Automatiser la relation client (selfcare)

|

|

Le besoin
La solution
Ils peuvent vous aider

Le besoin

Tendances selfcare et modernisation du support client

Les directions de la relation client ont plusieurs enjeux à traiter.

Elles doivent répondre à la préférence pour le selfcare d’une partie croissante de leurs clients et moderniser leur dispositif support avec des solutions automatisées intégrées et déployées sur un nombre croissant de canaux, tout en préservant un bon niveau d’expérience, c’est-à-dire communiquer des informations support le plus rapidement possible.

Elles doivent également veiller à la cohérence des informations livrées aux clients sous différents formats et sur différents canaux. Finalement, elles doivent pouvoir atteindre ces objectifs dans les limites de leur budget.

Leurs besoins se segmentent donc ainsi :

- selfcare : laisser les clients finaux avoir accès aux informations support sans l’aide d’agents.

- escalade : mettre en relation clients finaux et agents quand le selfcare atteint ses limites.

- cohérence : veiller à ce que l’information support soit la même quelque soit le canal et le mode de livraison (agent ou selfcare).

- analytics : les nouveaux besoins exprimés par les clients doivent être identifiés dans les conversations et les solutions correspondantes doivent être déployées de manière transversale sur les canaux et dans les bases de données. La récurrence de certains incidents doit être minutieusement enregistrée et analysée pour réagir le plus rapidement possible avec une solution curative.

Quelle solution puis-je mettre en place pour répondre à tous ces besoins de manière efficace ?

La solution

Solution d'automatisation du support client

Moderniser le support client en déployant un chatbot sur divers canaux et en automatisant la réponse aux questions les plus simples va permettre de gagner en temps et en efficacité. L’équipe du support client pourra ainsi se concentrer sur les demandes à plus forte valeur ajoutée et le chatbot pourra lui passer la main à tout moment si l’une des demandes qu’il traite dépasse son champ de compétences ou bien nécessite l’intervention d’un agent.

Un chatbot, la réponse aux questions récurrentes

Un agent conversationnel, ou chatbot, est un programme permettant de mener une conversation avec un utilisateur en imitant le comportement humain. Cela permet notamment d’automatiser des réponses à des questions récurrentes posées par des clients en besoin de support, et ce instantanément, 24h/24. Ces questions et les réponses associées peuvent être issues d’une foire aux questions (FAQ) ou bien extraites d’une documentation existante.

Pour permettre au chatbot d'analyser la question et fournir une réponse pertinente, une analyse sémantique va être effectuée sur la question posée par l’utilisateur afin de détecter et extraire les intentions du message. Pour cela, il existe deux possibilités :

  • un modèle à base de règles,
  • un modèle à base d’intelligence artificielle.

Le modèle à base de règles va détecter uniquement ce qui a été répertorié dans ses dictionnaires et listes de mots-clés rédigées manuellement. Il est précis mais manque de flexibilité et peut donc passer à côté d’informations importantes dans le message si celles-ci n’ont pas été en amont dans sa base de connaissances.

Le modèle à base d’intelligence artificielle est quant à lui plus flexible et, après avoir été entrainé sur un corpus contenant de nombreux exemples de phrases contenant la même intention, sera capable de détecter des formulations variées d’une même intention afin de mieux saisir la demande de l’utilisateur, quels que soient les termes employés dans son message. Ce modèle s’adapte donc plus à la richesse du langage humain et a plus de facilité à en détecter les nuances mais ses résultats sont généralement moins précis que le modèle à base de règles.

Le chatbot va aussi détecter les entités présentes dans le message de l’utilisateur afin de les classer dans des catégories telles que les lieux, les noms de produits, les numéros de téléphone ou encore les adresses mail afin de préciser l’intention de l’utilisateur et par exemple demander un complément d’information à l’utilisateur si nécessaire.

Dans une configuration idéale, un bot peut répondre à environ 70-80% des questions d’un support client. Plusieurs algorithmes de machine learning permettent d’améliorer la compréhension des questions posées. Le niveau et la qualité d’automatisation augmente donc avec le temps.

L’auto-complétion va quant à elle permettre d’anticiper l’intention de l’utilisateur en lui affichant des suggestions de questions se basant sur le début de sa question et le contenu des intentions du chatbot. Cela permet de guider l’utilisateur vers une formulation que le chatbot saura connaitre et augmentera donc la probabilité que le chatbot réponde correctement aux attentes de l’utilisateur.

