Nous utilisons des cookies pour vous garantir la meilleure expérience sur notre site. Si vous continuez à utiliser ce dernier, nous considérerons que vous acceptez l'utilisation des cookies.
Le site de la transformation digitale des entreprises et de l’entreprise mobile par GPOMag
Intelligence Artificielle

Relation client : l’IA participe à la satisfaction client

Les attentes des consommateurs sont en perpétuelle évolution. Face à la croissance considérable et sans limite de la quantité de données échangées, les exigences clients en termes de réactivité, d’efficacité, et de pertinence se sont elles aussi densifiées. En cause, le besoin d’autonomie des utilisateurs, couplé à une demande d’attention et d’accompagnement pour certaines problématiques plus techniques et spécifiques.

Face à un tel besoin de réactivité et d’efficience, il est évident que le lien avec des technologies a été très vite établi. D’ailleurs, selon une enquête menée en 2018 par ServiceNow et Devoteam, 30% des entreprises européennes ont déjà mis en place des technologies d’intelligence artificielle pour gérer leur service client, un chiffre qui monte même à 38% pour les entreprises françaises.

Les Chatbots pour une relation client instantanée

Principale illustration de cette tendance, le recours de plus en plus important aux Chatbots et autres agents conversationnels. Les Chatbots permettent de traiter en automatique et en temps réel une partie des demandes des consommateurs. Avec un Chatbot, le service client gagne en efficacité : disponible 24h/24-7j/7, il apporte au client des réponses instantanées à ses demandes, tout en soulageant le service Client traditionnel. Avec le développement des technologies d’apprentissage automatique et d’analyse du langage naturel, les Chatbots sont désormais en capacité de traiter une variété toujours plus grande de demandes et de proposer des interactions de plus en plus pertinentes. C’est notamment le cas du Chatbot T-BoTT développé par la société MomentTech. « T-BoTT est un Chatbot intelligent et évolutif utilisant les technologies Deep Learning et d’analyse sémantique, explique Denis Escudier, directeur commercial de MomentTech. Il offre la possibilité, par apprentissage, de mettre en place des scénarios de discussions permettant la captation d’informations et la réalisation de tâches complexes. Nous avons par exemple développé un Chatbot d’aide à la vente pour une entreprise commercialisant de l’épargne salariale. Progressivement, grâce à sa capacité auto-apprenante en enrichissant sa data, il accompagne les conseillers patrimoniaux face à leurs clients en leur apportant ainsi des réponses étayées, argumentées et juridiquement recevables aux questions qu’ils peuvent se poser ».

Le CETIA a pour sa part développé un Chatbot pour une société industrielle qui propose du leasing à ses clients. « Les conditions d’attribution d’un leasing demandé par un partenaire dépendent de nombreux paramètres codifiés et définis dans des fichiers Excel, explique Pierre Charara, directeur du CETIA, centre d’excellence Tessi en Intelligence Automation. Le Chatbot qualifie la demande du gestionnaire au travers d’une discussion et fournit la réponse en évitant ainsi au gestionnaire de rechercher ces informations codées et éparpillées dans les fichiers Excel. Il gagne ainsi un temps précieux et peut prendre en charge davantage de demandes de partenaires ».

Amélioration de la connaissance client

Les Chatbots embarquant de l’intelligence artificielle sont donc de mieux en mieux à même d’apporter des réponses adaptées à la personne qui les interroge, et de les argumenter. Ils répondent ainsi aux attentes actuelles des consommateurs qui, de plus en plus, souhaitent être reconnus et bénéficier de services adaptés spécifiquement à leurs attentes. À cet effet, les entreprises ont besoin de tirer le meilleur parti de la connaissance client. L’un des chantiers majeurs de l’intelligence artificielle, au sein de la gestion de la relation client, reste ainsi sans aucun doute l’optimisation de l’analyse de données consommateurs, afin de mieux identifier leurs profils et habitudes de consommation.

Aujourd’hui, grâce aux apports du Machine Learning et du Deep Learning, un très grand volume de données provenant de multiples canaux (e-mails, site Web, réseaux sociaux, etc.), et jusque-là difficilement accessible pour l’humain, peut désormais être analysé et exploité pour offrir à la marque une vision à la fois unifiée et enrichie du client. Adossée à un logiciel CRM performant, cette connaissance à 360° dote l’entreprise de nouveaux moyens lui permettant de proposer au consommateur des réponses toujours plus ciblées à chaque nouvelle interaction et ce quel que soit le canal utilisé. Un enjeu auquel CaixaBank entendait répondre. La banque souhaitait notamment intégrer les données des succursales bancaires, des distributeurs automatiques de billets et des services bancaires par Internet et mobiles pour acquérir une compréhension complète des clients et offrir des solutions bancaires personnalisées, et ainsi, les fidéliser et gagner en compétitivité.

Elle entendait également améliorer son système de messagerie pour atteindre les clients plus efficacement et mieux les informer sur les nouveaux services et produits bancaires. « Une démarche dans laquelle les solutions Big Data d’Oracle nous permettent de nous inscrire, témoigne Luis Esteban Grifoll, directeur des données, CaixaBank. Désormais, nous intégrons l’ensemble des données clients quelle qu’en soit la source, ce qui nous permet de mieux les connaître, de mieux les comprendre, et ainsi, de leur proposer rapidement des produits et services adaptés à leurs attentes ». « En tirant parti de ces données et des habitudes clients, Caixabank déploie désormais des messages personnalisés et mieux ciblés », ajoute pour sa part Éric Vessier, Principal Sales Analytics Consultant chez Oracle.

Pour optimiser l’organisation de ses services de distribution des courriers, être au plus près des promesses de ponctualité et de régularité et ainsi améliorer la satisfaction de ses clients, le groupe La Poste vient pour sa part de mettre en production des algorithmes sophistiqués de Data Science. « L’utilisation et l’analyse des historiques de trafic a permis d’établir une classification des points de distribution en fonction de leur « consommation » quotidienne du courrier, explique Éric Vessier. L’adoption des technologies de Big Data s’est imposée pour traiter près de 23 millions de points de distribution, 40 millions de plis traités par jour, sur 300 jours d’activité par an ». Sous la direction des équipes du DataLab de La Poste, les Data Scientists, les experts métier et les spécialistes du Data Management (Data Engineers), ont utilisé les outils adaptés et choisis par le groupe La Poste (Oracle Cloudera, Python, DSS Dataiku) pour optimiser les tournées. « Ceci permet d’optimiser le parcours des facteurs, d’améliorer la qualité de la relation client et de délivrer de nouveaux services à valeur ajoutée (comme par exemple « Veillez sur mes parents ») », poursuit Éric Vessier.

Face à la valeur ajoutée et aux avancées apportées par l’IA au sein du processus de développement d’une relation client durable, il ne faut cependant pas négliger la dimension humaine qui reste encore la seule source de confiance. Le recours à l’IA doit donc être fait avec une certaine modération, au risque sinon d’amener les consommateurs à réagir négativement à des actions trop directives ou intrusives, voire à couper le lien avec la marque.

Anne Del Pozo collabore depuis près de 20 ans à différents magazines en qualité de journaliste. Elle y traite de sujets articulés essentiellement autour de la finance, des flottes automobiles, du voyage et du tourisme d'affaires ou encore des ressources humaines et du numérique. Anne del Pozo participe également à la rédaction de nombreux témoignages clients et de newsletters d'entreprise.