Comment se déroule un projet callbot ?

Vous souhaitez automatiser les appels simples et répétitifs de votre service client avec un callbot ? Si les chatbots sont souvent généralistes, le standard téléphonique virtuel répond à des cas d’usage très précis, comme la souscription de contrat, la déclaration d’incident ou le suivi de commande. Selon la stratégie définie en amont, il peut traiter les appels de bout en bout ou pré-qualifier une demande et transférer le client vers un opérateur, tout en lui transmettant le contexte de la conversation. Dans cet article, nous revenons sur les différentes étapes de vie d’un projet callbot chez dydu.

Objectifs et ROI du callbot

Avant de se lancer dans un projet callbot, il faut définir précisément ses objectifs, l’identité des utilisateurs finaux et leurs besoins. Cela permettra de définir le périmètre d’intervention du robot téléphonique et son ou ses cas d’usage. Le callbot fait sens en complément ou en remplacement partiel des call centers. Les processus et les scripts sont donc souvent largement pré-existants. Il est ainsi relativement facile de définir le ou les scénarios du bot ainsi que les économies potentielles.

Il est essentiel d’établir dès le début les KPIs nécessaires pour valider la rentabilité du projet. Le ROI sera apprécié selon des hypothèses de taux de gestion et d’économie de temps passé. Prenons l’exemple d’un scenario de déclaration d’incident pour une compagnie d’assurance. Si l’authentification est faite par le callbot avant la conversation relative à l’incident, on regardera le pourcentage d’authentification correcte et en combien de secondes… Il sera aussi possible de comparer et d’extrapoler sur une utilisation exclusive du callbot en dehors des heures ouvrées.

Flux client et prérequis techniques du callbot

Dans un deuxième temps, il faut définir la place du callbot dans le flux client et les prérequis techniques. On peut alors se poser ces questions : 

• À quel numéro le callbot sera-t-il joignable ? À quels horaires ? 
• Le callbot recevra-t-il directement les appels ou y aura-t-il un SVI (Serveur Vocal Interactif) intermédiaire ?
• Y aura-t-il une redirection vers un conseiller humain  ?
• Doit-on communiquer des éléments de la conversation à ce conseiller ?
• Combien d’appels simultanés faut-il prévoir ?

Ces analyses ont souvent lieu au moment de la phase commerciale avec un éditeur. Les étapes suivantes se focalisent sur la réalisation du bot et son intégration.

Parcours et données utilisateur

Avant de commencer à créer la base de connaissances du bot, deux ateliers sont nécessaires pour établir précisément le parcours utilisateur et les données que l’on souhaite obtenir.  

Atelier cas d’usage

Le callbot répond à des cas d’usage très précis, par exemple déclarer un sinistre ou obtenir l’état d’une réclamation. Un logigramme par cas d’usage est donc créé pour établir le parcours des clients au téléphone. Le logigramme reprend :  

• Le texte exact prononcé par le bot : cela permet de se rendre compte si le cas d’usage s’enchaine bien. Par exemple indiquer “quel jour avez-vous effectué votre demande” plutôt que “demande date” permet de vérifier si l’utilisateur saura quoi faire et quel genre de réponse il fournira.
• Les réponses attendues par le bot : comme “oui”, “non”, mais aussi la structure de certaines données nécessaires pour les appels vers des web services. Dans un cadre de reconnaissance vocale, il n’est pas neutre de choisir des données numériques (numéro de téléphone, plaque d’immatriculation, identifiant client, numéro de dossier…) ou des données alpha-numériques (nom de famille, type de problème…)
• Les arbres de décisions : permet d’identifier les réponses à prévoir par l’utilisateur. Par exemple si on demande si l’utilisateur connaît son numéro de dossier, on peut prévoir une branche “oui” et une branche “non”. Mais peut-être aussi la réponse “je ne sais pas ?” ou “où est-ce que je peux trouver mon numéro de dossier ?”
• Les interconnexions avec un web service avec les valeurs à transmettre et les valeurs à récupérer : permet de voir si le cas d’usage peut bien récupérer toutes les informations nécessaires ainsi que la structure des valeurs attendues. De même, la liste des réponses possibles permet de prévoir les réponses du cas d’usage.
• Escalade vers des opérateurs humains si existants : dans quelles situations et avec quelle transmission d’information.

