Mettre les mots au service de l’expérience client

« Ne pas faire de fautes d’orthographe double vos chances de matching sur les sites de rencontre », nous dévoilait une étude parue en novembre dernier. Et si l’alignement entre expérience client et marqueurs éditoriaux permettait aussi aux entreprises de doubler leurs chances de convaincre ? À l’ère de la digitalisation des usages, du mobile first et de la transformation des canaux  de distribution, l’écrit fonde l’expérience client. Placer vos mots au service de votre excellence relationnelle : c’est le sens de cette tribune sous forme de retour d’expérience, rédigée par le linguiste Raphaël Haddad et Nicolas de Chalonge, tous deux de l’agence Mots-Clés.

Le client est un lecteur !

Adresser une alerte SMS de livraison, répondre à des requêtes élémentaires via le script d’un chatbot, confirmer la bonne réception de documents par email, rédiger un courrier promotionnel : la relation entre les marques et leurs clients s’opère essentiellement à l’écrit.

Et pourtant ! Les entreprises investissent massivement pour digitaliser les parcours clients, améliorer la prise en charge des centres d’appels ou optimiser leurs réseaux de distribution. Mais peu d’entre elles font le lien entre ce qu’elles écrivent et l’expérience client qu’elles souhaitent obtenir. Résultat ? Des offres finement segmentées qui se retrouvent prises dans un sabir marketing, rangées quelque part entre un « accompagnement personnalisé à découvrir en un clin d’œil » et « des solutions faciles à activer sur mon mobile ». On voit même des écrits en décrochage net avec des standards élémentaires d’expérience : des formulations lapidaires pour une marque chaude et relationnelle, des fautes d’orthographe dans des correspondances libres, un jargon juridique pour une marque BtoC. Tout ceci enraye la performance : insatisfactions, flux entrants additionnels, pertes d’opportunités commerciales. Point névralgique de l’expérience client, l’écrit semble en être aussi le parent pauvre.

L’amélioration de vos supports écrits constitue un levier majeur d’optimisation de votre expérience client. Cette approche d’amélioration se décompose concrètement en quatre séquences.

1. Au commencement était le prototype

Toutes les expériences client ont leur traduction éditoriale. Et nous savons bien que les mots ne sont pas innocents : ils véhiculent une manière de voir le monde. Dans le cas présent, de se représenter la relation entre une marque et ses publics. Vous promettez « l’ exclusivité » ? Cela peut notamment signifier des correspondances très personnalisées, une signature manuscrite (les marqueurs non scalables sont toujours très appréciés). L’impression que vous voulez suggérer à vos clients tourne plutôt autour de la notion de « simplicité » ? Abolissez le jargon et les acronymes, préférez la forme active aux tournures passives, privilégiez les mêmes mots pour dire les mêmes choses.

Ce travail d’alignement entre empreinte d’expérience et marqueurs éditoriaux doit se faire simultanément sur les trois niveaux qui produisent du sens dans un support écrit, tel qu’ils ont été définis par le linguiste Gérard Genette. Le niveau textuel : le ton, les tournures, l’organisation des paragraphes. Par exemple : faut-il écrire « Chère Madame Dupont » ou « Chère Corinne Dupont » ou simplement « Chère Corinne » ? Comment remplacer ou expliciter les dénominations propres au jargon de votre activité ? Comme produire des correspondances qui anticipent le fait que l’on s’adresse à un homme ou à une femme, sans doubler toute la bibliothèque de modèles ?Vient ensuite la dimension paratextuelle, c’est-à-dire l’ensemble des éléments qui relèvent de la mise en forme : la typographie, l’interlignage, la charte graphique. Beaucoup d’entreprises disposent déjà de chartes sémantiques abouties, mais il arrive que celles-ci ne soient pas adaptées aux nouveaux canaux de la relation client. Viennent enfin, les marqueurs épitextuels. Ce terme désigne concrètement le support physique ou numérique de transmission : le grammage du papier et ses qualités écologiques pour un courrier print, le poids d’un email et son caractère responsive, etc.

