Le service client alimenté par l'IA - espoirs, doutes et applications
Des assistants de type IA simples, avec un niveau d'intelligence comparable à celui d’HAL 9000 et qui réduisent les coûts du service client? Voici un rêve qui semble vouloir devenir réalité. Mais est-ce seulement cela, un rêve?
Au cours de la dernière décennie, d'énormes progrès technologiques ont été réalisés dans des domaines tels que les réseaux neuronaux, l'apprentissage automatique, l'apprentissage profond et le traitement du langage naturel.
Voilà pourquoi chaque smartphone est désormais équipé d'un assistant numérique et que les entreprises se sont tournées vers les chatbots. L'IA est très prometteuse en matière de service à la clientèle. Mais saura-t-elle exploiter tout son potentiel?
Dans quelle mesure est-il réaliste d'équiper votre service client d'une IA? Qu'est-ce qui est actuellement possible et que pouvons-nous attendre de demain?
Avant de nous lancer, clarifions rapidement les termes et concepts les plus importants de l'IA, souvent confondus.
IA, AA, AP et TANL
Intelligence artificielle (IA): L'IA est la capacité des machines à imiter un comportement "intelligent". Cela inclut l'exécution de tâches qui requièrent normalement une intelligence humaine, telles que la perception visuelle, la reconnaissance vocale, la prise de décision et la traduction entre différentes langues. L'IA est le terme qui recouvre tout cela.
Prenons l'exemple d'un chatbot dans le cadre d'un service client. Lorsqu'un chatbot répond à la question d'un client, il simule un comportement humain. C'est donc une IA.
Mais il existe un certain nombre de distinctions à faire sous ce terme générique. Passons en revue les plus importantes d'entre elles.
L'IA étroite vs l'IA générale. L'IA peut être divisée en deux catégories: l'IA étroite et l'IA générale.
L'IA étroite, également appelée IA "faible", est programmée pour effectuer une seule tâche, en extrayant des informations d'un ensemble de données spécifiques. Toutes les applications d'IA connues aujourd'hui sont étroites.
L'IA générale fait preuve d'intelligence humaine et peut accomplir avec succès n'importe quelle tâche qu'un humain serait capable d'accomplir - et plus encore. Pour l'instant, elle relève encore de la science-fiction. HAL 9000 est un exemple d'IA générale. Elle est capable d'apprendre, de planifier, de raisonner et de communiquer en langage naturel, et d'appliquer ces compétences à n'importe quelle tâche, comme si elle possédait un (super) cerveau humain.
Les ordinateurs d'échecs d'aujourd'hui utilisent une IA étroite pour effectuer des déplacements aux échecs, en puisant dans l'ensemble de données avec lequel ils ont été programmés. Mais si vous jouez contre l'IA générale, non seulement elle effectuera les actions d’elle-même, mais elle sera également suffisamment intelligente pour vous mettre hors jeu, en vous racontant des ragots à votre sujet, à l'aide des données qu'elle aura trouvées sur vous en ligne.
Dans notre scénario où un client envoie une question à un chatbot, l'IA étroite pourrait faire passer la question du client par une base de données de FAQ, et offrir des réponses à partir de la base de connaissances.
L'IA générale - ou "forte" -, elle, fournirait des réponses parfaites et à consonance humaine. Elle chercherait des éclaircissements, parcourrait Internet à la recherche d'informations et adapterait ses réponses à la volée. C'est le type d'IA que beaucoup de gens craignent (" la singularité technologique "), mais il est très difficile de prédire quand - et si - elle se concrétisera un jour.
L'IA "fixe": la plupart, sinon la totalité, des chatbots pré-construits actuellement disponibles sont "fixes". Ils n’"apprennent" pas de leurs interactions; ils travaillent simplement à partir d'un arbre de décision prédéterminé.
Un chatbot fixe peut poser au client des questions à choix multiples, puis lui proposer des réponses ou prendre des mesures, comme par exemple de transmettre le chat à un représentant de service. Tout est basé sur l'itinéraire retenu.
