la recherche côté agent. un outil qui se place derrière l'agent support, pas devant le client. l'agent pose une question en langage courant et obtient une réponse sourcée en une seule requête. aucun bot face au client. l'agent reste sur le ticket et envoie la réponse.
nous en avons livré un pour une équipe cx e-commerce mid-market. le délai de première réponse sur les tickets complexes a chuté de 40 %. cet article en est la preuve : ce que nous avons construit, ce qui a bougé, et ce qui n'a pas bougé.
le client est anonymisé. les 40 % sont le résultat livré par la mission, ancré dans le travail support client que nous décrivons sur /ai-for/customer-support. une dernière précision avant de commencer : il s'agissait uniquement d'assistance à l'agent. aucun chatbot n'a jamais parlé à un client.
#qu'est-ce qui ralentissait les agents ?
les réponses existaient. les trouver ne passait pas à l'échelle. un ticket complexe signifiait qu'un agent ouvrait l'historique zendesk, une documentation produit et un pdf de politique de livraison, puis assemblait la réponse à la main. quatre ans de tickets passés détenaient le précédent. personne ne pouvait fouiller quatre ans de tickets dans le temps que met un client à attendre.
la première réponse restait donc en file d'attente pendant que l'agent cherchait. cette attente, c'est le chiffre sur lequel le responsable support se fait interroger. le délai de première réponse, pas le volume de tickets.
l'ia peut-elle réduire le délai de première réponse en support client sans chatbot ?
oui. un outil de recherche interne permet aux agents de poser des questions en langage courant sur les tickets historiques, la documentation produit et les pdf de politique, et d'obtenir une réponse sourcée. l'agent continue de rédiger et d'envoyer la réponse. pour une équipe cx e-commerce mid-market, cela a réduit de 40 % le délai de première réponse sur les tickets complexes, sans aucun bot face au client.
#qu'avons-nous concrètement livré ?
un seul outil de recherche interne couvrant trois sources : 4 ans de tickets historiques, la documentation produit, et les pdf de politique de livraison. un agent tape une question comme il le ferait à un collègue senior. la réponse revient avec la source citée, pour que l'agent puisse la vérifier avant qu'elle ne parte au client.
- une recherche sur 4 ans de tickets passés en une seule requête, pas onglet par onglet.
- des réponses sourcées, pour que l'agent vérifie la source au lieu de faire confiance à une boîte noire.
- des réponses ancrées dans les pdf de politique de livraison, là où vivent réellement les règles des cas limites.
- l'agent reste sur le ticket. l'outil ne répond jamais seul à un client.
former l'équipe support faisait partie de la construction, pas une passation de dernière minute. le kpi que nous avons convenu de faire bouger était le délai de première réponse sur les tickets complexes. nous l'avons mesuré avant et après. il a chuté de 40 %.
#n'est-ce pas la même chose qu'un bot de déviation ?
non, et la différence, c'est tout l'enjeu. une stratégie de déviation cherche à réduire le volume de tickets en répondant directement aux clients. ici, c'est un autre chiffre qui a bougé. la mesure était le délai de première réponse, obtenue en plaçant la recherche derrière l'agent. le client a continué de parler à une personne.
we are
stennir construit une ia qui se place derrière vos agents support : recherche, triage, rédaction-relecture, mesurée sur le délai de première réponse et la qualité des réponses apportées.
we aren't
stennir n'est pas un éditeur de chatbot face au client et ne vend pas la déviation comme objectif ; l'agent reste sur le ticket et vos clients continuent de parler à des humains.
des outils comme zendesk ai, intercom fin ou les suggestions gorgias fonctionnent à l'intérieur de leurs propres murs : vos macros, vos articles d'aide, vos réponses enregistrées. nous avons construit une recherche sur tout le reste. les tickets historiques, la documentation produit, les pdf de politique de livraison, les guides opérationnels. c'est là que se cachent les réponses aux tickets complexes.
les kpis que nous faisons bouger sont le délai de première réponse et la qualité des réponses apportées sur les tickets complexes, pas les effectifs. nous le disons dès le premier jour et nous le mesurons.
#est-ce que ça marcherait pour notre équipe support ?
le test d'adéquation est simple. vos réponses vivent-elles déjà dans des endroits lents à fouiller ? quatre ans de tickets, une pile de pdf de politique, une documentation produit qui évolue. si vos agents perdent des minutes à chercher avant chaque réponse complexe, c'est cette minute que la recherche vous rend.
cette construction fait partie de notre travail de conseil, avec la formation de l'équipe support intégrée depuis notre volet formation. si vous voulez voir comment les pièces s'assemblent, le journal contient d'autres preuves comme celle-ci.
si vos agents cherchent des réponses avant chaque réponse complexe, c'est exactement les 40 % que nous sommes allés chercher ici. dites-nous ce que vous construisez et nous vous dirons si la recherche est le bon levier, ou si elle ne l'est pas.