2. Faites le test : vos clients ne vous comprennent pas (tout à fait) !

Une fois les prototypes établis en tenant compte des impératifs internes de l’entreprise, il faut les tester. Cette phase de test et de stabilisation est souvent riche d’enseignements. « Si on m’indique un numéro de téléphone sous le nom de la conseillère, je dois pouvoir appeler et demander cette conseillère » débute Matthieu ; « On n’est pas des numéros de dossier ! » s’exclame Julie ; « Je ne comprends pas ce mot », souligne David : se confronter au regard de ses clients sur ses points de contact écrits, c’est bien souvent tomber de haut ! Plusieurs ateliers « test & learn » d’analyse des correspondances existantes et d’affinage des propositions de reprises peuvent se révéler nécessaires pour ajuster des correspondances prototypées. Marques d’empathie qui sonnent creux, formules trop solennelles, promesses de gestion dédiée de dossiers en décalage par rapport à la réalité de l’expérience vécue : d’un point de vue éditorial, le sonar client est réglé sur ultrasensible !

3. Rationaliser la bibliothèque de modèles de correspondances

Les acteurs de la relation client disposent souvent de bibliothèques de correspondances énormes. Il n’est pas rare de voir plusieurs centaines, voire plusieurs milliers de modèles. Ces bibliothèques sont d’abord le fruit d’une lente sédimentation des offres, des Business Units, des « moments » de la relation client. Mais aussi d’un redoutable coefficient multiplicateur des canaux : la même étape d’un parcours client peut se traduire par un courrier papier, doublé d’un SMS, triplé d’un email, quadruplé d’un formulaire pour l’espace personnel. Et c’est sans compter les entreprises qui ont fait le choix d’une bibliothèque jumelle de contenus (c’est souvent le cas des bibliothèques RH) : un modèle au masculin, un modèle au féminin.

Aussi, une fois les prototypes finalisés, il est indispensable de passer à la rationalisation. Établir une bibliothèque limitée de correspondances de référence, emblématiques de l’expérience client visée et produire un maximum de paragraphes types et combinables entre eux, plutôt que des correspondances intégrales !

4. Restituer le sens pour inscrire le changement

Reste alors un dernier défi à relever. Celui de faire vivre cette bibliothèque de contenus. De s’assurer de l’alignement durable entre expérience client et marqueurs éditoriaux. En effet, l’entreprise vit et ses écrits vivent avec elle. Dès lors, il est indispensable de restituer le sens de la démarche aux équipes internes qui prendront le relais, ainsi qu’à celles qui sont amenées à générer de nouveaux modèles de contenus. L’édition de versions annotées de correspondances emblématiques, la formation de référents éditoriaux (les « Maitre Capello » de l’entreprise), ou encore les outils de blended learning permettent de s’assurer de cet ancrage d’écrits au service véritable de l’excellence relationnelle.

Nicolas de Chalonge, responsable du développement de Mots-Clés

Dr Raphaël Haddad, linguiste, directeur associé de Mots-Clés

Comment mesurer la Culture de Service et ses effets sur les Clients ?

Mesurer en interne sa Culture de Service

Chaque marque développe sa propre Culture de Service. Profondément liée à l’ADN de la société, la Culture de Service guide l’engagement des collaborateurs dans leurs relations aux clients.

Pour s’assurer de l’ancrage de la Culture de Service dans l’organisation, il est nécessaire de la mesurer au moyen d’un baromètre interne permettant d’apprécier les progressions et de prioriser les actions de sensibilisation. Deux critères entrent en jeu dans l’évaluation : le niveau de diffusion et le niveau d’intensité de la Culture de Service, au sein de chaque département, entre eux, et dans la chaîne managériale.

La diffusion correspond au niveau de connaissance et d’appropriation de la Culture de Service dans les équipes. A quel point les collaborateurs sont-ils sensibilisés dans le cadre de leurs activités ?

