Rechercher un article de blog

Par Frédéric Canevet, Responsable d'offre.

Avant les vacances, l’AFRC a organisé un petit-déjeuner qui a permis des échanges enrichissants et constructifs sur cet enjeu majeur pour le futur de la Relation Client.

3 thématiques ont été abordées :

  1. L’intelligence artificielle et la relation client consommateur - par Pierre Blanc - du PICOM
  1. Mon directeur marketing sera un algorithme - par Stéphane Amarsy
  1. L’impact de l’intelligence artificielle dans la relation client - Table Ronde

L’objectif était de fournir une vision stratégique et macro de l’impact de l’intelligence artificielle dans les entreprises, et d’échanger sur quelques cas pratiques.

Partie 1 : « L’intelligence artificielle et la Relation Consommateur : la personnalisation de la relation et l’émergence des nouveaux modèles commerciaux » - Pierre Blanc -PICOM »

Le PICOMest le Pôle de Compétitivité des Industries du Commerce, financé par des Enseignes de la Grande Distribution.
Selon Pierre Blanc, l’intelligence artificielle est un moyen de répondre :

  • aux exigences actuelles du commerce (offrir un parcours d’achat homogène)
  • à de nouvelles exigences du commerce (la personnalisation de la relation consommateur)
  • à de nouveaux champs du commerce (intégrer des prestations et des services, comme des abonnements en plus de la vente de produits classiques)
  • à de nouvelles exigences (la personnalisation des produits)

Le constat du PICOM : ce n’est pas une problématique du futur mais déjà un enjeu clé, toutes les entreprises vont donc devoir intégrer l’Intelligence Artificielle dans leurs stratégies, même si les solutions et le cap ne sont pas encore très clairs pour le moment.

En effet, dans la notion d’Intelligence Artificielle, il y a plusieurs concepts distincts :

  • Le Machine Learning : la capacité à construire des modèles probabilistes via des algorithmes d’apprentissage et de construire des modèles probabilistes. Ce système permet d’apprendre via des données structurées ou pas. Par exemple, les outils de reconnaissance d’images de Facebook & Google peuvent utiliser la base de données pour définir statistiquement un sens et une signification à des images. Ainsi, avec une base de plusieurs milliers d’images de chats, on est capable de définir ce qu’est un chat.
  • Le Deep Learning, qui permettra à terme de catégoriser les données… mais c’est encore une technologie peu connue et totalement émergente.
  • Le chatbot qui est alimenté via des scénarios prédéfinis et des moteurs d’analyse sémantique. C’est une application de l’intelligence artificielle. Le chatbot est alimenté par l’homme (exemple : solution de centre d’appels avec prise de notes…) et des bases de données (alimentée par le CRM), puis une interprétation par l’analyse sémantique afin de dialoguer avec le client.

Certains commerçants ont déjà sauté le pas en intégrant des chatbots dans leurs processus de vente : 1800Flowers, KLM, The North Face, SNCF, Walmart...

D’autres sociétés ont même créé leurs propres solutions d’IA :

  • Alibaba avec Aliyun
  • AirBnB avec Aérosolve
  • Amazon avec Alexa avec 7000 « connaissances » développées.

A noter :

- Amazon offre un prix de 2,5 Millions $ à la startup qui pourra faire discuter leur chatbot de manière cohérente pendant 20 mins !
- Alexa est vendu en bundle avec Echo, qui est un produit « physique » avec une enceinte que l’on allume et à qui on parle. Le tarif est de 180 $, et l’on peut l’acheter directement sur Amazon.

Certains spécialistes informatiques ont quant à eux développé leurs propres moteurs :

  • IBM avec Watson
  • Microsoft avec Cortana
  • Apple avec SIRI
  • Google avec Google Brain
  • Facebook Messenger

Mais Google et Facebook ont un plus par rapport à leurs concurrents : ils ont une masse d’informations à leur disposition, ce qui donne encore plus de puissance à l’IA…
Auparavant, ils possédaient des données clients, ils ont désormais les outils pour les exploiter…

Pierre Blanc a rappelé qu’au CES de Las Vegas, l’IA était intégrée dans la plupart des outils et produits (voitures, smartphones… "Alexa compliant").

