L’intelligence des conversations : Qu’est-ce que c’est et pourquoi vous en avez besoin
Qu’est-ce que l’intelligence conversationnelle ?
L’intelligence conversationnelle recueille et interprète les interactions avec les clients sur différents canaux de communication. S’appuyant sur l’intelligence artificielle, l’apprentissage automatique et le traitement du langage naturel (NLP), les outils d’intelligence conversationnelle remplissent généralement trois grandes fonctions :
- Tout d’abord, ils capturent des informations à partir de conversations orales et écrites, même lorsqu’elles sont désordonnées et mal organisées.
- Ils associent ensuite ces informations à des métadonnées structurées concernant l’interaction.
- Ils appliquent également des modèles d’IA pour analyser l’intention des clients afin de mettre en évidence leurs désirs, leurs besoins, leurs opinions et leurs attentes.
Ensemble, ces fonctions d’intelligence conversationnelle se combinent pour aider les équipes de service à la clientèle et de vente, comme celles d’un centre de contact, en leur fournissant des informations exploitables sur les modèles de comportement, les possibilités d’amélioration et les zones de risque.
Il convient toutefois de s’arrêter un instant sur la troisième fonction susmentionnée, en particulier sur la manière dont l’IA analyse l’intention du client, c’est-à-dire ce qui se cache derrière les commentaires d’un client ou l’expression d’un besoin non satisfait. Tous les outils de conversation intelligence n’analysent pas les données de la même manière. En fait, grâce à de nouveaux développements dans des technologies telles que l’IA générative (GenAI), les outils d’intelligence conversationnelle peuvent désormais être formés sur de très grands ensembles de données, appelés grands modèles linguistiques (LLM), qui peuvent être utilisés pour obtenir des informations plus précises et plus fiables.
Il s’agit d’un facteur de différenciation crucial parmi les solutions d’intelligence conversationnelle. Pensez-y comme à la différence entre un athlète de niveau moyen et un athlète olympique – l’ampleur, l’effort et la qualité de cette formation sont tout simplement d’un niveau totalement différent. C’est la différence entre les informations classiques de l’intelligence conversationnelle et celles qui sont obtenues grâce à la GenAI.
Dans la suite de ce blog, nous verrons comment la GenAI associée à l’intelligence conversationnelle est une combinaison incroyable qui donne naissance à un nouveau type d’informations.
Comment fonctionne l’intelligence des conversations
Le cœur de la fonctionnalité de l’intelligence conversationnelle consiste à prendre des enregistrements d’appels et à faire passer ces données par des modèles d’IA de la parole au texte, puis à analyser des données textuelles provenant d’e-mails, de chats, d’enquêtes, de flux sociaux et autres, afin de donner un sens au contexte des conversations. L’utilisation combinée de l’apprentissage automatique et de la technologie de traitement du langage naturel dans cette analyse est ce qui rend les outils d’intelligence conversationnelle uniques – et c’est ce qui alimente l’intelligence stratégique basée sur les données que les organisations peuvent utiliser pour améliorer la performance des agents et l’expérience des clients.
Examinons les six composantes essentielles de l’intelligence conversationnelle et ce que vous devez savoir en bref sur les possibilités qu’elle offre.
- Conversion de la parole en texte : L’intelligence de la conversation commence par la conversion des mots prononcés en texte écrit. La technologie avancée de reconnaissance vocale garantit la précision, même dans les environnements bruyants ou avec plusieurs locuteurs.
- Analyse des sentiments : L ‘analyse du sentiment des clients évalue le contenu émotionnel ou le ton d’une conversation. Il permet de déterminer si les participants sont heureux, frustrés, satisfaits ou insatisfaits. Il est essentiel de comprendre les sentiments pour améliorer l’expérience des clients.
- Reconnaissance des mots-clés et des phrases : Les outils d’IA de conversation peuvent identifier des mots-clés et des phrases spécifiques discutés au cours des conversations afin d’aider les équipes à rechercher les problèmes communs des clients.