L’intensité correspond au niveau de pratique de la Culture de Service dans les équipes. Jusqu’où les collaborateurs croient à cette Culture de Service et la mettent en oeuvre au quotidien ?

Mesurer les effets de la Culture de Service sur les clients

Une Culture de Service appliquée doit se traduire concrètement pour les clients dans une facilitation de leurs démarches sur les parcours clients.

Pour mesurer les effets de la Culture de Service, les marques ont la possibilité de s’appuyer sur les six dimensions de l’indice de la facilité définis dans le C2ES, le Customer Employee Easy Score. Cet indicateur a été développé par Extens Consulting sur la base du CES, le Customer Effort Score.

Utilisé dans le cadre du baromètre clients, le C2ES permet d’évaluer l’influence de la Culture de Service dans la facilitation des interactions avec les clients, à plusieurs niveaux :

1. la compréhension des informations communiquées,
2. la navigation dans les démarches,
3. le relationnel avec les représentants de la Marque,
4. la digitalisation des actions réduisant l’effort physique,
5. la maîtrise du temps pour une réponse rapide,
6. l’évitement de dépenses financières supplémentaires dans la gestion des démarches.

En synthèse, la différentiation entre les marques se fait toujours davantage dans l’expérience promise et vécue par les clients. Mesurer la Culture de Service et ses effets est un très bon levier pour garantir dans le temps l’authenticité de la promesse faite aux clients.

Auteur : Emmanuel RICHARD, Directeur Général chez Extens Consulting

Intelligence Artificielle et relation client : une même quête de « sens » ?

On a longtemps opposé le monde « numérique et virtuel », au monde dit – par opposition – « réel et physique ». Pendant plusieurs années, ces deux univers semblaient en effet évoluer en parallèle comme s’ils n’étaient jamais amenés à se rencontrer.

Il semblait y avoir, en somme, deux routes bien distinctes et parallèles, ayant chacune ses propres règles, son propre code de la route, ses propres limitations de vitesse voire, dans l’esprit de quelques journalistes avisés, ses propres utilisateurs (!).

Aujourd’hui, chacun sait au moins que les utilisateurs sont bien, au fond, les mêmes. Ils empruntent simplement alternativement ces autoroutes, profitant de quelques bretelles d’accès, selon qu’ils veulent aller plus vite, éviter certains péages ou prendre le temps d’apprécier la route et le paysage.

La réalité, c’est que le monde vers lequel nous tendons tous est encore bien différent. Car ce monde ne distinguera pas deux routes. Elle sera la même, tout simplement.

Pour le comprendre, il suffit de saisir à quel point l’une et l’autre s’attirent en ce moment, mutuellement, comme de véritables aimants.

Le retailer physique, par exemple, se digitalise de plus en plus et ce, dans l’ensemble de sa chaîne de valeur : présence marketing sur les réseaux sociaux, digital signage, bornes connectées, achat d’espace mobile drive-to-store, showrooming, etc… Le néologisme « Phygital Commerce » témoigne à lui-seul de la fusion des deux autoroutes.

De son côté, le digital n’est pas en reste. Il tend, lui, à devenir de plus en plus tangible. Preuve à l’appui, Ali Baba, le géant chinois aux 30.7 milliards de chiffre d’affaires réalisés en 24h le 11 novembre dernier (le PIB annuel de la Lettonie !), s’est offert en 2017 la foncière de centres commerciaux Intime Retail. De son côté, Amazon – non content d’avoir racheté l’enseigne Whole Foods il y a deux ans, vient de lancer sa propre enseigne physique « 4-Star », où les produits les mieux notés par les clients eux-mêmes sont présentés sur étagères.

Cette tendance de fond illustre bien une chose : l’expérience humaine (et non plus uniquement virtuelle) est une obsession des acteurs du web.

Mais pour réunir les deux autoroutes, il existe en réalité deux voies : la première consiste à faire profiter l’expérience physique des atouts du digital. La seconde à rendre l’expérience digitale de plus en plus humaine.

