bon agent. Cette automatisation effectuée grâce au bot, qu’elle soit partielle ou totale, permet d’aider l’agent dans le traitement de la demande, de réduire le temps d’interaction avec l’agent, et donc de réaliser des optimisations significatives. Beaucoup de requêtes à moindre valeur ajoutée rencontrées dans un centre de contact sont redondantes et répétitives et peuvent être automatisées.
- Trouver une information : le bot peut se connecter à des bases de données pour fournir des réponses dynamiques et personnalisées. Il peut trouver des informations générales telles que « Quels sont les horaires d’ouverture ? », « Quel est le prix d’un produit ? », ou des questions spécifiques à la situation du client telles que « A quelle heure est mon rendez-vous ? », ou des questions de service après-vente telles que « Quand mon contrat se termine-t-il ? ».
- Authentifier un client : Au lieu que l’agent passe du temps à authentifier un client, le bot peut effectuer cette tâche, poser les questions de sécurité et vérifier les réponses en se connectant à une base de données.
- Planifier un rendez-vous ou modifier une réservation : le bot peut identifier les informations nécessaires associées à cette intention telles que la date, l’heure de préférence, et demander ces informations au client. Soit il procède par la suite à la réservation par lui-même, soit il transfère le client vers le bon agent tout en fournissant à l’agent ces informations de contexte.
- Enquête de satisfaction : Le bot peut mener une enquête de satisfaction naturelle et riche en sollicitant des commentaires au lieu de demander une simple note dans un SVI. Le bot peut ensuite analyser les commentaires et même le sentiment du client.
À noter qu’à tout moment de la conversation avec le bot, si le bot est incapable de bien comprendre ce que le client lui dit, ou si le client demande un transfert d’agent, le bot est capable de transférer l’appel immédiatement au bon agent. En conséquence, l’agent peut passer son temps d’interaction avec le client sur les tâches à plus forte valeur ajoutée. On a donc allégé la tâche de l’agent et son interaction avec le client est plus rapide et plus fluide.
Techniquement, qu’est-ce qu’un bot conversationnel ?
Un bot conversationnel est un programme informatique qui peut converser avec un utilisateur via des messages textuels ou vocaux, on parle respectivement de chatbot ou voicebot. Techniquement, un voicebot n’est qu’un chatbot avec une voix. Les grandes étapes d’un bot en général sont les suivantes :
- Transcription de la voix en texte (pour le voice bot uniquement)
- Compréhension de l’intention
- Requête des données et synthèse de la réponse textuelle associée à l’intention détectée
- Synthèse de la voix à partir du texte (pour le voice bot uniquement)
Les bots conversationnels sont construits à l’aide d’algorithmes de « traitement du langage naturel », connu sous le nom de « Natural Language Processing » (NLP) en Anglais, qui relèvent de l’intelligence artificielle. Le traitement du langage naturel fait partie des problèmes les plus difficiles à résoudre en informatique ; il nécessite des algorithmes de Deep Learning qui ont besoin de calculs importants et d’énormes volumes de données d’entrainement. Ces algorithmes permettent de transcrire (étape 1), de comprendre les mots et l’intention voulue (étape 2), et de synthétiser la voix à partir du texte (étape 4). L’étape 3 ne requiert pas de NLP, il s’agit plutôt de définir les requêtes des bases de données pour apporter les informations nécessaires. Pour ensuite construire la réponse personnalisée et dynamique qui correspond à l’intention identifiée.
Toutefois, plusieurs outils tel que Amazon Lex et Google DialogFlow placent leurs technologies de traitement du langage naturel à portée des développeurs. Il s’agit des mêmes moteurs de compréhension du langage naturel utilisés par leurs assistants vocaux, Alexa et Google Assistant. Les outils tels que AWS LEX et DialogFlow mettent à disposition des interfaces graphiques ou en quelques minutes on peut créer et tester un bot conversationnel sans avoir des connaissances en traitement du langage naturel. Il suffit uniquement de définir l’ensemble des intentions qui nous intéressent et auxquelles nous nous attendons des utilisateurs. En d’autres termes, il faut penser à toutes les raisons pour lesquelles un utilisateur va appeler le centre de contact. Pour chaque raison, on définit ensuite les requêtes nécessaires et la réponse du bot.
A quoi ressemble la conception d’un bot conversationnel ?
