Paramètres de cookie
Accédez à tous les outils et informations nécessaires au cycle de vie du client chez Odigo en vous rendant sur notre portail client
ChatGPT, Bard, Meta : pas une semaine sans que de nouvelles annonces soient faites en termes d’évolution autour de l’Intelligence Artificielle. Comment se positionner sur ces technologies lorsque l’on est responsable de la relation client et que l’on fait face à des clients toujours plus exigeants et matures ?
Avant de plonger dans les outils technologiques, il est essentiel de s’interroger sur les expériences vécues par de nombreux consommateurs.
Lorsqu’ils contactent une marque par téléphone, les clients rencontrent encore les situations suivantes : écoute de choix d’options pour des services non souscrits, absence de possibilité de réaliser des opérations en autonomie, obligation d’attendre, réponses génériques, impossibilité de contacter un conseiller. Le constat est similaire sur les autres canaux.
Quel dénominateur commun pour l’ensemble de ces situations ?
Un manque de personnalisation ! L’attente est pourtant forte : 66% des clients sont susceptibles de changer de marque s’ils ont le sentiment d’avoir été traités comme un numéro plutôt qu’en tant qu’individu.
Et cela représente une vraie opportunité pour les entreprises : 69% des clients considèrent qu’un service client personnalisé a une influence sur leur fidélité. Il est ainsi primordial de créer une relation de proximité et une intimité client dès les premiers instants et pas seulement lorsque le client est en communication avec un conseiller.
Cela commence donc dès le parcours vocal ou lors des premiers échanges par webchat.
Il est évident que les technologies d’intelligence artificielle et plus particulièrement de compréhension du langage naturel (NLP) tendent à répondre à ces enjeux.
Les dispositifs de chatbot et maintenant de callbot se sont largement développés avec un objectif d’automatiser des processus simples.
Déployés en premier lieu sous forme de scripts – on suit un scénario prédéfini – ces automates ont évolué avec une meilleure compréhension des demandes clients – on parle alors d’intention, cela représente le besoin du client et d’entités, les caractéristiques de la demande. L’apprentissage de ces modèles peut prendre du temps et nécessite des phases de tuning.
Malgré de nombreuses avancées et des systèmes de plus en plus performants, le succès n’est pas toujours au rendez-vous. D’après l’observatoire BVA la satisfaction est seulement de 54% VS 80% sur le téléphone. Gartner souligne également des taux d’utilisation faibles – 8% utilisent un service de chatbot !!
Là encore, la raison est simple : alors que la compréhension des moteurs s’affine, les réponses communiquées manquent de contexte et de précision.
Suite à l’apparition des grands modèles de langues (LLMs) et de la technologie Transformers (notamment le plus célèbre ChatGPT), une nouvelle révolution est arrivée pour générer du contenu textuel personnalisé à partir d’un énoncé – le prompt. On parle alors de l’Intelligence Artificielle generative.
En ce qui concerne l’accueil client, c’est la promesse – enfin ? – de pouvoir variabiliser les réponses à la volée. Il est ainsi possible de calibrer des réponses différentes en fonction d’un historique de conversations, de la personnalité du client ou de sa dernière note à un questionnaire de satisfaction. Les opportunités semblent très nombreuses pour se rapprocher d’une discussion avec un humain.
Mais est-ce que cela est suffisant ? Non, car les utilisateurs de bots veulent aussi des réponses précises et rapides qui nécessitent un fort couplage avec les systèmes d’information de l’entreprise. Michael Rendeman (de l’analyste Gartner) explique ainsi : « Pour améliorer l’adoption des bots, la clé est de se concentrer sur l’amélioration de la capacité du chatbot à faire avancer les problèmes des clients ».
Il est ainsi indispensable que le bot soit fortement connecté avec les données de l’entreprise afin de pouvoir récupérer toutes les informations concernant le client – i.e. commandes en cours, livraisons passées, visites sur l’espace client – et prendre ainsi les bonnes décisions lors des conversations.
Mixer les nouvelles technologies d’IA avec les moteurs de bot spécialistes des traitements est donc la piste la plus intéressante pour améliorer les performances des bots actuels.
Des bots partout et pour tout ?
Au-delà des avancées technologiques qui rendent les conversations avec les bots plus naturelles, il nous semble primordial pour les directeurs de la relation client de prendre du recul sur leur stratégie d’accueil.
Cette dernière doit répondre aux attentes des clients pour chaque étape du parcours en englobant tous les points de contact : vocal, web ou mobile. Il n’y a pas ici de réponse identique pour chaque entreprise mais quelques principes forts :
Envie d’approfondir le sujet ?
Odigo vous accompagne sur l’analyse de vos parcours d’accueil et de relation client sur tous les canaux vocaux, web et mobile et dispose d’une solution omnicanale d’accueil intégrant des technologies d’intelligence artificielle
La résolution au premier appel (FCR, pour First Call resolution, en anglais) est un indicateur de performance largement répandu dans les centres de contacts. Découvrez comment augmenter le taux de résolutions de votre centre de contacts grâce à des expériences de qualité axées sur la satisfaction client.
Dans quelle mesure la gestion du temps, la gestion des connaissances et la technologie peuvent –elles réduire le temps de traitement moyen sans impacter l’expérience client?. Le temps de traitement de moyen (AHT pour average handling time, en anglais) est un indicateur utilisé dans le call center.
Aujourd’hui, les banques misent sur un service de qualité que ce soit en agence ou par des conseils d'experts qui travaillent à distance. Découvrez comment l'application Workspace d'Odigo pour MS Teams met à profit le travail d’experts indépendants du centre de contacts pour optimiser la satisfaction client.