Dans les années à venir, l’IA sera encore plus présente, avec un changement majeur : bientôt les questions et les demandes seront faites par la voix (comme on peut donner des ordres à un « assistant » qui sera une IA).

En revanche, le CES a permis de mettre en exergue des signaux faibles :

  • La capacité de l’IA à être embarquée dans les objets, c’est-à-dire que la donnée sera dans de petits outils avec une décentralisation de l’intelligence (sans lien avec des serveurs, ce qui n’est pas le cas actuellement).
  • Les wearables qui permettent de capter les émotions de l’homme en plus des données digitales « émises » (SMS, chat, appels…).

Pourquoi l’IA décolle-t-elle maintenant ?

Parce que les coûts technologiques sont plus faibles que par le passé et qu’il existe désormais des solutions clés en main.
De plus, la masse de données permet de corriger les algorithmes simples et moins complexes, car c’est la donnée qui permet d’avoir plus de précisions. Le but n’est plus d’avoir un algorithme très puissant, mais d’avoir une masse de données qui permet de comprendre et d’anticiper les phénomènes.

Quels sont les usages pratiques de l’IA dans la vente ?

  • Gérer le parcours d’achat cross canal, via le CRM, via les données de navigation... Ce qui permet de faire de l’analyse comportementale via la navigation sur le web, les mots tapés…
  • Dans le futur, on pourra tracker les parcours dans le magasin comme on le fait sur le site internet pour proposer au client ce qu’il aime (exemple : s’il regarde ou pas une tête de gondole, s’il s’arrête à un rayon…).
  • Les « wearables » permettront aux clients d’apporter aux magasins les informations, et non pas aux commerçants d’avoir à utiliser des technologies pour aller chercher l’information.

Il s’agit en outre d’avoir de l’instantanéité pour capter les intentions d’achats et les accompagner. Car le but est de toucher l’achat émotionnel. L’IA va au-delà, en permettant d’analyser l’écrit (qui permet de déterminer le niveau social de la personne) et la voix pour distinguer l’émotion du client dans le centre d’appels.

L’IA permet aussi d’avoir une relation personnelle avec le consommateur.

Ainsi, on pourra comprendre de manière plus complète le consommateur via une caractérisation du client lors de la situation d’achat (seul ou en famille, selon l’ethnie…) pour proposer les bons produits, déterminer des modèles d’achats. Par exemple, le cheminement dans le magasin et ticket de caisse permettront d’expliquer des comportements, et donc de faire du prédictif pour proposer des promotions selon l’attitude.

Mais attention, il ne faut pas enfermer le client dans les schémas traditionnels du commerçant, mais plutôt comprendre ses besoins, et les traduire dans le langage du commerçant. Cela passe par une captation du contexte, en particulier les expressions faciales, ce qui permet de déterminer une appétence sur une offre ou une marque.

Au final, il est possible de déterminer des modèles prédictifs de consommation via la navigation sur le web. Il est possible d’identifier des unités de besoins, et voir si le client a un intérêt pour un produit X selon les pages qu’il visite. Et en croisant avec l’âge, on peut faire du prédictif et savoir que dans X années, un prospect déterminé aura besoin d’un nouveau produit (exemple : j’achète maintenant une cabine de douche de petite taille pour rénover un appartement, il est possible que j’achète une cuisine dans 3 ans lorsque j’aurai un enfant).

On peut alors engager les consommateurs via les besoins : via des "anthologies" qui permettent de déterminer le « profil » du client et ce qu’il peut consommer ; ce sont ses consommations passées qui permettent de prédire le futur de sa consommation.

En ce qui concerne les commerçants, il y a 2 approches :

  • soit gérer l’IA via les technologies mises à disposition par les GAFA (Google, Facebook, Amazon et Apple)
  • soit gérer l’IA via des outils maîtrisés par les Commerçants eux même pour rester indépendants.

En effet, auparavant la Relation client était centrée sur la transaction d’achat (vente one shot, vente de produits…). Or avec l’IA, l’acte d’achat se déplace sur l’endroit où le consommateur se trouve.

Car les assistants comme Alexa se déplacent dans l’univers de vie du consommateur, qui peut lui demander de faire ses courses, de lui livrer une pizza… A la voix, où qu’il se trouve.