L'apprentissage automatique (AA): Si vous avez déjà utilisé Spotify, YouTube ou Netflix, vous êtes probablement habitué à recevoir des recommandations personnalisées. En effet, ces plateformes utilisent des algorithmes pour analyser vos données, en tirer des enseignements et faire des prédictions et des classifications sur ce qui pourrait vous intéresser. C'est ce qu'on appelle l'apprentissage automatique.
Dans notre exemple de chatbot, un "simple" algorithme d'apprentissage automatique analyserait la question du client, la ferait passer devant d'autres questions similaires plus anciennes et leurs réponses fructueuses, et proposerait la réponse la plus probable en fonction de ces réponses passées au client, ou des articles de la base de connaissances.
Grâce aux commentaires des clients (cela a répondu à ma question/cela n'a pas répondu à ma question) , la machine découvre si elle a fait du bon travail. Si elle a apporté une mauvaise réponse, ou si elle ne sait pas quelle réponse donner, elle transmet la question à un collègue humain.
Dans l'idéal, elle suivrait également la réponse que son collègue humain fournit au client et en tirerait des enseignements, afin de résoudre des demandes similaires d’elle-même par la suite.
L'avantage des chatbots qui fonctionnent selon ce mode d'apprentissage automatique basé sur l'extraction est que leurs réponses sont relativement fiables, car le chatbot n'utilise que des réponses "éprouvées", qui ont été fournies antérieurement.
Ils ne peuvent cependant traiter que des questions simples et directes. Et leurs réponses peuvent sembler rigides et impersonnelles.
Chez Userlike , nous pensons que c'est une bonne chose , tant que le client sait qu'il a affaire à un chatbot et qu'il a la possibilité de faire appel à un représentant du service humain. Les chatbots de récupération ne peuvent pas faire de "vraies" conversations avec un va-et-vient significatif - promesse que l'apprentissage profond promet de tenir.
L'apprentissage profond (AP): L'apprentissage profond est un sous-type plus avancé de l'apprentissage automatique. Il permet aux machines de faire des prédictions plus précises, sans l'aide de l'homme.
Les applications AP utilisent une structure d'algorithmes en couches appelée réseau neuronal artificiel , pour tirer des conclusions similaires à celles du cerveau humain.
Au lieu de baser ses réponses sur la récupération de réponses antérieures réussies, le chatbot de notre exemple pourrait alors générer ses propres réponses, et interagir dans un va-et-vient conversationnel avec les clients - comme demander des éclaircissements, mener des sondages, etc.
Ceci nécessite un ensemble de données beaucoup plus important que l’approche d'apprentissage automatique. Mais avec suffisamment de données, l’AP peut accomplir des choses étonnantes.
Par exemple, DeepMind de Google a réussi à battre les meilleurs champions humains et ordinateurs "spécialisés" dans une variété de jeux, tels que les échecs, le Shogi et le Go. Il a réussi cet exploit impressionnant en s'entraînant en quelques heures seulement, générant ainsi d'énormes quantités de données.
Les jeux ont toutefois un cadre de règles limitatif, et l’AP a eu plus de mal à battre les humains dans l'arène de la conversation humaine. Les chatbots de type AP n'ont toujours pas réussi le test de Turing , par exemple.
Et que penser du robot Twitter que Microsoft a lâché sur le monde? En "apprenant" de ses interactions avec les humains sur la plateforme, il est rapidement passé d'un chatbot amical et ouvert d'esprit à une machine de tweet raciste, misogyne et méprisante envers les humains.
Tant que cette technologie ne sera pas perfectionnée, nous ne recommandons pas de l'utiliser dans le cadre d’une assistance à la clientèle. Outre le scénario étrange, où le robot bombarde les clients d'insultes raciales, un problème bien plus profond est que les robots AP peuvent semer la confusion chez les clients, puisqu'il n’est pas toujours clair qu'ils s’adressent à un robot.
Le traitement du langage naturel (TALN): La façon dont les humains communiquent entre eux, par la parole ou le texte, est appelée langage naturel. Le traitement du langage naturel est une technologie qui aide les ordinateurs à comprendre notre langage naturel.
