Pourquoi chaque agence devrait construire le service client Chatbots pour ses clients

Sam avait mis en place une capacité de développement de robots pour son agence numérique.

Dans le cadre du processus de développement commercial, il a rendu visite à de nombreux clients pour leur expliquer les avantages des robots et a ainsi remarqué quelque chose d'intéressant.

Indépendamment des différents scénarios qu'il a expliqués (et de nombreux clients ont été impressionnés et intéressés par ce qu'il avait à dire), tous étaient intéressés par chatbots pour les cas d'utilisation du service à la clientèle.

Le cas d'utilisation du service clientèle était quelque chose qu'ils pouvaient comprendre intuitivement :

• Le coût des agents du service clientèle était élevé.
• Une grande partie de leur temps a été consacrée à répondre à des questions simples et répétitives.
• Dans de nombreux cas, les robots pourraient répondre à ce type de questions plus efficacement que les agents.
• Le coût des robots est tel qu'en remplaçant certains agents du service clientèle par des robots, l'entreprise pourrait très rapidement récupérer le coût du robot grâce aux économies réalisées sur les coûts de main-d'œuvre.
• De plus, le robot s'est amélioré au fil du temps et a ouvert la voie à de nombreuses autres innovations.

Sam a donc décidé de spécialiser son entreprise dans les robots de service à la clientèle, car ils étaient très demandés et, d'après les discussions qu'il a eues avec ses clients et avec d'autres agences, il a constaté que les conditions économiques étaient bonnes. Une fois qu'il aurait trouvé ce créneau, il se tournerait vers les marchés adjacents.

Il savait que, même si certaines techniques de traitement du langage naturel (NLP) étaient sophistiquées, les outils disponibles étaient si performants que presque tout le monde pouvait mettre en œuvre une bonne solution NLP. De nos jours, il s'agit d'un travail de configuration plutôt que d'un travail de science des données. Cela signifie que les compétences requises pour mettre en œuvre la solution sont largement à la portée des développeurs les plus juniors.

Il était également conscient que les bonnes solutions de service à la clientèle n'essayaient pas d'en faire trop. La technologie n'était pas assez performante pour engager des conversations de type humain avec les clients. Les moteurs NLP sont très efficaces pour comprendre la première question posée par le client, mais si la conversation se complique ou si le robot ne parvient pas à comprendre le client du premier coup, il est important qu'un humain intervienne immédiatement.

Le fait que le NLP se concentre sur la première question ou interaction signifie également que la tâche est beaucoup plus simple d'un point de vue technique. Il est vrai que certaines entreprises s'efforçaient de créer une véritable expérience conversationnelle, mais jusqu'à présent, cette approche s'était traduite par une complexité croissante et des échecs. Sam n'avait aucun intérêt à suivre cette voie.

Il avait observé qu'il existait de nombreuses offres émergentes de bots de service à la clientèle sur le marché, de sorte que le marché pourrait être concurrentiel. En même temps, toutes les entreprises ont besoin de ce type de solution sous une forme ou une autre, l'opportunité est donc énorme ! En fait, Sam considérait que le marché était actuellement très mal desservi et pensait qu'il en serait ainsi pendant quelques années au moins.

De nombreuses entreprises proposent des solutions propriétaires, prêtes à l'emploi, pour le service à la clientèle. Sam a envisagé de devenir revendeur de ce type de solutions, mais il ne pensait pas que ces solutions propriétaires étaient les meilleures à long terme. Il ne les utiliserait pas pour sa propre entreprise et ne pensait donc pas devoir proposer ce type de solution à ses clients.

Il n'aimait pas l'idée d'être enfermé dans un système propriétaire pour plusieurs raisons :