Selon la complexité du bot, celui-ci pourra intégrer différents types de contenus tels que des images, du texte, des boutons ou encore des carrousels.

L’ensemble de la conversation avec l’utilisateur est guidé par un arbre de discussion préalablement défini avec l’équipe client. Cet arbre va intégrer des branches, c’est-à-dire différents scénarios de discussion correspondant à chacun des parcours utilisateur possible. Il va aussi intégrer des blocs de texte - tels que les salutations et les formules de politesse, entre autres - qui serviront à nourrir la conversation avec l’utilisateur de manière à fluidifier l’échange et le rendre plus… humain.

Si la question de l’utilisateur est correctement analysée par le chatbot, celui-ci pourra alors envoyer une réponse de manière automatique ou bien l’extrait de documentation correspondant à la demande. Il pourra même dans certains cas déclencher des actions avancées, selon les besoins du service client. Si la question est trop complexe pour le chatbot (aucune intention détectée, question qui dépasse son champ de compétences ou bien action demandée trop complexe à exécuter) alors celui-ci passera la main à un agent humain.

Réorienter l’utilisateur vers un agent

Si la question nécessite l’intervention d’un agent, la demande et l’historique de la conversation lui sont transmis via une intégration avec une solution de ticketing, de livechat ou de téléphonie.

L’association livechat-chatbot permet de s’assurer que quel que soit le niveau de complexité de sa question, un client aura toujours une réponse adaptée : soit une réponse automatisée, soit une réponse hybride donnée à la fois par le chatbot puis par un agent. Le chatbot permet ainsi de pré-qualifier les demandes client et faciliter le lien avec l’équipe de support disponible en cas de problème. Cette solution a donc vocation à créer une expérience plus agréable pour l’utilisateur et le faire gagner en autonomie, sans pour autant automatiser la totalité du service car il y aura toujours des cas particuliers que seul un humain pourra traiter convenablement.

Points d'attention

Les performances d’un chatbot vont avant tout dépendre de sa capacité à détecter correctement les intentions de l’utilisateur. Or, le moindre mot mal orthographié peut rapidement induire en erreur le chatbot et l’orienter vers une mauvaise compréhension de l’ensemble du message. Il peut donc être pertinent d’y ajouter un système de correction orthographique qui va permettre de corriger la majorité des fautes de frappe et fautes d’orthographe présentes dans le message de l’utilisateur, tout en injectant du vocabulaire métier dans la base de connaissances du chatbot afin que les acronymes ou autres noms spécifiques au domaine ne soient pas immédiatement corrigés par le correcteur incapable de les identifier comme tels.

Par ailleurs, plus l'arbre de discussion sera étoffé, plus le chatbot pourra gérer de questions en toute autonomie, sans l'aide d'un agent.

Par Angeline Lacassagne
Linguiste informaticienne

Ils peuvent vous aider

Demande de mise en relation concernant l'étude de cas Automatiser la relation client (selfcare)
Veuillez recopier le texte ci-dessous afin de pouvoir envoyer votre message. Attention aux majuscules !
 
Lingua Custodia est une Fintech leader du Traitement Automatique des Langues (TAL) pour la Finance basée en France et au Luxembourg. Elle a développé son expertise avec une offre pointue de traduction automatique spécialisée par type de document financier. La société propose aujourd'hui également des services de transcription automatique, des services d'analyse linguistique de document et des services d'extraction de données via sa plateforme en ligne ou par API. Ses clients sont des institutions financières et les départements financiers de grandes sociétés et ETI.
 
Synapse est expert en Intelligence Artificielle appliquée au texte. Notre raison d'être est d'accompagner nos clients dans la transmission de leurs connaissances. En ce sens, Synapse intervient tout au niveau de 3 leviers : - Créer de la connaissance, à travers un outil d'aide à l'écriture qui permet d'écrire l'esprit libre : Cordial. - Structurer de la connaissance, à travers des outils d'analyse sémantique. - Partager de la connaissance, à travers un chatbot capable de se connecter à la documentation d'une entreprise et de générer automatiquement sa base de connaissances.
 
