Les tornades, ou comme nous les appelons ici, les « twisters », sont monnaie courante au Texas. Il y a 100 ans, lorsqu’on voulait savoir si une tornade arrivait, il fallait soit la voir, soit l’entendre. « Son bruit ressemble à celui d’un train de marchandises », disait mon grand-père, qui en avait vu quelques-unes. Ici, dans le sud du Texas, nous sommes à l’extrémité de la « tornado alley » (allée des tornades), un terme désignant la région des États-Unis où se produisent les tornades les plus fréquentes ; rien que l’an dernier, 1 676 tornades, que l’on appelle twisters, ont été répertoriées.

Nous savons assez bien pourquoi les tornades se produisent. Une grande masse d’air froid se déplace au-dessus d’une grande masse d’air chaud, créant des conditions atmosphériques instables ; l’air chaud, plus léger, monte et traverse l’air froid, forçant ce dernier à se déplacer vers le bas et autour de lui. S’il y a assez de puissance, ces vents violents se mettent à tourner pour former ce terrible entonnoir nuageux.

Il y a quelques décennies, les tornades « frappaient », en quelque sorte, comme disait mon grand-père. Mais aujourd’hui, c’est une autre histoire ; nous sommes capables de les voir arriver avant qu’elles ne se produisent. Comment cela se fait-il ? Grâce aux données.

Les prévisions météorologiques : une belle réussite

Ceux qui travaillent dans les prévisions météorologiques sont habitués à être victimes de railleries. Même Larry David se moque d’eux dans un épisode de « Larry et son nombril », affirmant que « le météorologue » prédit la pluie quand il n’y en aura pas, afin d’avoir le parcours de golf pour lui tout seul. Mais il n’y a aucun complot et malgré ce que pensent la plupart des gens, à dire vrai, les météorologues font du bon travail.

En fait, les prévisions météorologiques sont l’une des réussites en matière de prévision de données. Bien sûr, elles se trompent parfois ; une étude menée par des présentateurs météo à Kansas City a révélé que lorsqu’ils annonçaient que le risque de pluie était sûr à 100 %, un tiers du temps, il ne pleuvait en fait jamais. Mais au cours des dernières décennies, notre meilleure compréhension des molécules dans l’atmosphère, couplée à une puissance de calcul informatique toujours croissante, ont amélioré nos prévisions de toutes les manières imaginables, prédisant précipitations et températures, ouragans et tornades avec une précision et des détails absolument surprenants.

Par contre, nous n’avons pas aussi bien réussi dans d’autres domaines où nous voulons prédire l’avenir. Les analystes sportifs, les experts politiques, les investisseurs et les économistes ne sont que médiocrement capables de prédire correctement l’avenir. Pensez aux élections de 2016, lorsque presque tous les sondages et les médias annonçaient Hillary Clinton comme la nouvelle présidente des États-Unis, ou même quelques années plus tôt, quand en novembre 2007, alors que la bulle financière éclatait déjà, les experts prédisaient qu’il y avait moins d’une chance sur 500 qu’il se produise une crise économique aussi grave que celle que tout le monde connaîtrait pourtant un mois plus tard.

Nous ne sommes vraiment pas doués pour prédire l’avenir

De manière générale, les humains sont assez nuls pour prédire l’avenir. Cela, pour un certain nombre de raisons, la plus importante étant due à nos propres préjugés. Nous avons tendance à croire, au-delà du raisonnable, que les choses que nous voulons voir arriver se produiront. Nous avons tendance à traiter de nouvelles données pour confirmer nos croyances, en ignorant souvent les points de données qui ne sont pas conformes à nos idées. Nous sommes trop optimistes en pensant que les mauvaises choses n’arrivent qu’aux autres et par conséquent, l’évaluation des risques n’est pas notre qualité première.

Mais bien que nous puissions construire des ordinateurs et créer des algorithmes extrêmement efficaces pour synthétiser des téraoctets et des téraoctets de données, nous sommes loin d’être aussi efficaces. Nous pouvons remarquer quelques tendances sur une courte période, mais nous sommes impuissants à comprendre les changements à long terme et les tendances statistiques. Comme Prakash Loungani, économiste au Fonds monétaire international, l’a déclaré à un rédacteur en chef du site FiveThirtyEight, «rares ont été les récessions qui ont pu être prédites neuf mois à un an àl’avance ».

La vérité est que nous avons tourné en rond pendant des milliers d’années en utilisant une capacité limitée d’observation, ainsi que notre propre intuition. Nous avons recours à nos expériences et à notre compréhension du monde qui nous entoure pour aborder un ensemble actuel de circonstances et prendre des décisions sur les mesures à prendre ensuite. En toute honnêteté, nos estimations sont assez bonnes pour nous maintenir en vie, mais nous n’avons pas assez de matière grise pour calculer beaucoup d’autres choses. Et c’est là que la technologie aide.

Lorsque les données sont utilisées correctement, elles peuvent faire bien plus que guider nos décisions. Elles peuvent en fait occulter nos préjugés et nos lacunes et montrer la meilleure voie à suivre. Si nous pouvons en arriver à pouvoir faire confiance aux données même lorsqu’elles sont contraires à la logique, ou qu’elles vont à l’encontre de nos désirs de suivre une direction particulière, nous pouvons utiliser la technologie pour nous aider à prendre de meilleures décisions.

Mais quel rapport avec notre monde d’expérience client ?

Allô ?