- Résumés d’appels : Au lieu de passer au crible des heures de conversations enregistrées, l’intelligence artificielle des conversations permet de fournir des résumés concis et de mettre en évidence les principaux points à retenir.
- Mesures des performances : Les centres de contact peuvent suivre et mesurer les indicateurs clés de performance (ICP) liés aux conversations, tels que la durée de l’appel, le temps de réponse ou le taux de satisfaction des clients.
- Intégration avec les systèmes de CRM et de communication : De nombreux outils d’intelligence artificielle s’intègrent aux systèmes de gestion de la relation client (CRM) et aux logiciels de centres de contact omnicanaux, ce qui permet de relier directement les informations issues des conversations aux profils des clients, aux tickets de service et aux canaux de vente. Ils peuvent également écrire dans ces systèmes pour enrichir les données.
Intégrer l’IA générative dans l’intelligence des conversations
Voyons maintenant ce qui se passe lorsque nous ajoutons l’IA générative à l’équation de l’intelligence conversationnelle. Il est important de comprendre que même si les capacités génératives ont été largement utilisées pour générer des images, améliorer l’assistance des agents en direct et même automatiser entièrement les réponses au chat, le cas d’utilisation de la GenAI pour les informations sur les interactions avec les clients est puissant.
En fait, selon un récent rapport de Forrester, l ‘utilisation de la GenAI pour l’analyse des données des conversations des clients est « l’une des applications les plus simples qui offre un retour sur investissement clair et attribuable ».
En intégrant la puissance des capacités génératives dans l’analyse des données, les entreprises peuvent passer au crible des millions de points de données clients pour trouver des risques et des opportunités au niveau des produits, de la chaîne d’approvisionnement, du marketing, etc.
L’IC alimentée par GenAI, ou Generative Conversation Intelligence (GenCI), utilise plusieurs grands modèles de langage, ou LLM, pour analyser simultanément des millions de points de données clients et extraire des informations robustes, générées par l’IA, sur les risques et les opportunités critiques pour l’entreprise. L’IC génératif fait apparaître des sujets, des thèmes et des mots-clés par lui-même, à un niveau de détail inégalé par la plupart des autres technologies disponibles sur le marché.
Une fois que les données brutes ont été analysées à l’aide de modèles de conversion de la parole en texte, elles sont acheminées à travers un pipeline de nombreux LLM, chacun étant conçu pour s’attaquer à une action ou à une question commerciale spécifique. Les points d’analyse les plus courants sont les suivants :
- L’intention du client, ou la raison pour laquelle un client a exprimé une frustration, une préoccupation ou un désir.
- le sentiment du client, qui met en évidence les émotions négatives et positives exprimées par le client
- le sentiment de l’agent, qui permet de découvrir les émotions négatives et positives exprimées par l’agent
- Détails spécifiques sur la chaîne d’approvisionnement, les opérations, l’exécution des commandes, la qualité des produits, etc.
Une fois que les données ont été soumises à cette deuxième couche d’analyse, les connaissances génératives font ressortir les tendances et les thèmes clés qui ont été détectés à partir des données. Les connaissances génératives font référence aux enseignements qui ont été détectés de manière autonome à travers des millions de points de données sans étiquetage ni catégorisation manuels.
Ces informations sont résumées par catégorie, ce qui permet aux utilisateurs d’avoir une vue d’ensemble utile sur des éléments tels que l’intention, le sentiment et les scores de résolution, et organisées en thèmes et tendances de haut niveau. Grâce à ces synthèses thématiques, les chefs d’entreprise peuvent rapidement découvrir les raisons des augmentations d’appels, des annulations, des retours, etc.
Le résultat? Les causes profondes des problèmes urgents de l’entreprise peuvent être identifiées plus rapidement, même en l’absence de mots-clés ou de balises prédéfinis.
La différence significative entre l’intelligence conversationnelle et genCI est l’élimination de cette étape fastidieuse de configuration. La plupart des plateformes d’intelligence conversationnelle actuelles nécessitent encore un effort manuel de saisie de mots-clés, de balises et de création de catégories par l’utilisateur, ce qui fait peser sur l’utilisateur le fardeau de la construction d’une infrastructure d’intelligence conversationnelle.