Semantiweb apporte un décodage marketing des contenus conversationnels spontanés des internautes. Cette expertise donne une valeur stratégique aux annonceurs, permet de créer une intimité clients, détecte les tendances de consommation et traduit les insights des marchés en les rendant opérationnels pour l’entreprise, la marque et le produit.
 
Datapolitics met la donnée au service de l'action publique. La data est partout, volumineuse, et peu structurée : son utilisation dépasse rapidement le cadre du fichier Excel. Avec Datapolitics, passez la vitesse supérieure en bénéficiant des multiples possibilités offertes par la datascience. Propulsez vos contenus au meilleur niveau grâce à nos algorithmes et nos intelligences artificielles. Nous collectons aujourd'hui les prises de position des gouvernants ou de ceux qui aspirent à le devenir et produisons des analyses automatiques au travers de la plateforme Hedwige.
 
Kairntech développe une plateforme d'IA visant à démocratiser et accélérer le développement d'applications basées sur le TAL au sein de l’entreprise. L’objectif est de pouvoir créer rapidement et sans programmation des robots permettant d’analyser automatiquement de grandes quantités de texte avec une très grande précision, faisant économiser du temps et des efforts. Nous aidons les professionnels de l’information et les analystes (auditeurs, analystes marketing, chercheurs scientifiques, enquêteurs…) à bâtir des applications pour gagner en efficacité tout en prenant de meilleures décisions.
 
Automatisation de la relation client via des interfaces conversationnelles et des chatbots. Clustaar permet aux marques d'aider leurs clients en répondant automatiquement à des demandes d'informations ou de support.
 
Yseop’s Augmented Analyst platform brings natural language generation and other advanced technologies together to offer automation fit for regulated industries.
 
QWAM développe des solutions logicielles d'intelligence artificielle appliquée au traitement du langage naturel. Nos solutions combinent les approches sémantiques, big data, machine learning et deep learning. QWAM intervient pour répondre aux besoins d'exploitation avancée des données textuelles existantes au sein des entreprises et organisations ou bien disponibles sur le web.
 
L'APIL, association à but non lucratif, rassemble l'expertise des personnes et des industriels du traitement automatique des langues. Elle a pour ambition de promouvoir le traitement automatique des langues auprès des utilisateurs, qu'ils soient industriels ou grand public. Nous animons un réseau d'expertise en collaboration avec les acteurs spécialisés du domaine : forum JeunesTalents en collaboration avec l'ATALA, les rencontres entre membres industriels, ou l'accompagnement de projets collaboratifs innovants en partenariat international.

Vous fournissez de telles solutions et vous souhaitez faire partie de nos partenaires, contactez-nous.

Les technologies à mettre en oeuvre

Extraction d'information, de quoi s'agit-il ?
L’extraction d’information, à quoi ça sert ? L’ex­trac­tion d’in­for­ma­tion consiste à iden­ti­fier, dans des textes en langue natu­relle, des infor­ma­tions types : noms de per­sonnes ou de...
Dialogueurs / Agents conversationnels, de quoi parle-t-on ?
Qu’est-ce qu’un agent conversationnel ? Un agent conver­sa­tion­nel – ou chat­bot en anglais – inter­agit en langue natu­relle, à l’o­ral ou à l’é­crit, avec l’u­ti­li­sa­teur afin...

Ces études de cas peuvent aussi vous intéresser

Mettre en place une veille scientifique multilingue

Je suis responsable produits/R&D dans le domaine pharmaceutique, et je souhaite mettre en place une veille multilingue.

Comment recommander du contenu qui sera le plus à même d’intéresser le lecteur suite à l’article qu’il vient de consulter ?

Je suis directeur webmarketing pour un éditeur d'informations d'actualité en ligne et je souhaite utiliser un système de recommandation d’articles efficace pour diminuer le taux de rebond des visiteurs du site et les fidéliser.

Mettre en place des outils de contrôle de conformité

Je suis directeur de la conformité dans le domaine de l’assurance, nous vendons par téléphone des produits variés dans un contexte particulièrement réglementé. J’ai donc besoin d’outils pour m’assurer que les obligations d’information sont comprises et appliquées par les équipes en tenant compte des spécificités de chaque produit, sans pour autant nuire à la performance commerciale. Comment puis-je faire ?