Relation client : prioriser les demandes urgentes en période de crise

Relation client : prioriser les demandes urgentes en période de crise

Sang-Hoon Yoon, Antoine Isnardy, Martin Le Loc / Temps de lecture : 7 minutes

Dans le contexte inédit de la crise liée au COVID-19, les sociétés doivent s’adapter, redéfinir leur stratégie et se réinventer. À ce titre et à l’issue de réflexions menées avec nos clients, nous avons identifié plusieurs axes de travail, que nous vous partagions dans l’article « La data au service de la gestion de crise ? ».

Dans cet article, nous détaillons l’un de ces axes : l’optimisation de la relation client via le traitement automatique des demandes urgentes. En effet, particulièrement affecté lors des situations de crise, le processus de gestion de la relation client voit affluer de nouvelles typologies de réclamations écrites urgentes (via mail, formulaire de contact ou encore chatbot) et directement corrélées à la situation de crise. Le vendredi 17 avril à 11h, nous organiserons un webinaire sur ce sujet pour répondre à vos questions, inscription gratuite ICI. 

Il est essentiel d’identifier et d’adresser ces nouveaux cas d’une manière différente du flux nominal, par exemple :

  • Dans le cas du COVID-19, les emails reçus par un cabinet médical, et envoyés par des patients potentiellement positifs, doivent être traités en priorité pour formuler rapidement des recommandations adéquates, et/ou donner des consignes spécifiques (confinement total par rapport aux autres membres de la famille, nécessité de se rendre à l’hôpital, …).
  • Dans le cas d’un rappel sanitaire agroalimentaire, les contacts relatifs à la consommation de produits impropres doivent être traités avant les demandes relatives à des soucis ne relevant pas de la santé du consommateur (programme fidélité ou emballage endommagé par exemple).

Comment intégrer la gestion de ces « nouvelles urgences » dans les pratiques existantes ? 

Forts de notre expérience sur des problématiques similaires chez nos clients, où nous avons à plusieurs reprises automatisé et rendu plus efficace le traitement de demandes entrantes, nous proposons une démarche en trois étapes : depuis la définition de la notion d’urgence, à l’implémentation de règles de routage, jusqu’à l’amélioration de ces règles grâce à des algorithmes de traitement automatique du langage (TAL) éprouvés.

Qu’est ce qu’un processus de traitement de contacts entrant ?

Aujourd’hui, la relation client s’organise souvent autour de plusieurs canaux de communication, et d’un point d’entrée unique pour chacun d’eux : par exemple pour le canal mail, une boîte générique contact@entreprise.com. La relation client peut ainsi faire face quotidiennement à un grand nombre de demandes entrantes et sur chaque point d’entrée. Par exemple, chez un acteur du secteur mutualiste, plus de 15 000 mails sont reçus chaque jour par les conseillers et gestionnaires de sinistres. L’enjeu majeur est donc de router les messages que l’entreprise reçoit vers les entités pertinentes pour qu’elle puisse répondre le plus rapidement possible à ses clients.

C’est là qu’intervient le processus de traitement des contacts entrants. Une entreprise adopte souvent l’une des deux stratégies suivantes:

  1. Traiter manuellement les messages : tous les mails sont traités de la même manière sans les différencier, sur le modèle premier arrivé, premier servi.
  2. Traiter les messages en utilisant un moteur de routage qui les « aiguille » vers les différents départements en fonction de règles métiers et/ou d’algorithmes. 

Dans les 2 cas, le processus n’est généralement pas nativement conçu pour s’adapter à un pic de sollicitations suite à une situation de crise. Afin d’améliorer le processus de traitement, nous proposons une approche complémentaire aux méthodes existantes pour prioriser les demandes urgentes :

  • Si le processus de traitement existant est manuel, nous ajoutons un moteur de routage d’urgence capable d’identifier et capter le flux urgent afin de l’adresser en priorité aux opérateurs.
  • Si le processus de routage des messages est déjà automatisé, nous venons ajouter une couche du même type que celle décrite ci-dessus ; celle-ci est donc complémentaire au processus de routage existant.

De l’importance de bien définir la notion d’urgence

En temps de crise, la notion d’urgence devient centrale et de sa définition dépendra le moteur de routage d’urgence implémenté. Elle doit donc être déterminée de façon précise, car : 

  • Si elle est trop générale, de nombreux messages seront considérés comme urgents, ne permettant pas un traitement efficace des demandes critiques.
  • Au contraire, si elle est trop restrictive, trop peu de demandes seront identifiées comme prioritaires, ce qui ne soulagera pas le flux nominal et ne permettra pas un traitement spécifique des demandes critiques.

Pour définir la notion, la première étape est de déterminer le périmètre d’urgence en répondant conjointement avec les gestionnaires des demandes, via des ateliers métiers, à la question suivante : “une demande doit-elle impérativement mentionner un ou des événement(s) en particulier comme COVID-19 pour être priorisée ou la mention du mot “urgence” suffit-elle?”. Pour faciliter la définition du périmètre, il faut effectivement repérer les formulations les plus récurrentes dans les demandes urgentes: “quels sont les mots-clés ou les formulations qui permettent d’identifier une demande urgente?”.  

