Le TOP 5 des fonctionnalités Einstein for Service par les experts Hardis !

Comment permettre à mes agents de gagner du temps et d’anticiper le comportement de mes clients ?
C’est le genre de question que se pose chaque responsable de Service Client.
Améliorer l’expérience utilisateur pour améliorer l’expérience client, les deux vont effectivement souvent de pair.
Si vos agents sont sereins et en confiance dans leurs outils et processus, ils auront d’autant plus de facilité à rendre vos clients satisfaits.

La solution Einstein for Service est apparu en 2016 avec la montée en puissance de la plateforme Salesforce sur les technologies basées sur l’intelligence artificielle. Deep learning, Analyse sémantique ou encore Suggestions contextualisées sont autant de mécanismes exploités par les fonctionnalités Einstein pour le Service Client.

Il existe un certain nombre de fonctionnalités « brandées » Einstein For Service, elles ont toute pour objectif commun d’accélérer le processus de traitement des tickets depuis la capture du ticket jusqu’ à sa résolution.

Voici le TOP 5 des fonctionnalités Einstein for Service préparé par les experts Service Cloud d’Hardis Group !

Le wrap-up, c’est tout ce qui concerne la conclusion d’un contact client ou d’une réclamation client. Très souvent les responsables de Service client souhaitent comprendre ce qui a participé à la conclusion d’une affaire, autrement dit : pourquoi cette réclamation est-elle clôturée ?

Ces indicateurs sont très souvent sous évalués : le dossier étant conclu, on cherche à passer au suivant au plus vite sans regarder dans le rétroviseur. Et pourtant ce sont ces indicateurs qui permettent d’identifier l’authenticité du problème remonté et de mettre en corrélation l’action de résolution avec l’issue du dossier. Très souvent, on passera par quelques indicateurs à tracer en fin de traitement de ticket et c’est là que le Einstein Case Wrap-up intervient. Il va permettre d’accélérer la cloture du ticket en suggérant à l’utilisateur les motifs de cloture à partir de l’analyse des données du ticket et de l’historique client. Cette fonctionnalité est encore fraiche (Summer 21) et se limite aux canaux pour lesquels une retranscription fidèle est capturée par Salesforce. Néanmoins, elle offre de jolis potentiels à l’avenir en particulier avec notre 4ème du classement : Salesforce Voice.

On continue avec les fonctionnalités Voice. L’intégration du CRM avec les systèmes téléphoniques ne date pas d’hier. Il existe un grand nombre de connecteurs CTI/CRM offrant différentes possibilités : remontée de fiche, wrap-up, attente/reprise ou transfert d’appel. Mais de tels connecteurs connaissent parfois des limites en terme de fluidité du parcours utilisateurs (il faut jongler entre deux contextes) ou en terme de métriques (rapprocher une donnée appel et une donnée plus métier). C’est la promesse des solutions Voice : unifier l’expérience téléphonie et CRM. Et il faut bien admettre que le couplage du flux voix avec les solutions Einstein offrent encore d’avantage de possibilités : pousser des réponses-type à partir de l’analyse sémantique de l’appel ou encore recommander un article pendant la discussion font de cette fonctionnalité un membre solide du TOP 5.

Transformer un centre de service en centre de revenus : c’est le graal de nombreux centre d’appels. Néanmoins, transformer le métier d’un agent de service client en conseiller commercial n’est pas une mince affaire. Posture, argumentaires ou répartie ne sont pas des compétences – plus commerciales en général – simples a acquérir. Toutefois, si vous souhaitez accompagner vos agents dans cette évolution, Einstein Next Best Action est probablement une solution à considérer. Einstein NBA permet de définir des modèles de recommandations : souscrire à un service, activer une option ou encore bénéficier d’une opération commerciale. Dans l’objectif d’améliorer la satisfaction client voire même de générer quelques revenus.

