L’intelligence artificielle a bien évolué : traitement du langage naturel (NLP), apprentissage automatique (ML), agent virtuel intelligent (IVA), etc., présentent désormais des avantages tangibles quand il s’agit d’automatiser les centres de contacts et services desks des entreprises, et donc pas extension l’expérience et la satisfaction du client final. Voici trois exemples pour appuyer notre propos.
« Les technologies liées à l’apprentissage automatique représentent de vrais leviers d’optimisation des performances des centres de contacts. Leur impact et leur efficacité sont directement dépendants de la qualité des données disponibles, des objectifs des entreprises et de l’écosystème dans lequel elles évoluent. »
Bertrand LAFFORGUE, co-fondateur chez Konverso
Les algorithmes : champions pour identifier les problèmes récurrents de vos clients
De quoi s’agit-il ?
Le regroupement (clustering) est un concept de classification non supervisée. Cela signifie qu’un algorithme va, sans contrôle humain direct et sans information préalable, identifier des caractéristiques et propriétés récurrentes au sein d’une masse de données.
Pourquoi c’est utile pour la gestion d’un centre de contact ?
Car cette technologie permet au responsable du centre de contact de prendre de la hauteur, comme si un audit externe était réalisé. Les algorithmes passent en revue des milliers de demandes textuelles grâce à leurs fonctions de traitement linguistique. Ils les regroupent en fonction de la fréquence des mots saillants et de la récurrence des problématiques.
Cela vient compléter les filtres déjà présents dans les solutions de CRM ou de ticketing, et fait émerger des problématiques récurrentes qui n’étaient pas forcément visibles dans le quotidien opérationnel. Certaines entreprises s’appuient également sur les algorithmes de regroupement pour identifier les ressemblances entre plusieurs incidents en cours et donc déclencher une escalade (incident majeur ou problème).
|
La preuve par l’exemple : quand Konverso identifie les incidents récurrents des utilisateurs de Pôle Emploi Objectif de la mission : procéder à un audit des données de Pôle Emploi pour faire émerger les priorités des utilisateurs. Situation initiale : un historique de plus de 100 000 tickets. Action mise en place : déploiement de l’algorithme de regroupement Konverso pour analyser la description courte des tickets et les regrouper en fonction de leurs caractéristiques communes. Résultat : identification des sujets récurrents dont les réponses pourraient être automatisées par un agent virtuel intelligent. Mission réussie pour Konverso ! « Nous avons bénéficié d’un accompagnement très réussi dans la phase d’audit et de cadrage du projet, qui nous a permis d’identifier la solution d’automatisation la plus adaptée à notre contexte et à nos données. » Jean-Claude DI MARTINO, Directeur Services et Déploiement de Proximité, Pôle Emploi |
Les algorithmes : accélérateurs de la classification et du triage intelligent des demandes clients
De quoi s’agit-il ?
Cette technologie de classification supervisée permet de déterminer automatiquement le groupe d’affectation d’un email, d’un ticket ou d’une valeur spécifique dans une commande d’achat par exemple. L’algorithme d’apprentissage automatique est dit supervisé car il reçoit des données textuelles déjà annotées, qu’il reprend et apprend. La classification pouvait être jusqu’à présent « automatisée » via des règles. Mais pour nombre d’entreprises, la gestion de ces règles est devenue trop lourde et complexe. Il est temps de passer au machine learning pour automatiser.
Pourquoi c’est utile pour la gestion d’un centre de contact ?
Car cela permet aux entreprises d’automatiser le routage des demandes utilisateurs ou clients. Cette technologie fournit des modèles prédictifs et automatise les processus répétitifs grâce à la prise en compte de l’historique de données. Les agents humains initialement responsables de la qualification et de la classification des tickets peuvent prendre en charge des missions à plus forte valeur ajoutée. De plus, la classification automatique réduit le MTTR (temps moyen de réparation), les taux de rebond et la classification erronée des tickets.