• Il n'aimait pas l'idée de coupler étroitement le moteur de traitement du langage naturel (NLP) avec le reste du logiciel. Le meilleur fournisseur de moteur de traitement du langage naturel pourrait être un fournisseur différent du meilleur fournisseur de services d'analyse ou du meilleur fournisseur de connecteurs aux plates-formes de dialogue en ligne.
• Même si leur solution de langage naturel était la meilleure à l'heure actuelle, rien ne garantissait qu'elle le resterait à l'avenir. Il devrait être possible de changer de moteur NLP à l'avenir.
• Les différents moteurs NLP peuvent être efficaces dans des domaines différents et il peut donc être utile d'en utiliser plusieurs. Par exemple, un moteur NLP peut être adapté aux questions informatiques, tandis qu'un autre peut être adapté aux FAQ générales.
• La PNL n'était pas la seule capacité nécessaire à un bot de service client de qualité. S'appuyer uniquement sur le texte et le NLP n'était certainement pas le moyen de créer une expérience client étonnante.
• Les interfaces textuelles sont très limitées et doivent donc être complétées par des interfaces graphiques. Il ne serait pas optimal de devoir compter sur le vendeur pour fournir ces interfaces à l'avenir.
• La fonctionnalité "Human in the loop" (qui permet au bot d'être dirigé vers des agents humains s'il ne comprend pas ce qu'on lui dit) est essentielle pour le service à la clientèle. La fonctionnalité "Human in the loop" deviendra plus sophistiquée à l'avenir. Elle comprendra des interfaces personnalisées pour les agents, avec des réponses standard ou personnalisées. Il devrait être possible pour quiconque, y compris un développeur de robots interne, de personnaliser l'interface humaine en boucle pour ses propres besoins sans dépendre du fournisseur.
• Le contenu doit être facilement géré par l'équipe chargée du contenu, qui doit être en mesure de développer des outils d'utilisation pour les tests A/B et d'autres analyses liées au marché.
• Les développeurs internes devaient pouvoir facilement intégrer le service aux systèmes internes sans dépendre du fournisseur.
• Il est possible que d'autres services soient offerts par le biais du canal de service à la clientèle.
  Un client qui se renseigne sur une chambre d'hôtel peut se voir offrir une réduction et la possibilité de réserver immédiatement dans le même canal, par exemple. Les développeurs internes ou tiers doivent être en mesure de coder ces services supplémentaires dans le canal sans avoir à s'adresser au fournisseur d'origine.

Il souhaitait toutefois que la solution qu'il proposait soit simple. Il était important qu'elle soit évolutive et extensible, mais en même temps, il devait être très facile de mettre en place une solution initiale et de la faire fonctionner.

S'il utilisait Botpress , il pourrait résoudre le problème de l'extensibilité. Botpress pourrait effectivement servir d'intergiciel pour tous les meilleurs outils de chatbot sur le marché et fournir de nombreux composants standard dès la sortie de la boîte. Ces composants pourraient être remplacés par des composants tiers ou personnalisés en fonction des besoins futurs.

Pour offrir la meilleure solution à son client, il sélectionne un ensemble d'outils qui, selon lui, offre la meilleure solution pour le client.

Pour commencer, l'architecture serait très simple. Il sélectionnerait le meilleur moteur NLP parmi les principaux fournisseurs de NLP (Google, Facebook, Microsoft, IBM, Rasa) et utiliserait ensuite les composants standard de Botpress pour se connecter à la plateforme de messagerie requise et pour fournir des capacités de soutien telles que l'analyse, l'humain dans la boucle et la sécurité basée sur les rôles.

Une fois que cette solution de base est opérationnelle chez le client, il peut envisager de l'améliorer si nécessaire. Il pouvait ainsi ajouter des moteurs NLP, mettre à niveau le progiciel d'analyse (vers un fournisseur tiers si nécessaire) ou ajouter des personnalisations à la fonction "human in the loop" (l'humain dans la boucle).

Bien entendu, les décisions de personnaliser davantage le système ou d'y ajouter de nouveaux composants ou services seraient motivées par l'analyse des interactions des clients avec le système. Les modifications pourraient être apportées rapidement, selon les besoins, par les développeurs compétents.

Sam a décidé de commencer par mettre en œuvre la solution pour sa propre entreprise. Cela lui a permis d'expérimenter certains des outils disponibles et de choisir ce qu'il pensait être la meilleure offre pour la configuration initiale.

Non seulement Sam a immédiatement commencé à remporter de nombreux projets de services à la clientèle, mais il a constaté qu'une fois la mise en œuvre des services à la clientèle réussie, ses clients souhaitaient rapidement que d'autres services soient ajoutés à la chaîne.

Le service à la clientèle étant un élément dont toutes les entreprises du monde ont plus ou moins besoin, les clients ne manquaient pas.

Ce n'est que lorsqu'il a commencé à mettre en œuvre la solution de cette manière qu'il a compris à quel point ses clients appréciaient le fait qu'il puisse les aider à choisir les meilleurs outils pour leur entreprise plutôt que d'essayer de les enfermer dans une solution unique, non extensible et bloquée.

Sam et son équipe sont devenus très doués pour trouver comment utiliser les robots de service à la clientèle afin d'apporter très rapidement des améliorations de grande valeur et à fort impact à la fonction de service à la clientèle d'une entreprise.