Alexa pourrait devenir un majordome qui prendra des commandes. Si ce majordome est dans le domicile en tant qu’assistant de vie, alors la relation commerciale sera déplacée, et donc le magasin physique pourrait perdre de son influence.

C’est donc au minimum une extension, voire un déplacement de la relation client, le risque pour le commerçant, mais aussi pour les marques, c’est de se faire "ubériser". Car Amazon pourra choisir qui il mettra en avant, et ainsi toucher des commissions.

Le phénomène de fond est de passer de manière globale d’un modèle de vente de produits à un modèle de prestations de service (abonnements, locations...).
On ne fait plus de l’achat "simple", mais du service (de l’utilisation, de la consommation...) avec une intermédiation via des objets connectés (comme le bouton Amazon, Alexa...), des plateformes et des agents virtuels.

L’IA est un des leviers qui permet d’instrumenter les prestations de services, ce qui fera passer les consommateurs d’un parcours d’achat vers un parcours de consommation ou d’usage.

Par exemple, on pourra faire ses courses dans la voiture, quand on se ballade… Ou on pourra faire ses courses en magasin.

On sera alors capable de reconnaître des émotions, des lieux, des situations… et ce genre d’IA n’est pas dans un simple chatbot qui est agent conversationnel avec des « arbres de décisions », mais dans de vrais outils d’intelligence artificielle .

Ce seront peut-être même les machines qui discuteront les unes avec les autres : si l’interaction devient automatique, peut-être que le consommateur permettra à son « majordome » d’agir directement avec le « majordome » de la marque pour négocier avec celle-ci (ce sont les outils qui négocient automatiquement un prix comme c’est déjà le cas dans les transactions boursières).

Au CES, il y avait aussi beaucoup de concepts de « Smart Home », qui pourraient devenir le nouveau lieu d’échange et d’intermédiation de demain, et dans certains cas remplacer le magasin.

Certaines marques étaient plus sur une promesse (exemple : bien manger, de l’innocuité, être un coach sportif…) plutôt que sur de la vente d’un produit ou d’un service. Mais c’est parfois une déception, car les commerçants se projettent sur ces services de demain, mais ils n’ont pas l’ensemble de la gamme de produits et services pour y répondre (mais juste une des pièces du puzzle). Cependant, cela peut être une solution, car les marques veulent saisir cette opportunité pour revenir au cœur de la relation client, sans passer par le commerçant.

Partie 2 : « Faut-il avoir peur de l’arrivée de l’IA dans l’univers du marketing et de la relation client » - Par Stéphane Amarsy, auteur livre « Mon Directeur Marketing sera un algorithme »

La réponse est connue d’avance : le directeur marketing est protégé, mais il devra évoluer. Autour de lui, il y aura énormément de changements… Les postes à faible valeur ajoutée vont disparaître, remplacés par des logiciels et des algorithmes.

Un contact, de plus en plus de données

Il faut accepter de ne pas tout comprendre, et déléguer la décision à des algorithmes, pour travailler sur des temps ultra courts, en n’oubliant pas de peser les contraintes juridiques et éthiques de ces nouveaux outils.

Cela vient du fait que les consommateurs ont donné accès à énormément de contenus (partage de toutes ses infos dans Facebook, recommandations des autres consommateurs, recommandation des sites web…). Or l’IA va permettre d’analyser ces données en temps réel pour proposer les bons contenus. Ceux qui arriveront à gérer cela pourront avoir un avantage pendant un certain temps, mais l’IA va se démocratiser, avec des outils accessibles à tous et mondialisés. Ainsi, l’expérience client va se situer au cœur des enjeux.

Une accélération des données mesurable

Il y a quelques années, on avait une vue mensuelle (exemple : le nombre d’appels…), puis à la semaine. Il y a 3 ans, c’était le ticket d’appel avec une géolocalisation. Aujourd’hui, il est possible de savoir en temps réel ce que fait le client pour lui passer le bon message. La masse d’informations est donc devenue immense en quelques années.

Ainsi, INBOX a réalisé avec BFM un baromètre qui analyse le bonheur à partir des écrits des Français. Cette analyse en « temps réel » était impossible avant.
Auparavant, on avait comme principe de dire « toutes choses égales par ailleurs, on peut (...) ». On se basait sur le passé pour prévoir le futur et créer des modèles.
Désormais, on va plutôt se baser sur le temps proche avec une très forte précision sur ce qui va se passer dans un futur très proche, sans vouloir prédire le futur à moyen ou long terme.

