Outils d’analyse de l’IA et des chatbots :Sur étagère ou construisez votre propre outil ?

Le monde des chatbots et de l’IA conversationnelle évolue rapidement, de nombreuses entreprises proposant un éventail de solutions ou les intégrant à leurs produits et services.

En tant que chef d’entreprise cherchant à s’améliorer, vous pouvez cependant être déçu par les analyses disponibles sur ces plateformes.

Les plateformes de robots offrent généralement un accès limité aux données, des rapports de surface avec des mesures de volume, de confinement et des données d’intention. Les équipes chargées des chatbots sont obligées de compléter leurs efforts avec des outils fragmentés et des rapports manuels utilisant des outils tels que des requêtes SQL, des recherches manuelles, et plus encore.

Ces options de rapports natifs vous laissent souvent un sentiment d’insatisfaction, car vous vous efforcez de répondre à des questions élémentaires :

• De quoi mes clients parlent-ils au robot ?
• Quelle est l’efficacité du robot pour répondre à leurs questions ?
• Mes clients apprécient-ils l’expérience du robot ?
• Le robot aide-t-il l’entreprise à économiser (ou à gagner) de l’argent ? Comment puis-je le prouver ?
• Quelles sont les améliorations à apporter en priorité ?
• Quels sont les indicateurs que je devrais communiquer à mes principales parties prenantes ?

Et soudain, vous vous retrouvez à réfléchir à la création d’un logiciel d’analyse de chatbot.

Mais attendez : avant d’investir le temps et les ressources nécessaires à la création d’outils d’analyse des robots en interne, prenez en compte ces six points importants, y compris les aspects indispensables de tout logiciel d’analyse des chatbots.

Pour déterminer quelle est la bonne solution pour vos besoins, il est important de commencer par définir une liste de fonctionnalités clés qui devraient être intégrées dans votre logiciel d’analyse de chatbot, quelle que soit son origine.

Ce faisant, il est important de penser à court terme, en identifiant les caractéristiques à mettre en œuvre dans le cadre d’un produit minimum viable (MVP). Cependant, il est plus important que l’équipe ait une vision claire de l’aspect du produit après quelques itérations. Une équipe qui ne dispose pas d’une expérience extrêmement solide en matière de chatbots et d’IA conversationnelle aura toujours du mal à comprendre les fonctionnalités qui pourraient s’avérer nécessaires à l’avenir. L’élaboration d’une vision globale pour un produit est la clé de son succès. Une liste restreinte des caractéristiques essentielles d’analyse des données des chatbots doit inclure :

Sujets de conversation :Pour être efficace, l’analyse des robots doit permettre d’extraire les « motifs de contact principaux » des interactions des clients avec votre chatbot et avec les agents en direct. En utilisant des techniques d’IA telles que la modélisation des sujets, vous devriez être en mesure d’identifier les véritables raisons pour lesquelles vos clients s’engagent avec vous. Cependant, pour atteindre ce niveau de connaissance, il faut une solution qui s’appuie sur l’expertise de l’IA.

Automatisation :La mesure précise du degré d’automatisation des conversations par le bot ne se limite pas à de simples mesures de confinement du bot. Les plateformes de robots passent souvent à côté de cette mesure plus large, ne prenant en compte que le fait qu’une conversation ait été contenue. Cependant, une mesure de confinement de base ne tient pas compte du fait qu’une conversation a répondu ou non aux besoins et à la satisfaction du client. Une plateforme d’analyse plus avancée prendra en compte des signaux supplémentaires et fournira une vue précise de la performance de l’automatisation des bots, comme dans le score d’automatisation des bots (BAS) de Calabrio Bot Analytics.

Satisfaction de la clientèle :Pour mesurer la satisfaction des clients, de nombreuses plateformes s’appuient sur des enquêtes auprès des clients. Cependant, le taux de participation est souvent inférieur à 5 % et les retours d’information sont souvent négatifs. Il est clair qu’une telle approche est loin d’être idéale. Au lieu de cela, la création d’une mesure efficace de la satisfaction client englobant 100 % des conversations exige une combinaison de signaux innovants et de modèles d’IA avancés pour générer les entrées nécessaires. Pour atteindre ce niveau d’intelligence, il faut disposer d’une solide expertise en matière d’IA et de NLU, qu’il faudrait recruter ou développer en interne. Bien sûr, une solution avancée comme Calabrio Bot Analytics est capable d’analyser le CSAT sans utiliser d’enquêtes, avec son Bot Experience Score (BES).

