Selon une étude de Forrester, 72% des consommateurs affirment préférer trouver une solution à leur problème en toute autonomie, plutôt qu’avoir affaire à un service client.
L’efficacité d’abord
Lorsqu’un client est en contact avec le SAV d’une société, il n’est plus du tout en mode exploratoire. Il a une interrogation précise – savoir où est sa commande – ou un problème à résoudre – faire une réclamation -. Dans ce cas d’usage, encore plus que pour tout autre, le chatbot doit être direct, précis, exact.
Les fonctionnalités recommandées dans ce cadre vont être celles qui vont permettre à l’utilisateur d’aller au plus vite. Cela implique de l’aider à limiter ses propres saisies. Cela implique aussi de le guider au maximum et de lui proposer tous les raccourcis possibles. Le top connaissances va proposer les questions les plus fréquemment posées. Grâce à des arbres de décisions, il sera possible d’articuler toutes les sous-questions nécessaires pour cadrer au mieux le problème rencontré pour pouvoir donner la réponse attendue. Il pourra aussi faire appel à des variables. Ce sont des données utilisateurs explicites, récupérées dans la conversation ou provenant du contexte du chatbot (page ou application utilisée). Cela permet de fournir une réponse circonstanciée en fonction de ces éléments.
Grâce au slot filling, il pourra se focaliser uniquement sur la récupération des informations nécessaires à l’avancée du dossier : code erreur, description du problème, magasin de dépôt de l’appareil… Cette fonctionnalité permet de définir des intentions qui nécessitent que l’utilisateur fournisse un certain nombre d’informations avant que le chatbot ne fournisse une réponse. S’il manque une ou plusieurs informations, le chatbot va demander dynamiquement à l’utilisateur de les renseigner.
Via les règles de ciblage comportemental, l’utilisateur peut être sollicité spécifiquement par le bot. Ainsi, si l’url de la page contient le nom du produit, il pourra lui afficher les pannes les plus fréquentes. Ceci, soit dès qu’il arrive sur la page soit au bout de quelques minutes d’inactivité.
Du début à la fin, il convient de guider l’utilisateur jusqu’à l’aboutissement de sa démarche. On pourra systématiser le bouton suivant/précédent. On prévoira une page récapitulative de la conversation. Enfin, on s’assurera de sa satisfaction grâce au questionnaire de satisfaction paramétrable pour chaque réponse du bot.
Intégration directe au processus de l’entreprise
Surtout, on conseillera de calquer la structure de la conversation sur les processus de réclamation en vigueur dans l’entreprise. Que ce soit dans le cadre d’une déclaration d’incident, de panne ou d’une simple déclaration d’insatisfaction…
La connexion aux outils utilisés dans le traitement s’avère assez fondamentale dans ce type de cas d’usage. En amont, pour récupérer les informations de qualification de l’incident et/ou le dossier client ; en aval pour tout ce qui permettra le suivi et la clôture du ticket.
On peut aussi prévoir tout un travail de gestion via le bot. Par exemple, dans le cas de panne d’électroménager, l’appareil fait apparaître un code erreur. Indiqué dans le bot, celui-ci pourra aller récupérer le motif de la panne et les modalités de prise en charge. Ces informations ne seront pas forcément utilisées dans la conversation. Elles pourront cependant conditionner les démarches proposées par le bot en fonction de la prise en charge ou non de la panne.
De plus en plus d’entreprises analysent finement toutes leurs interactions clients et historisent tout dans le cadre de leur CRM. Il est ainsi possible via des API ou web services d’envoyer les conversations au CRM. Cela permet de documenter toute la chaîne de traitement d’une réclamation ou d’un incident. Enfin, cela contribue à une vue exhaustive du client.
En soit, avoir une solution de selfcare poussée qui peut prendre en charge directement – à tout heure du jour ou de la nuit – le service après vente de vos produits ou services, a de nombreux avantages. Cette solution, couplée à la possibilité d’escalader en temps réel sur les heures ouvrées ou en différé via la création de tickets (soit dans un chatbot, soit dans un callbot) vers des agents humains, complète un dispositif qui garantit une solution à tous vos clients, tout en permettant d’optimiser vos coûts.
Analyser pour créer un cercle vertueux
La satisfaction client est unanimement reconnue comme un critère fondamental de la fidélité et donc du revenu à moyen et long terme des entreprises… C’est particulièrement vrai à l’heure où changer de marque peut se faire en quelques clics.
L’analyse des données du chatbot est une source importante de ce qu’on qualifie de “Voice of Customer” (VOC). La revue des types de problèmes remontés, le nombre et temps de résolution via le bot, le nombre d’escalades vers un opérateur, l’analyse des motifs d’insatisfaction dans le bot… Vous disposez de très nombreuses données pour optimiser en continue vos processus et vos coûts. Vous pouvez constamment améliorer la qualité des interactions en relisant les conversations et aidant votre bot à affiner le matching avec les réponses. Aussi, grâce à la consultation des raisons d’insatisfaction, vous pourrez adresser les sujets où c’est la réponse apportée qui ne convient pas.
Enfin, l’analyse des comportements sur les environnements du bot et dans le bot lui-même vous permettra aussi d’optimiser les interactions avec les agents de votre dispositif – livechat ou escalade vers un conseiller au téléphone.
En conclusion, grâce au bot vous pourrez minimiser ou rendre plus efficaces les escalades et aurez ainsi un impact positif sur vos opérations et sur vos coûts.
Partagez cet article !
