Les clients sont la plus grande source d’apprentissage pour une entreprise. Si un client est mécontent ou content, c’est qu’il y a quelque chose dans l’entreprise, le produit ou l’expérience du service client qui l’a rendu ainsi.
Avec des millions d’appels enregistrés, les centres de contact contiennent des informations précieuses sur les clients d’une entreprise. Contrairement à l’investigation manuelle, les outils d’Analyse de Sentiments permettent d’extraire ces informations depuis les enregistrements des conversations des clients de façon efficace et rapide.
Dans cet article, nous évoquons l’analyse des sentiments dans un centre de contact et nous répondons à plusieurs questions importantes sur ce sujet, en commençant par qu’est-ce que l’analyse des sentiments ? Comment cela fonctionne-t-il et comment en tirer profit ?
Les centres de contacts offrent de plus en plus d’outils natifs pour l’analyse de sentiments qui permettent d’analyser les conversations (vocales et par chat) entre le client et les agents. Parmi ces centres de contact, nous citons AWS Connect et Genesys Cloud qui offrent cette fonctionnalité. Le plus important est que cette fonctionnalité peut être activée en quelques clics, configurée rapidement, et ne requiert pas de connaissance préalable en codage, machine learning ou algorithmes sous-jacents. Par la suite, toutes les conversations sont analysées pour déduire le sentiment des interlocuteurs, que sont l’agent et le client dans un centre de contact.
Par définition, l’analyse des sentiments est un outil automatique de classification de texte pour déduire, comme le nom l’indique, le sentiment. Fondamentalement, le sentiment déduit peut-être classé en trois catégories : sentiment positif, négatif, ou neutre. Il s’agit dans ce cas du sentiment dominant ou de la polarité du texte. L’analyse des sentiments peut aussi aller au-delà de la polarité et détecter des sentiments plus précis tel que la colère, le dégout, la peur, la surprise …
Les Figures 1 et 2 montrent l’interface d’analyse de sentiments de AWS Connect et de Genesys Cloud respectivement. AWS Connect pointe le score du sentiment via soit un visage souriant, neutre, ou triste pour chaque réplique de la conversation entre le client et l’agent, alors que Genesys cloud utilise l’émoticône du pouce vers le haut ou vers le bas placé sur l’enregistrement.
Tout outil d’analyse des sentiments repose sur deux piliers principaux : les algorithmes de traitement du langage naturel (ou Natural Language Processing en anglais) et les algorithmes de machine learning. Les systèmes d’analyse des sentiments se basent principalement sur l’analyse du contenu textuel. Dans un premier temps, les enregistrements d’appels doivent être convertis en texte et plus précisément en conversation entre interlocuteurs. Cette étape est aussi connue comme l’étape de transcription. Les mots clés et les expressions clés sont ensuite extraites du texte pour chaque réplique. Via le « machine learning », un score individuel est attribué à chaque réplique. Enfin, un score général est attribué à la conversation qui est en général la moyenne des scores individuels. Pour résumer, les étapes sont les suivantes :
Pour pouvoir attribuer un score de sentiment dans la troisième étape, le système d’analyse des sentiments utilise un « dictionnaire de sentiments ». Il s’agit d’une très grande collection d’adjectifs (par exemple : bon, mauvais, merveilleux, horrible, content, triste) et de phrases (par exemple : j’aime, je n’aime pas, c’est top, cela ne me convient pas, c’est merveilleux, c’est horrible) qui ont été assigné à un score à la main. Ainsi, par exemple, les expressions qui contiennent ou ressemblent « J’aime » seront classées comme « positives » alors que les messages contenants « je n’aime pas » seront classés comme « négatifs ».
Contrairement à ce que certains pourraient penser, l’analyse de sentiment ne se base pas sur la tonalité ou l’intensité sonore. En revanche, en plus de l’analyse des sentiments, on peut aussi mesure l’intensité sonore (ou loudness en anglais) de la parole du client et de l’agent et utiliser cette information pour compléter l’analyse des sentiments. Par exemple, une intensité sonore importante accompagnée d’un sentiment négatif peut être un indice fort de mécontentement. Il faudra toutefois lire ou entendre cette partie de la conversation pour essayer de comprendre et résoudre le problème.
Il y a certes plusieurs avantages à utiliser les outils d’analyse du sentiment dans un centre de contact. Pour commencer, les managers gagnent en efficacité et énormément de temps car ils n’ont plus besoin d’analyser le sentiment manuellement et d’écouter toutes les conversations.
Comme dit par Bill Gates « Your most unhappy customers are your greatest source of learning », « Vos clients les plus mécontents sont votre plus grande source d’apprentissage ». Ainsi, un premier plan d’action est de repérer les conversations avec un niveau élevé de sentiments négatifs. Ensuite, on peut utiliser ces conversations pour mieux coacher les agents et apporter de nouvelles directives en faveur du client. On peut aussi utiliser ces conversations pour offrir un service personnalisé au client et répondre mieux à son besoin. On peut aussi repérer les agents avec les plus haut niveaux d’émotions positives et de conversations positives pour les récompenser, les encourager et en faire des ambassadeurs. En plus de cela, il peut être intéressant de visualiser les tendances et les corrélations du sentiment tels que :
Et sur la base de ces information pouvoir prendre des décisions pertinentes pour améliorer le sentiment du client et de l’agent.
Pour conclure, l’analyse des sentiments dans un centre de contact apporte une valeur ajoutée sans précédent à la marque, l’aidant à obtenir des informations importantes sur ce qui rend le client content ou mécontent.
Cette fonctionnalité, qui était alors coûteuse, complexe et difficile à implémenter il y a quelques années, est aujourd’hui disponible, à prix abordable, et simple à implémenter. Pour en profiter et pour en savoir plus, contactez-nous pour évoquer ces sujets pour lesquels Activeo dispose d’une expertise pointue et vous présentera les cas d’usage et les retours d’expérience.
