Les fonctionnalités dédiées à la stratégie conversationnelle dydu sont utilisables facilement par les métiers qui administrent l’agent conversationnel. Et elles ont toutes un impact direct sur l’utilisateur. Les fonctionnalités que nous allons voir ici sont à la disposition du manager de bot pour l’aider à parfaire l’apprentissage du logiciel.
Les bots clients et salariés ont un impact direct sur l’image de l’entreprise. Si la technologie apprend constamment, on ne peut la laisser potentiellement se fourvoyer. C’est la raison pour laquelle dydu a opté, au sein de sa solution, pour un apprentissage supervisé. Celui-ci permet, à tout moment, d’accepter ou non les suggestions de l’algorithme.
Le fonctionnement par calcul de distance entre la requête de l’utilisateur et l’ensemble des formulations comprises dans la base de connaissances (ensemble des questions, réponses et variantes de formulations) de votre chatbot permet également d’identifier rapidement les requêtes qui nécessitent encore d’enrichir la base de connaissances sans avoir besoin de vérifier en permanence ce qui fonctionne déjà. C’est en effet un parti pris de ne pas répondre quand on a un doute plutôt que de fournir une réponse hasardeuse. Il en va de la crédibilité de la solution et de l’expérience des utilisateurs.
La console d’administration (Bot Management System) permet en premier lieu de créer et gérer le contenu du bot. Elle dispose aussi de tout un arsenal opérationnel pour proposer des améliorations en continu.
Définir la personnalité de son bot
Dans le cadre de la mise en place d’un bot, vous aurez choisi la manière dont celui-ci s’exprime pour qu’il soit le plus possible en accord avec l’image de votre marque. C’est bien sûr le design de la boîte de dialogue mais aussi véritablement la “façon de parler” de votre bot. Cette façon de parler devra être adaptée au type de langage naturel utilisé.
Dans le cadre d’un chatbot, on pourra, par exemple, se poser les questions suivantes :
- Engage-t-il la conversation avec l’utilisateur dès son arrivée sur la page ou attend-il qu’on le sollicite ?
- Tutoie-t-il ou vouvoie-t-il ses interlocuteurs?
- Répond-il instantanément ou réfléchit-il (vous pouvez paramétrer un temps de latence avant l’affichage de la réponse) ?
- Est-il très direct : il clôt la conversation après sa réponse ? Ou plus serviable et invite à poser une autre question ?
Dans le cadre d’un callbot ou d’un voicebot, on devra choisir le type de voix. Féminine ou masculine, il convient de définir la tonalité et le rythme employé mais aussi la « logique conversationnelle ». Une simple phrase d’accueil et des questions plutôt ouvertes vont laisser le champ libre à l’utilisateur. Au contraire, on peut décider d’une approche plus guidée et prescriptive.
En plus des fonctionnalités précises pour construire l’expérience conversationnelle de votre bot, tous ces éléments que vous pouvez définir, contribuent à sa performance conversationnelle.
Connaître les points forts et les points faibles de votre bot
La première recommandation faite aux administrateurs de bot est de très régulièrement mesurer l’utilisation de l’outil : nombre et durée des conversations prioritairement. Mais aussi sa performance : pourcentage de qualification, nombre de réponses incomprises, taux de satisfaction, raisons d’insatisfaction, etc.
Le module statistique standard permet, d’un simple regard sur le tableau de bord, de vérifier ces éléments. Pour les gestionnaires avertis, il est même possible de faire des exports qui alimentent des rapports spécifiques.
La seconde recommandation est de relire les conversations ou des échantillons de conversations du bot – surtout dans la période qui suit la mise en production – et ce régulièrement.
La dernière recommandation est de maximiser les formulations multiples et l’usage des groupes de formulations. En fonction du champ lexical associé au périmètre de votre bot, il est possible d’anticiper les locutions des utilisateurs. Cela permet de gérer des combinatoires complexes. Par exemple, sur une formulation de type [Comment se connecter] à mon [compte client] où des synonymes et expressions équivalentes auront été regroupés, le moteur sera capable de comprendre une combinatoire très importante de formulations différentes. En l’occurrence, ”j’aimerais savoir comment faire pour me connecter sur mon compte”, “dites moi comment m’identifier sur mon espace personnel”, “que faire pour se connecter”….
C’est d’ailleurs un des éléments qui rend les chatbots experts, ou dédiés à une activité, si pertinents. Les groupes de formulations existent déjà, à part entière, dans la base de connaissances.
Au début, le taux de qualification des interactions est de l’ordre de 80% (c’est-à-dire que dans 80% des cas, le bot a reconnu la question et proposé une réponse). Ensuite, on sait d’expérience que ce taux doit dépasser les 95% au bout de quelques mois.
Étudier les insights de l’algorithme
La solution propose un certain nombre de fonctionnalités pour aider l’administrateur du bot à optimiser son contenu. Grâce à l’IA contenue dans le moteur dydu, le manager du bot dispose en permanence de propositions pour améliorer le matching de sa base de connaissance. Il améliore ainsi la qualification des conversations. Entre autres, l’algorithme fait des propositions basées sur la fréquence des clics effectués par les utilisateurs en cas de reformulation. Cela permet à l’outil d’exprimer une véritable “intelligence collective”. Les suggestions sont tout simplement acceptées ou non par l’administrateur.
Dès la phase de création et ensuite à chaque mise à jour, le logiciel assiste l’administrateur du bot. Par exemple en l’empêchant de créer des doublons mais aussi en signalant lorsque 2 connaissances ont l’air quasiment identiques. Par exemple, s’il existe une connaissance “A quoi sert l’application XX ?”, le bot fera une alerte lors de la création de la connaissance “A quoi sert l’application YY ?”.
La fonctionnalité connaissances proches permet d’identifier au sein de la base de connaissances quelles sont les connaissances similaires qui pourraient entrer en conflit lors du calcul de matching. Une fois identifiées, le manager de bot peut choisir de regrouper ces connaissances entre elles ou d’en renforcer la distinction. Sur des contenus importants de plusieurs centaines, voire plusieurs milliers de connaissances, c’est une aide précieuse. Ces fonctionnalités de prévenance sont importantes. Elles ont pour objectif de maintenir une base de connaissances cohérente tout au long de l’existence du bot.
Il est aussi possible de paramétrer la solution pour obtenir systématiquement des alertes qualité. Par exemple, les alertes permettent au manager du bot de savoir qu’une url externe mentionnée dans une réponse n’est plus accessible. De même, si des liens entre 2 connaissances sont brisés ou si une réponse est trop longue par rapport à la longueur maximum que le manager a configurée.
C’est particulièrement utile lorsqu’il y a plusieurs contributeurs (knowledge managers ou owners) à une même base de connaissances.
Enfin, il est possible d’afficher les phrases non comprises par le chatbot pour les traiter spécifiquement.
S’adapter aux nouveaux besoins des utilisateurs
La puissance du NLP, associée à la facilité d’utilisation de ses recommandations, est une garantie de pouvoir faire évoluer votre bot. Il est nécessaire d’y passer un peu de temps mais cela permettra de toujours mieux répondre aux besoins des utilisateurs. En outre, cela permettra d’identifier de nouvelles thématiques (des questions ne sont peut-être pas du tout envisagées) ou de nouveaux cas d‘usages.
Partagez cet article !