C’est une bonne chose pour les problèmes déjà connus, mais il est très difficile de trouver de manière proactive des informations que les entreprises ne savent pas chercher, ce qui laisse des informations cachées invisibles.
Les avantages de l’intelligence des conversations et la façon dont elle est utilisée aujourd’hui
L’intelligence des conversations, et GenCI en particulier, peut être utilisée pour influer sur tous les niveaux de l’entreprise, et pas seulement sur le service client. Du produit au marketing en passant par les opérations, les chefs d’entreprise peuvent agir sur les tendances clés pour prévenir le désabonnement et stimuler la croissance. Voici comment.
Découvrir les informations cachées sur les clients
Grâce à l’analyse de tous les canaux, les entreprises peuvent obtenir des réponses détaillées et approfondies qui leur permettent d’atteindre un nouveau niveau de compréhension des clients. Grâce aux informations génératives, il est plus rapide d’aller au fond des problèmes émergents et les équipes du service clientèle peuvent plus facilement savoir ce qu’il faut faire. Si un client exprime son mécontentement à propos de la qualité d’un produit, il est possible d’obtenir en quelques secondes des informations détaillées sur la plainte, le produit en question et de savoir s’il s’agit d’une tendance observée sur plusieurs canaux de retour d’information.
Par exemple, Wine Enthusiast a dû faire face à une augmentation des demandes de renseignements de la part de ses clients en raison de la forte demande pour ses services de livraison de vin à domicile, ce qui mettait à rude épreuve son équipe de service à la clientèle restreinte. Ils avaient besoin d’un meilleur moyen d’analyser les conversations des clients et d’agir sur le moment.
Grâce aux outils de Calabrio, Wine Enthusiast a découvert une tendance dans les mentions des clients qui l’a amené à découvrir un défaut de fabrication qui provoquait la rouille sur les composants électriques. Ces informations ont permis à Wine Enthusiast de résoudre rapidement le problème de fabrication afin d’éviter toute perte de clientèle à l’avenir, tout en garantissant le respect de ses normes de qualité.
Automatiser les révisions manuelles des appels
L’exploitation de l’IA et de l’automatisation ne vise pas seulement à réduire les coûts, mais aussi à maximiser la productivité. En automatisant les tâches les plus répétitives dans une organisation de service à la clientèle, les employés peuvent se concentrer sur le travail qui fait la plus grande différence, plutôt que d’examiner manuellement des centaines d’appels, par exemple.
Grâce aux fonctionnalités de gestion automatisée de la qualité, l’ analyse de 100 % des interactions avec les clients s’effectue en quelques minutes. Il n’est donc plus nécessaire de procéder à des vérifications manuelles, ce qui permet aux entreprises de gagner un temps précieux qu’elles consacraient auparavant à l’identification des raisons des appels en surnombre ou des plaintes.
L’IA conversationnelle permet également d’évaluer et de noter les agents sur la base de critères prédéfinis, tels que
- Respect des scripts
- Professionnalisme
- Efficacité de la résolution
- Respect des politiques de l’entreprise
Les informations générées sont également utilisées pour automatiser l’évaluation de la qualité et prendre des mesures, ce qui allège également le fardeau que représente la communication manuelle des alertes entre les départements.
Par exemple, NativePath, une marque de produits de santé et de nutrition, passait 75 % de la semaine à examiner manuellement les appels pour obtenir des informations sur les performances des agents. Avec l’aide de l’intelligence conversationnelle alimentée par l’IA, NativePath a rendu son processus d’examen plus rapide que jamais, réduisant le temps passé de 90 % dans tous les domaines.