Le TALN utilise différentes techniques pour interpréter le langage humain, telles que des méthodes statistiques et d'apprentissage automatique ou des approches basées sur des règles et des algorithmes.
Dans notre exemple, c'est le TANL qui permet au chatbot de codifier la demande du client en termes informatiques (commandes), puis de traduire sa sortie (sa réponse) en termes pertinents du langage humain.
En effet, le TANL de base décompose le langage en petites séquences pour comprendre comment chacune d’entre elles fonctionne ensemble. Si vous avez déjà dû représenter une phrase sous forme de graphique à l'école primaire, alors vous connaissez le processus.
L'objectif du TANL est de prendre des données linguistiques brutes et d'utiliser la linguistique et les algorithmes pour comprendre un texte et les sentiments, afin d'obtenir des résultats pertinents.
Par exemple, si vous parcourez votre dossier spam et remarquez un schéma dans les objets, alors le TANL est entré en jeu. Il identifie quels mots sont caractéristiques du spam par rapport aux courriels valides, pour déterminer quand est-ce qu’il s'agit d'un pourriel.
Cette technologie s'est beaucoup améliorée au fil des années, ce qui est évident au vu d'applications telles que Siri et Alexa.
Le guide pratique des chatbots pour les entreprises
Découvrez comment fonctionnent les chatbots, ce qu'ils peuvent faire pour vous, comment en créer un - et si les bots vont finir par nous piquer nos jobs.
Télécharger gratuitementExemples de services client alimentés par une IA
Les systèmes intelligents peuvent apporter beaucoup de valeur au service client. Lorsqu'elle est correctement construite et utilisée, l'IA peut améliorer l'image d'une entreprise et soulager son équipe de service.
Quelles sont donc les options envisageables? Voici les solutions les plus populaires:
1
L'analyse du sentiment client
Les conversations en direct, le buzz sur les réseaux sociaux et les systèmes de gestion de la clientèle peuvent vous indiquer ce que vos clients pensent de votre marque. L'intelligence artificielle vous aide à suivre tout cela.
Sur les réseaux sociaux, il peut être particulièrement difficile de comprendre le sentiment des clients à travers des commentaires et des messages non structurés. Des entreprises telles que Brandwatch suivent la santé et la visibilité de votre marque (pas seulement de par son nom, mais aussi de par votre logo) et signalent les changements de sentiment.
Comment cela fonctionne-t-il? L'IA détermine le sentiment du client en analysant et en suivant les tendances de la parole, des modèles et le choix des mots. Si vous élaborez un score de santé du client , les résultats des sentiments clients peuvent être extrêmement utiles pour classer par ordre de priorité les clients à risque ou pour vendre votre produit à un prix plus élevé.
2
Répondre aux questions fréquemment posées
Les clients ont besoin de rapidité . Ils veulent qu'on réponde à leurs questions et qu'on résolve leurs problèmes le plus rapidement possible.
Pour soulager vos agents, vous pouvez utiliser un chatbot ou une FAQ interactive pour répondre aux questions les plus courantes de vos clients.
L'IA peut aider à personnaliser l'expérience de l'utilisateur en matière de FAQ, en surveillant les recherches par mot-clé et en faisant des prédictions textuelles. Lorsqu'un client effectue une recherche, votre système peut recommander des pages pertinentes et faire des suggestions en fonction de la demande de l'utilisateur.
Les chatbots et les pages de FAQ peuvent également vous aider à suivre les termes de recherche les plus populaires, afin de vous permettre de déterminer ce qui pose le plus de problèmes chez vos clients.
3
L'automatisation des prédictions et des messages textuels
Un système alimenté par une IA vous aide à créer et à envoyer des réponses automatisées à des demandes ou questions de base. Des chatbots pré-construits permettent également de programmer des rendez-vous ou des réunions et d'envoyer des rappels de manière très humaine.
Les systèmes d'IA peuvent générer des titres et des messages adaptés au destinataire, en se basant sur les résultats de mots réussis antérieurs.
