Quel modèle économique pour les agents virtuels en relation client ?

Les agents virtuels pénètrent rapidement l’univers de la relation client. De l’artisan au grand groupe, les chatbots à intelligence artificielle offrent de nouvelles opportunités pour mieux servir les clients.

Mais sur quel modèle économique ce nouveau mode de contact avec les  clients va-t-il se construire ? Est-il rentable pour toute entreprise de faire appel aux services de ces nouveaux agents conversationnels ? Et si oui, dans quelles conditions d’exploitation et à quel coût ?

Enfin, le tech-shoring (la combinaison des bots et de l’humain appliquée à la relation clients) est-il vraiment compétitif par rapport à des solutions d’off-shoring (la délocalisation dans des pays à bas coûts des centres de contact) ?

Un modèle économique basé sur l’analogie entre les agents conversationnels et les humains

Pour commencer, il est important de se rappeler la dualité ChatBot + Humain qui est la base de la solution de tech-shoring. En effet, ce qui est demandé au bot conversationnel dans une solution de relation clients s’inscrit dans un modèle de substitution et de support d’une partie des tâches des téléconseillers.

Il paraitrait donc difficile d’envisager une offre commerciale qui s’adresse à des acteurs de la relation client sur un modèle qui s’apparente à celui d’un univers purement technologique de type éditeur !

La solution de tech-shoring doit donc ressembler dans sa structure à celle d’un humain :

De la même manière qu’il y a des charges fixes (m2, utilités, poste de travail, …) pour un collaborateur, il y a des charges fixes pour la solution technologique (serveur, hébergement, sécurité, lignes télécom etc…).

L’analogie peut être poursuivie sur ce que nous pourrions appeler des charges « variables » qui correspondraient aux salaires des collaborateurs. En effet leur nombre et le montant associé est directement lié à l’activité qu’ils produisent. En ce sens, proposer une tarification traduisant la charge de travail de l’agent conversationnel parait plutôt cohérent.

Ainsi la comparaison entre une solution humain et chatbots devient visible et surtout la déformation prévisible.

Bien penser clients : une grande clarté dans le modèle entre investissement et exploitation des chatbots de la relation client

Il est important de se rappeler que le modèle proposé de tech-shoring doit parler aux clients. Ils doivent en effet pouvoir percevoir rapidement les impacts économiques de cette solution sur leurs propres budgets.

Ils doivent aussi pouvoir imaginer les déformations attendues par l’évolution de leur solution. Il faut aussi qu’ils puissent systématiquement identifier les coûts projets ou / et intégration qui représentent des investissements. Les postes « projets » ne seront pas regardés avec le même prisme que les prix d’exploitation qui feront l’objet d’un examen particulièrement minutieux partagé par les utilisateurs.

De nombreuses publications sérieuses parlent de gains possibles entre 20 et 50%. Ces chiffres s’entendent sur une situation France avec un niveau de service de qualité moyenne à supérieure. Bien évidemment tout dépend des modes de calculs mais aussi de la situation de départ du client.

Le modèle économique du tech-shoring doit donc permettre de mettre en évidence le niveau d’économie possible pour une entreprise. Il doit aussi mettre en avant les gains Qualité qu’il est possible d’atteindre :

• 99% de taux de décroché
• Moins de 10 secondes d’attente pour 99% des appels
• Une possibilité d’extension de certains services en 24h/24h
• La baisse du nombre d’appel par la disparition du phénomène de ré-appel

Il est essentiel d’accompagner la présentation du modèle par la valorisation des éléments qualités. A titre d’exemple, un service client qui présenterait des chiffres de 85% de taux de décroché devrait investir en ressources :

• + 10 % de collaborateurs pour gagner 5 % de taux de décroché et passer à 90%
• +15 % pour passer de 90 à 95 % de taux de décroché

Les abaques d’Erlang qui permettent de calculer le dimensionnement démontrent bien cet aspect « exponentiel » des besoins en ressources pour atteindre l’excellence.

De même l’extension d’horaires en intégrant que des collaborateurs physiques est financièrement très lourd.

Le modèle économique doit donc permettre au client de mesurer les gains réels financiers grâce à l’introduction d’agents virtuels dans une plateforme, mais aussi permettre de mesurer les gains virtuels liés à un accroissement de la qualité de service.

Comprendre le modèle économique des agents virtuels pour la relation client

Les solutions de tech-shoring proposées aux clients et les charges liées aux différents modèles des fournisseurs constituant les agents conversationnels doivent être cohérentes. Il faut en effet concilier rentabilité pour le fournisseur des services d’agents virtuels et compétitivité pour l’utilisateur de services de relation clients.

En effet, le développement des chatbots, et en particuliers des agents conversationnels vocaux, font appels à de nombreux services qu’il faut savoir agréger. Cette agrégation entraine une superposition de modèles économiques variables selon des fournisseurs incluant des licences avec une rémunération qui va de l’achat annuel à une facturation à la sollicitation machine.

Certains grands acteurs incluent parfois des gratuités sur les premières sollicitations. D’autres au contraire facturent plus fortement les premières consommations avec une dégressivité à la quantité très significative.

Rester simple, paraitre simple et fluide, ce sont les atouts de la réussite de l’intégration de robots vocaux aux coté de téléopérateurs dans une solution de tech-shoring. La même devise pourrait s’applique au modèle économique qu’il convient de mettre en place.

Dans les deux cas, cette simplicité cache en réalité une grande complexité qu’il est préférable de confier à des professionnels aguerris pour se concentrer sur les services à apporter à ses clients finaux.