CX / IA

Le Bot Conversationnel : Enrichir, fluidifier et automatiser l’interaction

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.

  1. 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 ? ». 
  2. 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. 
  3. 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.
  4. 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 :

  1. Transcription de la voix en texte (pour le voice bot uniquement)
  2. Compréhension de l’intention
  3. Requête des données et synthèse de la réponse textuelle associée à l’intention détectée
  4. 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 :

  1. Fournir juste quelques exemples d’énoncés. En d’autres termes comment un utilisateur peut communiquer cette intention.
  2. Définir les paramètres et les questions que le bot doit poser pour obtenir les paramètres nécessaires à l’intention.
  3. 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 …)
  4. 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 » :

  1. Fournir des exemples d’énoncés : Par exemple, un utilisateur peut dire :
    1. « Je veux modifier ma réservation »
    2. « Je veux décaler mon rendez-vous »
    3. « 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 ? »  
Les Bots Conversationnels
Figure 1: Exemples d’énoncés pour la modification du rendez-vous
Les Bots Conversationnels
Figure 2: Exemple de définition du paramètre Date

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.

[1] https://www.gartner.com/en/newsroom/press-releases/2022-08-31-gartner-predicts-conversational-ai-will-reduce-contac

Cet article vous est proposé par

Rita Ammanouil, Solution Architect chez Activeo

L’analyse des sentiments : une nouvelle tendance au service de l’expérience client

Les clients sont la plus grande source d’apprentissage pour une entreprise. Si un client est mécontent ou content, c’est qu’il y a quelque chose dans l’entreprise, le produit ou l’expérience du service client qui l’a rendu ainsi.

Avec des millions d’appels enregistrés, les centres de contact contiennent des informations précieuses sur les clients d’une entreprise. Contrairement à l’investigation manuelle, les outils d’Analyse de Sentiments permettent d’extraire ces informations depuis les enregistrements des conversations des clients de façon efficace et rapide.

Dans cet article, nous évoquons l’analyse des sentiments dans un centre de contact et nous répondons à plusieurs questions importantes sur ce sujet, en commençant par qu’est-ce que  l’analyse des sentiments ? Comment cela fonctionne-t-il et comment en tirer profit ?

Qu’est-ce que l’analyse des sentiments dans un centre de contact ?

Les centres de contacts offrent de plus en plus d’outils natifs pour l’analyse de sentiments qui permettent d’analyser les conversations (vocales et par chat) entre le client et les agents. Parmi ces centres de contact, nous citons AWS Connect et Genesys Cloud qui offrent cette fonctionnalité. Le plus important est que cette fonctionnalité peut être activée en quelques clics, configurée rapidement, et ne requiert pas de connaissance préalable en codage, machine learning ou algorithmes sous-jacents. Par la suite, toutes les conversations sont analysées pour déduire le sentiment des interlocuteurs, que sont l’agent et le client dans un centre de contact.

Par définition, l’analyse des sentiments est un outil automatique de classification de texte pour déduire, comme le nom l’indique, le sentiment. Fondamentalement, le sentiment déduit peut-être classé en trois catégories : sentiment positif, négatif, ou neutre. Il s’agit dans ce cas du sentiment dominant ou de la polarité du texte. L’analyse des sentiments peut aussi aller au-delà de la polarité et détecter des sentiments plus précis tel que la colère, le dégout, la peur, la surprise …

Les Figures 1 et 2 montrent l’interface d’analyse de sentiments de AWS Connect et de Genesys Cloud respectivement. AWS Connect  pointe le score du sentiment via soit un visage souriant, neutre, ou triste pour chaque réplique de la conversation entre le client et l’agent, alors que Genesys cloud utilise l’émoticône du pouce vers le haut ou vers le bas placé sur l’enregistrement.

Ex. analyse de sentiment de AWS Connect
Ex. analyse de sentiment de Genesys Cloud

Comment cela fonctionne-t-il ?

