La collaboration entre les humains et les bots améliore l’expérience client

Les chatbots ont amélioré l’efficacité de nombreuses transactions. Ils sont parfaitement adaptés lorsque les clients ont besoin d’une réponse rapide à une question simple, telle que « Quel est mon solde ? ». Toutefois, si vous avez déjà eu une « conversation » frustrante avec un bot en ligne ou au téléphone, vous savez que ces derniers ont des limites. Ce qui soulève la question suivante : comment créer de meilleurs bots, et comment faciliter et fluidifier la transition du client vers un agent humain ?

Tout repose sur l’expérience client

Les experts en développement de bots s’accordent à dire que les efforts liés à la création d’une expérience satisfaisante doivent commencer par le client. Cela peut sembler évident, mais combien de fois avons-nous conçu des systèmes réellement adaptés à nos processus ?

Nous devrions systématiquement commencer par l’utilisateur. Discutez avec vos agents pour identifier les questions posées par les clients. Quels problèmes rencontrent-ils le plus souvent ? Analysez ensuite les interactions du centre de contact auxquelles les clients ont attribué les meilleures notes. Autrement dit, commencez par faire vos devoirs.

À vrai dire, avec l’émergence de technologies prometteuses comme l’intelligence artificielle, l’IA conversationnelle, l’apprentissage automatique (le machine learning, souvent abrégé ML) et la compréhension du langage naturel (le natural language understanding, NLU, ou CLN en français), il est facile de perdre le client de vue. Aussi prometteuses que soient ces technologies, la conception d’une solution commence par une feuille de route du parcours client. Les responsables de centre de contact doivent établir des directives pour savoir ce que les bots sont capables de faire et quand ils doivent transférer les conversations à un agent humain.

Les problèmes urgents ou qui nécessitent des informations sensibles doivent être immédiatement transférés. Par exemple, lorsque qu’une personne déclare « Je viens de perdre mon billet de train et je dois embarquer dans le prochain train. Que dois-je faire ? », elle ne souhaite pas s’entretenir avec un programme logiciel. C’est pour cette raison que les développeurs d’IA habilitent les bots à tenir compte du contexte, à l’aide de mots exprimant l’émotion, l’urgence ou la frustration. Lors de l’élaboration d’une interaction entre l’humain et le chatbot, les développeurs doivent définir de tels marqueurs pour aider le bot à déterminer le moment où un appel doit être transféré.

Pour une expérience réussie, il est essentiel de permettre au client de décider du moment où il est transféré à un agent humain. Cette option doit idéalement être accessible à tout moment du processus de contact. De nombreuses entreprises préviennent les clients dès le départ qu’ils interagissent avec un agent virtuel et expliquent comment le bot peur les aider. Cependant, il est conseillé de proposer une porte de sortie rapide, comme un bouton « parler à un conseiller ». Toutefois, avant le transfert, assurez-vous de collecter et de transférer toutes les informations déjà partagées par le client. C’est rageant d’avoir à tout recommencer lorsque l’agent en direct prend le relai.

L’entraînement de vos bots

Des bots performants sont entraînés par des humains performants. Aussi perfectionné que soit le logiciel, ses performances dépendent des informations qui lui sont fournies. (Vous avez sans doute entendu l’expression « garbage-in, garbage-out » ou son acronyme, GIGO (si les entrées sont mauvaises, les sorties le sont aussi). Lorsqu’ils rencontrent des difficultés, les bots doivent de nouveau être entraînés. Identifiez le moment où les bots perdent le client, comme lorsque l’appel prend fin ou que le client demande à s’entretenir avec un agent en direct. Le bot a-t-il été en mesure de comprendre le client ? A-t-il pu répondre à la question spécifique qui lui a été posée ? Si ce n’est pas le cas, a-t-il transféré rapidement le client à un agent humain ?

Pour commencer, analysez les interactions bien gérées par des agents humains. Ensuite, utilisez vos meilleurs agents pour vous aider à entraîner vos bots. De nos jours, les bots peuvent même apprendre des conversations entre les clients et des agents humains en « écoutant » les conversations en temps réel et apprendre comment les agents humains répondent à ce que les clients disent au téléphone ou saisissent dans la boîte de dialogue.

Comme l’explique Mikhail Naumov, co-fondateur et directeur de la stratégie chez DigitalGenius, dans cette publication Tech Target, les bots avec IA et apprentissage automatique peuvent apprendre au fil du temps comment répondre à un client lorsqu’ils sont entraînés en continu par des humains. « Plus les agents humains aideront à entraîner l’IA en confirmant ou corrigeant les résultats, plus l’IA et ses algorithmes apprendront et prendront leurs propres décisions éclairées ».

La nouvelle génération

Les bots vont-ils entièrement remplacer les humains ? Certainement pas. Mais le cas échéant, l’avenir proche laisse augurer des bots beaucoup plus sophistiqués grâce au NLU et à l’IA conversationnelle. Imaginez des bots capables de comprendre l’intention sous-jacente à la demande d’un client, de résoudre les problèmes immédiats, de répondre aux questions de suivi, d’apprendre comment améliorer ses performances futures, pour économiser du temps et de l’argent tout en améliorant l’expérience client.

« Nous devons trouver une solution axée sur l’humain et intelligente du point de vue conversationnel, explique Kathryn White, responsable des services d’innovation client chez Accenture. Un chatbot qui comprend non seulement la façon dont les humains parlent, mais qui détecte et interprète également le ton et le contexte ».

Selon Kathryn White, au cours de l’année prochaine, les bots seront capables de prendre des mesures pertinentes dans un contexte approprié sans avoir besoin d’une intervention humaine. Il reste cependant à procéder à l’intégration sur différentes interfaces et écosystèmes d’IA, mais une fois que ce sera fait, explique-t-elle, nous aurons des bots capables de s’appuyer sur des interactions passées et, en substance, de « mémoriser » le contexte et de répondre au client en fonction de ces connaissances.