Nombreuses sont les entreprises qui font de l’expérience client un objectif majeur dans leurs stratégies. Et lorsque l’on regarde les chiffres, on ne peut que leur donner raison. Selon une étude de PWC, les clients sont prêts à payer jusqu’à 13 % de plus pour des services de luxe, si l’expérience client est excellente. Par ailleurs, en moyenne, 40% des clients aimeraient une amélioration de cette expérience client et 35% d’entre eux souhaitent un accès rapide aux informations, ainsi que la possibilité de poser plus facilement des questions à la marque. Le CXO (Chief Expérience Officer) garant de l’excellence du parcours client, voit sa performance mesurée grâce au Net Promoter Score (NPS). L’expérience client vient avec son lot d’indicateurs métiers permettant de mesurer la performance de l’entreprise dans ce secteur, mais le NPS reste l’indicateur de référence. Mais alors, comment l’Intelligence Artificielle permet au CXO d’augmenter le NPS ?
Le NPS : indicateur clé de la relation client
The CXO et l’expérience client ont un impact considérable sur la relation client et les centres de contacts. Les centres de contacts ne sont plus considérés comme des centres de coûts qu’il faut absolument maîtriser, ils font désormais partie de la chaîne de valeur du NPS et sont considérés comme un moyen de tirer cet indicateur vers le haut. Les principaux leviers des centres de contacts qui impactent le NPS sont :
- Augmentation des résolutions au premier contact
- Diminution du délai moyen de traitement
- Diminution du Customer Effort Score
Prenons un exemple concret : la gestion des demandes entrantes par canal asynchrone dans un établissement bancaire. En général lorsqu’une demande arrive par messagerie, un premier opérateur lit le message, le catégorise manuellement pour qu’il soit routé en fonction des actes de gestions (autorisation de découvert, demande de RDV, demande d’informations, oppositions…) , puis ressaisit les informations contenues dans le message ou dans les pièces jointes dans un back-office (CRM, Ticketing…).
Ensuite, un second opérateur va rouvrir le message et le relire, il aura normalement toutes les informations nécessaires déjà saisies et n’aura plus qu’à personnaliser sa réponse. Dans le meilleur des cas, un OCR pourra éviter la ressaisie manuelle en extrayant des données basiques des pièces jointes (Adresse, Numéro, Nom…). La durée moyenne de traitement est difficilement compressible, car composée de deux temps de lecture dans un processus déjà optimisé.
L’optimisation du NPS par l’IA
Imaginons maintenant qu’une solution, basée sur un algorithme de compréhension du langage naturel de nouvelle génération, permettent de s’affranchir de la première étape du processus. Quels en seraient les impacts sur le NPS ?
Avec InboxCare, une solution de catégorisation et de routage des demandes entrantes basée sur une intelligence artificielle symbolique, les données des demandes entrantes sont extraites et les intentions détectées, aussi bien dans le corps du message que dans les pièces jointes.
Les données extraites peuvent alors être intégrées dans le back-office. Lorsque l’opérateur prend en charge la demande, il a déjà un brouillon de réponse qu’il n’a plus qu’à personnaliser avant de l’expédier. En règle générale, les clients d’InboxCare voient leur DMT diminuer de 30% à 83% pour les demandes entrantes par mail. L’augmentation du NPS n’est pas le seul soft ROI d’InboxCare, cette solution influe également sur la marque employeur et l’engagement des collaborateurs.
Vous souhaitez en savoir plus sur l’exploitation des données par notre IA ? Découvrez comment notre technologie permet d’améliorer la gestion de la relation client avec notre solution InboxCare. N’hésitez pas à contacter nos équipes si vous avez la moindre question, elles se feront un plaisir de vous répondre !
