22 mai 2023, Mechelen Belgique
L’édition des Partner Days 2023 de Xdroid s’est articulé autour du thème “taking the next steps together” avec les partenaires. Avec ses partenaires, Xdroid vise à prendre des mesures significatives pour révolutionner le service à la clientèle et l’industrie CX. Dans le cadre de ce voyage, Xdroid a annoncé qu’elle avait entrepris plusieurs projets pour faire avancer l’entreprise collective et faciliter la croissance pour tous. L’un des projets clés de cette prochaine phase pour Xdroid et ses partenaires est le nouveau modèle de prédiction du Net Promoter Score (NPS).
Bien que leNPS soit un bon indicateur du niveau de satisfaction des clients, le plus grand défi de sa mise en œuvre est le faible taux de réponse des clients. Le taux de réponse moyen aux enquêtes NPS est d’environ 30 à 40 %. Cela signifie que sur l’ensemble des interactions avec les clients, seuls 30 à 40 % d’entre eux prennent le temps de noter l’appel. Cela varie également en fonction de la plateforme utilisée pour collecter les données. De plus, les données sont essentiellement quantitatives et ne comportent que peu ou pas de commentaires utiles.
Le NPS ne tient pas non plus compte de tout ce qui contribue à la réussite d’un appel. Les facteurs externes tels que la qualité du réseau ne sont pas pris en compte. Souvent, les agents sont blâmés pour des questions indépendantes de leur volonté et se retrouvent avec un faible NPS. Les réponses ont donc tendance à être faussées, car les clients sont plus susceptibles de faire des efforts pour faire savoir à l’entreprise qu’ils n’ont pas été satisfaits du service que de faire l’effort supplémentaire de complimenter un bon service à la clientèle. Il en résulte un manque de précision dans le NPS.
Modèle de prédiction du NPS de Xdroid
Pour remédier à cette imprécision, Xdroid a développé un modèle prédictif pour le NPS qui analyse chaque aspect de l’appel et prédit ce que le NPS pourrait être pour cet appel particulier. Le modèle étudie différents facteurs, notamment le sentiment du client au début et à la fin de l’appel. Le modèle identifie l’utilisation de certaines phrases par le biais de d’étiquettes d’appel et d’étiquettes de sentiment.
L’une des caractéristiques intéressantes du modèle, par exemple, est l’analyse de l’évolution des sentiments du client entre la première et la seconde moitié de l’appel. Ainsi, si un agent parvient à calmer un client en détresse et à faire passer son émotion de la colère (je suis très déçu, mon produit n’est toujours pas arrivé !) à la gratitude pour avoir résolu le problème (merci beaucoup de vous être occupé de mon problème !), le modèle prédictif prévoira un bon score pour cet appel.
Le succès du modèle dépend de la manière dont les clients finaux l’utilisent. Plus ils analysent, c’est-à-dire plus ils introduisent de données, plus le modèle s’améliore. Les clients ont la liberté de personnaliser entièrement le modèle et de l’affiner. Ils peuvent également construire le modèle en fonction de leurs projets spécifiques. Une fois le modèle calibré, les clients disposeront de leurs tableaux de bord ainsi que des indicateurs de performance préparés pour le modèle. Ils ont la possibilité de vérifier l’appel dans sa totalité et de prendre en compte l’expérience de l’agent et du client.
Le modèle classe le client en trois catégories : détracteur, neutre ou promoteur, et note l’appel sur une échelle de 1 à 10. Sur la base de l’analyse de l’appel, l’agent reçoit également un retour d’information sur ses performances. Les facteurs qui ont contribué à la réussite de l’appel sont présentés aux clients pour examen ultérieur. Le modèle analyse le comportement des agents et les classe en trois catégories : bons, mauvais ou neutres.
En addition, le modèle met en évidence le niveau de stress du client qui souhaite que son problème soit résolu au cours de l’appel. Il s’agit de vérifier l’effort du client en fonction du temps et de la patience qu’il a dû consacrer à l’appel. Cet effort peut être élevé, moyen ou faible. Les clients ont donc accès à tout ce qui s’est passé pendant l’interaction avec le client et à la manière dont cela a influé sur le succès ou l’échec de l’appel. Ils peuvent ensuite comparer le NPS réel des enquêtes aux prévisions du modèle et découvrir quels sont les facteurs qui influencent le plus les niveaux de satisfaction de la clientèle.

Appel à la collaboration
Les essais du modèle par Xdroid auprès des clients ont été prometteurs. Le modèle a été testé sur 80 000 appels évalués par les clients et a montré une précision de 82 % dans la prédiction du NPS global, et une précision de 97 % dans la prédiction des promoteurs, des détracteurs et des neutres. La prochaine phase d’essais importante en collaboration avec des partenaires et des clients portera sur la vérification dans plusieurs langues. Ils ont également la possibilité de mettre en place et de tester des modèles distincts pour différentes catégories.