[Tribune] Les données inexploitées du centre de contacts

Par Jean-Denis Garo, VP Product & Global Marketing Odigo

Depuis longtemps déjà les analystes pointent l'absence de traitement et de valorisation des données non structurées*, pourtant à disposition des entreprises en quantité. Toutefois, contrairement aux idées reçues, en ajouter toujours davantage n'apporte pas plus de précision. La qualité prime toujours sur la quantité, dans ce domaine aussi. D'ailleurs, ajouter plus de paramètres augmente le risque d'erreurs. L'enjeu réside donc dans la sélection des informations pertinentes et dans leur traitement effectif pour répondre à des enjeux business, mais pas que. Dans cet objectif, les interactions (voix, e-mail, médias sociaux, avis client...) entre les marques et leurs consommateurs sont des sources précieuses d'insights à privilégier.

Une quantité de données non exploitées

L'explosion du volume de données conjuguée à la démocratisation de l'accès à l'information offrent une opportunité trop rarement exploitée par les entreprises. Celles-ci coûtent cher, pour leur stockage notamment, elles coûtent encore plus cher car peu ou mal utilisées. Pourtant elles sont porteuses de valeur, et doivent être considérées comme un actif de l'entreprise. Des datas, l'entreprise en crée et en collecte partout : données d'entreprise, données personnelles, en provenance d'Internet, des médias sociaux, des objets connectés ou encore des conversations avec les clients. Selon MongoDB, de 80 à 90 % d'entre elles sont non structurées, et leurs volumes augmentent rapidement.

Les données non structurées produites dans la relation client sont pléthores et demeurent inutilisées ou mal exploitées. L'e-mail et ses pièces jointes, les conversations téléphoniques ou en provenance des médias sociaux, les chats, les messages instantanés sont autant d'exemples. Il existe toutefois des exceptions, l'Intelligence Artificielle aide à détecter les fraudes dans les systèmes d'assurance et financiers en analysant les conversations, facilitant ainsi la lutte contre l'évasion fiscale et les abus.

Dans le secteur bancaire, l'IA permet aussi d'apporter la preuve de la conformité des échanges sur des critères tels que le consentement de l'enregistrement, le rappel du profil de risque ou la communication des frais. La retranscription de la conversation téléphonique (via le speech to text), sera ensuite analysée sémantiquement (NLU) afin de relever les critères recherchés qui seront présentés à l'agent ou à un contrôleur. Ces deux cas d'usages sont limités à des secteurs particuliers, mais les moyens disponibles pour généraliser cette approche à l'ensemble des interactions sont à portée de main. Le Chief Data Officer, lorsque les entreprises en sont dotées, accompagne très souvent les directions métiers, toutefois l'évolution des outils de pilotage devrait permettre aux métiers, comme le directeur de la relation client, de gérer directement ces nouveaux insights et les partager avec les autres parties prenantes de l'entreprise.

Comment traiter et valoriser efficacement les données des interactions ?

Toutes les entreprises n'ont pas engagé la construction d'un socle de données afin de toutes les intégrer et encore moins proposé un outil d'exposition. Souvent ces dernières restent isolées dans des silos, l'intérêt d'un socle commun est pourtant évident, il va permettre, entre autres, de mieux décider, plus vite et avec moins d'erreurs. Le changement n'est pas que technologique, l'entreprise doit en effet adopter un data mindset.

Mais quelle que soit la maturité de l'entreprise en la matière, l'intelligence artificielle permet aujourd'hui cette valorisation de la donnée, d'abord parce qu'elle va faciliter l'analyse. Mick Levy nous rappelle dans son ouvrage** que l'analytique s'exprime sur quatre niveaux : descriptif, diagnostic, prédictif et prescriptif. L'IA intervient surtout sur les trois derniers niveaux, et l'aspect prédictif et prescriptif sont ceux qui vont apporter la plus grande valeur à l'entreprise utilisatrice.

Le prédictif appliqué à la relation client consiste en l'analyse du comportement d'un client : de l'intérêt qu'il peut manifester pour un produit annexe à sa demande initiale, au risque d'attrition ou de défaut de non-paiement. L'utilisation de l'Intelligence Artificielle (IA) et de la reconnaissance automatique de la parole (STT : Speech-to-Text) permet justement d'analyser et d'exploiter efficacement les interactions entre une marque et ses consommateurs, notamment pour prédire le comportement de ces derniers.

Concrètement, l'IA peut détecter d'une part les émotions, les intentions, les préoccupations et les préférences des consommateurs en analysant le contenu des conversations, qu'elles soient issues des conversations retranscrites ou des messages partagés via chat, e-mail ou médias sociaux. D'autre part, grâce à l'analyse des interactions passées, l'IA peut créer des segments de clients en fonction de leurs comportements, préférences et besoins exprimés au cours des échanges avec la marque, et identifier de nouvelles cibles. Ces segments peuvent être utilisés pour prédire comment ces groupes vont réagir à de nouvelles campagnes ou offres.

Concernant le prescriptif, l'IA va permettre d'identifier les actions à mener pour améliorer la satisfaction client et la rentabilité de l'entreprise. Cette action est soit en temps réel, l'agent est assisté lors de sa conversation, soit en différée, l'agent est accompagné dans son traitement post appel pour proposer la meilleure offre (NBO : Next Best Offer) ou engager le meilleur suivi (NBA : Next Best Action).

Raffiner, transformer, valoriser et exploiter ces données va permettre une amélioration de la satisfaction client, un accompagnement pour les équipes aussi mais surtout permettre la transformation du centre de contacts en centre de profit. Les entreprises doivent investir dans les technologies et les méthodologies permettant de valoriser les données non structurées pour en tirer profit de manière optimale. Le bénéfice est évident : conduire à une prise de décision plus éclairée et une anticipation plus précise des tendances du marché. L'explosion des données est une opportunité, elle requiert une approche réfléchie pour ne pas se retrouver noyée sous un flot d'informations inutiles.

*Les données non structurées sont des informations qui ne sont pas organisées selon un modèle de données ou un schéma prédéfini, et qui ne peuvent donc pas être stockées dans une base de données relationnelle traditionnelle.

** Sortez vos données du frigo - Une entreprise performante avec la Data et l'IA, Dunod.