Tout outil d’analyse des sentiments repose sur deux piliers principaux : les algorithmes de traitement du langage naturel (ou Natural Language Processing en anglais) et les algorithmes de machine learning. Les systèmes d’analyse des sentiments se basent principalement sur l’analyse du contenu textuel. Dans un premier temps, les enregistrements d’appels doivent être convertis en texte et plus précisément en conversation entre interlocuteurs. Cette étape est aussi connue comme l’étape de transcription. Les mots clés et les expressions clés sont ensuite extraites du texte pour chaque réplique. Via le « machine learning », un score individuel est attribué à chaque réplique. Enfin, un score général est attribué à la conversation qui est en général la moyenne des scores individuels. Pour résumer, les étapes sont les suivantes :

  • Transcrire l’enregistrement vocal en texte de conversation agent et client
  • Extraire les expressions et les mots clé
  • Attribuer un score pour le sentiment pour chaque réplique
  • Combiner les scores pour faire ressortir un score pour la conversation 

Pour pouvoir attribuer un score de sentiment dans la troisième étape, le système d’analyse des sentiments utilise un « dictionnaire de sentiments ». Il s’agit d’une très grande collection d’adjectifs (par exemple : bon, mauvais, merveilleux, horrible, content, triste) et de phrases (par exemple : j’aime, je n’aime pas, c’est top, cela ne me convient pas, c’est merveilleux, c’est horrible) qui ont été assigné à un score à la main. Ainsi, par exemple, les expressions qui contiennent ou ressemblent « J’aime » seront classées comme « positives » alors que les messages contenants « je n’aime pas » seront classés comme « négatifs ».

Contrairement à ce que certains pourraient penser, l’analyse de sentiment ne se base pas sur la tonalité ou l’intensité sonore. En revanche, en plus de l’analyse des sentiments, on peut aussi mesure l’intensité sonore (ou loudness en anglais) de la parole du client et de l’agent et utiliser cette information pour compléter l’analyse des sentiments. Par exemple, une intensité sonore importante accompagnée d’un sentiment négatif peut être un indice fort de mécontentement. Il faudra toutefois lire ou entendre cette partie de la conversation pour essayer de comprendre et résoudre le problème.

Comment en profiter dans un Centre de Contact ?

Il y a certes plusieurs avantages à utiliser les outils d’analyse du sentiment dans un centre de contact. Pour commencer, les managers gagnent en efficacité et énormément de temps car ils n’ont plus besoin d’analyser le sentiment manuellement et d’écouter toutes les conversations.

Comme dit par Bill Gates « Your most unhappy customers are your greatest source of learning », « Vos clients les plus mécontents sont votre plus grande source d’apprentissage ». Ainsi, un premier plan d’action est de repérer les conversations avec un niveau élevé de sentiments négatifs. Ensuite, on peut utiliser ces conversations pour mieux coacher les agents et apporter de nouvelles directives en faveur du client. On peut aussi utiliser ces conversations pour offrir un service personnalisé au client et répondre mieux à son besoin. On peut aussi repérer les agents avec les plus haut niveaux d’émotions positives et de conversations positives pour les récompenser, les encourager et en faire des ambassadeurs. En plus de cela, il peut être intéressant de visualiser les tendances et les corrélations du sentiment tels que :

  • Les tendances du sentiment pour un agent, pour une équipe, pour un client,
  • Les tendances du sentiment en fonction d’un produit, d’un service, ou d’une campagne de marketing
  • La corrélation entre le sentiment du client et la durée de l’appel, la durée de silence (non-talk time)

Et sur la base de ces information pouvoir prendre des décisions pertinentes pour améliorer le sentiment du client et de l’agent.

Conclusion

Pour conclure, l’analyse des sentiments dans un centre de contact apporte une valeur ajoutée sans précédent à la marque, l’aidant à obtenir des informations importantes sur ce qui rend le client content ou mécontent.