Et sur ce créneau-là, les géants du numérique donnent la cadence. Leur atout majeur ? L‘intelligence artificielle (IA).

L’IA, comment ça marche ?

Démystifions tout de suite la chose. L’IA n’est pas franchement intelligente. Elle est-même franchement stupide, à en croire les propos même d’Andrew Moore, le patron de l’IA chez Google Cloud.

Pour autant, avouons-le sans ambages, elle est déjà capable de véritables prouesses (pour une machine à tout le moins).

La logique est assez simple car basée sur le modèle d’apprentissage aristotélicien : le cerveau humain a ceci de particulier qu’il est capable d’extraire des schémas directeurs à partir d’exemples. C’est cette approche que les algorithmes dits de « Machine Learning » adoptent : montrez à la machine suffisamment d’exemples, supervisez son apprentissage (disons en lui donnant un sucre si elle a bon), elle sera alors capable d’en extraire des caractéristiques clés, socles de ses décisions futures.

Mieux : plus elle sera nourrie d’exemples, plus elle sera douée. Seuls changeront alors ses algorithmes (plus complexes, multicouches, on les appelle de Deep Learning), et les capacités de traitements des machines (vitesse des processeurs et capacités de stockage des serveurs pour faire simple).

C’est exactement ainsi que fonctionne la reconnaissance d’images par la machine notamment utilisée dans les véhicules autonomes : des millions de photos d’un objet en basse résolution sont fournies à la machine. Celle-ci la décompose de façon très mathématique : pour elle, elles ne sont qu’une somme de pixels, remplis, ou non. En réunissant les pixels, la machine « constate » un schéma récurrent : lorsque dans une partie de l’image se trouvent agencés d’une certaine façon un certain nombre d’entre eux, elle « reconnaîtra » une forme, par exemple, de roue. Dans une autre partie de l’image, un rétroviseur, etc… L’humain ayant étiqueté l’image au préalable (c’est-à-dire en lui donnant un nom), ici de « voiture », la machine sera capable de savoir que pareil agencement de pixels correspond à l’image d’une « voiture ».

Bien sûr, parfois, au début, elle se trompe. Alors, l’homme l’éduque en lui disant « non, ici, tu te trompes, ce n’est pas une voiture ». Avec cet apprentissage par essai-erreur, l’algorithme est en mesure de s’autorégler. Jusqu’à ce que, de façon satisfaisante, il ait statistiquement souvent raison.

Comprenez bien toutefois avec cet exemple que la machine sait dire « voiture ». Elle ne sait pas ce que c’est, à quoi ça sert, à quoi ça pourrait servir de façon détournée (par exemple de barricade), etc…

Cet apprentissage aristotélicien n’a en revanche rien à voir avec l’apprentissage platonicien : une machine ne sait pas apprendre en formulant des hypothèses. Elle tire ces schémas de ses expériences…

L’exemple que nous avons donné est tout aussi vrai dans le domaine de l’analyse prédictive : la machine étant capable d’élaborer des caractéristiques communes entre des photos, elle peut aussi le faire entre des événements. Ainsi, elle sera en mesure d’établir des corrélations (invisibles pour nous !) entre des éléments n’ayant a priori aucun rapport entre eux. Elle serait, par exemple, théoriquement capable de savoir que les ventes de barbecues rouges vont être boostée dans un magasin s’ils sont à droite en entrant, à 49.90€ (plutôt qu’à 48€ !), si la température extérieure est comprise entre 18° et 21° et que la pression atmosphérique est faible.

C’est sur ces mêmes principes que fonctionne la reconnaissance vocale : la machine décompose de façon tout aussi mathématique un son, avec sa longueur d’onde et sa fréquence hertzienne jusqu’à établir le lien avec (i.e. reconnaître) un phonème, puis une syllabe et un mot.