Chez dydu, un chef de projet vous accompagne pendant toute la durée du projet. Il réalise également le logigramme à vos côtés. 

Atelier Statistiques

Les conversations du callbot ont un début et une fin définie. Il est tout à fait possible d’obtenir les statistiques sur les conversations qui ont abouties, les conversations où le client a raccroché avant la fin, les cas d’usage concernés, la raison des appels, etc.

Cet atelier permet de définir les variables à ajouter et les valeurs à utiliser dans les variables. Ainsi que la structure du rapport statistique à mettre en place pour un suivi optimum.

Construction de la base de connaissances du callbot

Les cas d’usage, choix des énoncés, variables sont désormais parfaitement définis. La phase de construction de la base de connaissances du callbot peut commencer !

Intégration des connaissances

Chez dydu, nous avons pris le parti de faire intégrer les connaissances par nos experts en IA conversationnelle et non par le client. Nous paramétrons les arbres de décisions, connaissances et énoncés du callbot dans notre Bot Management System selon le logigramme validé dans la phase précédente. Dans la plupart des cas, le client peut changer ses réponses de manière autonome.

Nous ajoutons également des formulations et groupes de formulations (ensemble de mots et expressions qui signifient la même chose). L’objectif est de maximiser la capacité de compréhension du callbot.

Design vocal 

Il faut désormais sélectionner la voix du callbot parmi un catalogue. Selon les fournisseurs TTS (Text To Speech), il est aussi possible d’enregistrer une voix choisie par l’entreprise cliente.

Dans certains cas, nous ajoutons des balises SSML (Speech Synthesis Markup Language) aux connaissances. Elles permettent de préciser la ponctuation et prononciation au moteur Text To Speech, la brique de retranscription vocale. On peut alors ajouter des pauses, lire des nombres ou des lettres séparément, lire des dates et heures et donner des instructions de prononciation (lire plus lentement par exemple). Il est également possible de gérer les blancs dans la conversation et de relancer automatiquement l’utilisateur. 

L’aspect vocal est une étape importante pour rendre les conversations fluides et naturelles avec les utilisateurs finaux. 

Test & Learn et mise en production du callbot

Cette étape consiste à faire tester le callbot sur le rendu vocal depuis l’interface téléphonique à un panel restreint. Il faut, si possible, s’assurer que les membres du panel test soient assez différents (âge, sexe, accent…) et multiplient les formulations possibles afin de bien pouvoir tester la compréhension du bot. 

Nous fournissons un cahier de recette listant tous les éléments à tester. Les conversations générées suite à ces tests nous permettent d’ajuster les connaissances, énoncés, variables et balises si besoin. Une fois la phase de recette réalisée, le client valide la mise en production du bot et redirige les appels de ses clients vers le numéro du bot.

Gestion et enrichissement du callbot 

Une fois le bot paramétré, nous vous formons dans l’utilisation de notre logiciel. L’objectif est de vous rendre autonome dans le suivi de votre callbot (tableau de bord et statistiques), dans l’amélioration de sa compréhension (ajout de formulations et groupes de formulations) et dans la mise à jour des énoncés.  Vous pouvez à la fois ré-écouter les conversations avec vos utilisateurs et les lire, puisqu’elles sont également retranscrites en texte. 

Nos équipes vous accompagnent encore pendant un mois après la mise en production de votre callbot dans l’analyse des statistiques et la relecture des conversations, avec des points hebdomadaires. Vous pouvez décider de prolonger votre accompagnement avec un Customer Success Manager si vous le souhaitez. 

Pour que le projet callbot soit un succès et ait un ROI conforme à vos hypothèses, choisissez un éditeur avec une réelle expertise,  un accompagnement adapté à votre organisation et fournissant des formations auprès de vos équipes métier afin qu’ils puissent intégrer la solution dans leur quotidien. N’hésitez pas à regarder le replay de notre webinar ou nous contacter si vous souhaitez une démo callbot.