Cette fonctionnalité, qui était alors coûteuse, complexe et difficile à implémenter il y a quelques années, est aujourd’hui disponible, à prix abordable, et simple à implémenter. Pour en profiter et pour en savoir plus, contactez-nous pour évoquer ces sujets pour lesquels Activeo dispose d’une expertise pointue et vous présentera les cas d’usage et les retours d’expérience.

Agents conversationnels : Pourquoi un tel engouement ?

Que vous soyez dans la Relation Client, le Marketing, le Digital, l’IT ou encore la Communication, vous n’avez pas pu échapper ni à l’emballement soudain et généralisé de ces applications ni au foisonnement d’acteurs et d’initiatives dans ce domaine.
Pour aller au-delà du buzz, nous vous proposons d’appréhender cette manifestation de la disruption digitale sous tous les angles….

Comme beaucoup, à différents degrés, vous vous interrogez peut-être quant au champ d’action, à la pertinence et aux conditions de mise en place d’un agent conversationnel (appelé aussi bot) au sein de votre organisation :

Quels sont les apports et les promesses, les délais à prévoir, quels sont les éditeurs, pour quels usages, les bonnes pratiques,…

Il se peut aussi que parmi la richesse d’informations à votre disposition, vous ne sachiez pas forcément par quoi ou comment commencer !

On vous dit (presque) tout, c’est par ici !

De la science-Fiction à la réalité

AGENTS-CONVERSATIONNELS-BOTS3

Qui aurait cru il y a encore 10 ou 20 ans à une telle révolution technologique ?
Alors que l’Intelligence Artificielle a plus d’un demi-siècle, ses applications liées à l’optimisation et à l’automatisation dans la relation client demeurent plus récentes.

Les études parlent d’elles-mêmes : 85% des interactions Client-Marque impliqueront l’usage de Chatbot en 2022*

Il est vrai que les robots conversationnels connaissent une ascension fulgurante depuis déjà quelques années. Optimisation du temps, amélioration du service rendu, valorisation de l’image de marque sont les principales valeurs ajoutées proposant de l’innovation dans l’interaction entre le client, l’usager, l’utilisateur et la marque.

Mais comment expliquer un tel engouement ?

  • D’abord l’essor de l’IA permettant une bien meilleure personnalisation des échanges (compréhension du langage naturel/humain, contextualisation, machine Learning…)
  • Également la modification des usages et des comportements clients (digitalisation, réseaux sociaux & messagerie instantanées, …)
    Exemples : Rechercher l’horaire de son train, suivre son colis, consulter les dernières consignes sanitaires…, rendu désormais possible à à tout moment, 24/24h et 7/7J.
  • Des bénéfices plébiscités par les marques (automatisation de réponses aux requêtes les plus récurrentes et/ou sans valeur ajoutée, réduction des coûts, désengorgement des contacts en attente…)

  • Et enfin, le graal, l’augmentation de la satisfaction client en répondant aux besoins d’immédiateté et d’autonomie.

Les robots conversationnels arrivent en renfort de l’interaction humaine

Où comment les bots ont répondu présents durant cette crise sanitaire Covid-19

AGENTS-CONVERSATIONNELS-BOTS1

A l’annonce du 1er confinement national entré en vigueur le 17 mars dernier, nous étions nombreux à nous poser des questions sur la pandémie et ses impacts sur nos vies.

Face à ce contexte de crise, certaines entreprises, organismes publics ou encore médias, sont partis en quête de la solution la mieux adaptée pour répondre à toutes nos interrogations en urgence.

C’est ainsi que le groupe TF1 a lancé son Chatbot dans un temps record (moins d’une semaine), intégré en pleine page du site web de la chaîne d’information LCI (solution Clustaar). Avec une capacité de plus de 70 Questions-Réponses, il a permis de couvrir les vastes sujets Covid-19 préoccupant les internautes et ce, de façon rapide, précise et pertinente..

Le contenu n’a cessé d’évoluer et de s’adapter encore au fil de l’actualité que nous connaissons.


