Quand on pense “data” et “expérience client”, on pense souvent d’abord à toutes ces données sur nos habitudes de consommation qui sont récoltées et ensuite utilisées.
Le big data est alors vu comme un 😈 qui soutire des informations personnelles.
Pourtant, c’est aussi grâce à lui que vous bénéficiez d’une meilleure expérience client que ce soit en ligne ou en magasin 😇.
Je vais vous parler aujourd’hui de 3 bénéfices de la data au service de l’expérience client : les chatbots, une meilleure segmentation, et de meilleures recommandations.
Les chatbots : pensés par les humains, pour les humains
Aujourd’hui en France, il y a, accrochez-vous, plus de 60 entreprises dans les chatbots répartis en 4 catégories :
![Les startups françaises du chatbot data expérience client](https://insights.invyo.io/europe/wp-content/uploads/2022/10/Untitled7-300x190.png)
La technologie sous-jacente : le NLP
Le Natural Language Processing n’a sûrement plus de secrets pour vous si vous avez suivi notre mini série de vulgarisation de la data, en particulier l’épisode 4 de la saison 1 🦜
Pour les nouveaux arrivant, une définition sommaire : le NLP ou Traitement Automatique du Langage Naturel permet à la machine de reconnaître les champs sémantiques issus du langage naturel (souvent écrit, bien que les technologies de reconnaissance vocale soient en plein boom).
Les plateformes utilisant la technologie NLP pour fournir une plateforme de création de chatbot (pour les développeurs et, à terme, pour le grand public). Ces plateformes permettent à l’utilisateur de générer son propre arbre de décision et d’y entrer les questions et les réponses souhaitées. Ces plateformes clé en main peuvent s’avérer limitées pour créer un chatbot « intelligent », capable par exemple de reconnaître des émotions et de réagir en fonction (on parlera alors de NLU, Natural Language Understanding).
Les différentes applications
Les fournisseurs de services spécifiques via un chatbot sont soit B2B (service client ou support interne) ou B2C (conciergeries en ligne, etc).
Pour le volet B2B, les startups proposant un chatbot viennent par exemple alléger les demandes clients d’un SAV, prenant le relais du standard téléphonique pour les questions clients classiques et pouvant si besoin rebasculer vers le call center.
Il s’agit aussi de chatbots de knowledge management allant puiser dans les ressources en ligne de l’entreprise et capables de sélectionner rapidement la bonne information pour les demandes des employés.
Il peut enfin être question d’outils pratiques automatisant les tâches récurrentes en entreprise (assistant virtuel à la prise de rendez-vous et gestion d’agenda grâce à Julie Desk, redirection des messages slack en e-mail grâce à MailClark, ou encore évaluation des compétences en langue étrangères grâce à Pipplet).
Pour le B2C, on retrouve des chatbots de conciergerie en ligne, le plus souvent accessibles depuis Facebook Messenger, qui nous conseillent sur les bons plans et les sorties en ville (concerts, expositions, restaurants à proximité, etc.).
![répartition des startups du chatbot par catégories](https://maddyness.twic.pics/2018/01/Chatbot-graphe.png?twic=v1/max=750)
Les grands comptes, premiers clients des startups
Quel que soit le secteur, les startups françaises du chatbot ont, pour nombre d’entre elles, travaillé sur un projet avec des grands groupes du CAC 40.