L’IA en quête de sens

Une autre discipline de l’IA consiste ensuite à donner du sens à ce mot, d’un point de vue linguistique. Celle-ci se nomme le « traitement automatique du langage naturel ». C’est ce pan de l’IA qui nourrit les fameux chatbots (agents conversationnels) censés entrer en relation, en langage naturel (par opposition au langage informatique codé), avec l’humain.

L’état de l‘art reste toutefois très limité en la matière puisque tout ceci reste dans le domaine du « question/réponse » ou « question/action ».

Il n’y a d’intelligence en la matière que dans la capacité pour la machine de savoir que derrière 1 000 façons de poser une question se trouve en fait … la même question. Il suffit alors à la machine d’aller extraire la réponse dans une base de données configurée pour apporter une réponse scénarisée (moteur d’inférences : SI telle question est posée ALORS apporte telle réponse).

Contrairement toutefois à ce que l’on pourrait penser, l’IA ne passe pas par la case « compréhension » de ce qui a été demandé : elle associe des sacs de mot à une requête et va chercher la réponse associée à ce sac de mots.

A titre d’exemple, lorsque vous demandez « à quelle heure arrive le train 6125 ? », ne pensez pas que la machine sait ce qu’est une « heure » (la notion de temps lui échappe complètement), pas plus qu’elle ne sait ce qu’est un train. Ce « sac de mots » lui permet de constituer une requête : « arrive » signifie qu’il faut que la machine regarde dans la colonne « arrivée » de la base et « train 6125 » signifie que la ligne à regarder pour elle dans la table de données est celle qui se nomme « 6125 ». Elle ne fait alors qu’extraire la donnée qui se trouve dans la case au croisement de ces infos (numéro de train & heure d’arrivée) et vous la présente en langage naturel : « le train 6125 arrive à 22h03 ».

Bref, le moteur vient d’exécuter une requête mais n’a rien compris, ni de la question, ni de la réponse. Il n’est pas du tout passé par la case « sens ».

En définitive, l’état de l’art technique est loin de la compréhension est l’IA reste bien en quête de sens.

Et la relation client dans tout ça ?

Outre l’agent conversationnel (enfin, on l’aura compris dans le descriptif ci-dessus, ce n’est pas franchement une conversation !) qui permet de dégrossir un peu le premier contact avec le client ou prospect sans l’obliger à taper sur la touche étoile de son téléphone, l’IA permet d’anticiper beaucoup de choses.

Ainsi, en dressant des schémas récurrents en face d’un profilage de clients clusterisés, elle permet d’identifier dans un email ou même une conversation orale non seulement les raisons d’un appel mais aussi le risque associé, le degré d’urgence, et d’y associer plus rapidement un humain si nécessaire.

On le sait, le domaine du SAV n’échappe lui non plus pas à la Loi de Pareto qui veut que 80% des appels concernent généralement les mêmes 20% de questions. Scénariser ces questions et y préparer les réponses automatisées adéquates est désormais chose aisée. Le désengorgement des services qui en découle est alors une évidence : la tâche de l’opérateur s’en voit enrichie puisque les sempiternelles mêmes questions sont laissées à la charge du robot pour ne poursuivre la relation humaine que sur les problématiques où l’être de chair et d’os a la plus forte valeur ajoutée.

Dans le même registre, la reconnaissance d’images permet aujourd’hui de traiter les réclamations manuscrites et autres documentations (documents d’identité, justificatifs de domicile, etc…) de façon parfaitement automatisée sans concentrer l’humain sur des tâches rébarbatives de simple saisie. Une étape clef de la relation client est alors automatisée pour fournir l’info pertinente directement à l’humain pour analyse.

L’analyse efficiente induit le recours à la raison et à ses subtilités. Elle permet notamment à notre esprit de nuancer et de faire preuve de discernement dans des situations à priori similaire.

