00:00Bonjour Nicolas Rieul. Bonjour, merci de me recevoir.
00:02Alors à quoi vous repérez un client potentiellement mécontent et comment vous le distinguez d'un client qui est seulement
00:07exigeant ?
00:08Chez Actionable, on est spécialiste de l'expérience client prédictif. Qu'est-ce que ça veut dire ?
00:12C'est qu'on va utiliser l'IA pour mieux analyser les données clients.
00:16En réalité, les grandes entreprises, celles que on consomme tous les jours, ont énormément de données sur leurs clients, mais
00:23elles sont sous-exploitées.
00:25Ce qu'on fait aujourd'hui, ce que font ces entreprises, et c'est normal depuis des années, c'est
00:28des sondages.
00:28Vous recevez tous les jours dans vos boîtes mail, avez-vous été satisfait ?
00:31En fait, il y a 2 à 5% des clients qui répondent à ces enquêtes, on en a de
00:36plus en plus.
00:37Et donc ça ne permet pas d'avoir le pouls.
00:39Donc ce qu'on fait, c'est qu'on va utiliser l'IA pour entraîner finalement sur ces enquêtes, et
00:44tout le parcours passé,
00:46et ce que j'ai attendu trop longtemps, quel était le prix que j'ai payé, si j'ai appelé
00:49le service client en combien de temps on a géré mon problème,
00:51pour comprendre quels sont les drivers de la satisfaction ou de l'insatisfaction,
00:55parce qu'on prédit les mécontents, mais aussi les clients contents, il y en a aussi.
00:59Vous regardez aussi les commentaires sur les réseaux sociaux ?
01:01Oui, alors on le fait, pas sur les réseaux sociaux, parce qu'on a besoin de le lier à ce
01:05qu'il y a écrit, à sa réelle expérience.
01:08Exactement.
01:09Ce qui s'est vraiment passé dans un magasin ou dans une assurance, comment on a traité mon sinistre, mes
01:14commissions bancaires, etc.
01:15C'est en croisant ces données qu'ensuite je vais pouvoir prédire quasiment 100% d'une base de données
01:20client avec une haute fiabilité,
01:22et surtout expliquer pourquoi.
01:24Est-ce que je suis plutôt insatisfait parce que c'est une cause de retard à la SNCF ou chez
01:29WeGo qui font partie de nos clients ?
01:30Plutôt pour un sujet de prix, de service client, on va pouvoir adapter son message, le personnaliser, pour offrir un
01:36meilleur service à ses clients tout simplement.
01:37Donc c'est un cadeau surtout après ?
01:39Oui, c'est ça, qui se récompense quand même.
01:40Oui, qu'est-ce qu'on fait effectivement ? C'est là que ça devient hyper intéressant.
01:43C'est souvent ce qu'on dit à nos clients. Imaginez, si vous saviez aujourd'hui, vos clients qui sont
01:48à risque de ne pas réacheter,
01:49à risque de partir, ou qui sont aujourd'hui mécontents.
01:53Vous avez la totalité de l'information. Qu'est-ce que vous faites ?
01:55Mais est-ce qu'il n'y a pas des clients qui vaut mieux laisser partir ?
01:57Vous les autres joueurs mécontents ?
01:58Peut-être qu'il y en a qui sont parentables, mais en réalité c'est là que c'est intéressant.
02:01Il y a des gens qui vont répondre et qui vont dire je suis mécontent parce qu'il y a
02:04un peu un effet d'aubaine.
02:05Ils espèrent avoir une réclamation, même si la réalité de la situation n'est pas la bonne.
02:09Grâce à la prédiction automatique, ce qu'on arrive à faire, c'est que justement,
02:13c'est quelqu'un qui ne s'est pas plaint, mais qui allait peut-être partir en silence.
02:16Et donc, on va le rattraper.
02:17Mais il n'y a pas un effet pervers à ça, parce que finalement, c'est-à-dire que les
02:19marques
02:20vont devoir chouchouter les clients les plus râleurs, les plus mécontents,
02:24et puis celui qui ne se plaint jamais, finalement, il ne va jamais avoir de récompense.
02:27C'est justement exactement l'inverse.
02:28C'est-à-dire que vu qu'on prédit, c'est toutes les personnes qui ne s'expriment pas.
02:32C'est au contraire, Anthony qui n'a jamais répondu, qui n'a pas râlé,
02:35qui a utilisé un service pour la première fois et qui a été un peu déçu en réalité,
02:39et qui ne va juste jamais revenir.
