7 Applications d’intelligence artificielle pour les call centers des opérateurs télécom et d’électricité
7 applications de l'intelligence artificielle qui permettent de résoudre de véritables problèmes des opérateurs télécoms et d'électricité.
Les gourous de l’intelligence artificielle évoquent souvent les gains incroyables que les entreprises de et tout calibre et de tous secteurs, y compris les opérateurs télécoms, vont pouvoir générer grâce à l’intelligence artificielle. Les perspectives qu’ils ouvrent sont souvent générales, abstraites et s’appuient parfois sur les dernières recherches en matière d’intelligence artificielle. Les choses se compliquent lorsque les opérationnels demandent à l’équipe Data ou IA de trouver un use case qui permettent de démontrer concrètement le potentiel de l’IA.
Le cas n’est pas toujours évidement à trouver, les data ne sont pas toujours disponibles, pas toujours de suffisamment bonne qualité, pas toujours complètes, pas toujours fiables, l’ingénieur data pas toujours suffisamment expérimenté et le gain attendu pas évidement à estimer.
Voici sur un cas extrêmement concret concernant l’acquisition de nouveaux clients, où l’intelligence artificielle peut résoudre un problème de performance commercial d’un opérateur d’électricité, Iberdrola.
Le cas peut tout à fait s’appliquer à un opérateur télécom, attendu que cet opérateur télécom utilise les mêmes techniques que les opérateurs d’électricité.
Iberdrola est un acteur de taille mondial qui indique sur son site servir 34 millions de clients. C’est une entreprise côtée, issue de la fusion de deux producteurs d’électricité espagnols dans les années 90 et qui annonce faire partie des 10 plus grands acteurs de l’électricité au niveau mondial. Cette entreprise a profité de l’ouverture des marchés de l’électricité pour se développer à l’étranger et prospecte donc de façon très intensive, notamment en porte à porte avec une force de vente de terrain et par téléphone, via des calls centers offshore, afin de minimiser les coûts d’acquisition.
Attendu que les particuliers sont plutôt réticents à changer d’opérateur d’électricité, il faut, comme qui dirait, les accompagner… c’est-à-dire, bien valoriser les bénéfices liés au changement d’opérateur.
Le problème de cet opérateur d’électricité
En deux mois, l’auteur de cet article a reçu 15 appels de « téléconseillers » d’Iberdrola sur le même numéro de téléphone, pour la même société, à une adresse qui n’est plus celle de l’entreprise depuis 2011, laquelle entreprise a été radiée du registre du commerce en 2016 !
Les data scientists, ingénieurs, architectes évoquent souvent les problèmes de qualité dans les données qu’ils doivent utiliser. Ce problème reste abstrait pour le profane. Dans notre exemple, on voit donc qu’il y a trois types de problèmes : caducité de l’adresse, du statut de l’entreprise et incapacité de l’entreprise à historiser les contacts avec un prospect.
Mais, c’est de loin, le moindre des problèmes de cet opérateurs d’électricité.
Son principal problème réside est la qualité des appels qui sont passés.
Au bout du 12eme appel, l’auteur de cet article qui qui ne fait pas partie de ceux qui insultent les entreprises qui les harcèlent au téléphone, a décidé de jouer le jeu du téléconseiller et de s’amuser avec lui. Il lui a transmis des informations erronées et l’a laissé déplié son argumentaire commercial.
Ce dernier commencé par réciter son script et utilise, comme un robot bien dressé, des techniques de conditionnement commerciale, parmi lesquelles, des questions auxquels l’interlocuteur ne peut que répondre par l’affirmative (dans les manuels de formation des commerciaux, on explique que un commercial parvient à obtenir des « oui », il met le prospect dans de bonnes disposition) :
- Souhaitez-vous faire un geste pour la planète en consommant de l’électricité verte ?
- Souhaitez-vous payer moins cher votre électricité ?
L’auteur de cet article a répondu non au télévendeur, ce qui ne l’a pas empêché de continuer comme si de rien n’était.
Le télévendeur a ensuite littéralement récité son argumentaire, comme un robot (il a prononcé exactement les mêmes phrases dans le même ordre, que les 11 télévendeurs Iberdrola précédents) en commençant par la présentation officielle de la société, ses 34 millions de clients et dans un language incompréhensibles par le commun des mortels, le fait que la société se débrouillait pour n’acheter que de l’électricité issue d’énergie renouvelable en fin de compte (ce qui est impossible pour deux raisons, non seulement Iberdrola est le premier producteur d’électricité nucléaire en Espagne, mais surtout qu’en France, Iberdrola se contente pour l’essentiel de revendre l’électricité produite en France, composée à 75% d’électricité nucléaire). Demandez à des écolo s’il pense que l’énergie nucléaire est « renouvelable »…
Mais surtout les choses empirent dans la suite de l’appel
Le télévendeur demande le nom de l’opérateur actuel du prospect ainsi que le montant des factures qui lui annonce au hasard 80€ (puisqu’il n’a plus d’abonnement depuis 2011 à l’adresse indiquée). Cela ne pose aucun problème au télévendeur qui demande l’autorisation de se connecter au portail de l’utilisateur (ce qui lui permet d’avoir accès à la consommation du prospect). Sur ce portail, le télévendeur constate le nom du fournisseur d’électricité du compte qu’il interroge n’est pas celui que lui a donné le prospect et que la consommation ne correspond pas au montant qui lui a été annoncé. Peu importe, le téléacteur ne se démonte pas et annonce un abonnement mensuel à 68€ (alors qu’il s’est connecté au compte d’un abonné qui n’est pas celui de son interlocuteur sans avoir vérifié son indentité) et prépare même un contrat se fondant sur cette consommation erronnée.
Il demande un IBAN et envoie un contrat.