Utiliser les informations pour dynamiser les campagnes
L’utilisation d’un logiciel d’intelligence conversationnelle peut apporter une valeur ajoutée bien au-delà de l’organisation du service client. Les équipes marketing, par exemple, peuvent tirer un profit considérable de l’utilisation des données sur les clients. En tant que fonction profondément liée à la compréhension de la voix du client, le marketing a tout à gagner des interactions avec les chatbots, des appels, des tickets d’assistance, et plus encore, afin d’améliorer les efforts d’acquisition et de marketing du cycle de vie.
Les informations générées peuvent être utilisées pour améliorer la façon dont les audiences sont segmentées, ce qui permet d’optimiser ces cohortes à un niveau beaucoup plus axé sur les données. GenCI peut identifier l’intention, c’est-à-dire les phrases clés, les sujets récurrents et les indicateurs de sentiment qui révèlent les intérêts, les préoccupations et les intentions des clients.
Grâce à des actions automatiques, les informations peuvent être intégrées dans une plateforme de données clients (CDP) pour mettre à jour les profils individuels des clients. Par exemple, si un client pose fréquemment des questions sur une caractéristique particulière d’un produit, son profil peut être marqué pour indiquer un intérêt spécifique pour cette caractéristique. Ces profils actualisés permettent de créer des segments d’audience dynamiques, tels que « intéressé par les nouveaux produits », « besoin d’assistance à la clientèle » ou « forte intention d’achat ».
Qui peut utiliser un logiciel d’intelligence conversationnelle ?
Les outils d’intelligence conversationnelle peuvent être utilisés par un large éventail de professionnels dans un certain nombre de secteurs et de fonctions commerciales, notamment les équipes chargées de la commercialisation. Voyons ce qu’il en est.
Équipes de service à la clientèle
Traditionnellement, les équipes du service client, en particulier celles du centre de contact, utilisent ce que l’on appelle généralement des solutions d’analyse de la parole pour contrôler les interactions, améliorer les temps de réponse et réduire le taux de désabonnement. Ces équipes de service à la clientèle, depuis les vice-présidents jusqu’aux directeurs et aux cadres inférieurs, utilisent l’intelligence conversationnelle pour découvrir les moments clés des conversations, comprendre les principales raisons des problèmes et des annulations des clients, les principaux facteurs de désabonnement et les principales réclamations des clients pendant la haute saison.
Équipes d’assurance qualité
De nombreux outils sur le marché aujourd’hui ont fusionné l’intelligence des conversations avec des éléments tels que le suivi de l’assurance qualité et le coaching pour aider à classer les agents et à améliorer leurs performances. Les analystes de l’assurance qualité peuvent utiliser ces types de logiciels pour noter automatiquement les agents sur 100 % des appels afin d’éliminer la subjectivité de l’évaluation des performances des agents. Il élimine également la nécessité d’avoir des tableaux de bord manuels pour suivre et identifier les agents les plus performants et les moins performants.
Équipes de vente
Les équipes de vente tirent profit de l’intelligence conversationnelle :
- Analyser les appels afin d’identifier les stratégies efficaces et d’améliorer les présentations.
- Enregistrement de toutes les conversations de vente et analyse des thèmes principaux.
- Catégoriser les objections courantes et le sentiment/la tonalité du prospect dans les conversations
L’IC est souvent utilisé par les équipes d’aide à la vente pour identifier les thèmes de formation et se concentrer sur l’accompagnement des commerciaux dans les parties du processus d’achat où ils rencontrent le plus de difficultés. La plupart des logiciels d’intelligence conversationnelle pour les ventes se concentrent sur des éléments tels que la réduction de la durée du cycle d’achat, la fourniture d’une assistance à la vente et l’utilisation d’une analyse prédictive pour déterminer les affaires qui ont le plus de chances d’être conclues.
Équipes de marketing
Comme nous l’avons vu plus haut dans ce blog, les équipes marketing peuvent exploiter les informations génératives pour comprendre les préférences des clients et créer des campagnes plus ciblées. Par exemple, ils peuvent facilement identifier les prospects à forte propension et améliorer leur progression dans l’entonnoir. Certains outils d’intelligence conversationnelle peuvent également être utilisés pour analyser les interactions sur les médias sociaux et les avis de tiers afin de faire ressortir les principaux thèmes et tendances à utiliser pour les campagnes, qu’il s’agisse de réengager les clients perdus ou d’en acquérir de nouveaux.