Ces recommandations sont alors suggérées lors d’un contact client. Charge à l’agent d’activer la recommandation selon le contexte. Et c’est là que c’est intéressant : le next best action est suffisamment discret pour ne pas polluer le parcours utilisateurs mais suffisamment accessible pour l’informer et le pousser dans la conservation grâce à une accroche pré-définie.

Attention tout de même à bien définir les règles d’apparition de ces accroches : le contexte client et le traitement de la demande doivent être pris en compte. (Inutile de proposer une nouvelle option à un client alors qu’il attend une dépanneuse sous la pluie car sa voiture est en panne…).

Là encore le potentiel offert par les Next best Action est immense, d’autant plus si l’on considère des cas d’usage plateforme et vision 360° client.

Quel service client n’a jamais rêvé de qualifier automatiquement des e-mails afin de les adresser directement au bon service ? Le Case Classification est clairement un must si vous utilisez des canaux froids ou tièdes (e-mail typiquement). Alors certes, on peut très bien passer au web to case ou un espace client pour inviter le solliciteur à qualifier sa demande avant envoi. Mais très souvent l’e-mail reste un canal facile à utiliser, qui nécessite peu d’intégration et permet très souvent de soulager l’accueil téléphonique (« je vous donne notre adresse e-mail »). Et d’autre part, il n’est pas rare que le client ne sache pas qualifier précisément sa demande ou qu’il ne prenne pas le temps de renseigner sa demande.

Le case Classification va permettre d’auditer les informations de type verbatim afin de pré-qualifier la demande créée : identifier une thématique, une gravité, un produit ou encore la langue utilisée. Et bonus sur le gâteau : si Einstein donne un score de confiance suffisamment élevé, il est même possible d’orienter automatiquement la demande à l’équipe concernée. Elle est pas belle la vie ? Le Case Classification peut très bien justifier à lui seul le passage à Einstein for Service

Les bots, nouvelle lubie des market IT ou réel potentiel de désengorgement du service client ? La vérité est probablement entre les deux. Chez Hardis, nous avons eu l’occasion de mettre en place ces fameux bots et la réponse était claire : certains cas d’usage peuvent être totalement traités par les technologies Einstein. Reste à bien définir les motifs qui occupent le plus les agents et identifier comment un bot peut permettre d’Eviter un contact téléphonique (« case deflection ») dans ces cas là. Les usages sont nombreux : prise de RDV, information d’une commande ou encore push d’une documentation technique. Si l’on sait tirer la donnée métier d’un côté et analyser la demande client de l’autre, alors les Einstein Bots sont une solution idéale pour rendre tout le monde heureux. Un client servi rapidement, un agent qui n’est pas contacté pour une demande à faible valeur ajoutée et un responsable de service qui améliore la productivité de son service. De là à remplacer totalement la relation humaine au sein d’un centre de service ? Probablement pas. Mais qui souhaiterait vraiment un service client sans relation humaine de toute façon ?

Clairement, le succès d’une solution basée sur l’Intelligence Artificielle comme Einstein for Service passe par la richesse de la donnée. Salesforce recommande effectivement un certain nombre d’historique « technique » pour que la solution commence à analyser, qualifier ou suggérer. Au-delà des prérequis techniques, il convient de déterminer la richesse et la pertinence de la donnée (le passé) par rapport à la réalité de ce que l’on souhaite suggérer. recommander / qualifier (l’avenir). Inutile de compter sur les données de traitement des tickets de la compta pour aider les équipes techniques à qualifier leurs demandes clients.

Enfin, il convient de ne pas tomber dans la fonctionnalité « gadget » : chaque pixel de la zone de travail d’un agent compte et les suggestions Einstein doivent faire leur preuve à petite échelle afin d’être déployées plus massivement.

Nos experts Einstein & Service Cloud se tiennent à votre disposition pour tester la solution Einstein for Service au sein de votre contexte client et valider les cas d’usages qui permettront de dégager un retour sur investissement significatif et ainsi « préparer » l’avenir de votre relation client.