[Série IA] – Épisode 2 – Les cas d’usage de l’Intelligence Artificielle dans le service client

1. Écouter 100 % des appels pour en tirer des insights actionnables

C’est tout simplement la mesure fondatrice de l’Intelligence Artificielle dans le service client et commercial. L’IA passe en revue 100 % des appels et élimine donc les biais associés à l’échantillonnage limité. 

Ce diagnostic, basé sur des données exhaustives, favorise des décisions opérationnelles et tactiques pertinentes. C’est aussi un moyen de passer de la décision de flair et d’intuition à une décision 100 % Data – Driven.

Aucune mise en œuvre sérieuse de l’IA dans le service client ou commercial ne peut être envisagée sans commencer par ce cas d’usage dont découlent tous les autres. 

Chez Call of Success, nous aimons rappeler cette citation d’Albert Einstein : « Si j’avais une heure pour sauver le monde, je passerais 59 minutes à définir le problème et une minute à trouver des solutions ». 

C’est en analysant 100 % des conversations que l’on pourra par la suite mobiliser l’IA pour créer des supports de formation, orienter le coaching, travailler le wording des scripts, développer des modèles prédictifs pour anticiper les besoins des clients, suivre la conformité des échanges, etc.

Exemple concret pour ce cas d’usage

Dans une compagnie d’assurance, l’écoute de 100 % des appels par l’IA a révélé un lien significatif entre l'utilisation d’un jargon très technique par les agents des sinistres et la dégradation de plusieurs indicateurs clés de performance, notamment : 

• Le taux de résolution au premier contact ;
• Le Net Promoter Score (NPS).

Ces insights ont poussé la direction à mettre en place un programme de formation pour aider les agents à adopter une posture de vulgarisation et de pédagogie afin d’expliquer les procédures et les concepts de manière simple et compréhensible. 

2. Suivre les performances du service client en temps réel

L’IA permet de suivre et d’analyser la performance des agents pour obtenir des insights en temps réel et à la volée. Les managers peuvent générer des rapports personnalisés pour suivre la durée moyenne de réponse (DMR), le taux de résolution au premier contact ou encore la qualité de service (QS), les comparer dans le temps et entre les agents, les analyser avec des croisements de données et générer des recommandations personnalisées pour les améliorer.

Au-delà du fond, l’IA générative permet d’accéder à ces insights de manière intuitive, simplement en saisissant un texte en langage naturel, comme on le ferait face à un humain : « Quelle est la durée moyenne de conversation aujourd’hui ? ». 

Exemple concret pour ce cas d’usage

Un centre d'appels qui utilise l’IA identifie un problème au niveau du temps de résolution d’un problème particulier auprès d’un petit groupe d’agents. Ces derniers ont besoin de 25 minutes pour guider le client vers la résolution, contre une moyenne de 15 minutes pour l’ensemble du centre. 

Sur la base de cette information, le management propose une formation personnalisée à ce groupe d’agents et leur fait écouter des enregistrements d’appels où ce problème spécifique a été résolu en moins de 15 minutes.

3. Identifier les meilleures pratiques pour les généraliser

L'IA permet d'identifier les meilleures pratiques en analysant systématiquement les interactions qui mènent à des résultats positifs. 

Grâce à la retranscription et à l'analyse des conversations, l'IA peut détecter des schémas dans le langage, le ton, les techniques de vente ou les stratégies de résolution des problèmes qui caractérisent les interactions réussies. 

Par exemple, dans un service commercial, l'IA peut examiner les appels associés aux paniers les plus élevés pour en extraire les éléments clés de succès, que ce soit sur la façon de gérer les objections sur le prix, les mots qui ont eu un impact positif sur la décision des prospects, le timing de l’appel, etc. Dans un service client, il s’agira plutôt d’analyser les appels associés aux scores de satisfaction (NPS ou CSAT) ou encore aux clients les plus fidèles.

Exemple concret pour ce cas d’usage

Dans un centre d’appels, le manager interroge sa solution IA sur les points communs entre les conversations qui ont débouché sur les 10 plus grosses ventes de l’année. L’IA retrouve des éléments de storytelling, l’argument du ROI et l’évocation systématique d’un cas client qui présente un contexte similaire à celui du prospect.

4. Assurer la conformité des appels (à la loi et aux standards de l’entreprise)

L'IA permet de s'assurer que toutes les interactions respectent les réglementations en vigueur, notamment en matière de protection des données, de consentement du client et de transparence des transactions. 

Le suivi de la conformité favorise la confiance des clients, préserve l’image de marque de l’entreprise et lui évite des sanctions et pénalités potentiellement lourdes.

Les outils d’IA générative peuvent être entraînés et configurés pour détecter et alerter sur les risques de non-conformité en temps réel, par exemple : 

• L’oubli d’informer le client que l’appel est enregistré ;
• L’oubli de l’authentification des clients avant de poursuivre l’appel ;
• Le comportement des agents lorsque les clients fournissent des informations sensibles ou confidentielles par erreur, etc.

Exemple concret pour ce cas d’usage

Dans une banque, lors d'une campagne de promotion pour un nouveau produit d'épargne, la solution IA relève que les agents n’informent pas les clients sur les conditions de retrait et les pénalités pour accès anticipé aux fonds dans 15 % des appels. C’est pourtant une exigence réglementaire.

