Lorsqu’un client choisit d’activer l’acheminement prédictif, il sélectionne un indicateur clé de performance (KPI) qu’il souhaite optimiser. Il peut choisir un KPI opérationnel (délai de traitement moyen, par exemple) ou un KPI de chiffre d’affaires (ventes, par exemple). Une fois le KPI sélectionné, l’IA de Genesys évalue les centaines de facteurs susceptibles de favoriser ce KPI en fonction du profil de l’agent, du profil du client, du profil d’interaction, etc. Avant qu’un client ne choisisse de mettre en œuvre ce nouveau protocole d’acheminement, l’IA de Genesys utilise une forme d’IA prescriptive pour en évaluer les avantages. L’IA prescriptive est définie comme une forme d’IA qui utilise des données pour déterminer la meilleure action possible en fonction de plusieurs facteurs. L’évaluation des avantages est une application unique de l’IA qui montre l’impact éventuel sur les KPI des clients. Une fois appliqué, l’acheminement prédictif a un impact quasi immédiat sur les KPI. C’est exactement ce pour quoi il est conçu.
L’IA prédictive pour obtenir de précieuses informations
Utiliser une prédiction à des fins d’automatisation est l’une des applications de cette forme d’IA au sein d’un centre de contact, mais ce n’est pas la seule. La possibilité de prédire un résultat permet aux personnes et aux systèmes de découvrir ce qu’un client, ou un collaborateur, est susceptible de faire ensuite. L’un des avantages d’un centre de contact est la grande quantité de données créées. Pour transformer ces données en informations, les fonctionnalités et capacités essentielles suivantes sont nécessaires :
- Une plate-forme sécurisée et des protocoles d’utilisation des données conformes à des directives éthiques et réglementaires rigoureuses
- Des pipelines d’IA intégrés qui utilisent les technologies les plus récentes pour assurer une vitesse et une précision optimales
- Une connaissance du domaine pour appliquer les nouvelles informations aux processus existants ou pour en créer de nouveaux, plus pertinents, utiles et économiques
Il est possible d’utiliser l’IA prédictive des manières suivantes :
- Les agents peuvent consulter les prévisions de résultats pour les clients lors de leurs interactions, ce qui leur permet d’avoir des informations sur les clients qu’ils n’auraient normalement pas en leur possession et donc d’orienter les conversations de manière plus personnelle.
- Les superviseurs peuvent utiliser les volumes numériques et d’appels prévus pour créer de meilleurs plans de ressources et plannings afin de répondre à la demande des clients.
- Les concepteurs de parcours l’utilisent pour créer des flux d’interaction et d’engagement afin d’interagir avec les clients de manière proactive par le biais d’offres et d’informations, comme la personnalisation d’un bot.
IA conversationnelle : une fonctionnalité fondamentale pour les centres de contact modernes
L’IA conversationnelle est le nouvel élément clé des centres de contact modernes. Conversations automatiques, assistants virtuels, bots : tous permettent de fournir un libre-service intelligent sur toutes les formes de canaux d’engagement. Ce qui a commencé sous le nom de SVI (appuyez sur 1 pour Oui, sur 2 pour Non) est devenu un moyen pour les consommateurs d’interagir avec une marque en utilisant leur propre langue et leurs propres mots, et de recevoir une assistance selon leurs propres termes. Tandis que l’IA prédictive est un élément essentiel, l’IA conversationnelle est une forme de la technologie qui a émergé pour aider à automatiser les conversations. L’IA conversationnelle a les mêmes racines que l’IA générative, mais son objectif est différent. Elle est utilisée pour les bots et dans les SVI pour garantir des conversations naturelles et contrôlées entre les clients et les marques. L’association de l’IA conversationnelle et de l’IA prédictive permet au concepteur de personnaliser les conversations sur la base d’informations plus approfondies. Par exemple, si un client a partagé ses données personnelles, il est aisé de le saluer par son nom et d’étendre éventuellement ce niveau de personnalisation en fonction d’autres caractéristiques faciles à identifier. Les conversations peuvent se dérouler comme suit : « Bonjour Bob ! » ou « Bonjour Bob ! J’espère que vous passez une agréable matinée. » « Bonjour Sally ! J’espère que votre après-midi se passe bien. » Grâce aux informations prédites intégrées à la conversation, celle-ci peut se dérouler comme suit : « Bonjour Bob ! Puis-je vous aider à trouver un nouveau produit ? » « Bonjour Sally ! Êtes-vous au courant de la remise de 10 % ? » Cela est désormais possible car l’IA prédictive nous a permis d’identifier que Bob est 90 % plus susceptible d’acheter de nouveaux produits que d’autres, mais aussi que Sally est sur le point de faire un achat et qu’une offre pourrait l’aider à franchir le cap. Bien que ces exemples utilisent des noms réels (impliquant une relation et des données auxquelles nous n’avons pas toujours accès), la personnalisation et la prédiction sans caractéristiques d’identification sont également possibles.