02:40Mais vous allez le détecter quand même ?
02:42Il ne passe pas sous le radar ?
02:44Anthony passera sous le radar ?
02:44Et parce que justement, on le lit.
02:46Je ne me plans pas, moi.
02:47Oui, mais vous êtes venus, vous avez...
02:49Vous avez attendu, hein ?
02:50Vous avez attendu.
02:51Il y avait du retard.
02:52Voilà, vous avez attendu votre commande longtemps, peut-être qu'il y a eu un incident,
02:56vous avez dû rappeler le service client plusieurs fois,
02:58et donc on a en réalité, on peut vous recontacter par mail,
03:00on peut vous rappeler, on peut régler la situation.
03:02Et donc, un nouveau client qui a une mauvaise expérience,
03:05on peut le rattraper, et avant qu'il s'en aille, justement.
03:08Jusqu'où on peut aller dans le profilage d'un consommateur
03:11sans franchir une ligne un peu éthique ?
03:14En gros, ici, toutes ces données, ces données qui sont existantes,
03:18et qui sont finalement les données, en tant que consommateur,
03:20je m'attends, en fait, qu'on m'offre un bon service.
03:22Combien de fois on va contacter, par exemple, un service client ?
03:25On n'est pas reconnu, on nous redemande les mêmes informations à chaque fois,
03:27et par ailleurs, vous avez des sociétés qui sont best in class,
03:32pardon pour l'anglicisme, et qui ont un parcours fluide.
03:36En réalité, ces données, c'est absolument logique pour les entreprises
03:40de pouvoir améliorer leurs services,
03:41et en fait, pour comprendre la difficulté des grandes entreprises
03:45à offrir cette super expérience,
03:47c'est que les systèmes d'information ne se palent pas forcément.
03:49Et ce qu'on aide les grandes entreprises à faire, justement,
03:52sur ces données qu'elles ont déjà,
03:54ce n'est pas de la donnée extérieure,
03:55on travaille vraiment pour eux, à les aider à exploiter
03:59la donnée qu'ils ont déjà sur leurs clients,
04:01faire le lien pour offrir une meilleure expérience.
04:02Et alors, il y a eu un nouveau type d'IA sur lequel vous travaillez
04:05pour encore affiner ces profils clients,
04:07c'est ce qu'on appelle l'IA causal.
04:08Vous pouvez nous expliquer ce que c'est, en deux mots,
04:10et le potentiel que ça représente ?
04:11Oui, dans le domaine de toutes les IA,
04:13que ce soit le machine learning, que ce soit l'LM,
04:16l'IA causal, ça permet, et l'inférence causal,
04:18c'est un domaine de recherche qui est assez haut.
04:20Pourquoi ? Parce que c'est expliquer l'IA.
04:22Les LM, aujourd'hui, sont un peu des black box, finalement.
04:24Ils vont donner une prédiction, mais pas expliquer pourquoi.
04:28Grâce à l'inférence causale,
04:29qui est notre sujet de recherche appliquée
04:32au cœur de notre technologie,
04:34on va pouvoir comprendre la différence
04:36entre une corrélation et une causalité.
04:38Je m'explique.
04:39Vous avez un client, il fait une commande en ligne,
04:42et puis vous lui dites, désolé, rupture de stock,
04:45commande annulée.
04:46Ça, ça provoque énormément d'insatisfaçons.
04:48Si vous regardez les données, vous voyez qu'un client
04:50qui a plus de trois commandes annulées dans l'année
04:52est hyper satisfait.
04:53Là, vous dites, ce n'est pas normal.
04:55Et en fait, c'est parce que c'est un client
04:57qui est ultra fidèle, qui a fait 50 clients
04:58de commande dans l'année, et donc il a plus de chances
05:01d'avoir une commande annulée.
05:01Vous voyez ? En fait, c'est cause et conséquence.
05:03L'IA causal vous permet d'avoir ça.
05:05Ça va analyser l'intégralité des possibilités
05:07et des scénarios.
05:08Et si vous arrivez à craquer ça,
05:10vous pouvez prédire le futur.
05:12C'est-à-dire que si je bouge,
05:13si je fais trois commandes annulées
05:15ou je change mon temps d'attente,
05:16quel va être l'impact sur mon revenu
05:18et sur mon chiffre d'affaires ?
05:19Merci Nicolas Riol d'avoir été notre invité ce matin,
05:21cofondateur, directeur général d'Actionable.
05:23!
Commentaires