Découverte de nouvelles intentions :Les robots conversationnels sont construits en utilisant la compréhension du langage naturel et les intentions comme mécanisme de base pour faire correspondre les besoins des clients avec les réponses du robot. Cependant, il y aura toujours certaines choses que le robot ne comprendra pas, et il est crucial d’en garder la trace.

À l’aide d’un modélisateur de sujets externe, vous pouvez identifier les sujets dans les données de conversation qui ne figurent pas dans les intentions existantes. Mieux encore, il peut être configuré pour fonctionner 24 heures sur 24, découvrant ainsi de nouvelles intentions, ou de nouveaux sujets, au fur et à mesure qu’ils apparaissent. Cette fonctionnalité est très utile car elle vous permettra d’élargir leur référentiel d’intentions et de capturer davantage de conversations que leurs clients souhaitent avoir, améliorant ainsi les performances de leur bot.

Identification faussement positive :Les robots basés sur la NLUpeuvent occasionnellement commettre des erreurs, en comprenant mal les besoins des clients et en suivant la mauvaise voie. Les plateformes de robots ne fournissent généralement pas d’identification faussement positive. Pour résoudre ce problème, vous avez besoin d’une technique d’IA personnalisée, distincte de la conception de l’UAL/classificateur.

L’impact financier :Il est essentiel de comprendre l’impact financier de votre programme de chatbot pour justifier les investissements passés et futurs. Les paramètres financiers à un stade précoce peuvent ne pas être clairs, et les plateformes de robots peuvent ne pas divulguer facilement ces informations. En étant capable de faire le lien entre les économies réalisées par les centres de contact, le coût par conversation avec un robot et l’impact des améliorations apportées par les robots sur ces deux mesures, vous pourrez prendre des décisions éclairées sur le coût de l’IA conversationnelle.

La mise en place d’un moteur d’analyse robuste pour les robots nécessite une connectivité à de multiples sources de données : pensez aux données du chatbot provenant de plusieurs plateformes ou services, aux données vocales, aux données de l’agent en direct, etc.

Il n’est pas facile de comprendre et de décider comment toutes ces données seront stockées, consultées et communiquées.

Lorsque vous décidez d’adopter une approche de l’intégration des données, gardez les questions suivantes à l’esprit :

• Où sont actuellement stockées les données relatives à vos conversations et où seront-elles stockées à l’avenir ?
• Prévoyez-vous d’étendre votre activité à plusieurs chatbots, y compris des chatbots vocaux ?
• Stockerez-vous les données de conversation dans un nuage de données comme Snowflake, BigQuery ou Amazon Redshift, ou les laisserez-vous dans des fichiers journaux au sein des plateformes de bot et d’assistance à la clientèle ?

Maintenance des connecteurs : Une fois que vous avez établi des intégrations avec des sources de données de conversation, il est essentiel de prendre en compte la maintenance continue des connecteurs, car les plates-formes de source changeront continuellement.

Choisir entre les équipes internes et les fournisseurs : Lorsque vous décidez de faire appel à une équipe interne ou à un fournisseur de connecteurs prédéfinis, tenez compte des éléments suivants :

• Évolutivité : Les fournisseurs disposant de partenariats existants et d’une expertise technologique peuvent mieux intégrer et maintenir les flux de conversation avec les suites d’analyse et de reporting.
• Adaptabilité : Les outils d’analyse des chatbots disponibles dans le commerce sont conçus pour gérer différents scénarios d’interaction, ce qui permet des intégrations plus fluides à mesure que vos besoins en matière de chatbot évoluent.

Les décisions prises en amont détermineront l’évolutivité future, notamment en ce qui concerne la connectivité, le stockage, le déploiement et la mise à l’échelle. De mauvais choix initiaux peuvent entraîner des goulets d’étranglement dans le système, une fragmentation des données et d’autres problèmes qui, en fin de compte, entravent votre capacité à évoluer efficacement sur le long terme.

L’intégration des données est loin d’être la seule préoccupation liée à l’infrastructure. L’exécution d’analyses sur des milliers de conversations multilingues peut être une tâche gourmande en ressources, nécessitant des modèles d’IA puissants et des services cloud étendus.

