paint-brush
Comment fonctionnent les chatbots dans les centres d'appels ?par@usetech
429 lectures
429 lectures

Comment fonctionnent les chatbots dans les centres d'appels ?

par Usetech 5m2023/03/29
Read on Terminal Reader

Trop long; Pour lire

Les technologies d'apprentissage automatique contribuent à réduire considérablement le coût de la prestation de services, ainsi qu'à augmenter l'efficacité des centres. Les systèmes robotiques les plus primitifs sont les chatbots linéaires. Avec leur aide, vous pouvez commander une pizza ou une table dans un restaurant, préciser le coût dans l'envoi d'un colis ou obtenir un ticket pour voir un médecin.
featured image - Comment fonctionnent les chatbots dans les centres d'appels ?
Usetech  HackerNoon profile picture
0-item

Il est communément admis que les centres d'appels sont d'immenses halls où les opérateurs répondent aux demandes des clients. Nous pensons rarement au fait que les personnes travaillant dans les centres d'appels sont confrontées à une grande quantité d'informations, pour le traitement desquelles d'énormes ressources sont impliquées. Cela comprend le travail des opérateurs, les équipements, les frais d'électricité, la location des locaux, les amortissements, etc.

Avis de non-responsabilité : toutes les statistiques mentionnées ci-dessous sont issues d'études et de recherches originales effectuées par notre société.

Les technologies modernes d'apprentissage automatique contribuent à réduire considérablement le coût de la fourniture de services, ainsi qu'à augmenter l'efficacité des centres.

La pratique montre qu'environ 70 % des demandes adressées à la hotline sont du même type.

Actuellement, les services robotiques du support dit « de première ligne » allouent efficacement ces demandes. Pour fournir des services de qualité, il leur suffit de reconnaître l'objet de la demande et de poser au client quelques questions d'éclaircissement. Cela permet à l'entreprise de satisfaire clairement, rapidement et sans ambiguïté la demande du client.

Il convient de noter qu'une demande d'un client peut prendre différentes formes et via différents canaux de communication - des messagers, des chatbots, un assistant vocal ou un opérateur travaillant selon un algorithme définitivement vérifié. Et dans tous ces cas, les technologies d'apprentissage automatique viennent à la rescousse. Ils vous permettent de déterminer le « masque » de questions le plus approprié et de donner une réponse plus précise aux clients.

Les systèmes robotiques les plus primitifs sont les chatbots linéaires

Nous les rencontrons dans les messageries, les réseaux sociaux, les applications mobiles et sur les sites Web. Les chatbots répertoriés ne sont pas formés et fonctionnent selon un certain scénario. Mais ils sont utiles — avec leur aide, vous pouvez commander une pizza ou une table dans un restaurant, préciser le coût d'envoi d'un colis ou obtenir un ticket pour voir un médecin. Dans le même temps, le temps moyen de traitement des demandes sera réduit d'environ 3 fois.

Ces bots vous permettent de fidéliser vos clients - on sait que plus de 50% des gens préféreraient résoudre des problèmes sans communiquer avec les gens. Et des informations rapides et plus détaillées entraînent sans aucun doute une augmentation des ventes.

Exemple 1 : Livraison Internationale

À titre d'exemple, décrivons le scénario de travail avec un chatbot d'une entreprise engagée dans la livraison internationale.

Il n'y a pas si longtemps, il était nécessaire d'envoyer des marchandises du pays N vers le pays K. Nous sommes allés sur le site Web de l'entreprise et avons discuté avec un chatbot. Dans le même temps, il s'est avéré qu'en raison des dimensions non standard de la cargaison, il est nécessaire de clarifier les paramètres : longueur, largeur, hauteur de la cargaison.

Il s'est avéré que le nombre de places dans le conteneur qui devaient être payées dépendait de manière significative de quelques centimètres. Après avoir passé quelques appels supplémentaires, 20 minutes plus tard, nous avons répondu avec succès à toutes les questions.

