L'IA décryptée : comment l'utiliser avec succès dans votre Relation Client

On a beaucoup écrit sur l'intelligence artificielle (IA) et ce qu'elle peut apporter aux entreprises, à leurs clients et à leurs collaborateurs. Malheureusement, trop de publications sur le sujet alternent entre l'exagération, la négativité et la confusion. 

Bien que la divergence d’opinion soit compréhensible, c’est aussi dommage. Surestimer ou sous-estimer les avantages de l’IA ne peut qu’empêcher les entreprises d’en tirer pleinement profit pour mieux servir leurs clients et créer de la valeur. Pour y remédier, nous apportons quelques éclaircissements indispensables sur la façon dont l’IA peut être utilisée dans la Relation Client pour bénéficier à la fois aux entreprises et à leurs clients.

 

LE POINT SUR L'IA

La première chose à savoir est que l’IA existe déjà, il ne s’agit pas d’une prédiction. Selon Gartner, et certaines études estiment que ce chiffre est plus élevé. 

We’re also going to see much more of it. Nine out of ten tech executives told Bain they view AI and machine learning as priorities they should be incorporating into their product lines and businesses, and Covid has persuaded many companies to accelerate this adoption.

 

QU’EST-CE QUE CELA SIGNIFIE POUR LA RELATION CLIENT ? 

L'utilisation de l'IA ne se limite évidemment pas à la Relation Client, mais nous allons nous concentrer sur ce secteur. Les applications possibles sont nombreuses dans ce domaine et en voici quelques exemples. Toutes créent de réelles opportunités pour mieux servir les clients, qu’il s’agisse de résoudre plus rapidement leurs problèmes ou personnaliser les offres commerciales.

  • Réduction des coûts : les chatbots pilotés par l’IA et le traitement du langage naturel (NLP) peuvent être utilisés dans les applications de service client automatisé pour contrôler les coûts tout en permettant un taux de résolution élevé au premier appel. Selon la dernière étude internationale de McKinsey sur l’IA, l’automatisation des centres de contact est l’un des cas d’utilisation les plus courants dans toutes les activités commerciales (avec l’optimisation des talents et l’automatisation des entrepôts) lorsqu’il s’agit de réduire les coûts opérationnels à travers le déploiement de l’IA.
  • Routage des appels plus efficace : avec l’utilisation des outils d’IA et différentes sources de données, allant des données démographiques aux données propres aux clients, les prestataires de services de Relation Client peuvent prédire quels conseillers, profils d’agents ou tonalités émotionnelles sont les plus susceptibles d’offrir une résolution rapide et au premier appel, de convertir une vente de créer une forte satisfaction chez les clients ou encore de réduire les scores d’effort client (CES). Les applications possibles couvrent tous les processus métiers, comme le service client, les ventes et l’assistance technique.
  • Offres et services personnalisés : l’IA et le machine learning, notamment l’analyse de la parole, peuvent fournir un ensemble d’informations prédictives permettant aux entreprises et/ou aux conseillers de proposer des offres personnalisées. Là encore, les possibilités couvrent toute une gamme de processus, du service client aux ventes en passant par le recouvrement de créances.
  • Amélioration du scoring et génération de leads pour les ventes ou le cross-sales :en utilisant des centaines de variables provenant à la fois de données générales (comme les données sur les ménages ou démographiques) et de données propres aux clients, les marques peuvent identifier des tendances et les utiliser pour vendre de manière proactive ou affiner leur approche commerciale vis-à-vis de différents clients, qu’il s’agisse du moment auquel les appeler ou de l’offre à proposer. L’ajout d’outils d’IA analysant la parole offre des options supplémentaires avec la possibilité de prédire en temps réel quels appelants du service client pourraient être ouverts à une approche de vente croisée ou de vente incitative.
  • Réduire le taux d’attrition : grâce à l’analyse prédictive pilotée par l’IA, les marques peuvent se faire une idée précise de la tendance à l’attrition de la clientèle. Les variables utilisées dans ces analyses peuvent inclure des données démographiques, l’historique des clients et l’analyse des conseillers, ce qui permet aux entreprises de mieux comprendre, entre autres, les caractéristiques des clients, leurs comportements ou les avertissements liés à des taux d’attrition élevés.
  • Améliorer les performances des conseillers et réduire le taux de turn-over des collaborateurs : des approches similaires à celles citées précédemment peuvent également être utilisées pour enrichir la formation et l’encadrement du personnel, en fournissant aux collaborateurs une meilleure connaissance des clients et des tendances, ou des compétences pour répondre à différents scénarios, ou encore les outils pour personnaliser en temps réel les offres clients. Ces éléments peuvent à leur tour contribuer à la satisfaction, les performances et l’engagement au travail, et ainsi réduire le turn-over. Les responsables peuvent également utiliser les informations sur les performances des conseillers pour faire évoluer les approches en matière de fidélisation et de reconnaissance.