Les conversations doivent non seulement satisfaire les clients, mais aussi les aider
La plupart d’entre eux ont déjà essayé ChatGPT ou d’autres portails similaires. Il est amusant de demander à un portail de rédiger un blog sur un sujet ésotérique, d’obtenir un résultat agréable à lire, incluant même une ou deux blagues. Cependant, lorsque vous prenez en charge des clients, l’objectif est de les aider à résoudre leur problème rapidement et précisément, sans qu’ils aient à déployer des efforts considérables. Dans le cadre de son rapport « The State of Customer Experience », Genesys a demandé aux clients ce qui était le plus important pour eux. 55 % d’entre eux ont répondu vouloir avant tout une réponse rapide, tandis que 62 % ont déclaré vouloir bénéficier de services à tout moment sur le canal de leur choix. Les coupures d’appels, les canaux de service menant à une impasse et les obstacles au service humain sont autant de sources de frustration. Cette frustration liée au service a un impact émotionnel : 26 % des clients ont déclaré avoir perdu patience pendant une interaction, tandis que 12 % ont révélé avoir pleuré suite à une mauvaise expérience de service. Avoir une interface colorée, de la musique agréable ou des blagues générées par l’IA ne suffit pas à compenser une coupure d’appel, une mauvaise réponse ou pire encore, une absence totale de réponse. Un tiers des consommateurs déclarent avoir cessé de faire affaire avec une marque après une interaction négative avec le service. Les solutions d’IA conversationnelle sont entraînées pour fournir des réponses contextuelles et précises basées sur des données éprouvées et spécifiques à un domaine. Ces solutions vont souvent bien au-delà de simples conversations. Si elles utilisent l’IA pour comprendre la question et y répondre en conséquence, elles peuvent également :
- Aider à effectuer une tâche de suivi, comme planifier un rendez-vous, puis déclencher un processus d’alerte.
- Récupérer des données auprès de systèmes CRM ou d’autres systèmes opérationnels pour fournir des mises à jour d’état ou d’autres informations.
- Capturer et valider des informations de manière conversationnelle, puis utiliser ces données tout au long de l’interaction.
- Basculer sur d’autres canaux d’assistance, virtuels ou humains, tout en préservant la conversation et son contexte.
Dans un scénario de service, il est important que les bots connaissent leurs propres limites, comprennent les clients selon leurs propres termes et puissent aider ces derniers à résoudre leur problème, même s’ils doivent faire appel à quelqu’un d’autre pour ce faire. Si un bot ne fait que deviner les réponses, fournit des informations erronées ou tente de changer de sujet, on ne peut pas parler de bot de service, mais d’obstacle au service. Les cadres de construction de bots doivent disposer d’une base solide pour apporter de la valeur. Par exemple, un utilisateur professionnel doit pouvoir créer un bot capable de répondre à des questions, de faciliter les transactions ou d’agir en tant que concierge de service. Il faut instaurer des points de transition vers les agents ainsi que des accélérateurs tels que la recherche des intentions et les connaissances basées sur l’IA.
L’IA générative entre en scène
Avec l’arrivée des modèles d’IA générative dans les solutions d’entreprise, il a été possible d’utiliser le contenu (documents, conversations, etc.) de nouvelles façons. Dans les plateformes d’expérience client modernes basées sur le cloud, l’IA générative permet d’extraire des entités (qui, quoi) des conversations, ainsi que des sentiments. Il est aussi possible de l’utiliser pour résumer automatiquement les conversations. Beaucoup de choses ont déjà été écrites sur l’IA générative, et c’est un sujet que nous allons continuer d’explorer en vue d’offrir des expériences exceptionnelles aux clients et aux collaborateurs. La meilleure solution d’IA pour les entreprises n’est pas une solution intégrant un seul type d’IA. Il doit s’agir d’une solution à la fois utile et exploitable. Une solution « utile » :
- Accélère un processus sans le perturber.
- S’intègre au cadre de la solution globale.
- Est visible, contrôlable et ajustable en fonction des besoins de l’entreprise.
- Ne crée pas de nouveaux risques pour l’entreprise.
Une solution « exploitable » :
- Comprend une stratégie de mise en œuvre définie.
- Est rentable et assure un retour sur investissement éprouvé.
- Dispose d’un calendrier de mise en œuvre avec un résultat mesurable.
- Ne nécessite pas d’investissement important dans des spécialistes.
Si une entreprise souhaite intégrer l’innovation, l’efficacité et l’automatisation intelligente à sa stratégie d’engagement client, elle doit y inclure les disciplines d’IA prédictive, conversationnelle et générative. Pour en savoir plus sur l’IA de Genesys, consultez le webinaire à la demande « Unleashing the power and possibility of AI » (Exploiter la puissance et le potentiel de l’IA). Et découvrez comment cinq entreprises utilisent l’IA dans leurs centres de contact.