En 1991, lorsque j’ai commencé à travailler dans des centres d’appels, nous appelions des personnes utilisant des téléphones manuels, mais à peine un an plus tard, nous avions un composeur automatique de numéros. Nous chargions des listes de plusieurs dizaines de milliers de noms et de numéros de téléphone, le composeur passait les appels téléphoniques et lorsque quelqu’un décrochait, il passait la communication à l’agent. Cela changea la donne et notre équipe fut plus efficace que jamais.

Mais quelques mois plus tard, alors que j’étais directeur de succursale, nous rencontrâmes un problème. Nous perdions du temps à appeler de « mauvais numéros », des numéros où, pour une raison quelconque, personne ne décrochait. Je rassemblais donc quelques points de données et réalisais que si un numéro avait été appelé plus de 10 fois, la probabilité que quelqu’un réponde diminuait de façon drastique. Nous développâmes donc un modèle qui parcourait ensuite chaque liste pour supprimer ces numéros, ce qui améliora considérablement notre efficacité.

C’est à ce moment-là que je découvrais pour la première fois à quel point l’utilisation des données pouvait améliorer notre façon de travailler. Au fil des ans, je constatais de plus en plus combien cela pouvait également améliorer l’expérience client.

Améliorer l’expérience client

Les entreprises ont accès à une quantité massive de données clients ; nous pouvons littéralement écouter ce que nos clients nous disent. Non seulement cela, mais nous pouvons également comprendre ce qu’ils essaient de réaliser, leurs intentions, ce qu’ils en pensent. Et si l’on sait s’y prendre, ces données peuvent offrir des informations véritablement uniques et utiles.

Mais il est extrêmement difficile d’atteindre cet objectif. On assiste à une explosion de données qui sont dispersées sur plusieurs canaux alors que les attentes des clients augmentent, ce qui oblige les entreprises à les comprendre et à s’impliquer de manière plus significative ; sans oublier que quatre générations très différentes sont en jeu dans un environnement mondial de segments culturels et socio-économiques complexes.

Introduction de la perspective

Pour que les entreprises puissent aller au-delà des attentes, elles doivent comprendre le comportement passé des clients, prédire leurs besoins et leurs exigences et réussir à leur offrir une expérience positive à chaque « moment de vérité » ; des interactions essentielles où les besoins des clients sont satisfaits d’une manière qui renforce leur confiance et leur fidélité.

Alors, comment pouvons-nous reproduire les réussites modernes de la météorologie dans l’expérience client ? Tout d’abord, nous avons besoin de perspective.

Les météorologues rassemblent des centaines de points de données provenant de satellites, d’avions, de stations météorologiques et de ballons météorologiques à travers le monde et dans l’espace, pour ensuite analyser toutes les variables grâce à de puissants supercalculateurs informatiques. Ils ont donc créé un ensemble unifié de données qui permet une perspective globale et fournit une précision au niveau local. Dans notre secteur, le parallèle serait de créer une vision client unifiée, où sont intégrés tous les systèmes et où sont regroupées toutes les données.

Cela nous donnerait la possibilité de voir le parcours client comme un arc longitudinal ; nous arriverions à comprendre sur quel lien le client a cliqué dans la lettre d’information, à voir jusqu’où il est allé dans son achat avant d’abandonner, à savoir s’il a contacté un agent du support client ou s’il a utilisé le support en libre-service à la place. Nous saurions où il va et ce qu’il dit. Et cela jette les bases pour introduire l’IA.

Déployer l’IA

Une fois que tous les systèmes seront en place et que les données seront unifiées et prêtes à être analysées, un modèle basé sur l’intelligence artificielle pourra nous aider dans nos prévisions, à identifier des questions ou problèmes commerciaux spécifiques et à déterminer le meilleur ensemble de mesures à prendre afin d’améliorer l’expérience de chaque client, que ce soit via un changement de canal, un message proactif ou un agent plus empathique.

Analyse des sentiments

L’analyse des sentiments utilise des algorithmes pour déterminer ce qu’un client pense d’une interaction, que ce soit positif, négatif ou neutre . Dans le monde du service client, cela signifie que les agents peuvent recevoir des conseils en matière de comportements pour qu’ils sachent ce qu’il faut faire ensuite ou comment réagir à une requête client en fonction du sentiment, de l’émotion et de l’intention de ce dernier.

Avant cela, la seule façon dont les entreprises pouvaient découvrir comment les gens réagissaient à un produit ou à un service particulier était de créer des groupes de discussion ou d’envoyer des enquêtes de satisfaction, une approche chronophage et franchement inefficace. L’analyse des sentiments peut aider les entreprises à prendre du recul, à améliorer l’expérience du client et son opinion concernant les produits et processus en temps quasi réel.

Dans notre secteur, la réalité est que toutes les données dont nous avons besoin sont déjà là. Un de mes formateurs avait l’habitude de dire de sa voix rauque de vieux sage : « Soit vous vous contentez de lire le journal, soit vous écrivez l’histoire ». Alors qu’avant, nous analysions les données pour voir ce qui était arrivé dans le passé, dans les environnements d’expérience client d’aujourd’hui, qui progressent à un rythme effréné, nous pouvons utiliser les données pour influencer et comprendre ce qui se passe au moment réel de l’interaction. Nous avons même la capacité de prédire des événements futurs de la même manière que les météorologues peuvent prédire la trajectoire d’une tornade ou la température d’une journée de printemps ensoleillée. La grande différence entre nous et les météorologues est que nous pouvons changer le résultat. C’est une bonne nouvelle pour nous, professionnels, et pour les clients qui recherchent à chaque fois cette expérience parfaite.