L’impact se traduira par un retour au modèle de l’artisanat, avec un modèle d’économie à la demande, et non plus des produits de masse (exemple : personnalisation produits, imprimantes 3D, micro usines…) et entraînera forcément une remise en cause de ces modèles économiques de masse.

Le changement de mentalités au niveau des directions sera également important : auparavant on avait pour objectif de « comprendre comment ça marche » pour adopter un outil ou un logiciel.
Avec l’IA, plus besoin de savoir comment cela fonctionne mais simplement comment l’utiliser et juste vérifier que c’est correct.

Il faut aussi accepter de déléguer à l’IA les choix en répondant à 5 questions :

  • Au moment où j’ai la possibilité d’avoir une interaction, est-ce que je suis légitime à prendre la parole ?
  • Si oui, de quoi je dois lui parler de manière prioritaire et secondaire, et par quel canal (exemple : ne pas dire la même chose au téléphone ou par SMS) ?
  • Quel investissement promotionnel ?
  • Quel canal utiliser ?
  • Quel discours et quel ton vais-je délivrer à cette personne ?

Pour ce faire, il faut une connaissance parfaite du consommateur.

Attention : en 2018, il y aura le RGPD (Règlement Général sur la Protection des Données),une loi sur "les données des consommateurs, et ce que je peux en faire". Dans le futur, les consommateurs prendront aussi en compte la sécurité de leurs données.

D’où des choix à opérer :

  • Abandonner ce qui devra l’être. Par exemple, dans le passé, les modèles mathématiques prenaient des jours à mettre en place, contre quelques jours aujourd’hui. La valeur n’est plus dans la construction des algorithmes, mais dans l’utilisation et la compréhension des données, et dans la scénarisation.
  • Valoriser les qualités humaines.
  • S’organiser continuellement. Il faut des experts qui changeront selon les priorités les projets, les outils… en sachant se remettre en cause de manière continuelle. Ce qui est vrai aujourd’hui ne sera pas vrai le lendemain, et toutes les vérités changeront régulièrement du fait de la concurrence, des technologies, les mentalités…

Trois niveaux d’Intelligence Artificelle

  • IA symbolique : le système expert.
  • IA faible : le plus courant actuellement avec des outils comme Messenger avec des arbres de décision selon les comportements.
  • IA forte : disponible d’ici 20 à 30 ans, qui aura le même niveau d’intelligence que le cerveau humain. Quand l’IA forte arrivera, cela aura un impact énorme sur notre vie de tous les jours et sur nos métiers.

SIRI, Cortona… vont bientôt disparaître car c’est un assemblage d’outils et de phrases créés par les hommes, mais dans un futur proche l’IA pourra créer et utiliser son propre langage.

Les risques pour les populations marketing : voir la disparition ou le changement des métiers à "faible valeur ajoutée" en marketing (assistant marketing, trafic manager, community manager…) car cela pourra être automatisé partiellement, et cela va aller très vite !

Il y aura aussi des changements pour les directeurs marketing, mais l’aspect stratégique va perdurer : le directeur marketing devra donc gérer une transition et une cohabitation entre des collègues virtuels et physiques.
En outre, renoncer à comprendre, cela ne veut pas dire renoncer à mesurer et à contrôler : c’est ce qui permet de vérifier que tout se passe bien.

Partie 3 : « L’impact de l’IA dans la relation client : du Marketing Prédictif à l’Expérience et au Parcours Client » Table Ronde.

L’Expérience Client se construit en connaissant le client, et en anticipant ses besoins : par exemple, via Netflix et Amazon qui vous proposent des expériences personnalisées, et qui "anticipent" ce que vous allez aimer.
Il faut dans ce cas offrir une expérience fluide (exemple : sur Netflix, il n’y a plus de mot de passe à redemander X fois…).

Le commerce cognitif, la fidélisation, la conversion, l’hyper personnalisation…. sont les clés de la relation client de demain.

Témoignage du Club Med : Vincent Giraud

La data est le socle pour personnaliser les parcours clients. L’enjeu est de construire la base de données et le socle pour l’exploiter.
Le Club Med, c’est 1 million de voyages par an, 600 conseillers, avec une cible de type "famille premium et internationale".

