Chatbots et intentions : construire l’expérience client parfaite à partir de vos FAQs

Les chatbots ont le potentiel de devenir un puissant levier d'amélioration de l'expérience client, à condition pour les entreprises d'y transférer la connaissance de la bonne manière.

La « vallée de la désillusion » a une sonorité pour le moins inquiétante, mais cela correspond très certainement à la situation dans laquelle se trouve le chatbot aujourd’hui. Il s’agit d’une expression créée par Gartner pour qualifier le moment où le public réalise qu’une technologie ne satisfera pas les attentes astronomiques qui pesaient sur elle. Cette vallée est une des cinq phases définies par le cabinet dans son Hype Cycle annuel.

Pour atteindre l’étape suivante (la pente de l’illumination), une technologie doit être redéfinie pour affirmer entièrement son potentiel en tant que produit. Les chatbots actuels ne peuvent pas encore répondre à chacun de nos besoins (comme le fait Samantha dans le film Her), mais le moyen le plus efficace d’interagir avec les clients est sans aucun doute de découvrir leurs intentions.

Au lieu de se contenter de convertir des FAQs (Foires aux Questions) existantes, il est plus efficace de les considérer comme des intentions. Qu’est-ce que l’utilisateur veut savoir exactement ? Plutôt que de fournir une longue réponse générique qui couvre un vaste périmètre, les intentions d’un chatbot peuvent déterminer précisément ce que veut l’interlocuteur et lui offrir une réponse synthétique et précise.

Expérience client : comment “botifier” votre base de connaissances

Une récente étude menée par Retale a conclu qu’entre 18 et 34 ans, près une personne sur trois ayant déjà utilisé un chatbot aurait souhaité qu’il soit plus conversationnel.

Voici la réponse d’une compagnie aérienne à la question sur la modification d’un vol :

« Voir les instructions pour modifier une réservation ici. »

La réponse est bien trop vague et serait assez incongrue si elle était prononcée dans un échange en face à face. Il n’y a aucune tentative de fournir au client une réponse précise ou de trouver la raison de sa question. En résumé, il nous reste encore à identifier l’intention de l’utilisateur – ce qui peut être fait en « botifiant » votre base de connaissances.

Un chatbot avec une intelligence artificielle (IA) performante et de solides capacités de machine learning et de traitement automatique du langage naturel (TAL) sera capable d’identifier vos FAQs les plus populaires. Les arbres de décision peuvent alors les « botifier » pour déterminer la réponse précise. Comme dans l’exemple suivant :

Utilisateur: Je peux changer mon vol ?

Chatbot: Je peux vérifier ça pour vous. Pouvez-vous me dire où est-ce que vous vous rendez ?

U: Barcelone.

C: Merci ! D’où partez-vous ?

U: San Francisco

C: Merci ! Quel jour et à quelle heure partez-vous ?

Et ainsi de suite. Les arbres de décisions fournissent des questions simples qui aident à affiner l’intention de l’utilisateur afin de lui procurer la réponse parfaite.

En outre, notez l’utilisation de pronoms personnels tels que “je” et “vous” dans le but d’offrir une conversation plus naturelle. Considérant la popularité d’applications de messagerie instantanée telles que Whatsapp ou Facebook Messenger, cela relève simplement du bon sens d’essayer de donner des expériences conversationnelles similaires à vos clients par le biais d’un bot.

Le contexte est essentiel pour l’expérience client

Une FAQ est incroyablement binaire par nature : il s’agit d’une question et d’une réponse. En réalité, les conversations humaines sont bien moins prévisibles et contiennent beaucoup de questions qui s’ajoutent au fur et à mesure.
Prenons l’exemple d’une requête courante chez les compagnies aériennes : « Annuler ou modifier son vol ». Il serait étrange que quelqu’un prononce ces mots exacts lors d’une discussion en face à face. À la place, vous pourriez trouver les trois questions suivantes :

  1. J’ai besoin d’un nouveau vol
  2. Combien ça coûte ?
  3. D’accord, je prendrai celui-là

Les humains ont tendance à utiliser beaucoup plus de pronoms tels que « ça », comme c’est le cas dans la deuxième question. Pour qu’un chatbot soit plus conversationnel, il devra être capable de reconnaître le contexte et donner le coût de ce vol.

Un chatbot peut traiter l’information en utilisant des variables qui sont capable de stocker l’information donnée par le client et de mémoriser son contexte. Par exemple, si vous donnez des détails sur votre vol, il sera capable de mentionner à nouveau ce trajet exact plus tard dans la conversion.

Pas vraiment Her, mais ce qui se fait de mieux après elle

Les chatbots ne sont peut-être pas encore capable de répondre à n’importe quel besoin, mais quand il s’agit de service client, ils n’en sont pas très loin.

Au lieu de fournir un service direct et sur-mesure à un client, une FAQ offre le même conseil quels que soient les besoins. Par exemple, si un utilisateur a besoin de réinitialiser son mot de passe, une FAQ va simplement les diriger vers une autre section du site dédiée à cette tâche. Mais ce que recherche réellement le client est une transaction – un échange d’information dans le but de résoudre sa requête.

Pour ce faire, les chatbots peuvent utiliser des transactions connectées à votre back-office ou votre système d’information afin de pouvoir fournir ce service. Au lieu de cliquer sur de nombreux liens et de parler à différents agents , les utilisateurs peuvent changer leur mot de passe ou acheter des produits en une seule fois grâce à un chatbot.

Soutenir les agents humains pour une meilleure expérience client

La section FAQ de votre site est un environnement sous contrôle. Vous savez exactement quelles questions peuvent recevoir des réponses et ce que ces dernières contiennent précisément. En résumé, vous avez une idée de l’expérience des utilisateurs : soit ils auront leur réponse, soit ils ne l’auront pas.

La situation est différente avec un chatbot qui n’a aucune idée des questions auxquelles il fera face. Celles-ci pourraient être des questions contenues dans les FAQs, des requêtes génériques hors de la base de connaissances, ou mêmes des demandes comme la démo d’un produit. Dans tous les cas, les chatbots auront besoin d’être capables de fournir la bonne réponse ou de renvoyer la requête à un agent humain.

Découvrir les réponses dont vous avez besoin :

Se contenter de copier et de coller vos FAQs dans une base de connaissances n’est pas la solution idéale pour améliorer le taux de self-care de vos clients.

Un chatbot bénéficiant d’une solide technologie de Traitement Automatique du Langage Naturel est capable de découvrir quelles sont les réponses qui manquent. Inbenta utilise le clustering sémantique pour détecter chaque mauvaise réponse afin d’alerter l’entreprise des nouveaux contenus cruciaux qu’il faudrait créer pour apporter une meilleure aide aux clients. L’analyse des écarts entre ce que les utilisateurs demandent à votre bot et les réponses que celui-ci fournit est un outil fabuleux, qui vous permet de combler facilement les manques dans votre base de connaissances et de connaître l’inconnu.

Copier-coller des FAQ n’est pas une solution désastreuse. Ce n’est simplement pas une solution pour fournir une relation-client capable d’enchanter vos visiteurs via un chatbot. Dans un monde où le client est roi, un chabot parfaitement calibré pourrait être le chevalier blanc capable de fournir l’expérience utilisateur parfaite.

Inbenta est un leader dans les technologies innovantes de recherche pour les entreprises. Nous mettons en oeuvre les dernières avancées en termes de traitement automatique du langage afin d’améliorer la qualité de service pour les entreprises et leurs clients.

Intéressés ? Notre team d’experts est à votre service pour vous créer une offre personnalisée.

Planifier une démo

Inbenta Team
by Inbenta Team