Maintenant que votre agent virtuel est en ligne, on s’attend à ce qu’il soit prêt à tout gérer. Les clients poseront leur question et obtiendront toujours la bonne réponse ; les conversations seront entièrement automatisées et impeccables, et tout le monde sera satisfait.
Mais, soyons honnêtes, ce n’est pas vraiment comme ça que ça se passe, n’est-ce pas ?
Imaginer tous les scénarios et concevoir un contenu profond et significatif pour chaque interaction n’est franchement pas encore possible, même si vous faites de votre mieux. Les clients posent des questions de manière différente et unique, ou ils posent des questions sur des sujets que le robot n’a jamais rencontrés auparavant et il n’a pas de réponse : Nouveaux produits ? Vérifiez. Mise à jour des politiques ? Vérifiez. Plus de détails sur les réponses existantes ? Vérifiez.
La réponse à ce problème lancinant mais courant – ou du moins la réponse potentielle – est la recherche d’intentions. Mais comment favoriser une découverte efficace pour vos robots d’une manière qui soit évolutive et durable ?
Qu’est-ce que la découverte d’intentions ? Et pourquoi l’amélioration et l’évolution des robots sont-elles essentielles ?
L’objectif d’un agent virtuel intelligent est de permettre le libre-service aux clients, en les guidant vers la bonne réponse, sans qu’il soit nécessaire de faire appel à un agent. Mais comment peut-elle le faire lorsque les clients lui posent des questions qu’elle ne peut pas traiter ?
L’IA conversationnelle, c’est beaucoup de choses, mais ce n’est pas de la magie, même si les modèles les plus récents peuvent faire des choses assez magiques. Cela signifie que l’importante responsabilité de s’assurer que votre agent virtuel est formé et prêt à répondre incombe à l’équipe du chatbot.
Bien entendu, cette démarche peut prendre des formes très diverses : Peut-être que vos clients posent des questions de manière inattendue et que le robot a besoin d’une formation NLU supplémentaire. Il se peut que les conversations se soient enlisées et que vous puissiez améliorer l’automatisation en affinant les intentions avec des sous-sujets. Il se peut aussi qu’un tout nouveau sujet fasse l’objet d’une augmentation soudaine du nombre de demandes et que vous deviez rapidement concevoir et introduire de nouvelles intentions.
Quelle que soit la mesure corrective finale, la clé sous-jacente de la correction des performances est la capacité à trouver et à corriger efficacement les conversations qui font trébucher votre agent virtuel.La découverte des intentions, le processus d’identification et de catégorisation automatique des objectifs sous-jacents aux messages envoyés par les utilisateurs à un chatbot, est cruciale à cet égard. Mais ce n’est pas toujours facile.
Le problème de la découverte d’intentions et de sujets qui n’est pas conçue pour l’échelle
La découverte efficace des intentions est un défi de taille pour les équipes de chatbots – un défi qui se cache souvent à la vue de tous.
Chaque jour, votre agent virtuel répond à des milliers, voire des dizaines de milliers de demandes. Et pour une partie (que l’on espère faible) de ces demandes, le chatbot sera tout simplement incapable de fournir une réponse utile. Le travail de découverte de l’intention et du sujet du chatbot, puis la conception d’un plan de travail pour corriger les lacunes, font partie intégrante des activités quotidiennes d’une équipe de chatbots.
Certaines équipes se tournent vers SQL pour les aider. Suivre ses intuitions, rédiger des requêtes – parfois, cela peut ressembler à une partie de whac-a-mole.
Nous connaissons au moins une équipe qui a donné la priorité à une tâche quotidienne consistant à faire défiler 100 conversations par jour pour trouver ces moments gênants, en évaluant manuellement chacun d’entre eux pour déterminer s’il s’agissait d’une opportunité de conserver le bot ou de créer une nouvelle intention. La gestion de vastes feuilles de calcul était une pratique quotidienne qui prenait beaucoup de temps et d’énergie.
Pour ne rien arranger, plus l’agent virtuel est en production depuis longtemps et plus le volume qui l’alimente est important, plus il est difficile d’analyser manuellement les données et de leur donner un sens. Et ce, si vous avez la chance d’avoir accès à des données de conversation opportunes. De nombreuses équipes n’en ont pas et subissent de longs délais d’attente lorsqu’elles tentent d’obtenir un accès.
D’autres équipes s’appuient sur des ressources spécialisées ayant une grande expertise en science des données : pour ces membres de l’équipe, ce n’est peut-être pas une priorité, ils ne comprennent pas toujours la demande, et lorsque le rapport revient, il n’est pas toujours utilisable – il a souvent besoin d’être décrypté, organisé, remis en question. Malheureusement, pour au moins une équipe que nous connaissons, ce processus a duré plus de six mois. Quelle occasion manquée de répondre aux questions des clients et de créer de meilleures expériences automatisées !
Si votre agent virtuel gère des conversations à grande échelle, vous ne pouvez tout simplement pas vous permettre d’attendre des semaines ou des mois, en continuant d’avoir des conversations frustrantes et une escalade de l’agent.
Faire évoluer un agent virtuel pour qu’il devienne plus réactif, plus complet et qu’il offre l’expérience automatisée que vous recherchez, nécessite une approche différente de la recherche d’intentions.
La découverte d’intentions et l’analyse des chatbots pilotées par l’IA permettent d’éviter les maux de tête d’un travail ingrat
Qu’il s’agisse d’une entreprise nouvellement créée ou d’une entreprise bien établie, les agents virtuels sont toujours confrontés à des questions auxquelles ils ne peuvent pas répondre. L’IA conversationnelle évolue rapidement, mais dans la pratique, cela signifie que les conversations des agents virtuels deviennent de plus en plus complexes. Les équipes de chatbots ont besoin des bons outils pour les aider à repérer les conversations infructueuses, à naviguer dans cette complexité et à construire efficacement de meilleures conversations.
La bonne nouvelle, c’est qu’il existe des technologies innovantes qui permettent de repérer facilement ces difficultés, de les identifier comme des opportunités de formation ou de nouvelles intentions, et qui vous aident ensuite à établir une liste de travail prioritaire pour résoudre les problèmes.
Voyez par vous-même comment la plateforme analytique de chatbot de Calabrio peut vous aider à accélérer l’amélioration. Le score unique d’automatisation des bots de la plateforme Bot Analytics aide les équipes à identifier rapidement les sujets spécifiques qui nécessitent une investigation, ce qui simplifie le processus de création de nouvelles intentions et la fourniture de meilleures expériences. Découvrez la puissance de Calabrio Bot Analytics en réservant une démonstration dès aujourd’hui.