Les outils de conception de bots mettent à disposition la technologie de traitement du langage naturel pour nous permettre de nous concentrer sur le développement du scenario et la définition des intentions. Pour créer un bot, il faut simplement spécifier les intentions auxquelles on s’attend dans la console de conception. Ensuite, il suffit d’intégrer le bot dans le flux du centre de contact. Typiquement, on définit plusieurs intentions indépendantes ou connexes qui correspondent à plusieurs motifs d’appel. Pour chaque intention, il faut :
- Fournir juste quelques exemples d’énoncés. En d’autres termes comment un utilisateur peut communiquer cette intention.
- Définir les paramètres et les questions que le bot doit poser pour obtenir les paramètres nécessaires à l’intention.
- Définir la fonction que le bot va appeler pour réaliser l’activité appropriée (requête dans une base de données, écriture dans une base de données …)
- Définir les réponses que le bot va utiliser pour répondre à l’utilisateur
Vous créez un bot pour prendre en charge une ou plusieurs intentions connexes. Par exemple, dans un centre de contact pour un laboratoire médical, on peut automatiser les appels des clients qui souhaitent modifier leur rendez-vous et connaître les horaires d’ouverture. Vous pouvez créer un bot avec deux intentions « Modifier Réservation » et « Horaires Ouvertures ». Pour chaque intention, il faut réaliser les 4 étapes décrites ci-dessus. On va les parcourir pour l’intention « Modifier Réservation » :
- Fournir des exemples d’énoncés : Par exemple, un utilisateur peut dire :
- « Je veux modifier ma réservation »
- « Je veux décaler mon rendez-vous »
- « Est ce que c’est possible de changer ma séance aujourd’hui ? »
Il suffit de donner quelques exemples. Il ne faut pas être exhaustif. Lorsqu’un client dit ces phrases ou une autre phrase qui ressemble, le bot doit être capable de comprendre qu’il s’agit de l’intention « Modifier Réservation ». La Figure 1 montre les énoncés fournis pour cette intention dans la console d’administration de AWS LEX.
- Fournir les Paramètres et les questions correspondantes : Par exemple, pour modifier une réservation, il faut demander la nouvelle date et la nouvelle heure souhaitées par l’utilisateur. L’utilisateur doit fournir ces valeurs. Les deux paramètres sont : Date et Heure. La Figure 2 montre comment définir le paramètre Date dans la console d’administration de AWS LEX. Pour chaque paramètre, on définit la question à poser pour obtenir la valeur de ce paramètre :
- Date : « Quelle date souhaitez-vous ? »
- Heure : « Quelle heure souhaitez-vous ? »
- Définir la fonction ou procédure à compléter : Par exemple, le bot doit vérifier dans la base de données des rendez-vous que le nouveau créneau est disponible.
- Si le créneau est disponible, confirmer la disponibilité et faire la réservation.
- Si le créneau n’est pas disponible, proposer d’autres options.
- Définir les réponses du bot :
- « Votre rendez-vous est décalé au JOUR MOIS ANNEE et HEURE » ou JOUR, MOIS, ANNEE et HEURE sont remplacés par leur valeurs. De la sorte, les réponses du bot sont dynamiques et personnalisées.
- « Le rendez-vous demandé n’est pas disponible, souhaitez-vous prendre connaissance des créneaux disponibles ? »
Conclusion
Les bots conversationnels permettent de fournir un support naturel, proche de l’humain, personnalisé et interactif. Ils contribuent à la résolution rapide des demandes des clients. Ils permettent de créer des expériences clients extrêmement personnalisées et enrichissantes. De plus, ils allègent le travail des agents humains et leur permettent de se concentrer sur les tâches plus complexes et à plus forte valeur ajoutée. De nombreux bénéfices qui nous confortent dans la tendance de cohabitation homme/machine et qui nous confirment que la vague de l’IA touche l’ensemble des métiers et processus. En tirer le bénéfice pour toujours mieux adresser les enjeux de la relation client et faire vivre une belle expérience au client sont les enjeux majeurs de l’usage pertinent du bot dans le parcours.
Dans le cadre d’un projet, ne négligeons pas la phase amont qui consiste à définir le besoin, les usages attendus, le contexte, la faisabilité avec les parties prenantes. La méthode préconisée BSINS – Best Service Is No Service – peut faciliter la compréhension du besoin, la cartographie des motifs de contacts pour améliorer la performance et rationaliser les contacts entrants sans valeur. Alors, n’attendez pas et contactez notre équipe pour lancer votre projet.
Cet article vous est proposé par
Rita Ammanouil, Solution Architect chez Activeo
