Biais de genre implicites dans le service client : ce que les données nous révèlent

Par Sarah Betts, spécialiste du service client avec une expérience dans le secteur depuis plus de 10 ans.

Les questions de genre dans le secteur de la tech attirent aujourd'hui une attention particulière. Au cours de l'année passée, de nombreuses anecdotes ont fait leur apparition, impactant le service client, l'image de marque des entreprises... Bien qu’elles soient fascinantes, elles restent ponctuelles. Des données concrètes manquent pour corroborer ces expériences et en démontrer l'impact réel.
Sans données tangibles, nous nous appuyons uniquement sur des impressions subjectives, ce qui rend ces expériences plus faciles à contester. Cela oblige les personnes concernées à recourir à de longs discours basés sur des bribes de preuves qui ont moins de chances d’être réfutées.

Sarah Betts s'est donc attelée à recueillir des données pour déterminer si le genre influence effectivement les interactions du service client, et dans quelle mesure.

Début d'une expérience

Une expérience rigoureuse commence par des questions claires et un plan bien défini.

L'auteure a choisi de se présenter en tant qu'homme lors des interactions en ligne avec le service client pendant 30 jours, puis d'adopter un nom neutre en termes de genre le mois suivant. Elle a formulé plusieurs hypothèses et a poursuivi ses conversations habituelles pour collecter des données.

Certaines hypothèses ont été confirmées, d'autres non. Une grande partie de ces résultats a été partagée lors de la conférence Support Driven SupConf à Atlanta.

Cet article met l'accent sur les preuves anecdotiques — ce que l'auteure appelle des "anecdonnées". Bien qu'elle ait cherché à rester centrée sur les données, ces expériences ont eu un impact personnel profond.

Conscience vs. Expérience : une compréhension approfondie

Sarah Betts travaille dans le service client en ligne depuis plus de cinq ans lorsqu’elle effectue cette expérience. En tant que femme cisgenre, elle a toujours été perçue comme telle et a souvent été confrontée à des traitements différenciés, allant de la nécessité de s'habiller modestement à l'adolescence, à être surnommée "fillette" ou "poupée" même à l'âge adulte. Elle ignorait alors ces remarques pour poursuivre sa vie quotidienne.

En se présentant sous l'identité de "Samuel" avec une photo de profil masculine, elle s’est rendue compte qu’elle avait passé environ sept heures par jour sans subir le traitement habituel réservé aux femmes dans le domaine de la tech. En tant que Samuel, elle n'a que rarement eu besoin d'utiliser la commande "block" destinée à signaler des discussions abusives, contrairement à ce qu'elle vivait quotidiennement en tant que Sarah.

Ses conseils étaient pris plus au sérieux et ses suggestions pour résoudre des problèmes techniques complexes étaient plus souvent acceptées. En résumé, elle était perçue comme plus compétente.

Dès le premier jour de chat en tant que Samuel, elle a eu une révélation frappante. Un visiteur a demandé des informations sur le produit, puis un lien vers le réseau social. Elle lui a envoyé le compte de l'entreprise.

En tant que Sarah, elle recevait souvent des objections du type : "Non, je veux ton Facebook/Twitter/Instagram." En tant que Samuel, elle n'a reçu qu'un simple : "Merci ! Je vais jeter un œil."

Ce visiteur n'était pas un client potentiel, elle le savait mais l'absence de pression pour obtenir des détails personnels était probant. Ce moment lui a révélé la réalité de son expérience.

La suite s'est déroulée sans trop de réflexion consciente de sa part. Elle apprécie son travail bien que la charge d'interaction soit élevée. Parfois, elle était consciente de se présenter comme un homme, notamment lorsqu'elle recevait des commentaires comme "Super nom !" de la part d'un autre Samuel. Mais le plus souvent, elle n’y prêtait pas attention.

Analyse des données

Avec toutes les données recueillies, son analyste a permis de réaliser un travail remarquable, fournissant des graphiques et des chiffres qui ont confirmé plusieurs de ses hypothèses. Les résultats ont montré que Sarah faisait face à plus d'abus et devait bloquer plus d'interlocuteurs que Samuel.

Fait intéressant, les visiteurs semblaient préférer Sarah tout en faisant davantage confiance au jugement de Samuel. Les commentaires recueillis après les interactions montraient une satisfaction plus élevée avec Sarah, bien que Samuel ait eu moins de cas nécessitant de renvoyer l’appel vers un ingénieur. Cela suggère que les conseils de Samuel étaient souvent acceptés sans inquiétude.

Elle a également remarqué que les visiteurs étaient plus enclins à accepter l'avis de Samuel concernant l'origine d'un problème, indépendant de son entreprise, et répondaient fréquemment par : "Oh ! Je vais demander à mon équipe de vérifier ça. Merci pour votre aide." Cela contrastait avec Sarah, qui devait souvent renvoyer ces cas vers un ingénieur.

Peut-être que Samuel paraissait plus direct, bourru ? L'auteure n'est pas certaine que les données puissent répondre définitivement à cette question.

Pour elle, cette expérience a renforcé sa confiance. Le fait que les gens fassent davantage confiance au jugement de Samuel lui a fait réaliser qu'ils pouvaient aussi lui faire confiance à elle, Sarah. Désormais, elle est plus assertive et confiante dans ses réponses, en attendant que les clients fassent confiance à Sarah comme ils faisaient confiance à Samuel.

Cela a également augmenté son intolérance vis-à-vis des abus. Elle n’hésitait pas à dire lorsqu’un client avait un comportement inapproprié et faisait appel plus rapidement à la commande "block".

Cependant, il existe une exception à cette nouvelle confiance. Après une période sans être harcelée pour son apparence, elle a décidé de ne pas utiliser son visage comme avatar de chat. Elle doit réfléchir à la manière dont cette décision s'aligne avec sa conviction de rendre les interactions plus humaines.

Et maintenant ?

Sarah peut désormais affirmer, avec des données à l'appui, que les femmes sont traitées différemment dans les interactions de service client. Mais son travail n'est pas terminé. Si vous pensez que votre secteur est différent, prouvez-le-lui. Nous avons besoin de plus de données.

Si vous avez des employés qui se sentent traités différemment, ou si vous remarquez que certains agents sont plus lents, résolvent moins de tickets, prennent plus de temps pour résoudre les problèmes des clients, ou ont généralement de moins bons indicateurs, enquêtez davantage. Sont-ils vraiment moins compétents, ou les biais des clients influencent-ils leurs performances ?

Permettez-vous à vos employés de se défendre et de signaler les comportements inappropriés ?

L'auteure espère que son expérience incitera d'autres personnes à explorer davantage cette question. Nous clamons souvent être "axés sur les données", mais manquons souvent de données solides. Alors, collectez ces données, partagez vos résultats, et ils feront de même.

Pour consulter l'article original en anglais, cliquez sur ce lien.