Comment les managers peuvent utiliser l’intelligence des conversations
Les responsables, en particulier dans les centres de contact, peuvent améliorer considérablement leurs flux de travail quotidiens grâce à cette technologie. Les outils d’intelligence conversationnelle leur permettent d’analyser les interactions avec les clients en temps réel, ce qui leur donne une idée précise des problèmes courants et des domaines dans lesquels les agents ou les représentants commerciaux pourraient avoir besoin d’une formation supplémentaire. En surveillant ces interactions, les responsables peuvent identifier des modèles de plaintes des clients, suivre les mesures de performance et garantir le respect des normes de l’entreprise.
Cela permet de mieux cibler les programmes d’accompagnement et de développement et d’améliorer la qualité globale du service. En outre, l’intelligence conversationnelle aide à prévoir les désabonnements potentiels en mettant en évidence les points de douleur et d’insatisfaction fréquents, ce qui permet de prendre des mesures proactives pour fidéliser les clients. Dans l’ensemble, cette technologie permet aux responsables de prendre des décisions fondées sur des données qui améliorent à la fois les performances des agents et la satisfaction des clients, en les aidant à mieux rendre compte de ce qui se passe sur le terrain aux cadres supérieurs.
Comment les agents de première ligne peuvent utiliser l’intelligence conversationnelle
Les agents de première ligne du service clientèle peuvent également tirer un grand bénéfice de l’utilisation de l’intelligence conversationnelle pour mieux comprendre leurs performances et améliorer la manière dont ils fournissent le service à la clientèle.
GenCI leur permet d’accéder à la transcription et à l’analyse en temps réel de leurs interactions, ce qui leur fournit un retour d’information immédiat sur leurs performances et les aide à ajuster leurs stratégies de communication à la volée. Les agents peuvent rapidement identifier les émotions et les préoccupations des clients et y répondre en reconnaissant les modèles de sentiments, ce qui améliore leur capacité à fournir un service empathique et efficace.
Certains outils d’intelligence conversationnelle permettent également aux agents d’accéder plus rapidement aux ressources de gestion des connaissances en faisant apparaître des informations et des solutions pertinentes en temps réel au cours d’un appel, ce qui réduit le temps passé à chercher des réponses et améliore les taux de résolution au premier appel. En outre, les outils peuvent offrir des conseils personnalisés et mettre en évidence les meilleures pratiques basées sur les interactions précédentes, ce qui permet aux agents d’améliorer continuellement leurs compétences et d’offrir une expérience client de qualité supérieure. Globalement, l’intelligence conversationnelle permet aux agents de première ligne d’être plus réactifs, mieux informés et plus efficaces dans leur rôle, ce qui se traduit par une plus grande satisfaction des clients et une meilleure efficacité opérationnelle.
Comment évaluer les fournisseurs d’intelligence conversationnelle
Que vous ayez essayé des outils d’analyse traditionnels pour centres de contact dans le passé et que vous ayez été déçu par les résultats, ou que vous soyez prêt à vous lancer dans l’IA pour la première fois, il est important de définir des critères d’évaluation clairs pour ce dont vous avez besoin. Vous trouverez ci-dessous les principaux critères d’évaluation à prendre en compte pour commencer.
Technologie – Choisissez un fournisseur qui utilise une approche multi-LLM
Une plateforme d’intelligence conversationnelle n’est puissante que si elle est précise. C’est pourquoi il est si important de s’associer à des fournisseurs qui ont construit un système qui exploite la puissance de dizaines de LLM, chacun conçu pour des points d’analyse uniques tels que des questions commerciales spécifiques, l’intention, et plus encore.
Données d’entrée – Choisissez un fournisseur qui intègre davantage de sources de données.
