Comment l’IA transforme la supervision du centre de contact
La supervision du centre de contact et l'intelligence artificielle
L’un des rôles essentiels du superviseur de centre de contact est de s’assurer que non seulement les agents de son équipe apportent aux clients des réponses satisfaisantes mais également qu’ils le font en respectant un certain nombre de procédures et de standards permettant de véhiculer correctement l’image de marque de l’entreprise : respect des scripts, courtoisie, écoute, niveau de langage adapté, etc.
Cet indispensable contrôle de la qualité est une tâche fastidieuse et consommatrice de temps car elle requiert d’analyser une multitude d’interactions pour pouvoir évaluer correctement les conseillers afin de les coacher efficacement. C’est un processus encore souvent relativement manuel qui souffre de nombreuses limitations. Heureusement, de nouvelles technologies faisant appel à l’intelligence artificielle (IA) permettent aujourd’hui de venir au secours des superviseurs pour les assister dans ces missions. Examinons les biais des méthodes traditionnelles et les bénéfices qu’apportent ces technologies.
Les biais du quality management traditionnel
Le premier biais est évidemment qu’il est matériellement impossible pour un superviseur d’écouter l’ensemble des conversations des agents de son équipe. Selon ICMI, la plupart des centres de contact ont un superviseur pour 8 à 12 agents, mais cela peut parfois monter à 20 agents lorsque le service fournit est plus simple. Même en utilisant des techniques comme l’écoute en vitesse accélérée, le superviseur ne peut au final contrôler qu’une toute petite portion des interactions avec les clients. Ainsi, on constate généralement que jusqu’à 95% des interactions ne sont en fait pas évaluées. Dans ces conditions, il est hautement probable de passer à côté de moments importants où il aurait été possible de faire du coaching pour aider un agent, ou même de ne pas parvenir à identifier certains problèmes pourtant récurrents qui se retrouvent dans de multiples conversations. La probabilité de manquer des informations clés est encore plus élevée si le centre de contact gère de nombreux produits et services car le nombre d’occurrences d’une situation donnée est alors forcément plus limité.
Un autre biais important est lié à l’état d’esprit du superviseur au moment où il effectue le contrôle qualité. Sa perception et son niveau d’attention ne seront pas nécessairement les mêmes s’il écoute une conversation tôt le matin ou après une longue et fatigante journée de travail, s’il effectue cette tâche dans un environnement calme ou en étant constamment dérangé, s’il a personnellement un a priori positif ou négatif sur l’agent qu’il va évaluer, etc.
Enfin, dans les centres de contact dans lesquels plusieurs superviseurs différents interviennent, on peut constater des écarts d’évaluation significatif d’un superviseur à l’autre. Si on établit généralement des grilles d’évaluation en essayant d’intégrer les critères les plus précis et objectifs possibles, l’interprétation personnelle des superviseurs joue tout de même un rôle important. En fonction de leurs propres perceptions ou niveaux d’exigence, une même interaction pourra donc potentiellement être évaluée de plusieurs manières différentes.
L’apport de l’IA : une évaluation impartiale et homogène de la totalité des interactions
L’intelligence artificielle permet aujourd’hui d’effacer totalement ces biais en faisant appel à l’analyse sémantique et au machine learning.
Tout d’abord il devient possible d’écouter automatiquement 100% des conversations sur l’ensemble des canaux : téléphone, email, chat, réseaux sociaux, etc. En confiant à la machine le premier niveau d’écoute on peut enfin atteindre l’exhaustivité et être certain de ne passer à côté d’aucune information importante. Les premières expériences en la matière se limitaient essentiellement à de l’identification de mots clés mais, grâce aux progrès en termes de traitement automatique du langage, l’analyse est aujourd’hui beaucoup plus fine et on est capable de comprendre en profondeur le contenu des messages : identifier plusieurs idées à l’intérieur d’une même phrase, percevoir l’ironie, déceler des émotions comme la colère, l’agacement, l’inquiétude, etc.
Cette approche permet également de se débarrasser des biais liés à l’humain. La machine aura par essence un jugement impartial et constant, établi à partir de règles claires. C’est la garantie qu’une même conversation sera toujours évaluée exactement de la même manière.
On obtient ainsi une évaluation homogène de toutes les interactions sur la base de critères très précis préalablement définis.
Le superviseur augmenté
L’objectif de cette écoute exhaustive et impartiale est évidemment de pouvoir alerter le superviseur sur toutes les interactions qui méritent son attention. Cela peut par exemple être parce qu’un un risque de churn est détecté pour un client donné ou parce qu’un agent s’avère moins performant que les autres. Le superviseur peut alors immédiatement mettre en place une action pour améliorer la situation : rappeler le client pour lui faire une offre, mettre en place un coaching personnalisé de l’agent, etc.
Il n’a donc plus à tenter d’analyser de manière aléatoire un maximum de conversations, il se concentre uniquement sur celles pour lesquelles il aura une vraie valeur ajoutée et a beaucoup plus de chances de découvrir de véritables opportunités de coaching de son équipe. La technologie décuple donc son potentiel d’action et c’est à ce titre que l’on peut parler de superviseur augmenté, tout comme on peut parler d’agent augmenté lorsque l’on évoque les technologies qui aident les conseillers à être plus efficaces.
Pour en savoir plus, je vous invite à découvrir notre toute nouvelle solution Enghouse SmartQuality qui a notamment fait l’objet d’un webinaire dont l’enregistrement est à présent disponible. N’hésitez pas non plus à nous solliciter pour en savoir plus.