5. Affiner le coaching et mieux accompagner la montée en compétence des agents

L’identification des besoins de coaching et la préparation des sessions prennent cinq fois plus de temps que la mise en œuvre effective. Il faut en effet passer des heures à écouter les appels et/ou relire les retranscriptions, les résumés et les notes d’appels pour identifier les faiblesses et les points de friction. 

Cette approche manuelle prend des heures et n’est pas compatible avec le sur-mesure. Elle débouche forcément sur des sessions de coaching relativement génériques, surtout si le service client compte plusieurs dizaines, voire centaines d’agents.

L’IA analyse la tonalité, le choix des mots, la structure des conversations et la posture face aux objections pour identifier les faiblesses (et les forces) de chaque agent. Le manager peut l’interroger en langage naturel pour identifier des opportunités de coaching, mais aussi pour alimenter les sessions de manière ultra-personnalisée.

Exemple concret pour ce cas d’usage

Un manager voit la performance de l’un de ses meilleurs commerciaux baisser de 20 %. Il interroge son IA : « Pourquoi les ventes de Maxime sont-elles en baisse depuis 3 semaines ? Quels sont les 3 points sur lesquels je dois l’accompagner pour rectifier le tir ? ». 

L’IA identifie trois problèmes : 

• Le ton de la voix de Maxime est moins assuré que d’habitude sur le produit récemment lancé, ce qui suggère des incertitudes ou une maîtrise insuffisante de la nouvelle offre ;
• Maxime marque un temps d’arrêt de quelques secondes avant de répondre aux objections (pour réfléchir ou chercher la bonne information) ; 
• Maxime passe moins de coups de fil dans les créneaux où il est habituellement le plus productif.

6. Réduire les tâches manuelles post-appel et se concentrer sur l’essentiel

La documentation manuelle ou semi-automatique des appels (retranscription, prise de note, résumé…) est à la fois laborieuse et chronophage. L’automatiser par l’IA, c’est transformer radicalement l’efficacité opérationnelle du service client ou commercial et le doter d’un avantage compétitif majeur. 

L'IA assure la retranscription des appels dans toutes les langues, catégorise automatiquement les appels par sujet ou thématique, identifie les demandes ou plaintes récurrentes, détecte les mots qui génèrent un sentiment négatif (ou positif) auprès des clients et transforme les données non structurées en insights immédiatement actionnables.

Exemple concret pour ce cas d’usage

Dans un centre d'appels d'un grand distributeur de produits électroniques, la direction a mis en place une solution IA pour automatiser la retranscription des appels client. 

Avant cette intégration, les agents devaient consacrer 15 minutes par appel pour saisir manuellement les détails de la conversation dans le CRM. Avec l’outil, les conversations sont retranscrites automatiquement, en temps réel, et les transcriptions sont directement intégrées dans le CRM. 

Cette automatisation a permis de réduire le temps passé par les agents sur la documentation post-appel à moins de 5 minutes par appel tout en réduisant la fréquence des erreurs. 

La baisse du temps alloué aux tâches manuelles a permis aux agents de se concentrer sur la qualité du service client et de prendre davantage d'appels par jour.

7. Créer des assistants vocaux IA ou Callbots efficaces

Les requêtes qui parviennent au service client suivent généralement la loi de Pareto : 20 % des types de demandes déclenchent 80 % des appels. 

Ces requêtes récurrentes sont généralement simples et peuvent être résolues sans contact direct avec un agent humain. Elles sont donc parfaitement automatisables par un assistant vocal IA, ou Callbot, qui gère le routage vers les conseillers humains pour les requêtes complexes et qui prend en charge les demandes simples et usuelles.

S’ils étaient épinglés pour leur ton monotone et robotique, les assistants vocaux IA sont aujourd’hui plus humains. Le Deep Learning et la synthèse vocale neurale leur permettent de moduler leur ton, leur rythme et leur intonation pour exprimer des nuances subtiles et adapter le style de communication au contexte de l’appel, voire à l’état émotionnel perçu chez l’interlocuteur.

Ces Callbots allègent la charge des agents humains, notamment pendant les pics saisonniers, apportent un support client 24/7 pour les entreprises qui ont une vocation internationale et réalisent un routage intelligent des appels.

Cas concret pour ce cas d’usage

Un grand acteur des télécoms a mis en place une solution IA pour gérer les demandes récurrentes comme les vérifications de solde, les informations sur les forfaits, les questions sur le détail des factures et les procédures de paiement.

Un client appelle pour vérifier le solde de son compte et comprendre les détails de sa dernière facture. Le Callbot accueille le client et lui demande son numéro de compte pour accéder à ses informations. Après l'identification, le Callbot fournit les informations de solde, détaille les dernières charges sur le compte et mentionne les options de paiement disponibles. 

Le client pose une question sur une charge qu'il ne reconnaît pas dans sa facture. Le Callbot reconnaît la requête et explique la nature de la charge. Après avoir demandé au client s’il avait d’autres questions, il conclut l’appel, et l’IA enchaîne avec les tâches post-conversation.

💡 Call of Success vous accompagne

Le service client représente une priorité majeure dans les cas d’utilisation de l’IA dans les entreprises au cours des deux prochaines années, selon le State of AI Report (IDC). 

Les éditeurs investissent massivement pour développer des solutions IA appliquées à cet usage… et les chefs d’entreprise doivent décrypter une offre très large, peu accessible et parasitée par l’effet hype.

En tant qu’expert du centre de contact, Call of Success vous aide à diagnostiquer votre service client et commercial, à comprendre les solutions disponibles et à construire votre feuille de route IA au service de vos objectifs stratégiques.