.png)
Mentat Conseil a construit un cas d’étude illustrant la réalité d’une entreprise ayant traversé la crise de la pandémie en s’adaptant. Le cas intègre des retours d’expérience issus du terrain tels que sécurisation des communications voix et données au domicile de télétravailleurs et exploitation de fonctionnalités avancées d’un centre de contacts pour améliorer la performance du travail en équipe.
L’entreprise témoin objet du cas et de la démonstration qui en est dérivée s’appelle arbitrairement AimSee. A noter : AimSee est aussi le nom donné à une entreprise virtuelle illustrant la vision d’avenir de Mentat Conseil dans un livre de fiction, disponible à l’adresse scenent.com/product-page/aimsee.
La démonstration est construite sur une instance de Genesys cloud, solution de centre de contact professionnel configurée en mode PME. En entrant dans la crise, AimSee commence par exploiter les fonctionnalités les plus simples du logiciel pour mettre en place des processus de centre d’appel standard, afin de résoudre ses problèmes de télétravail sans avoir à bâtir une solution spécifique. AimSee, dans ce contexte, vend des machines à café en ligne. Or la fonction de centre d’appel, si elle est pertinente et utile, ne couvre qu’une infime partie des communications de l’entreprise avec son écosystème. En effet, les prospects sont plus enclins à se renseigner et à acheter en ligne et sont d’ailleurs prêts à solliciter un « chat », à condition que ce « chat » existe et soit correctement géré. Même si la fonctionnalité est disponible sur un site Web, encore faut-il mobiliser les bonnes personnes pour converser de la bonne façon, en étant suffisamment formé pour cela, ou les bons robots, lesquels doivent aussi être formés pour cela via un apprentissage ad hoc. Des scénarios conversationnels sont conçus en ce sens et permettent d’anticiper des situations variées.
La démonstration met en scène un repérage en temps réel par le centre de contact de l’abandon d’un panier en cours de transaction. Le chatbot de google, dûment interfacé avec le centre de contact, entre alors en action. L’ensemble des briques de la solution, site web, centre de contact et chatbot sont paramétrés et intégrés de manière spécifique pour la démonstration et peuvent l’être s’il le faut pour un cas d’utilisation réel en tenant compte de spécificités nouvelles.
La suite du scénario est soit négative soit positive. Par tâtonnements successifs, la démonstration montre d’abord l’échec du chatbot dans sa tentative de convaincre l’acheteur d’aller au bout de sa transaction, puis le réglage de son paramétrage, le progrès dans le parcours du processus (le prospect en ligne franchit une étape supplémentaire vers la conclusion de la transaction), enfin le succès obtenu grâce à l’octroi d’un bon de réduction au bon moment.
Cerise sur le gâteau, l’opérateur peut collaborer avec le chatbot et intervenir à tout moment pour le supplanter ou l’accompagner. Une fois la transaction confirmée, une enquête en ligne permet de nourrir un travail de construction du NPS (Net Promoter Score), un indicateur clé de performance des sites de e-commerce (mais aussi d’autres formes d’entreprises). Le NPS mesure la propension du client en ligne à recommander le site à un tiers (ami, famille, autres), en utilisant une échelle de notation excluant les réponses « molles », c’est-à-dire trop moyennes, entre deux eaux, mais privilégiant les réponses franches voire extrêmes pour repérer les situations d’enthousiasme et de déception au détriment des situations de neutralité.
Inked by Scenent.com