Une fois le contrat transmis par le web, le télévendeur demande au prospect de signer immédiatement le contrat électronique.
Devant l’hésitation du prospect, qui indique qu’il a besoin de lire le contrat de 17 pages qu’il vient de transmettre, le téléconseiller lui indique que ce contrat n’engage pas son prospect. Devant l’incrédulité du prospect, il répète à 6 reprises que ce contrat ne suppose aucun engagement.
Le prospect lui demande s’il paiera effectivement 68€/mois et s’il n’y aura pas de mauvaises surprises.
Il garantit au prospect qu’il sera même remboursé du trop perçu en fin d’année car il estime que la consommation sera inférieure à 68€.
Bref, on voit qu’il y a à la fois des problèmes de nature légales et de nature commerciale
- Le télévendeur ne tient pas compte des réponses de son clients
- Le télévendeur ment sur le coût de la prestation
- Le télévendeur ment sur les engagements contractés par le prospect
- Le télévendeur enfreint les règles du RGPD, puisqu’il accède sans autorisation aux données personnelles de consommation du nouveau locataire de l’appartement jadis occupée par la société qu’il cherche à contacter
- Le télévendeur n’est pas capable d’adapter son discours aux réponses du client (l’écoute étant l’une des bases des techniques de vente)
- Le téléconseiller impacte de façon extrêmement négative la réputation de l’entreprise
- Le fichier de prospection est totalement erroné
- Les appels des 11 autres télévendeurs impactent encore plus négativement la réputation de l’entreprise Iberdrola, puisque la pression commerciale incontrôlé nuit à l’image d’Iberdrola qui apparait comme une entreprise harceleuse, mais aussi parce que 4 des télévendeurs auprès desquels le prospect s’était plaint du nombre d’appels ont racrroché au nez du prospect et que deux ont indiqué qu’ils feraient remonter le problème du démarchage répété (ce qui n’a évidemment jamais été fait).
Ce sujet vous intéresse ? Vous souhaitez vous joindre à la révolution "intelligence artificielle" ?
Vous êtes sur le premier site de formation à l'intelligence artificielle pour les cadres.
Inscrivez-vous à la 24pm Academy et suivez gratuitement notre premier cours d'intelligence artificielle gratuit.
Ce que l’intelligence artificielle et la data science pourraient apporter
Système d’analyse du scoring du risque d’eréputation
Objectif
Envoyer des alertes en temps réel au téléacteur et à son superviseur lui indiquant quand il a généré un niveau de contrariété tel chez le prospect qu’il risque de se traduire par des messages d’insatisfaction online ou offline dégradant la réputation de l’opérateur
Technologies à mobiliser
- Traitement du signal / Reconnaissance vocale (Speech to text)
- Traitement du langage naturel / Analyse de sentiment
- Moteurs de règles
- Chatbot pour l’interface d’alerte
Système d’alerte sur le risque légal
Objectif
Envoyer des alertes en temps réel au téléacteur et à son superviseur lui indiquant que le téléacteur à un discours dépassant le cadre légal
Technologies à mobiliser
- Traitement du signal / Reconnaissance vocale (Speech to text)
- Traitement du langage naturel / Analyse sémantique
- Moteurs de règles
- Chatbot pour l’interface d’alerte
Système d’assistance à la vente
Objectif
Envoyer des suggestions en temps réel au télévendeurs lui permettant de convaincre le client de souscrire un abonnement avec une approche personnalisée
Technologies à mobiliser
- Traitement du signal / Reconnaissance vocale (Speech to text)
- Traitement du langage naturel / Analyse sémantique
- Moteur de recommandation
- Moteurs de règles
- Chatbot pour l’interface d’alerte
Analyse sémantique des échanges pour isoler les arguments qui font le plus signer
Objectif
Permettre aux responsables du centre d’appel de comprendre dans quels cas les appels aboutissent et à affiner les scripts commerciaux remis aux télévendeurs
Technologies à mobiliser
- Traitement du signal / Reconnaissance vocale (Speech to text)
- Traitement du langage naturel / Analyse sémantique / Analyse de sentiment
- Data Visualisation
- Moteur de recommandation
Analyse sémantique des échanges pour isoler les arguments qui font le plus signer
Objectif
Permettre aux responsables du centre d’appel d’écrire des scripts adaptés au profil des prospects
Technologies à mobiliser
- Traitement du signal / Reconnaissance vocale (Speech to text)
- Traitement du langage naturel / Analyse sémantique/ Extraction d’information / Clustering
- Data Visualisation
- Moteur de recommandation
- Moteurs de règles
Scoring des télévendeurs en fonction de leurs résultats, de la conformité et des étapes auxquelles ils perdent les prospects
Objectif
Permettre de détecter les meilleurs et les pires télévendeurs
Technologies à mobiliser
- Traitement du signal / Reconnaissance vocale (Speech to text)
- Traitement du langage naturel / Analyse sémantique / Clustering
- Data Visualisation
- Algorithme de classification ( linear classifier, SVM, deep learning, neural classifier)
Chatbot pour former les télévendeurs
Objectif
Disposer d’un service de question réponses permettant aux télévendeurs de trouver des réponses en temps réels aux situations auxquelles ils sont confrontés
Technologies à mobiliser
- Traitement du language naturel : extraction d’information
- Agents conversationnels : Extraction
- Base de connaissances
- Moteurs de règles ou machine learning
- Génération de langage naturel
Ce sujet vous intéresse ? Vous souhaitez vous joindre à la révolution "intelligence artificielle" ?
Vous êtes sur le premier site de formation à l'intelligence artificielle pour les cadres.
Inscrivez-vous à la 24pm Academy et suivez gratuitement notre premier cours d'intelligence artificielle gratuit.