Pour réaliser une analyse efficace des chatbots, il est essentiel de trouver le bon équilibre entre le coût et la connaissance. La gestion de l’analyse des interactions multilingues des chatbots nécessite des ressources, notamment des modèles d’IA sophistiqués et des services cloud coûteux. Il est essentiel d’équilibrer l’utilisation des modèles pour éviter des dépenses exorbitantes tout en obtenant des informations essentielles à partir des données de conversation.

Il est tout aussi important d’évaluer des facteurs tels que la profondeur de l’analyse, la fréquence d’exécution du modèle et la nécessité d’une analyse en temps réel. Si les analyses de base peuvent sembler suffisantes dans les premiers temps, au fil du temps, les besoins s’accroîtront et les questions sur les performances du robot deviendront plus sophistiquées, ce qui entraînera des analyses plus intensives. Une équipe interne sera-t-elle aussi bien équipée qu’un fournisseur expérimenté pour fournir les performances souhaitées ?

Il est bien connu que les projets informatiques dépassent souvent les délais et les coûts prévus. En fait, uneétudeplus anciennede McKinsey et Oxford, qui reste d’actualité, indique que la moitié des grands budgets informatiques dépassent largement leur budget initial.

Dans le monde des chatbots, il est essentiel que les entreprises saisissent les conséquences du report de l’analyse.

Si vous ne parvenez pas à maîtriser les performances des robots, et ce rapidement, les entreprises qui dépendent de ces robots pour une multitude d’interactions avec leurs clients en pâtiront.

Si votre chatbot est commercialisé depuis plusieurs mois déjà, vous aviez probablement besoin d’informations sur les performances hier. Construire vos solutions d’analyse à partir de zéro conduira certainement à des retards, laissant sur la table des revenus, des économies et la fidélité des clients.

L’efficacité des solutions d’analyse et de reporting dépend de la capacité de l’équipe à apprendre les outils et à extraire les résultats souhaités. C’est plus facile à dire qu’à faire. Ces solutions peuvent être complexes et nécessiter des programmes de formation complets pour maximiser les connaissances et l’amélioration du chatbot.

Au-delà de la formation initiale, une documentation efficace et complète, ainsi qu’une formation continue et un soutien aux produits sont essentiels pour assurer un succès durable, en particulier en cas de renouvellement de l’équipe. À long terme, les fournisseurs externes spécialisés dans les plateformes d’analyse peuvent être en mesure d’offrir une documentation et une assistance plus complètes et plus récentes pour votre solution.

Pour déterminer s’il faut créer ou acheter un logiciel d’analyse et de reporting, il est essentiel de prendre en compte les coûts de développement, de maintenance et de mise à jour. La création d’une simple feuille de calcul pour comparer les coûts peut aider à comprendre quelle option est la plus rentable. En général, les fournisseurs externes qui proposent ou construisent des solutions pour plusieurs clients offrent des options plus abordables en raison de l’amortissement des coûts, contrairement aux équipes internes qui travaillent au prix coûtant pour le projet d’un seul client.

Lorsque les entreprises envisagent d’intégrer des chatbots à leurs produits ou services, il devient essentiel de déterminer le retour sur investissement (ROI) pour prendre la bonne décision et obtenir des analyses efficaces.

Lorsqu’il s’agit de gérer un programme de chatbot, l’accès à des analyses efficaces et perspicaces est indéniablement crucial pour le succès à court et à long terme. L’idée de créer votre propre système d’analyse des robots peut sembler séduisante, mais il est important de prendre en compte l’investissement important en temps et en ressources que cela implique.

Pour ceux qui disposent d’une expertise approfondie dans le domaine du traitement du langage naturel (NLP), d’une expérience de travail sur de grands modèles linguistiques multilingues tels que GPT et BERT, et de la formation et de la production de modèles d’IA en général, la création d’une plateforme analytique de chatbot en interne peut être la solution – à condition qu’elle soit assortie d’une longue durée de vie et de ressources considérables. Cependant, pour la majorité des équipes de chatbots et des centres de contact, des options comme Calabrio Bot Analytics offrent des retours plus immédiats, une valeur durable et une innovation fiable.

Prêt à améliorer les performances de votre robot ? Réservez dès aujourd’hui une démonstration de Calabrio Bot Analytics.