Lorsqu’il s’agit de comprendre votre client, l’éventail des données analysées est important. Plus de sources de données signifie une compréhension plus riche de votre client, ce qui peut conduire à une meilleure prise de décision. C’est là que l’analyse des avis, des enquêtes et même des médias sociaux, en plus des tickets et des appels, peut améliorer la qualité des informations que vous obtenez.
Workflows – Choisissez un fournisseur qui lie les informations aux actions.
Les informations n’ont de valeur que si elles sont utilisées. Même si vous disposez d’informations très précises sur votre entreprise, si vous ne pouvez pas les appliquer pour améliorer tous les domaines de votre entreprise, vous n’en faites pas le meilleur usage. C’est pourquoi le choix d’un fournisseur qui rend les informations exploitables et qui a un impact sur l’ensemble de l’organisation joue un rôle dans l’optimisation de votre investissement.
Preuve de concept – Choisissez un fournisseur qui démontre sa valeur avec vos propres données.
Les tests effectués avec vos propres données vous permettent d’évaluer la précision et l’efficacité du fournisseur que vous évaluez dans des scénarios réels. Une démonstration de faisabilité fournit des informations précieuses sur la manière dont la solution fonctionne avec vos données et si elle répond à vos attentes. Le fait de voir des idées en action avec vos propres données renforce également la confiance de vos propres parties prenantes internes, y compris les dirigeants, les utilisateurs et les investisseurs. Elle démontre les capacités et la valeur potentielle, ce qui favorise l’adhésion et le soutien à la décision finale, maximisant ainsi son impact potentiel sur votre organisation.
Personnalisation – Choisissez un fournisseur qui propose des modèles personnalisés pour répondre à vos besoins uniques.
Les modèles d’IA ajustés avec des données internes tendent à offrir des résultats plus précis et plus pertinents. Les modèles personnalisés offrent une plus grande flexibilité que les solutions standard, et ils peuvent être adaptés et affinés au fur et à mesure que les besoins de votre entreprise évoluent ou que de nouveaux défis se présentent. Les modèles personnalisés sont formés avec les données de votre entreprise, ce qui leur permet de reconnaître les modèles et les tendances propres à l’organisation.
Intégrations – Optez pour un fournisseur disposant d’un solide réseau d’intégrations.
Grâce à des intégrations poussées, les données relatives aux clients et aux conversations sont synchronisées de manière transparente. Un fournisseur disposant d’un solide réseau d’intégration peut intégrer de manière transparente les informations sur les clients à vos systèmes et flux de travail existants, en veillant à ce que les informations soient interconnectées et envoyées à votre entrepôt de données. En exploitant les capacités de plusieurs outils par le biais d’intégrations, vous pouvez créer des solutions plus complètes qui répondent à des besoins commerciaux complexes.
Mise en œuvre – donnez la priorité à un fournisseur qui met en œuvre en quelques semaines, et non en quelques mois.
Le délai de rentabilité est essentiel si vous voulez que votre investissement ait un impact sur votre entreprise en moins de temps. Les longs calendriers de mise en œuvre exigent de votre équipe des efforts en matière de personnel informatique, ce qui vous prive de votre temps pour atteindre les indicateurs de performance clés. Les fournisseurs qui s’appuient sur des technologies de dernière génération n’ont pas besoin de longs délais pour être opérationnels – et si c’est le cas, le fardeau ne doit pas reposer sur les épaules de votre équipe.
Succès client en gants blancs – Optez pour un fournisseur qui met l’accent sur les personnes
Choisissez des partenaires dignes de confiance. Lorsque les vendeurs accordent la priorité aux personnes, ils ont tendance à se concentrer sur l’établissement de relations à long terme fondées sur la confiance, la collaboration et le respect mutuel. Cela peut conduire à des partenariats plus stables et plus bénéfiques au fil du temps, les deux parties s’investissant dans le succès de l’autre.
Vous souhaitez tirer parti d’une intelligence conversationnelle de pointe dans votre centre de contact ? Réservez une démonstration avec Calabrio dès aujourd’hui.