Les agences de conception de chatbot collaborent aussi bien avec des médias que des banques ou des groupes de retail :
- Livebotter : La Redoute, Netflix, Société générale
- Playbots : FNAC, Bouygues Immobilier, La Mutuelle générale
- The bot studio : RATP, Renalt Nissan, Orange, Valéo
- Vizir : La Poste, EDF, Leroy Merlin, Safran
- Botmind : BNP Paribas, La Redoute, Webedia
Les grands groupes font également appel aux startups pour les aider à concevoir et mettre en place leurs chatbots de service client :
- CallDesk : La Poste, Bouygues Telecom, Mgen, Voyages SNCF
- iAdvize : Disney, Air France, Cdiscount, EDF, Voyages SNCF, Nespresso, IKKS
Automatisation des tâches :
- Pipplet : Adecco, Saint Gobain, TelentSoft, Zalando, Kering
Plateforme de création de chatbot :
- Smartly.AI : BNP Paribas, Orange, BPCE, SEB, PSA, Deloitte, BETC
Nouveau défi : la reconnaissance vocale
Nouveau défi à venir pour les startups du chatbot : intégrer la reconnaissance vocale à leur système. Si près de 60% des acteurs cartographiés sont disponibles sur Messenger, 30% incorporables à des sites internet et 30% disponibles via une application mobile dédiée, seuls 8% sont configurables avec un dongle vocal. L’ère des assistants vocaux, dont Snips est un acteur très prometteur, n’en est qu’à ses débuts en France et représente peut-être l’un des défis de cette nouvelle année.
Une meilleure segmentation client pour une meilleure compréhension du marché
La Data peut aider à segmenter des clients ?
Si vous vous souvenez bien, dans l’épisode 4 de la saison 2 de notre mini-série, nous avons montré comment repérer des clusters de consommateurs, c’est à dire des groupes d’individus dont les comportements sont similaires, en vue d’aider les équipes marketing et communication à mener des actions de ciblage précises.
Les algorithmes de réduction de dimension
L’ACP (Analyse par Composantes Principales) et le t-SNE (t-Distributed Stochastic Neighbor Embedding) sont deux algorithmes de réduction de la dimensionnalité, ie. des outils qui vont permettre de simplifier les données pour les visualiser en 2 dimensions.
La place de la visualisation
Grâce à la réduction de dimensions, on aboutit à des visualisations de ce type pour mieux cerner la représentation de chacun des clusters :
![visualisation clusters dataviz](https://insights.invyo.io/europe/wp-content/uploads/2022/10/Untitled9-300x187.png)
De meilleures recommandations pour un meilleur service après-vente
Les systèmes de recommandation de produit sont souvent les premières applications d’intelligence artificielle que souhaitent mettre en place les e-commerçants sur leur site web. C’est un choix logique qui aura un impact visible très rapidement sur les ventes. Voici quelques informations pour expliciter l’intérêt de l’intelligence artificielle sur la recommandation des produits.
Qu’est-ce que la recommandation produit ?
La recommandation produit existe sur la majorité des sites e-commerce mais aussi sur des outils marketing ou d’aide à la vente. Dans le cas d’un e-commerce elle est visible en bas d’une fiche produit (“vous aimerez aussi”…), lors de l’ajout d’un produit au panier (“les clients qui ont acheté ce produit ont également acheté”…), ou à d’autres emplacements du site. On trouve également très fréquemment des recommandations de produits dans les newsletters.
Sans algorithmes d’intelligence artificielle, les produits recommandés sont soit définis par le e-commerçant ou l’administrateur des ventes, soit définis par une règle statistique basique (historique des ventes).
Avec de l’intelligence artificielle, il devient possible d’automatiser ces suggestions et de les personnaliser à chaque client, en fonction des pages visitées, de son historique d’achat, du contenu de son panier, de son profil… et ainsi de proposer intelligemment les bons produits au bon client, au moment opportun. Cette personnalisation accrue est une stratégie très efficace pour développer les ventes, que ce soit dans un e-commerce ou dans le CRM d’un commercial.
Les avantages de l’intelligence artificielle pour la recommandation produit
Le machine learning a la capacité de traiter un très grand nombre de flux d’information pour définir la meilleure recommandation possible pour chaque client, ce qui n’est pas possible via une recommandation humaine (à moins d’échanger individuellement avec chaque client) ou via un algorithme classique qui se basera sur des données en trop faible quantité. Un moteur de recommandation en machine learning, couplé à une segmentation client par intelligence artificielle, permettra d’obtenir des résultats encore plus significatifs.
Les méthodes de machine learning et le deep learning se mettent au service de votre stratégie marketing avec l’objectif direct d’augmenter votre chiffre d’affaires.
Découvrez l’outil spécialement conçu pour les acteurs du retail souhaitant exploiter leurs données : Data Smart Supply.