Comment Sprinklr a mis l'IA au service de la relation client et de la qualité des interactions chez Cdiscount ?
Publié par Sprinklr le | Mis à jour le
Leader français du e-commerce, Cdiscount s'est engagé depuis quelques années dans une démarche d'amélioration continue de son expérience client. Comment l'utilisation de l'IA, aux côtés de Sprinklr, permet-elle d'être au plus près de la réalité terrain ?
Depuis 2016, Cdiscount cherche à améliorer l'ossature de sa relation client: rendre efficace les processus internes, avoir des outils adaptés et mieux maîtriser la qualité de service. Mais une relation client efficace ne se limite pas à une réponse "administrative": un client doit se sentir écouté et accompagné. L'enjeu pour Cdiscount : comment être à l'écoute des centaines de milliers de conversations annuelles sur les réseaux sociaux, par tchat ou par téléphone pour vérifier que les recommandations sont bien suivies et comment cela impacte le niveau de satisfaction client ?
Le choix de Sprinklr : plateforme de gestion de l'expérience client
Le parti pris a donc été de lancer un grand chantier d'écoute pour comprendre 100% des interactions entre la marque et ses clients, en identifiant les intentions des consommateurs, mais aussi le comportement des conseillers. C'est pourquoi la plateforme Sprinklr a été choisie : elle permet de scaler de façon automatique et en temps réel des millions de conversations qui sont ensuite transcrites, analysées (étiquetage par suite de mots clés notamment) puis scorées. Il y a par exemple un score de satisfaction client, mais aussi un score de qualité conseiller dans le respect du cahier des charges Cdiscount.
Learnings : une approche data segmentée
Les résultats des écoutes sont par ailleurs agrégés selon différents critères (par conseiller, par équipe, par partenaire...) et rendus accessibles sous forme de dashboards dynamiques. On peut également comparer les niveaux de satisfaction selon les sujets d'appels (livraison, paiement etc.), ce qui permet d'identifier les points d'amélioration.
La bonne pratique : ne pas sous-estimer la phase d'apprentissage
Un modèle d'IA a besoin d'être entraîné et nourri de données pour s'améliorer, dans une logique de machine learning. Pour Cdiscount par exemple, il a fallu quelques mois pour construire ce modèle (analyse de thèmes de conversations, de mots interdits, de détecter les critères associés aux "pires interactions". S'en est suivie la phase d'industrialisation : depuis 6 mois, deux millions d'appels ont été analysés avec deux primes d'analyse de performance : le gain de points de satisfaction et la diminution des appels réitérés pour un même motif.
Les prochaines perspectives sont de pousser ces analyses aux autres interactions écrites en lien avec la marque : les échanges marketplace. Ces interactions entre marchands et consommateurs sont critiques et l'objectif sera de comprendre la perception client des produits et services afin de comparer les marchands et les produits entre eux.
« Grâce à Sprinklr, nous avons analysé depuis début janvier, plus de 1,5 millions de conversations téléphoniques et 100 000 interactions sur les réseaux sociaux. Nous mesurons une CSAT prédictive sur 100% de ces contacts. Notre volonté est de créer une solution de service client omnicanal qui nous aidera à professionnaliser nos centre d'appels et améliorer la qualité perçue de la relation client »déclare Louis Brun-Ney, Directeur du Service Client chez Cdiscount
Tribune signée par Daniel da Silva, Sales Director chez Sprinklr.