Comment l’apprentissage automatique peut améliorer l’expérience client
L’apprentissage automatique est une technologie prometteuse pour améliorer l’expérience client. Pourquoi? C’est simple : parce qu’il peut prédire les comportements des clients. La prédiction en tant que capacité est le Saint Graal pour prévoir chaque besoin client et personnaliser les produits et services en conséquence. Du point de vue du consommateur, lorsque les pièges éthiques du ML sont évités, la prédiction peut être l’antidote ultime à la surcharge d’informations à laquelle nous sommes tous confrontés chaque jour. En déployant ML pour prédire quel contenu est le plus pertinent pour chaque individu, les clients peuvent recevoir de meilleures recommandations, moins de courrier indésirable, très peu de spam dans la boîte de réception et des résultats de recherche de meilleure qualité, entre autres choses. Ces améliorations de l’expérience client ne sont pas seulement un effet secondaire agréable et agréable des déploiements ML axés sur le profit. Ils poursuivent la raison d’être de toute entreprise – pour servir les clients – et se traduira finalement par d’autres avantages pour l’entreprise. Après tout, un client plus satisfait est un client plus fidèle, et un taux de fidélisation de la clientèle plus élevé signifie un taux de croissance de la clientèle plus élevé.
La technologie d’apprentissage automatique (ML) qui apprend de l’expérience (données) pour prédire le comportement de chaque individu est bien connue pour améliorer les résultats en exécutant plus efficacement les opérations majeures. Mais saviez-vous qu’il peut également améliorer de manière mesurable l’expérience client ?
Le ML génère des prédictions exploitables pour des clients individuels, et ces prédictions peuvent déterminer la manière dont chaque client est servi. De cette manière, ML peut cibler une campagne marketing sur les clients les plus susceptibles de répondre ou interdire les transactions par carte de crédit susceptibles d’être frauduleuses. Il peut déplacer les spams probables hors de la boîte de réception des e-mails ou afficher la propriété (Airbnb), le résultat de la recherche (Google), le produit (Amazon et Netflix) ou le partenaire romantique (Match.com) qui est le plus susceptible d’intéresser un client. .
Malgré ces propositions de valeur claires, le ML n’est pas encore déployé aussi largement et de manière transparente qu’il pourrait l’être. Le problème est que le monde se concentre en grande partie sur le degré d’avancement et d’impression de la technologie de base, ce qui détourne l’attention de se concentrer intensément sur sa proposition de valeur tangible et sur les moyens précis par lesquels elle peut rendre les processus métier plus efficaces. En conséquence, la plupart des projets ML ne parviennent pas à se déployer, ne réalisant jamais leur valeur commerciale prévue. Mais comme les décideurs reconnaissent de plus en plus que le ML peut avoir un impact énorme sur l’expérience client en plus du résultat net, les entreprises commenceront à se concentrer sur la génération de valeur concrète avec le ML, accélérant et élargissant finalement son utilisation.
Comment le ML contribue à améliorer l’expérience client
Pourquoi le ML est-il une technologie si prometteuse pour améliorer l’expérience client ? C’est simple : il peut prédire les comportements des clients. La prédiction en tant que capacité est le Saint Graal pour prévoir chaque besoin client et personnaliser les produits et services en conséquence. Du point de vue des consommateurs, lorsque les pièges éthiques du ML sont évités, la prédiction peut être l’antidote ultime à la surcharge d’informations à laquelle nous sommes tous confrontés chaque jour. En déployant ML pour prédire quel contenu est le plus pertinent pour chaque individu, les clients peuvent recevoir de meilleures recommandations, moins de courrier indésirable, très peu de spam dans la boîte de réception et des résultats de recherche de meilleure qualité, entre autres.
Cela a un potentiel considérable. Les prédictions de ML peuvent améliorer l’expérience client dans tous les secteurs d’activité et dans tous les secteurs. À titre d’illustration, voici sept applications commerciales établies de ML, chacune ayant un impact sur le résultat net (la colonne la plus à gauche) ainsi qu’un impact sur l’expérience client (la colonne la plus à droite) :
Les clients réclament la détection de fraude
Dans l’une de ces arènes de détection de fraude, les clients réclament déjà des prédictions de ML. En fait, ils se plaignent bruyamment lorsque la prédiction leur fait défaut. L’échec se décline en deux saveurs. D’une part, si vous, en tant que client, constatez un débit inattendu sur votre facture de carte de crédit, vous serez probablement un peu irrité. Et pourtant, lorsque vous utilisez votre carte de crédit, si un débit ne passe pas parce que votre système bancaire pense qu’il pourrait être non autorisé, vous pourriez tout de même être irrité.
La seule façon de maximiser l’expérience client est de minimiser ces deux types d’erreurs de prédiction et c’est là que le ML entre en jeu. Le ML est la science qui consiste à améliorer la prédiction en apprenant à partir des données. C’est sa définition même.
Dans la prévention de la fraude à la carte, FICO est le leader. Leur produit Falcon, utilisé par 9 000 banques, filtre tous des transactions effectuées avec la plupart des cartes de crédit et de guichet automatique dans le monde 2,6 milliards de cartes dans le monde. En détectant la fraude avec ML, une banque de taille moyenne pourrait économiser environ 16 millions de dollars et, en même temps, améliorer l’expérience client en réduisant la fraude subie par ses titulaires de carte d’environ 60 000 cas (voir l’arithmétique du dos d’une serviette ici ). Je considère Falcon comme l’un des déploiements commerciaux de ML les plus réussis et les plus influents au monde.
Cette opération passe généralement inaperçue, mais de telles efficacités invisibles font souvent plus pour l’expérience client que les opérations prédictives qui attirent le plus l’attention. FICO Falcon affecte chaque consommateur beaucoup plus fréquemment que le système ML le plus célèbre, celui qui est communément connu des consommateurs : le pointage de crédit FICO, un nom familier et un facteur majeur dans votre capacité à emprunter. Beaucoup pensent naturellement que leur score FICO est une partie importante de leur identité en tant que consommateur. Pendant ce temps, bien que la détection de fraude Falcons soit normalement invisible pour les consommateurs, elle affecte leur expérience beaucoup plus souvent : chaque fois qu’ils utilisent leur carte. FICO évalue le pouvoir financier le jour et combat la criminalité financière la nuit.
Aidez-moi à vous aider : Créer un cercle vertueux
De nombreuses autres applications ML éprouvées qui servent le résultat net servent également l’expérience client, y compris l’utilisation du ML pour acheminer les appels du service client, rationaliser le flux des tickets d’assistance et détecter d’autres types de comportements malveillants au-delà de la fraude, y compris le phishing, la désinformation et l’offensif. contenu.
Bien sûr, en aidant le client, les entreprises s’aident aussi elles-mêmes. Ces améliorations de l’expérience client ne sont pas seulement un effet secondaire agréable et agréable des déploiements ML axés sur le profit. Ils poursuivent la raison d’être de l’entreprise pour servir les clients et se traduira en fin de compte par d’autres avantages pour l’entreprise. Après tout, un client plus satisfait est un client plus fidèle, et un taux de fidélisation de la clientèle plus élevé signifie un taux de croissance de la clientèle plus élevé. Plus tôt vous déployez le ML pour servir ces deux objectifs, en améliorant à la fois le résultat net et l’expérience client, plus tôt votre entreprise pourra commencer à capitaliser sur ce cycle vertueux.