Également, d’autres initiatives voient le jour impliquant l’avènement de messageries instantanées intelligentes pour coller de près aux nouveaux usages.

Là encore avec l’appui de l’éditeur Clustaar, Le Gouvernement Français met à disposition des citoyens deux « Messaging bot » sur WhatsApp et Facebook Messenger, disponible 24/24h et 7/7j.

Ce projet qui implique la publication des informations officielles et des mesures sanitaires à respecter, a contribué à limiter la propagation de « fake news ».


Moins répandu mais de plus en plus plébiscité à l’instar des autres canaux, nous retrouvons des agents conversationnels déployés aussi sous la forme de « Callbot« .

C’est le cas du Ministère des Solidarités et de la Santé qui a su, en co-construction avec l’éditeur Zaion, satisfaire la forte demande arrivant sur leur ligne téléphonique Covid-19, apportant les réponses aux questions de types FAQ les plus fréquentes.

L’objectif de ne laisser aucun citoyen sans réponse a été atteint avec un déploiement en moins de 36h, tout en offrant la possibilité de parler à un humain si besoin !


En bref, les agents conversationnels nous ont ici prouvé leur efficacité et leur rapidité de déploiement !
Fort heureusement, il n’est pas toujours que question d’urgence ni de pandémie.


D’autres ont sauté le pas bien avant la crise…

Mister Auto (groupe PSA), leader de la vente de pièces automobiles, met en place son Call bot appelé Matt, en capacité de traiter 30 % des appels entrants au Service Client, notamment le suivi des commandes.

Cet agent conversationnel nouvelle génération, motorisé par l’IA de la plateforme ILIBOT by Viavoo, est capable de comprendre et d’interpréter les paroles d’une personne au téléphone et de fournir les réponses ou de mener les actions attenantes.


Troisième opérateur d’électricité et de gaz en France, Total Direct Energie, pionnier de l’innovation en matière de relation client, a déployé dès 2016 un Chatbot répondant au nom de Jo, en complément du LiveChat déjà en ligne sur le site web depuis 2014.

Jo est passé en 5 ans de 300 à 2000 conversations par jour en 2020 grâce notamment à une optimisation continue de ses compétences.

Il sait donner des réponses textuelles intégrant du contenu dans certains cas (images, vidéo, tuto…), rediriger vers des pages, éditer des factures et même transférer la conversation à un agent humain via le Livechat.


Ce qui fera le succès de votre agent virtuel

AGENTS-CONVERSATIONNELS-BOTS

C’est simple, le Chat/Call ou Voicebot qui tient toutes ses promesses est celui qui obtient l’adhésion de ses utilisateurs finaux, donc de vos clients ou de vos collaborateurs (pour un usage interne). Dans la pratique, l’on observe d’ailleurs que la conjugaison de l’expertise humaine à la performance des agents virtuels à intelligence artificielle garantie une expérience client simplifiée et un parcours unifié. La proposition de valeur hybridant humain et technologie va bien au-delà de l’usage en impactant largement toute l’organisation, les process, les métiers.

Mais alors me direz-vous, comment garantir le succès d’un tel projet ?
Ce sont avant tout les bonnes pratiques, la méthodologie employée, la gouvernance et la technologie qui assureront la réussite de votre projet.


Voici quelques conseils d’expert et les questions à se poser :

AGENTS-CONVERSATIONNELS-EXPERTS

Ne pas négliger les phases de réflexion avant tout démarrage, véritable gage de succès si elles ont été bien cadrées !

