Cet article a été publié originellement sur mydatacompany.fr 

Le fournisseur d’énergie Engie traite chaque année un million de réponses de clients au travers d’enquête sur la voix du client. Et pour réaliser une étude exhaustive et réduire l’attrition, Engie exploite l’analyse sémantique des verbatim.

Fournir une bonne expérience à ses clients est essentiel pour Engie afin de les fidéliser et donc réduire l’attrition ou churn. Mais encore faut-il effectivement pouvoir identifier précisément les motifs d’insatisfaction et les clients exprimant un mécontentement.

Pour écouter la voix du client, le fournisseur d’énergie s’appuie sur des dispositifs multiples et sur différents canaux. Oubliées cependant les enquêtes réalisées par le biais d’instituts. L’écoute n’est plus ponctuelle, mais constante et systématique.

 

Chaque contact client déclenche une enquête de satisfaction

« On enquête tous les clients qui nous contactent » précise ainsi Robin Doremus, chargé d’étude satisfaction Clients pour l’énergéticien. Mais avec 7 millions de contrats auprès des particuliers, les contacts sont nombreux, comme les verbatim recueillis lors des enquêtes (SMS, emails, sites…).

Chaque année, Engie traite ainsi plus d’un million de réponse client. Au cours des trois dernières années, avec son prestataire Proxem, le département satisfaction a ainsi traité plus d’un million de verbatim. Avec de tels volumes, l’humain ne suffit plus et la machine vient donc le seconder.

« D’accord on a des enquêtes de satisfaction, des clients qui nous répondent, qui nous donne des notes sur tout un tas d’indicateurs, mais ça ne suffit pas pour identifier ce qui doit être fait pour améliorer leur expérience client » souligne surtout le responsable d’Engie.

C’est là que le verbatim prend toute son importance. La machine, et l’analyse sémantique automatisée qu’elle effectue, va ainsi permettre à l’entreprise d’identifier tout un panel d’irritants – et de ‘félicitants’.

La plateforme de Proxem, en production depuis trois ans désormais, permet à Engie de mieux à comprendre le discours de ses clients et de le restituer sous forme de parcours client, d’irritants et de leviers actionnables pour ses opérationnels.

Détection des irritants pour définir des actions opérationnelles

La solution lui permet en outre d’identifier les motifs d’insatisfaction à différentes étapes de la vie du contrat et du parcours client. La technologie exploitant l’intelligence artificielle s’avère donc très utile pour détecter les mécontents et anticiper les résiliations.

C’est une « partie qui crée beaucoup de valeur parce que c’est cette catégorie qui nous permet d’identifier des clients insatisfaits que nous allons pouvoir traiter avant qu’ils ne partent » insiste Robin Doremus.

L’analyse intervient directement dans le processus de ‘recontact’. Des clients attribuent de mauvaises notes lors des enquêtes ? Ils sont recontactés par le service client. Toutefois, ces indicateurs ne suffisent pas.

Certains consommateurs allouent ainsi de bonnes notes, mais leurs verbatim traduisent eux une insatisfaction, voire la menace d’une résiliation future. L’analyse sémantique détecte ces profils à risque en termes d’attrition.

« On rappelle tout client, qu’il soit insatisfait ou pas totalement satisfait » annonce le chargé d’étude satisfaction. Et cela se traduit, ajoute-t-il, par un haut niveau de satisfaction parmi la base clients. Mais cette démarche favorise aussi la recommandation. Dans ce domaine, Engie revendique un gain de 40 points de NPS en un peu plus d’un an.

Relation client et écoute client étroitement liées

L’analyse sémantique permet donc globalement à Engie d’affiner les irritants de ses clients, de le diffuser largement en interne, et de pouvoir aussi constater leur disparition. « Des irritants qu’on avait il y a 3 ans n’ont quasiment plus d’occurrence » se félicite le cadre de l’entreprise.

Bien sûr, des irritants nouveaux les remplacent. Le Covid a ainsi fait apparaître des thématiques et attentes nouvelles au sein des verbatim des clients. Mais grâce à sa plateforme, ce thème a pu être ajouté aux catégories déjà analysées pour extraire la voix du client sur le sujet et définir des actions spécifiques.

Engie doit cependant prendre parfois quelques précautions avec les verbatim des clients et procéder à une forme de « modération ». Ces derniers peuvent notamment contenir des données personnelles. Proxem va détecter automatiquement ces informations (donnée de santé, RIB, adresse…) et les anonymiser.

Un filtre similaire s’appliquera pour le contenu inapproprié, voire injurieux. Car non, tous les clients Engie ne sont pas encore totalement satisfaits des services de l’entreprise. Classiquement, le mécontentement touche plus souvent la facturation. Et certains clients expriment parfois leur contrariété dans des termes peu élogieux.

Toutes les entreprises ne disposent pas cependant d’un volume de données suffisant pour réaliser une analyse aussi poussée. « On peut commencer à faire de l’apprentissage vraiment efficace à partir de quelques dizaines de milliers de documents avec une hybridation astucieuse entre du deep learning et des systèmes de règles » assure néanmoins le PDG de Proxem, François Régis Chaumartin. Et à défaut, « autant traiter les documents manuellement ou uniquement avec des règles » conclut-il.