L’Expérience Client, c’est de l’hyper-personnalisation. Par exemple, dans le domaine des voyages haut de gamme, le cycle de décision est de 18 mois avec un parcours qui commence par le rêve de ses vacances et 60 jours après c’est l’acte d’achat (avec visite de site concurrents comme Booking…).
Ensuite c’est l’avant-séjour (visa, activités…), puis les vacances (la phase émotionnelle la plus forte et donc l’intérêt d’utiliser de l’IA et de l’humain), et enfin le retour de séjour avec le partage avec la famille et les amis.

Le Club Med a donc 60 jours pour séduire la personne qui recherche un séjour pour ses vacances. Durant cette période, il faut être présent via l’IA et personnaliser la Relation Client avec un contenu d’information fort.

La data nécessite d’abord de collecter les données (site web, retargeting, agence physiques…), les émotions et les besoins du client.
L’IA va ensuite exploiter ces données pour proposer les bonnes informations.
Avoir une vue 360°, c’est connaître ce qui s’est passé (call center, agence de voyage, site web…). Par exemple, si le client a parlé de voyage à Marrakech à un téléconseiller, il faut ensuite que la page d’accueil qu’il voit sur le site soit liée à son voyage.
Il faut aussi savoir quelle est la maturité d’achat du prospect, selon les clics sur les bannières, les comportements en ligne… pour personnaliser le site web, les offres et les communications.

Témoignage de Bouygues Telecom : Roger Korcha

On parle désormais de vendeur augmenté, car l’enjeu est l’amélioration de la Relation Client, avec les humains lors des moments de vérité, mais avec des robots pour initier ou qualifier le contact.

L’avenir proche, c’est le chatbot, car c’est du conversationnel.
Un chatbot peut répondre, prédire ou traiter une demande simple, les demandes complexes doivent rester du domaine de l’humain. Le chatbot permet d’augmenter le « once & done », mais il faut lui déjà apprendre ce qu’il doit faire.
L’IA n’est pas encore assez mûre sur les demandes complexes comme le dépannage, mais sur les demandes simples, c’est possible (exemple : demande d’infos générales, assistance technique de premier niveau…).

Le but est de simplifier la vie du conseiller, car l’IA est là aussi pour aider le conseiller dans la recherche d’informations.

Pour mettre en place un projet, Bouygues Telecom commence généralement par un test en interne, un POC, pour voir si cela fonctionne ou pas.
Ce sont des nouvelles méthodes pour tester des concepts avec des petites équipes.
Le conversationnel est important, avec du machine learning qui permet d’accélérer la pertinence, au contraire des FAQ en ligne qui proposent une pléthore de réponses sans forcément présenter la bonne.

Il faut allier chatbot & Humain, car le chatbot fait un premier niveau de qualification, et si cela devient complexe, c’est l’homme qui prend la suite, mais là aussi, c’est un conseiller augmenté qui peut donner accès à des suggestions internes via des outils d’IA.

Témoignage de Voyages SNCF : Michael Pépin

La SNCF, c’est 83 millions de billets vendus et 12 millions de billets visiteurs / mois.
Il y a donc des interactions à la fois web et physique.

Le but est de pousser l’autonomie du client, et l’IA doit faire en sorte que le client trouve lui-même ses réponses.
La satisfaction générée par le chatbot mis en place par la SNCF est proche de 83%, c’est mesuré via une enquête de satisfaction post-discussion pour gérer l’insatisfaction.

Le second usage est le chatbot Messenger, avec un premier cas client type : les jeunes qui achètent leur billet 3 mois avant, mais qui utilisent les réseaux sociaux (sans email) et donc qui ne retrouvent pas leur billet quelques jours avant, puisque ce n’est pas leur email personnel qui a été utilisé pour le paiement. D’où le chatbot qui est là pour rappeler des infos clés à l’acheteur.
La SNCF permet d’utiliser directement les apps de Facebook sans passer par le site internet. Dès septembre, il est prévu de pouvoir réserver directement via Messenger un billet, avec un arbre de décision pour commander son voyage et ses « options ».

