Depuis 2016, âge d’or des chatbots, l’amélioration des technologies de compréhension du langage naturel (TALN) et l’épuration des use-cases ont redonné aux agents virtuels des arguments en faveur d’une adoption massive par les entreprises et les utilisateurs. L’automatisation du service client par Chatbot, aussi appelé un agent conversationnel intelligent, devient la norme pour les entreprises en quête de digitalisation de leur expérience client.
2020, décrite par Forbes comme l’année du renouveau pour les agents conversationnels, devient l’année de l’adoption de masse de ces technologies.
Dans ce contexte, nous vous donnons les clés pour comprendre ce qui rend les chatbots plus efficaces et surtout rentables.
Chatbot & Service client : R.O.I. is King !
Penser qu’une interface conversationnelle pouvait convenir à n’importe quel cas d’usage était une erreur ! La multiplication des POCs lancés par des corporates ou des startups a conduit à une désillusion massive autour des performances d’une technologie en devenir. S’en est suivi une remise en cause complète de l’utilité de ce genre d’outils.
Quatre ans plus tard, nous constatons que les agents virtuels ont un réel intérêt s’ils sont utilisés pour :
- automatiser le traitement des questions récurrentes des utilisateurs (clients / collaborateurs / agents service client),
- qualifier / router une demande d’assistance vers un service spécifique,
- programmer une demande d’assistance avec un agent humain,
- résoudre les problèmes autour de la connexion à un espace client,
- aider un utilisateur à naviguer dans son espace client,
- mesurer la satisfaction d’un utilisateur dans un contexte précis,
- capter / qualifier / enrichir une opportunité commerciale,
- recueillir des informations en lieu et place d’un formulaire.
Tous ces cas d’usages ont tous 3 points communs:
- ils sont simplement automatisables,
- ils nécessitent des échanges brefs et verticaux,
- ils ne répondent à aucune forme de contrainte dans leur formulation.
Cependant, inutile de penser que les chatbots sont la solution à tous vos problèmes. Des échanges trop complexes, trop profonds, nécessitant une contextualisation forte et dynamique sont — pour le moment — mal adaptés à l’utilisation d’une interface conversationnelle.
Pour rappel, c’est ce qui a mené les “early adopters” vers un phénomène de désillusion.
Des Chatbots enfin intelligents !
Il existe deux grandes familles de chatbot pour le service client :
- des chatbots capables d’échanges contraints, souvent modélisés sous la formes d’arbres de décisions statiques,
- des chatbots capables d’échanges plus libres et plus humanisés, utilisant des technologies de traitement automatisé du langage naturel.
Les cas d’usages concernant le service client (self-care) ont propulsé les agents virtuels intelligents sur le devant de la scène. Néanmoins, les technologies utilisées (NLU ou TALN) sont très gourmandes en données structurées et labellisées. Cela pose un problème, notamment pour entraîner les modèles sur le domaine de compétences souhaité. Cet impératif génère de l’incertitude liée à la performance de l’agent virtuel lors des premiers mois d’exploitation.
Chez tolk.ai, nous travaillons sur la question depuis plusieurs années pour pouvoir proposer une intelligence conversationnelle la plus “plug-and-play” possible. L’objectif visé étant de pouvoir garantir la performance du bot dès la phase de déploiement, ainsi que de limiter au maximum les opérations d’entraînement, d’optimisation, et d’enrichissement des modèles de langues.
L’un des axes majeurs de différentiation de notre technologie réside dans notre capacité à mettre en concurrence plusieurs modèles d’analyses et de traitement du langage, classés en deux grandes familles :
- approche basée sur des algorithmes de machine learning — NLU,
- approche basée sur l’analyse sémantiques liées à des ontologies et dictionnaires.
Notre plateforme Tolk intègre une technologie propriétaire qui décide du modèle le plus approprié en fonction des paramètres de performances et de contexte.
Cette innovation technologique permet d’améliorer les performances du bot en permettant d’interpréter jusqu’à 70% des demandes liées à une intention utilisateur, sans entraînement initial.
Ainsi, nos clients peuvent déployer leurs agents conversationnels en moins d’une semaine contre 3 mois auparavant, et obtiennent de bonnes performances sans délais.
Garantir le succès !
Les directions métiers se fixent souvent des objectifs clairs et quantifiables :
- augmenter la qualité du service client, notamment en le rendant accessible 24/7 et immédiat,
- réduire les coûts de traitement d’une interaction client.
En réalité, les bénéfices mesurés sont un peu en décalage avec ces attentes. Le constat est que chaque canal crée sa propre audience et que la canibalisation des canaux s’avère être un processus plutôt long, et fastidieux.
Cela repose sur un changement des habitudes des utilisateurs. C’est un bénéfice autour de la valeur obtenue grâce au nouvel outil / service qui motive cette évolution.
Il s’agit donc de concevoir un Chatbot qui ne soit pas une copie de votre FAQ, mais un service conçu autour des problèmes des utilisateurs.
Partez du principe que vos bases de connaissances et vos FAQs ne répondent qu’à une petite partie (environ 40% à 50%) des demandes effectives de vos clients. C’est peu, mais c’est la réalité !
Il est donc impératif d’accepter de lancer son agent virtuel sans couvrir la totalité du scope visé. Pour faire face à cette incertitude, il est impératif de mobiliser les directions métiers autour de l’enrichissement et de la création de nouvelles bases de connaissances.
Les objectifs de retour sur investissement ne peuvent être atteints qu’en adoptant une vision agile. Il est souvent préférable de raccourcir le temps de conception et de mise en place de l’agent pour rapidement se confronter aux demandes des utilisateurs. Entamer les cycles d’itérations rapides pour se concentrer sur les demandes réelles des clients, et proposer des réponses pertinentes, précises et satisfaisantes.
L’humain occupe un rôle prépondérant dans l’apprentissage du bot. Il utilise des outils d’écoute et de monitoring visant à accélérer l’apprentissage de l’agent virtuel et l’augmentation de ses performances globales.
La mesure de la satisfaction et l’écoute de signaux faibles dans la conversation sont de bons indicateurs d’efficacité pour mesurer l’utilité d’un agent virtuel.
En synthèse…
Les Chatbots Service Client sont efficaces s’ils sont bien conçus et bien positionnés dans votre parcours client. N’en attendez pas trop, soyez pragmatique et agile.
Les bénéfices lié à l’utilisation d’un chatbot peuvent être rapidement constatés:
- promotion de la démarche self-care,
- diminution immédiate du nombre d’emails, du nombre d’appels à moyen terme,
- efficience économique mesurable (10x moins cher qu’un agent humain)
- scalable.
Encore faut-il pouvoir bénéficier d’une technologie simple à mettre en place, d’outils permettant d’identifier les leviers d’automatisation, et d’indicateurs de performances visant à accroître les performances du bot.
