Decision tree

Arbre de décision : pourquoi mon chatbot devrait en utiliser ?

La manière la plus efficace de découvrir l'intention (Intent dans le jargon des chatbots) derrière les questions de vos clients et fournir la bonne réponse est d'utiliser un arbre de décision. Que sont-ils et comment fonctionnent-ils ?

En matière de chatbot, les entreprises ne cherchent à savoir qu’une chose. La question à un million de dollar sur un marché qui en vaudra des milliards dans quelques années est : mon assistant virtuel peut-il répondre aux questions de mes clients ?

En supposant que votre chatbot bénéficie d’une solide technologie de Traitement Automatique du Langage (TAL ou NLP en anglais), la façon la plus efficace de s’en assurer est de le faire à travers des arbres de décision.

Qu’est-ce qu’un arbre de décision ?

Un arbre de décision aide en substance le chatbot à trouver la réponses exacte à votre question. Retrouvez plus d’informations sur ce qu’est un arbre de décision hors du monde de l’IA ici.

La racine de votre arbre est la question initiale. Par exemple, vous pourriez chercher à acheter des billets pour un concert. Bien sûr, un chatbot aura besoin de plus d’informations pour répondre avec succès à votre requête.

Pour ce faire, il va vous poser une série des questions, qui sont les branches de l’arbre de décision. Chacune d’elles précise l’objectif de l’utilisateur grâce aux intents du chatbot.

Par conséquent lorsque vous achetez des billets, le chatbot peut vous demander qui vous souhaitez aller voir. En lui indiquant “U2” il pourra ainsi vous demander quelle date et quelle salle vous souhaitez, puis la fourchette de tarif et enfin la place spécifique.

L’arbre de décision prend fin seulement lorsque que vous aurez choisi votre place.

Gérer des transactions en utilisant un arbre de décision dans un chatbot

Les arbres de décision sont suffisamment souples pour remplir un grand nombre de fonctions pour votre assistant virtuel.

Un des problèmes majeurs qu’affrontent les entreprises est l’abandon de panier – estimé actuellment à 78% et coûtant 4 000 milliards de dollars par an.

Les arbres de décision peuvent réduire significativement ces chiffres en s’assurant que le client identifie exactement ce qu’il cherche, dans un format conversationnel. Tout comme dans l’exemple des places de concert évoqué plus haut les utilisateurs peuvent acheter à peu près tout type de produit ou service en utilisant cette méthode.

En termes d’abandon de panier, l’arbre de décision d’un chatbot est capable de fluidifier l’étape de paiement lors de la commande afin de s’assurer que l’utilisateur aille au bout de son parcours sans frustration.

Arbre de décision : une solution aux questions difficiles

D’autre part, les arbres de décision peuvent améliorer l’expérience client globale en s’attaquant à des transactions non marchandes comme une réinitialisation de mot de passe. Les bots peuvent identifier le compte sur lequel appliquer les modifications en vous demandant vos informations personnelles.

Les arbres de décision peuvent également remplacer les FAQs génériques. Un problème majeur avec les fonctionnalités d’aide est que leurs réponses sont bien trop génériques pour des utilisateurs qui privilégient des interactions personnalisées. L’arbre de décision est capable d’initier une conversation avec l’utilisateur afin de comprendre exactement quelle est la réponse la plus pertinente pour lui.

Par exemple, un utilisateur pourrait vouloir connaître la date de livraison d’un colis. Bien sûr, cela requiert des informations complémentaires. Un arbre de décision peut alors apporter une solution en demandant un numéro de commande ou tout autre détail permettant d’identifier précisément l’envoi avant d’informer le client.

À l’opposé, une entreprise avec des FAQs génériques ne sera pas en capacité d’apporter le même niveau de service et devra s’appuyer sur des conseillers humains. Ce qui peut être coûteux et chronophage, à la fois pour le client et l’entreprise.

Avez-vous des cas d’usage réels ?

Veronica, le chatbot d’Inbenta, utilise des arbres de décisions pour plusieurs scenarii. Par exemple, voici l’arbre de décision créé lorsque quelqu’un lui demande comment intégrer la technologie d’Inbenta sur sa plateforme.

 

Veronica peut fournir quelques détails de contexte avant de demander quelle est la plateforme utilisée. Voici un exemple d’un arbre de décision basé sur du langage naturel, du fait que l’utilisateur est invité à saisir sa question, plutôt que de choisir une option. Remarquez comme Veronica est capable de reconnaître “Facebook” malgré la faute de frappe.

Cet arbre de décision a été créé dans le Backstage Inbenta en organisant des contenus existants en un parcours de découverte cohérent de l’intention de l’utilisateur.

Quel que soit le chatbot que vous choisissez pour gérer vos arbres de décision, il doit être en mesure de prendre en charge les cas les plus complexes qui peuvent se présenter. Par exemple, un arbre de décision à propos de la politique de retour doit avoir des option pour différentes échéances temporelles selon la durée depuis laquelle l’utilisateur possède le produit.

D’autres exemples d’arbres de décision incluent des options sous forme de boutons qui présentent les différents choix disponibles pour l’utilisateur et un format “Oui/Non” qui affinent le besoin de l’utilisateur en lui posant une série de questions.

Les client cherchent un service personnalisé de la part des entreprises. Mais il veulent aussi que des réponses exactes à leurs questions. L’utilisation des arbre de décision pour vos chatbot satisfera leurs désirs d’une façon jamais vue auparavant.

Inbenta utilise sa technologie brevetée de Traitement Automatique du Langage et 12 ans de R&D afin de créer des chabot interactifs avec taux de self-service record pouvant s’élever à 90%.

Des grands comptes français comme le Crédit Agricole ou la MGEN utilisent les chatbots Inbenta pour offrir un service personnalisé à leur clients et réduire les flux entrants vers leur service client.

Intéressé pour en savoir plus ? Notre équipe d’experts est à votre service pour créer une proposition sur-mesure adaptée à vos besoins.

Parlons-en

Inbenta Team
by Inbenta Team