Ils peuvent également aider à créer des messages sur les réseaux sociaux et à évaluer leur succès avant de les envoyer. Pour rester actif en dehors des heures de service, l'IA peut envoyer des réponses instantanées ou rediriger les clients vers votre chat en ligne, votre FAQ ou votre page de contact.
Et si vous n'êtes pas sûr du moment opportun pour envoyer un courriel à vos clients, des systèmes comme le logiciel Seventh Sense peuvent vous aider. Il surveille les habitudes des clients en matière d'ouverture des e-mails pour adapter les heures d'envoi aux besoins de chacun. C'est assez impressionnant.
4
La qualification des pistes
Les logiciels d'intelligence artificielle, comme Salesmachine , aident votre équipe de réussite client à se concentrer sur la qualification des prospects en les notant. Salesmachine analyse les risques et les comportements des clients potentiels, pour que votre équipe puisse augmenter les conversions et stimuler les ventes.
Ce niveau d'IA en apprend suffisamment sur votre base de clients pour vous permettre de créer un score de santé clients. Cela fait gagner du temps à votre équipe de service client pour le suivi des mesures, qui peut autrement être un processus long, ou sans fin.
5
L'exécution de petites tâches
Pour toutes les tâches qui sont soit trop ennuyeuses, soit trop longues, l'IA peut prendre le relais. Les chatbots, en particulier, font d'excellents petits assistants. En plus de répondre aux questions courantes, les chatbots peuvent acheminer des billets, transférer des messages et mettre à jour les coordonnées, pour ne citer que quelques exemples.
Des bases de chat intelligentes, comme le cadre HTTP API de Userlike, vous permettent de connecter des robots tels que le bot OMQ pour répondre aux demandes des clients. Le bot est connecté à l'IA d'auto-apprentissage de l'OMQ et extrait les bonnes réponses de la base de données de connaissances.
Lorsqu'un client pose des questions complexes ou a des demandes dépassant les connaissances du robot de chat, le robot OMQ transmet sans effort le chat à un membre de l'équipe disponible.
Les inconvénients d'un service clientèle basé sur une IA
Toutes les entreprises n'ont pas le temps, l'argent et les ressources nécessaires pour construire un système intelligent, personnalisé, en partant de zéro. Envisagez des solutions pré-construites.
Que vous considériez cela comme une bénédiction ou plutôt comme une malédiction, les solutions d'IA prêtes à l'emploi permettent aux entreprises, petites et grandes, d'avoir leur propre chatbot, d'automatiser leurs services de billetterie et d'envoyer des e-mails en leur nom.
Mais ces systèmes prennent aussi du temps à être formé. Les solutions, qu'elles soient achetées ou construites par vos soins, ne sont pas aussi "intelligentes" que vous le souhaiteriez dès le départ.
Lors du développement de votre IA, l'alimentation en données et la formation peuvent prendre des mois, voire des années, et il est inévitable de faire de nombreuses erreurs en cours de route. Vos clients sont-ils assez patients pour y faire face?
C'est pourquoi il est recommandé d'"alimenter" l'IA de votre service client avec des données historiques. ChatCreate en est un bon exemple. Si vous disposez déjà d'un large inventaire de transcriptions de chat, vous pouvez laisser le chatbot de ChatCreate l'analyser et filtrer les questions et réponses fréquentes.
Vous pouvez ensuite décider quelles sont celles que vous voulez que ChatCreate prenne en charge - aucun développeur n'est nécessaire.
Les machines manquent de bon sens. Pour les humains, il est facile de saisir des indices contextuels et de lire entre les lignes. L'IA, elle, a du mal à le faire.
Si un client a un problème d'expédition particulier, par exemple, ce serait frustrant pour lui de recevoir de votre chatbot un simple lien vers votre FAQ. L'IA est incapable de comprendre l'ampleur de la situation, mais réagit à des mots-clés tels qu’"expédition" et "problème".