On comprend dès lors que la quête de sens de l’IA actuelle ne s’entend pas nécessairement de la façon dont nous l’appréhenderions de prime abord. La quête de sens de l’IA est celle de la compréhension. L’IA est bête telle qu’elle existe aujourd’hui, c’est un fait. Elle fait des choses phénoménales, nous l’avons écrit plus haut, mais elle ne comprend pas ce qu’elle fait et par extension ni éprouve aucun plaisir. Elle n’est pas capable de raisonner car elle ne conceptualise pas les choses comme nous le faisons nous-mêmes.

Chez In Principio, laboratoire de recherche en IA, nous nous appuyons justement entre autres sur les sciences cognitives pour modéliser le cerveau humain. Autrement dit, nous rendons la machine capable de raisonner. Ne vous méprenez pas, nous ne parlons pas ici de science-fiction, de capacité pour la machine d’avoir une conscience d’elle-même, de ressentir des émotions et d’être de ce fait capable d’empathie. Non, il s’agit du Logos, au sens grec du terme.

Ainsi donc, la machine sera demain capable d’écoute, de distiller ses conseils en adaptant ses propos au profil de l’interlocuteur, d’expliquer, de présenter des bénéfices clients clairs, circonscrits et priorisés. Capable d’argumenter, elle pourra aussi négocier.

Ce sont les premiers pas de ce que les spécialistes appellent l’Intelligence Artificielle Générale (Artificial General Intelligence AGI).

Le client, en quête d’information, de produits, de services, pourra demain s’appuyer sur les compétences d’une machine à la fois nourrie des dires d’experts mais aussi capable d’en simplifier le propos. Tout simplement car elle aura « compris ».

Mieux encore, puisque c’est une machine, elle ne saura pas mentir à un client qui n’aura, de son côté, pas peur d’être jugé parce qu’il ne comprend pas et qu’il demande des éclairages à répétition sur des questions qui paraissent trop évidentes à des spécialistes jugeant dès lors peu important de les expliquer de façon didactique.

Croyez-le bien : les géants du numérique GAFAMI* et BATX** en tête tendent tous vers l’AGI. C’est eux qui font avancer le monde à marche forcée vers une relation homme-machine sans précédent dans l’histoire de l’humanité. Car non seulement ils y ont intérêt mais parce qu’il en va de leur survie même. En témoigne la guerre froide mondiale qu’ils se mènent en matière d’IA, à commencer par l’enjeu majeur du positionnement de leur enceinte intelligente (Echo, Home, Homepod, etc…) dans les foyers du monde entier. Car soyez-en sûrs, la relation client du futur sera conversationnelle et grandement automatisée ou ne sera pas.

*Google Apple Facebook Amazon Microsoft IBM ** Baidu Ali Baba Tencent Xiaomi

Auteur : Alexandre BARILLET

Bloggeur influenceur sur l’IA (@alex_barillet – http://www.inprincipio.xyz ), conférencier, co-fondateur du laboratoire de recherche fondamentale en IA « In Principio », administrateur d’enseignes retail et Directeur Business Development au sein du groupe Carrefour.

Auteur d’un essai et ouvrage de vulgarisation sur l’IA à paraître à l’été 2019.

L’invasion des Bots aura-t-elle lieu ?

« 85% des entreprises prévoient d’investir dans des robots conversationnels pour leurs interactions clients à l’horizon 2020 », « La proportion d’interactions humaines dans le champ des services clients sera réduite à 30% dans les deux prochaines années ».

Qui n’a pas entendu ces prédictions ? Qu’en est-il réellement ? Et de quoi parle-t-on ?

C’est quoi un Bot conversationnel ?

On parle ici de Bot à base d’Intelligence Artificielle, celui qui semble dialoguer naturellement, comprendre nos demandes et ne pas suivre une arborescence prédéfinie. Sans l’IA (et la compréhension du langage), le bot ne ferait pas plus parler de lui que le premier SVI.

Ces bots se déclinent sur différents supports et canaux :

• Le ChatBot [dialogue en mode texte], c’est l’automatisation du live chat et une extension du site web et de l’application mobile,
• Le CallBot [dialogue par téléphone], c’est l’automatisation du centre d’appels et une nouvelle génération de SVI,
• Le VoiceBot [dialogue vocal], il se démocratise avec les assistants vocaux des enceintes connectés et arrive dans tous les objets connectés, voire les robots.