 

ALORS, POURQUOI LES AVIS SONT-ILS PARTAGÉS SUR L’IA ?

Lorsque les applications d’IA sont clairement définies et approuvées, il est peut-être surprenant de constater le scepticisme et l’ambiguïté qui les entourent et qui sont courants dans la recherche et les médias. Par exemple, la même étude de Bain indiquant que 90 % des cadres du secteur des technologies considèrent l’IA comme une priorité, a également révélé que près de neuf personnes sur dix n’étaient pas satisfaits de l’approche actuelle de leur organisation en matière d’IA.

De nombreuses raisons peuvent expliquer la prudence ou la désillusion des gens vis-à-vis des approches actuelles de l’IA. L’une d’entre elles est que leurs attentes à l’égard de l’IA et des données sont trop élevées : ils s’attendent à ce que les algorithmes révèlent des vérités et des solutions cachées alors qu’il s’agit plutôt de modélisation. Pour citer un article récent de Mind Fintech “A model created on the basis of machine learning can be efficient in prediction or categorization  … but will not explain the phenomenon it is supposed to predict or realize.”

Les entreprises qui comprennent cette distinction sont mieux placées pour exploiter la puissance de l’IA en la considérant comme un outil qui soutient la stratégie plutôt qu’un substitut à celle-ci. Reprenons l’exemple de la réduction du taux d’attrition : l’IA peut vous aider à identifier et analyser la propension à l’attrition, mais ne donnera pas une stratégie innovante permettant d’y remédier. C’est là que l’humain entre en jeu.

 

COMPRENDRE LES PROBLÈMES ET LES OBSTACLES 

Un autre souci que les entreprises doivent mieux appréhender est le fait que la qualité des résultats de l’IA dépend de la qualité des données fournies. Les problèmes peuvent être liés à la fiabilité (présence d’erreurs dans les données), l’éthique des données (existence d’un biais dans les algorithmes ou les ensembles de données) ou au contexte (par exemple, les données avant ou pendant la Covid peuvent ne plus être appropriées dans cette nouvelle normalité). 

Il pourrait également y avoir des problèmes liés aux silos organisationnels. Nous avons parlé précédemment de l’utilisation de données spécifiques aux clients et aux consommateurs pour l’analyse prédictive. Idéalement, ces données doivent donner une vision globale des interactions des clients avec la marque, pas seulement leur activité avec les équipes de Relation Client, mais aussi les autres départements : ventes, marketing, finances, magasins ou bureaux... Les entreprises qui sont à la traîne en matière d’intégration back-end et front-end et n’ont pas une vision globale des données clients manquent une occasion de faire mieux en matière d’IA.

 

BIEN CHOISIR LES PROCESSUS ET LES PERSONNES 

Deux autres raisons courantes de déception quant aux résultats de l’IA concernent les processus et les personnes. 

En ce qui concerne les processus, les entreprises peuvent adopter l’IA à trop petite échelle, en essayant d’automatiser un seul processus existant, ou à trop grande échelle, en réinventant toute leur activité. Le constat de McKinsey est le suivant : « Aucune de ces voies ... ne peut apporter le niveau ou la vitesse de changement dont les entreprises ont besoin pour se développer et prospérer à l’ère digitale ».

Sur le plan humain, les entreprises peuvent manquer de ressources internes pour mettre en œuvre l’IA avec succès. Pour citer à nouveau Bain : « L’IA est complexe à mobiliser, et il peut être difficile de l’amener à faire réellement ce que les entreprises ont besoin qu’elle fasse. De nombreux dirigeants pensent ne pas disposer des talents nécessaires pour y parvenir ».

La solution à ces problèmes est triple :

  • demander de l’aide aux experts, aux prestataires de services BPO qui utilisent déjà des outils et processus basés sur l’IA
  • être clairs et précis dans vos objectifs, si vous cherchez à optimiser les coûts, réduire le taux d’attrition, générer de meilleurs prospects ou tout autre objectif spécifique 
  • être prêts à soutenir vos processus d’IA en apportant les changements organisationnels nécessaires, tels qu’une meilleure intégration du back-end et du front-end ou des données de l’ensemble de vos opérations.

 

L’équipe de Comdata est là pour vous aider sur ces trois points.

Carrière

Rejoignez nous et ensemble façonnons demain

NOUS FAISONS BOUGER LES CHOSES

Ne soyez pas timide, on sera ravi de vous aider!

De quoi souhaitez-vous discuter ?
Retour haut de page