Automatiser la relation client (selfcare)

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.