La conversation permet de remplacer les formulaires de contacts, car l’expression libre c’est le l’étape d’après. Le chatbot interprète une partie et peut demander les éléments manquants.
Si pour une problématique particulière (exemple : commander un billet de train), il y a 5 items à connaître, le chatbot peut en comprendre 3, il suffit de demander au client les 2 autres pour arriver à 100% du problème.

Témoignage de Société Générale : Antoine Pichot

La Société Générale a abordé le chapitre légal des chatbots.

Car pour la CNIL, le prédictif est mal vu… On peut certes détecter des signaux faibles via les data, mais on ne parle pas de « prédiction » mais d’anticipation.
Dans la banque, les enjeux sont plus complexes, car il y a de la relation humaine, mais aussi des relations confidentielles avec les conseillers.
Le recours aux chatbot est cependant inexorable car les clients viennent moins en agence, et donc l’omni-canal prend le relai.

Le premier enjeu est d’avoir une relation entre le client et la banque, et pas juste son conseiller (qui auparavant était le seul interlocuteur). Il a fallu changer les mentalités, et donc déléguer une partie du travail à des machines (exemple : accorder des crédits ou pas…). Il y a donc une phase de communication à mettre en place.
De plus, le conseiller n’est plus aussi intime qu’auparavant (car on n’est plus en relation de manière proche et régulière…), il faut donc créer une nouvelle proximité via une relation en omnicanal. Par exemple, via les "Robot Advisory" qui conseillent le client sur la gestion de ses finances.
La Société Générale rappelle qu’il faut faire attention à ne pas se faire "dés-intermédiatiser" par Alexa qui pourrait devenir le contact privilégié pour contacter la banque…

Le second enjeu est de faire revenir le client dans l’agence physique, pour gagner en efficacité, remettre le conseiller à sa juste place, et apporter de l’humain lorsque c’est nécessaire.

Le troisième enjeu, ce sont les éléments de détection du churn (l’attrition), de détections de moments de vérité… L’entreprise doit répondre présent à ce moment là (exemple : déménagement, entrée dans la vie active…).
Ainsi, la Société Générale a fait un algorithme d’anticipation du churn. Il a été simple à créer (1 mois de travail pour prévoir l’information à 1 mois), mais 8 mois pour récupérer les data (et comment les mettre à disposition dans un data lake…). Enfin, il a fallu faire redescendre l’information dans le CRM de la banque, ce qui est complexe.
Et pour finir, il fallait faire en sorte que le conseiller bancaire y trouve une utilité au quotidien, ce qui n’était pas évident, car pour lui ce n’est pas très utile de savoir qu’un client allait le quitter dans 3 mois !

Intelligence Artificielle : quel est le bénéfice client ?

C’est l’émotion, via des communications plus réactives et plus personnalisées, qui permettent à une marque d’être plus proche et plus réactive par rapport au client.
Il faut tester de nouveaux usages. Par exemple, Voyages SNCF avec Amazon Echo, qui est une borne à domicile qui permet de choisir son billet. C’est un POC qui permet de vérifier comment cela marche… Mais la SNCF n’est pas sûr d’industrialiser ce POC, car cela serait confier ses données à Amazon, ce qui est "dangereux".

Cependant, il n’y a pas que l’IA : Club Med a créé « We Belong » (un club makers), où les utilisateurs répondent aux questions des visiteurs de manière collaborative et participative. Car tout ne peut pas être mis sur le site internet, et donc cela permet au client d’avoir sa réponse et de la mettre sur le web. C’est de l’intelligence humaine collective, et non pas de l’IA.

Comment déployer de l’IA dans une entreprise ?

  • Club Med : faire du Test & Learn, avec des petits comités, et ensuite mettre ou pas en face du client, via de l’AB Testing, afin de voir l’aspect qualitatif et quantitatif.
  • SNCF : il y a un pitch interne par les collaborateurs, qui peuvent proposer des projets, et ensuite, cela peut être industrialisé après les tests.
  • La Société Générale : les contraintes réglementaires font que le POC est souvent aussi complet que le passage à la réalité.

La clé est de tester, car il faut être flexible.

Attention quand même à la protection des données : les données sont précieuses, il ne faut pas les confier à n’importe qui sous peine de se faire "ubériser" ou "bookingiser".

© Eloquant 2013. All Rights Reserved