La phase de cadrage aura elle-aussi son importance privilégiant la co-création et l’agilité :

  • Comment composer votre équipe projet et participants contributeurs impliquer ? (métier, opérationnel, service client IT, marketing, …)
  • Définition des attendus, KPI’s, budget & timing
  • Cahier des charges & choix de la solution technologique la mieux adaptée, tout en gardant à l’esprit la scalabilité de la solution
  • Ateliers de création collaboratifs, pour une équipe métier engagée et performante : Quels sont vos parcours clients ? Les Use Cases à privilégier pour l’assistant virtuel ? Quelel identité lui donner (trouver un nom, un graphisme, une empreinte,)

La conduite du changement & la transition digitale à soigner :

  • Formation & Coaching des utilisateurs et agents physiques
  • Accompagner son lancement et valoriser ses bénéfices pour le client mais aussi pour les équipes. 

Le suivi au service de l’amélioration continue :

  • L’alimenter en données, collecte régulière au fil de l’eau, énoncer, étiqueter, corriger pour que le robot continue d’apprendre et de progresser !

Bien sûr, cette liste est encore longue et adaptable à chaque contexte projet mais l’essentiel à retenir est que le le déploiement d’un bot exige quelques prérequis ! C’est pourquoi, il ne faut pas hésiter à se faire accompagner pour l’une ou l’ensemble de ces étapes et ainsi disposer des meilleurs atouts.


*(Source : Gartner (2018) cité dans Building the AI-powered customer center of the future by Customer Think (June 2018))

Service client 2.0

Web 2.0, réseaux sociaux, wikis … ces nouveaux outils du web ont dépassé le simple effet de mode, et font partie du mode de vie d’un nombre croissant de consommateurs et de clients. Si on considère la nouvelle génération de consommateurs, l’usage et la participation à des réseaux sociaux est même une pratique largement majoritaire. Les entreprises en sont conscientes, mais tardent pour autant à intégrer cette nouvelle dimension relationnelle dans leurs organisations. C’est ce qui ressort d’une étude récente mandatée par la société Avanade, où 75% des entreprises interrogées admettent que les réseaux sociaux finiront par s’imposer, même de manière insidieuse. Mais les entreprises craignent des problèmes de sécurité et des pertes de productivité, et leurs dirigeants restent extrêmement frileux vis-à-vis de ces technologies. Dommage ! Cette même enquête souligne que les réseaux sociaux peuvent contribuer à une meilleure relation avec leurs clients. 67% des sociétés qui ont adopté les médias sociaux ont constaté que leurs clients en étaient satisfaits. 64 % ont également constaté une amélioration de leur image de marque sur le marché. 40% ont mesuré une augmentation de leurs ventes concomitante à la mise en place de ces nouvelles formes de médias. Mais, la portée des technologies du web 2.0 ne se limite pas au marketing et au commerce. Les médias sociaux contribuent également au développement d’un Service Clients « C-to-C », c’est-à-dire d’un Service Consommateur par les Consommateurs. Le fondement est clair : plutôt que de voir se développer des blogs et autres forums « sauvages », ne faut-il pas bâtir une stratégie de self-service web qui intègre les médias sociaux ? L’animation d’un forum associé au self-service de son site web est souvent le premier niveau du Service Client 2.0. La règle fondamentale doit être la liberté de parole des clients (avec civilité et respect bien sûr), et toute tentative de contrôle direct se retournera contre l’entreprise qui n’aura pas joué le jeu. En fait, l’animation consiste surtout à organiser et structurer les sujets abordés et les questions des clients, pour que les réponses apportées soient facilement accessibles par le plus grand nombre. Mais, certaines entreprises vont plus loin, et encouragent leurs clients à noter les produits ou les services qu’ils utilisent, au sein de communautés d’utilisateurs. D’autres permettent à certains de leurs clients experts, de se transformer en véritables « Gurus » et d’apporter eux-mêmes les réponses à des problématiques de SAV d’autres clients. D’autres encore vont jusqu’à impliquer certains clients dans un processus d’innovation et de co-création de nouveaux produits … Bref : des clients qui conçoivent les produits dont ils ont besoin, expliquent comment ils les utilisent, notent ce qu’ils trouvent de bien et de moins bien, forment les nouveaux utilisateurs … Et si la révolution du web ne faisait que commencer ?