Agentforce s'appuie sur des données clients précises et actualisées pour prendre des décisions intelligentes, qu'il s'agisse de cas d'usage liés à l'automatisation ou à l'IA. À l'heure actuelle, la plupart des informations sur les clients sont dispersées dans différents systèmes (CRM, pile martech, enregistrements du service client, enregistrements des transactions) sans qu'il y ait une base unifiée pour l'activation et la segmentation de ces données.
Salesforce Data Cloud est conçu pour résoudre ce problème - l'unification des données client - afin qu'Agentforce puisse travailler avec des profils client complets et des points de données connectés.
L'alliance de Data Cloud et Agentforce permet de répondre à :
1. La fragmentation des données
Les données clients se retrouvent fréquemment dans des silos - l'historique des services dans un système, les dossiers d'achat dans un autre et l'interaction avec le client dans le CRM. Les agents de service client passent généralement d'un outil à l'autre, ce qui ralentit grandement leurs actions et la résolution des dossiers.
2. L’absence de profils unifiés
En l'absence d'un dossier client unique, un CSM ou un agent de service peut ne pas disposer de tous les points de contact liés au client, de la manière dont le client est segmenté au sein de l'organisation et des KPI qui ont un impact sur le client, l’empêchant d’apporter la meilleure réponse au client.
3. Un besoin d'agents d'IA prédictive et d'agents d'IA autonome
Les équipes font face à des cas qui nécessitent une analyse prédictive pour travailler avec un agent autonome. En outre, tous les cas d'usage d'agents autonomes ne sont pas purement liés à l'IA. Nombre d'entre eux sont des automatisations. Il est donc nécessaire d’examiner les cas d'usage pour l'IA prédictive, l'IA générative et les agents autonomes.
Contexte et contenu : La gestion par l’IA
L'IA est très douée pour le contenu, mais nous devons lui donner un contexte.
Le contexte garantit que le bon contenu est choisi pour la bonne personne au bon moment. Agentforce accède au contexte depuis Salesforce Data Cloud, de sorte que les réponses de l'IA ne sont pas génériques - elles sont personnalisées et basées sur les données clients.
- Contenu : Réaliser une réservation d'hôtel via le site Web pour les membres platine.
- Contexte : Le client est devenu membre platine et a essayé de réserver un voyage.
Un cas d'usage des renouvellements, du désabonnement et de la réussite client.
Profil du client :
- Grande chaîne d'hôtels et de centres de villégiature dotée d'un programme de fidélisation des membres.
- Elle opère à l'échelle mondiale, avec des milliers de membres à différents niveaux.
- Utilise plusieurs systèmes pour les réservations, la gestion de la relation client, les points de fidélité, les commentaires des clients et le marketing.
Le problème
- Risque de non-renouvellement : De nombreuses adhésions expirent sans être renouvelées.
- Indicateurs de désabonnement manqués : Les clients qui n'ont pas réservé depuis des mois ou qui ont laissé des commentaires négatifs ne sont pas contactés de manière proactive.
-
Données fragmentées : L'historique des réservations dans un système, le statut de fidélité dans un autre, les commentaires dans un troisième - les agents ne peuvent pas avoir une vue d'ensemble en temps réel.
La solution Data Cloud et Agentforce
1. Unification des données :
- Data Cloud intègre l'historique des réservations, le statut de fidélité, les commentaires sur le service et les données d'engagement dans un profil unique.
- La résolution des identités garantit que plusieurs réservations, comptes et e-mails sont liés au même client.
2. Création d'un modèle de désabonnement pour les clients prônes à se désabonner prochainement :
- Data Cloud Einstein Studio crée un modèle de désabonnement en tenant compte des éléments suivants :
- Durée d’abonnement du client
- Date de renouvellement
- Données du dossier
- Santé du compte
- Données d'activité
- Données d'engagement
- Le modèle de désabonnement génère un modèle de propension qui se concentre sur les questions suivantes :
- Le client va-t-il se désengager ?
- Quand va-t-il se désabonner (dans les 6 mois, dans les 6 à 12 mois, après 12 mois) ?
- Score de confiance pour chaque probabilité
3. Contact personnalisé avec l'agent :
- Agentforce utilise ce contexte en temps réel pour faire apparaître le bon contenu pour les agents afin qu'ils proposent des offres et fournissent les informations les plus pertinentes lors des conversations suivantes, afin de regagner la fidélité.
- Les agents disposent d'un contexte complet : dernier séjour, destinations préférées, schémas de réservation typiques, plaintes antérieures concernant le service.
4. Segmentation et activation :
- Segmentez les clients à l'aide des données du modèle de désabonnement
- Activez ces segments dans la gestion de la relation client, le marketing et l'analyse.
- Continuez à enrichir le modèle avec de nouvelles données, en fermant la boucle de retour une fois que les données sont activées pour l'action.
Vous voulez savoir comment votre entreprise peut suivre le rythme du changement et mettre l'IA au service de vos équipes ?
Contactez OSF Digital pour découvrir comment nous pouvons aider votre entreprise à mettre en œuvre l'IA, les agents autonomes et les solutions technologiques adéquates pour stimuler vos performances.