|
La preuve par l’exemple : quand Konverso optimise le routage automatique des tickets chez NowBrains Objectif de la mission : automatiser tout le processus de prise de contact, de qualification et d’assignation des demandes reçues par le support client de la société NowBrains. Situation initiale : 20 années de demandes suivies et catégorisées par le service client NowBrains Action mise en place : intégration de la plateforme conversationnelle Konverso au sein du système d’information NowBrains pour qu’elle prenne en charge toutes les demandes entrantes. Résultats : une intégration réalisée en à peine trois mois (printemps 2021), 300 à 400 tickets traités chaque jour dont 80% qualifiés par les algorithmes de classification Konverso, pour un taux de qualification optimale de 85% sur plus de 80 catégories. Encore un succès pour Konverso ! « L’équipe Konverso a comparé les résultats de plusieurs algorithmes de classification automatique, analysé les performances, optimisé et calibré le modèle final. Cette collaboration nous permet d’adopter l’approche optimale pour faire évoluer notre chatbot. » Yann POIRIER, Data analyst chez NowBrains Retrouvez le témoignage de NowBrains dans notre webinaire dédié au routage intelligent. |
Les algorithmes : boosters de satisfaction client grâce aux réponses automatiques
De quoi s’agit-il ?
Les algorithmes d’apprentissage par similarité sont capables de mesurer le degré de similitude entre deux éléments d’un même ensemble. A une question donnée, ils peuvent apporter une réponse adéquate, qu’ils vont puiser dans leur historique d’apprentissage supervisé.
Pourquoi c’est utile pour la gestion d’un centre de contact ?
L’apprentissage par similarité permet l’automatisation de cas d’usages variés notamment la réponse automatique à des questions fréquentes. Il faut savoir que 40% des appels à destination des centres de contact et d’assistance informatique portent sur des cas récurrents ou similaires. Le machine learning par similarité est une solution aussi fiable que performante pour automatiser les réponses à ces demandes ou incidents fréquents.
|
La preuve par l’exemple : quand Konverso prend en charge la réponse aux questions fréquentes des employés chez Veolia UK&I Objectif de la mission : automatiser le centre de contact et d’assistance informatique de Veolia UK&I pendant les premières semaines de la pandémie de Covid-19, afin de fournir un meilleur soutien aux équipes passant du bureau au télétravail. Situation initiale : un historique de données des live chats de Veolia. Action mise en place : intégration d’un agent virtuel Konverso au service desk Veolia, capable d’extraire les données des live chats pour apprendre à répondre aux utilisateurs, en s’appuyant sur les modèles de machine learning par similarité de Konverso. Le tout avec une supervision humaine du processus d’apprentissage. Résultats : des conversations de qualité et un agent virtuel qui traite rapidement de manière autonome 45% des sollicitations utilisateurs. Un soutien de poids en pleine crise sanitaire !
« L’agent virtuel de Konverso est un excellent complément à notre plateforme ServiceNow, afin de réduire les appels vers notre service desk. Combiné à notre live chat, il offre une expérience utilisateur numérique unique. » Russell PARKER, Service Desk Manager chez Veolia
Pour en savoir plus sur la success story Veolia : rendez-vous ici. |
Quelle que soit la technologie d’apprentissage automatique que vous choisissez d’utiliser, placer ses données au cœur de sa stratégie de son centre de relation clients ou utilisateur permet de profiter rapidement des bienfaits des algorithmes de machine learning. Commencez par un audit de votre maturité digitale pour identifier lesquels parmi les algorithmes de regroupement, de classification ou par similarité, seront les plus adaptés à votre besoin. Cela permet de mettre en place une feuille de route stratégique, de prioriser les solutions à apporter et de faire progresser l’automatisation de votre centre de contact, pour des résultats et retours sur investissement probants en seulement quelques mois !
A propos de Konverso
Konverso est une plateforme conversationnelle IA. Elle est répertoriée parmi les 10 premières plateformes conversationnelles du marché par la société de conseil et analyste de référence Everest Group. Les clients de Konverso ciblent plusieurs objectifs : réduire les appels vers les centres de contacts orientés employés ou relations clients, augmenter la satisfaction des utilisateurs finaux et réduire les temps de résolution et de traitement des incidents entrants.