Contrairement aux agents humains, l'IA n'a pas non plus la capacité de proposer des solutions ou des idées uniques, comme la vente additionnelle. Un apprentissage profond pourrait permettre de remédier à cette situation un jour. Pour l'instant, cela signifie qu'un réacheminement simple vers un représentant des services humain est indispensable.
Construire des applications d'IA n'est pas bon marché. La création de votre propre plateforme intelligente n'est pas une mince affaire. C'est comme si vous construisiez votre propre PC au lieu d'en acheter un du commerce - c'est bien, mais cela ne vaut pas toujours l'investissement.
Les systèmes construits en interne peuvent coûter entre 20 000 et 50 000 dollars . Si l'on tient compte des salaires des développeurs principaux, ce prix passe facilement à 100 000 dollars.
Une fois votre nouveau système en ligne, il peut s'écouler des années avant que votre projet n'affiche un sérieux retour sur investissement.
Les solutions pré-construites comme le bot OMQ et ChatCreate peuvent coûter à votre entreprise moins de 100 dollars par mois. Ce n'est qu'une fraction de ce qu'une solution personnalisée vous coûterait, et elles offrent un retour sur investissement immédiat.
L'IA doit avoir un sens. Soyons réalistes: Avez-vous suffisamment de données pour justifier une IA?
Les jeunes entreprises ayant une clientèle croissante peuvent ne pas avoir assez de ressources pour alimenter la plupart des systèmes de renseignement. Les algorithmes sont plus performants et font des prévisions plus précises lorsqu'on dispose d'un bon ensemble de données. C'est pourquoi les sites de voyage, les banques et les commerces peuvent y trouver plus de valeur.
Si votre entreprise ne reçoit pas beaucoup de chats au cours d’une journée et n’a qu’une présence en ligne limitée (en existant exclusivement sur Facebook, par exemple), alors investir dans l'automatisation pourrait être une perte de temps et d'efforts.
À quoi pouvons-nous nous attendre à l'avenir?
Actuellement, beaucoup de regards sont tournés vers les chatbots, mais l'avenir de l'IA se profile à l'horizon au fur et à mesure que les entreprises investissent dans l'apprentissage profond et le traitement du langage naturel.
Du côté des développeurs, l'IA a encore besoin de quelqu'un qui lui tienne la main. Pour les utilisateurs, il subsiste un grand scepticisme quant à la pertinence de l'intelligence artificielle.
Le service client bénéficiera-t-il des améliorations de l'IA? L'IA étroite dont nous disposons actuellement suggère que oui. L'intelligence existante a été conçue pour avoir un impact positif sur la vie quotidienne.
Si vous regardez la façon dont l'IA nous aide actuellement, les améliorations les plus notables concernent la qualité et la précision des fonctionnalités, ce qui est particulièrement visible pour les smartphones:
Cela se traduit également par les logiciels mentionnés ci-dessus, où les solutions existantes ont reçu des liftings dans certains domaines, pour une meilleure précision des données et une meilleure automatisation.
C'est peut-être vers cela que se dirige l'IA actuelle: des résultats plus précis, des capacités de chatbot améliorées et des assistants numériques qui font de meilleures prévisions de marketing et de ventes basées sur des données que les humains ne pourraient faire.
Comment lancer un service client alimenté par une IA
Une solution de communication client telle que Userlike vous offre un cadre pour construire votre propre intelligence machine basée sur un chatbot. Sans parler de toutes les données intéressantes que vous accumulerez en atteignant vos clients sur votre site web.
Userlike vous propose une panoplie d'options de chatbot/AI dont vous pouvez tirer parti. Le framework HTTP API , par exemple, vous permet de connecter des chatbots tels que le bot OMQ , l’ IBM Watson , ou votre propre solution personnalisée.
Plus vous chatterez, plus votre solution d'IA pourra en apprendre davantage sur vos clients et les aider. Userlike propose un essai gratuit de 14 jours pour vous donner une idée de notre plateforme de messagerie. Si vous appréciez ce service, nous serons heureux de vous aider à vous lancer sur la voie de l'IA. Pour en savoir plus, cliquez ici.
