Filtrage et recherche avancés des conversations avec Genesys

Genesys propose une nouvelle fonctionnalité de filtrage et de recherche avancés des conversations. Les administrateurs peuvent désormais explorer les échanges en se basant sur des métriques acoustiques et des métadonnées d’interaction.

Cette avancée permet non seulement d’analyser des tendances au sein d’un grand volume de données, mais aussi d’identifier rapidement les conversations à cibler pour réagir au plus près du temps réel, pour ajuster un message, pour faire évoluer la présentation d’une offre, ou simplement pour résoudre un problème ponctuel.

Pourquoi un zoom sur la fonction de filtrage et recherche avancés ?

Un saut quantique en matière d’analyse de données

Le goût des entreprises pour l’intégration multicanaux ne se dément pas. Le Graal reste la supervision d’une araignée de communications portées par des supports variés, synchrones ou pas, corrélées entre elles ou pas, relatives à un même interlocuteur ou une même organisation, ou pas. La connexion d’une IA avancée à une masse de données multicanales la plus exhaustive possible recèle un potentiel d’analyse conséquent. Cette nouvelle fonction de Genesys ouvre la porte à ce type de traitement. En particulier, des tendances peuvent être dégagées à partir de corrélations établies entre des données issues de conversations téléphoniques autant que de méls ou d’enregistrements de vidéo-conférences.

De plus, l’intégration de l’intelligence artificielle dans ces outils d’analyse permet de prédire les futures tendances produits et d’orienter efficacement la feuille de route et les investissements en R&D. Cette approche proactive aide les entreprises à anticiper les besoins de leurs clients et à rester en avance sur la concurrence.

Identification rapide des conversations pertinentes

Les équipes peuvent aussi identifier rapidement les conversations qui ont abouti à une résolution réussie ou celles qui nécessitent une attention particulière. Cela permet d’intervenir concrètement sur des points de tensions qui auraient échappé au management opérationnel d’un centre de contact par exemple, ou d’identifier des opportunités d’upsell ou de cross-sell à chaud. La recherche avancée offrant la possibilité de filtrer les interactions par type (voix, e-mail, chat, SMS), il devient aussi possible de comparer de manière plus granulaire et pertinente l’efficacité des différents canaux, seuls ou combinés. Des idées de nouveaux scénarios d’interaction à valeur ajoutée peuvent émerger, débouchant sur de nouvelles opportunités de former les personnels concernés ou d’entraîner les agents IA qui complètent leur action – ou est-ce l’inverse (les personnels concernés qui complètent l’action des agents IA) ? L’analyse des métriques acoustiques, telles que le temps de parole de l’agent et du client, ainsi que la durée des silences et des chevauchements, permet aux organisations d’optimiser leurs processus internes et d’améliorer l’efficacité des agents. Par exemple, l’analyse des temps de silence peut révéler des opportunités pour affiner les scripts de conversation.

Respect des contraintes de conformité

En outre, la fonction de filtrage des données numériques permet de réduire le risque d’exposition de données sensibles, en masquant automatiquement les informations confidentielles dans les transcriptions et les interactions enregistrées. Cette fonctionnalité renforce la conformité aux réglementations sur la protection des données tout en autorisant l’analyse approfondie des conversations.

Mettre en œuvre un filtrage et une recherche avancés

La mise en œuvre de la fonction est plutôt aisée. Voici en 4 étapes comment la rendre opérationnelle :

• Paramétrage des critères de recherche spécifiques, en incluant les métriques acoustiques et les métadonnées d’interaction pertinentes pour l’organisation concernée.
• Personnalisation des attributs de recherche rapide pour permettre aux agents d’accéder rapidement aux informations les plus importantes.
• Configuration des filtres d’interaction par type (voix, e-mail, chat, SMS) pour une analyse plus granulaire.
• Mise en place du masquage automatique des informations confidentielles dans les transcriptions et les interactions enregistrées pour assurer la conformité aux réglementations sur la protection des données.

Scénario d’utilisation : optimisation du service client d’une compagnie aérienne

Configuration initiale

• Intégration de l’IA générative GPT-4 d’OpenAI à la plateforme Genesys Cloud.
• Configuration des filtres de données personnalisés pour identifier les numéros de vol, les codes d’aéroport et les expressions liées aux retards.
• Mise en place de métriques acoustiques spécifiques pour détecter le stress dans la voix des clients.

Apprentissage de l’IA

• Entraînement initial de l’IA sur un corpus de 100 000 conversations historiques liées aux retards de vols.
• Création d’un modèle de classification pour catégoriser les raisons des retards (météo, problèmes techniques, problèmes d’équipage, etc.).
• Mise en place d’un système de feedback en temps réel permettant aux agents de corriger les classifications erronées de l’IA.

Architecture IA

• Module de transcription en temps réel des appels utilisant le Speech-to-Text de Genesys.
• Moteur d’analyse sémantique basé sur GPT-4 pour extraire les intentions et entités clés.
• Système de scoring en temps réel pour évaluer la gravité des problèmes signalés.
• Module de prédiction des actions nécessaires basé sur l’historique des résolutions.

Processus d’utilisation

• Un client appelle pour signaler un retard sur le vol AB123.
• Le système de filtrage identifie automatiquement le numéro de vol et active le mode « gestion des retards ».
• L’IA analyse en temps réel la conversation et détecte un niveau de stress élevé dans la voix du client.
• Le système catégorise le problème comme « retard dû à des conditions météorologiques » avec une confiance de 87%.
• L’IA suggère à l’agent des actions basées sur des cas similaires résolus avec succès :
• Proposer un réacheminement via l’aéroport XYZ
• Offrir un bon de compensation de 100€
• L’agent valide les suggestions et les applique, résolvant rapidement le problème du client.

Analyse post-appel

• Le système enregistre automatiquement les détails de l’interaction dans une base de données dédiée.
• Un rapport quotidien est généré, mettant en évidence les tendances des retards et l’efficacité des résolutions proposées.
• L’équipe de gestion des opérations utilise ces insights pour optimiser la planification des vols et la gestion des ressources.

Conclusion

Ce scénario n’est qu’un exemple parmi d’autres d’une intégration avancée de l’IA avec les capacités de filtrage et de recherche de Genesys. Il ne semble plus y avoir de limite à la transformation de la gestion des problèmes clients complexes, focalisée à la fois sur l’expérience client et l’efficacité opérationnelle. Dans la nébuleuse de fonctions offertes par les grands progiciels spécialisés, il faut parfois se contenter de bien exploiter celles qui ont le potentiel le plus fort, en acceptant de sous-utiliser un catalogue souvent très fourni.

Inked by Scenent.com