La seconde étape vise à quantifier les intuitions développées lors de la première phase. Plus précisément, il s’agit pour les gestionnaires de labelliser des messages reçus dans la passé. Ce sont ces exemples labellisés qui serviront de base d’entraînement aux algorithmes d’intelligence artificielle. Quantmetry dispose de bonnes pratiques et d’outils éprouvés pour les processus de labellisation collaboratifs (y compris dans un contexte de télétravail généralisé). Le lecteur peut se référer à ces deux articles traitant du sujet : « La labellisation pour du NLP à forte valeur ajoutée », « Labellisation : quels outils statistiques pour réduire le temps d’annotation ? »

Dans la suite de l’article, nous illustrons les méthodes de traitement du langage naturel appliquées à des demandes de type emails, les méthodes présentées étant aisément réplicables à d’autres demandes textuelles.

Fonctionnement et mise en oeuvre d’un moteur de routage d’urgence

L’objectif d’un moteur de routage d’urgence est d’identifier si un mail est à traiter en urgence, avec une précision et un rappel élevés et stables dans le temps (pour la définition des notions de précision et rappel, le lecteur peut se référer à l’article « Classification et déséquilibre de classes ») pour ne manquer aucune demande urgente.

Pour cela, le moteur de routage s’orchestre en deux temps :

  1. Classification binaire des emails : 1-urgent ou 0-non urgent 
  2. Affectation prioritaire des mails urgents aux opérateurs

Le schéma ci-dessous illustre le fonctionnement global de ce moteur de routage.

Fonctionnement du moteur de routage d’urgences

Une première itération courte – d’une durée de quelques jours – permet d’obtenir rapidement un moteur de routage d’urgences fonctionnel, et qui commence à pallier au contexte de crise avec une précision élevée. Celle-ci se décompose comme suit :

  • Prétraitement des messages :
    • Reconstruction de l’historique des messages: dernier message, transition, anciens messages grâce aux expressions régulières
    • Structuration du mail : isoler des parties du mail comme les salutations, le corps du mail, les remerciements et/ou formule de politesse, la signature, … ; et ce grâce  aux expressions régulières, qui permettent d’identifier des patterns (ou schémas) au sein de contenus textuels.
    • Lemmatisation pour ramener chaque mot à sa forme « canonique » (du pluriel au singulier, du verbe conjugué à son infinitif, …)
    • Transformation en caractères minuscules
  • Utilisation d’expressions régulières qui permettent de détecter les mots-clés listés lors de l’atelier métier représentant la notion d’urgence

Si cette approche est précise à 100%, c’est-à-dire que tous les mails qui correspondent aux patterns d’urgences identifiés seront effectivement considérés comme des urgences, son caractère rigide et peu adaptatif souffre d’un rappel faible : certains mails, pourtant urgents, mais ne correspondant pas aux patterns définis, ne seront pas traités comme des urgences.

Illustration de la notion de rappel

Exemple de communication en temps de crise

 

Par exemple dans le mail ci-dessus, les phrases « Compte tenu de l’actualité, j’ai besoin de l’attestation de mon contrat le plus tôt possible. » et « Si je ne l’ai pas avant demain matin, je ne peux pas rentrer en France » montrent que la demande de l’expéditeur est urgente. Pourtant, il est difficile de l’identifier avec de simples expressions régulières car il n’y a pas de mot-clé lié au contexte de crise.

Nous proposons plusieurs itérations successives destinées à enrichir le moteur de routage d’urgences, notamment via l’exploitation de techniques et méthodologies de traitement automatique du langage à l’état-de-l’art, parmi lesquelles :

  • Utilisation des méta-données du message, combinées au contenu dudit message : heure d’envoi, objet du message, informations sur l’expéditeur, extension d’adresse mail, format de pièces jointes, …
  • Utilisation de représentations riches d’un message qui permettent d’appréhender les mots dans leur contexte plutôt qu’individuellement (comme c’est le cas avec les expressions régulières). Quantmetry a l’habitude d’utiliser ces méthodologies chez ses clients, en se reposant notamment sur des librairies telles que spaCy ou encore Hugging Face, qui mettent à disposition des modèles pré-entrainés en français (se référer à l’article BERT de Google AI sur le banc de test pour l’un de nos retours d’expérience)
  • Analyse de tonalité des messages pour repérer les marqueurs d’une situation d’urgence (crainte, inquiétude, …)

Ce sont autant d’informations qui viennent par la suite nourrir l’algorithme de classification d’urgence.

Intégration dans l’existant et conclusion

Le moteur de routage développé peut finalement être déployé de façon transparente et légère pour le système informatique existant, en privilégiant la containerisation et l’exposition via API. Plus précisément, cette API consomme un message et ses méta-données, et renvoie un tag « urgent » ou « non urgent », permettant d’appliquer ensuite le routage adéquat.

Cet article a été l’occasion d’élaborer une réponse possible à l’augmentation de nouvelles sollicitations de la relation client en temps de crise. La mise en place rapide d’un moteur de routage d’urgences permet de gérer efficacement le bouleversement des priorités, et de s’adapter aux « nouvelles urgences » que nous décrivions plus haut. 

Ce type d’initiatives est également transposable aux appels entrants. Il existe aujourd’hui différents moyens de transcrire des signaux vocaux en texte (speech-to-text), sur lesquels les procédures décrites dans cet article sont applicables. Un article à paraître prochainement décrira notre retour d’expérience de l’utilisation de ces technologies – ainsi que des procédures de traitement automatique du langage sous-jacentes, appliquées à l’automatisation de compte rendus de réunions.

> Inscription au webinaire <

Sang-Hoon Yoon, Antoine Isnardy, Martin Le Loc