Les points communs de ces bots sont pour le Client une disponibilité en autonomie 24×7 sans attente et pour la Marque une réduction de coût en soulageant les téléconseillers.

Deux visions du Bot Client

Deux fonctions se partagent la Relation Client avec sa vision du Bot et de son utilité : le Marketing porté par le digital et le Service Client supporté par l’humain.

Pour le Marketing, l’objectif est de donner envie et faire acheter en pilotant des ROIs & des taux de transformation.

Le Bot permet de maximiser sa présence sur tous les canaux vers un maximum de contacts pour dialoguer, recommander, informer et vendre. Ainsi, mettre un vendeur où il n’y en avait pas est une avancée pour la Marque mais aussi pour le Client qui s’informe en autonomie. Cela explique l’explosion des bots Marketing, principalement ChatBot (depuis le web domaine du marketing) et récemment VoiceBot (utilisé comme nouveau média de communication).

Du côté du Service Client, l’objectif est d’assister et résoudre les problèmes en suivant des QS et des temps moyens de réponse.

Le client s’attend à une obligation de résultat contrairement à la proposition de moyen du marketing ; et cela change tout.

Les Bots du Service Client

Mettre un bot entre l’agent et le client, quel que soit le canal, est générateur de frustrations si le service n’est pas pertinent et bloque le contact humain attendu.

Le Bot doit proposer des opérations simples et fluidifier la mise en relation avec un conseiller avant d’essayer de résoudre des problèmes complexes.

Une piste pour un ChatBot ou CallBot qui a du sens :

• identifiez les motifs de contacts (téléphoniques ou chats) répétitifs et automatisables,
• commencez par reconnaître un motif (une intention),
• traitez uniquement cette demande et passez la main à un agent pour tous les autres cas,
• optimisez la reconnaissance, observez les autres motifs,
• ajouter un nouveau service et recommencez.

Si vous disposez d’un SVI, transformez-le en CallBot, en remplaçant les menus par des intentions reconnaissables et suivez le même processus.

Le Bot de demain

Une fois votre ChatBot ou CallBot adapté, rendez-le accessible depuis l’assistant vocal de l’enceinte connectée de vos Clients pour plus de proximité et moins de trafic sur le centre de contacts. En effet pourquoi appeler ou écrire si le Bot est déjà à portée de voix ?

Pour le Client, c’est plus de spontanéité et de simplicité sans effort pour contacter la Marque tout en faisant autre chose.

Pour la Marque, c’est traiter des demandes en dehors du Centre de Contacts avec une reconnaissance automatique du Client. De nouveaux services personnalisés pourront utiliser les informations de contexte d’utilisation (fournies par l’objet communicant) voire demain les données physiologiques du Client.

Comme les autres Bots, le VoiceBot doit passer la main à un conseiller dés qu’il ne sera plus dans son domaine de compétence – sans cela il n’y aura pas d’engagement Client.

En conclusion

Oui, il devrait y avoir plus de Bots sans obligatoirement d’impact sur les conseillers pour fournir des services inexistants aujourd’hui – beaucoup seront Marketing ou Serviciel.

Non,  le Bot ne remplacera pas de si tôt le conseiller Service Client qui « jongle » avec ses multiples outils non intégrés ou qui apporte un soutien empathique. Par contre, le bot lui filtrera les demandes importantes.

En fait, la prolifération des bots et des objets communicants augmentera mécaniquement les interactions (entrantes et sortantes) et le besoin à un moment ou à un autre de dialoguer avec un humain.

Et vous, où en êtes-vous de vos projets Bots ? Participez en 5 min. à l’enquête (Bot en France) et nous partagerons la réalité terrain avec vous prochainement.

Auteur : Eric Buhagiar, aiSperto