Après cela, nous avons été transférés à l'opérateur. Nous avons confirmé avec succès tous les paramètres transmis de la cargaison, et il a passé une commande pour livraison en 5 minutes. Ainsi, les coûts en temps étaient les suivants : environ 30 minutes ont été consacrées à un chatbot et 5 minutes à la communication en direct avec l'opérateur. L'efficacité d'un tel chatbot s'est avérée égale à 85%.

Exemple 2 :Assurance

Analysons un autre exemple de chatbot de première ligne, au développement duquel j'ai participé. L'entreprise était engagée dans l'assurance et souhaitait créer son propre chatbot avec IA. La particularité de ce projet était l'absence totale de chat, et le point d'entrée de la demande était dans le canal vocal. La pandémie a aggravé la situation et entraîné une grave surcharge du canal vocal. En conséquence, il a été décidé de configurer un bot de support de première ligne pour améliorer la qualité de service et décharger le centre d'appels.

Lors de la première étape, nous avons juste lancé un chat et en un mois, nous avons essayé d'en faire un point d'entrée unique pour la plupart des demandes. Ensuite, nous avons analysé et paramétré un système de widgets rapides du type suivant : informations sur le contrat, rendez-vous chez le médecin, dossier d'assurance, etc. Le client pouvait choisir l'un de ces widgets et continuer à communiquer avec un opérateur en direct dans un discuter. Dans le même temps, l'opérateur a marqué le dialogue avec le client avec des balises. En effet, lors de la première étape, les opérateurs ont procédé au balisage des données.

Ensuite, le système posait automatiquement les balises et, à la fin de la conversation, l'opérateur devait les confirmer. Cette procédure n'a pas pris plus de 10 secondes. Soit dit en passant, cette option est toujours valable.

Toutes les deux semaines, nous avons organisé une formation supplémentaire sur la reconnaissance du thème de la communication.

Au stade final du projet, le chatbot clôturait complètement 30 % des demandes en mode automatique sans intervention de l'opérateur, 35 % des demandes supplémentaires ne nécessitaient qu'une confirmation de l'opérateur, en raison des spécificités du métier de l'assurance.

Sur les 35% restants, environ 80% des clients du chatbot ont correctement redirigé vers l'opérateur, ne faisant des erreurs que dans 20% des cas.

En conséquence, le temps moyen de résolution d'une demande dans laquelle la participation de l'opérateur est requise est passé de plusieurs heures à 10 à 15 minutes.

Actuellement, de nombreux programmes ont été développés pour vous permettre de créer, d'implémenter et de configurer rapidement un chatbot linéaire simple. Le faible coût et la facilité de développement leur ont permis d'être mis en œuvre presque partout. Désormais, ce service est activement utilisé par les clients des opérateurs télécoms, des banques, des assurances, de la livraison, des services publics, du tourisme. Les systèmes robotiques linéaires répondent non seulement aux demandes des clients, mais envoient également les offres les plus pertinentes. Des fichiers multimédias peuvent également être fournis en réponse à la demande. De plus, ces chatbots forment facilement une base de données de demandes, ce qui vous permet de répondre rapidement aux besoins changeants des clients.

Mais les technologies modernes basées sur l'apprentissage automatique pourront-elles remplacer complètement les opérateurs de centres d'appels ?

Déjà maintenant, nous pouvons certainement dire que la réponse est non.

Seule une personne peut répondre à des questions complexes non standard, fournir le soutien psychologique nécessaire et donner une couleur émotionnelle à une conversation.

Néanmoins, les informations initialement reçues sur le sujet de la conversation, les données client collectées et les réponses reçues peuvent permettre au client de transférer le travail avec lui d'une machine à une personne sans être remarqué par le client. Il convient de noter qu'aucune technologie moderne n'est prête à résoudre les situations de conflit.

Auteur : Ilya Smirnov, responsable de la science des données chez Usetech