9 KPI à observer de près pour mesurer l'efficacité de son chatbot marchand

|
Twitter Facebook Linkedin Google + Email Imprimer

Taux de rebond, taux de replis… Pour savoir si leur chatbot marchand est efficace et rectifier le tir lorsqu'il ne fonctionne pas, les marchands et les marques doivent suivre de près ces neuf indicateurs de performance.

9 KPI à observer de près pour mesurer l'efficacité de son chatbot marchand.
9 KPI à observer de près pour mesurer l'efficacité de son chatbot marchand. © aimage - 123RF

Inutile d'investir pour développer un chatbot marchand si c'est pour le laisser vivre sa vie de son côté et rejoindre le cimetière des bots abandonnés. Les distributeurs et les marques peuvent vérifier grâce à neuf indicateurs de performances (KPI) l'efficacité de ces agents conversationnels, qui analysent depuis le début des années 2010 les questions des internautes grâce au machine learning, leur répondent en langage naturel à l'oral ou à l'écrit et leurs vendent des produits comme des commerciaux en chair et en os. Ces KPI sont tirés d'une étude présentée à LSA par l'agence marketing Conversationnel, qui conçoit des chatbots pour des tiers depuis janvier 2017.

1 : Taux de conversion

La vente est l'objectif numéro un d'un chatbot marchand. Son premier critère de réussite est donc l’augmentation du taux de conversion des leads en clients à travers un achat.

2 : Taux moyen de réachat

Cet indicateur de performance peut être combiné avec le taux de réachat, qui permet de mesurer la fidélité des clients qui utilisent le bot. La récurrence de ces réachats est également une donnée clef pour les distributeurs et les marchands. Ce KPI doit être évalué en fonction du type de produits vendus via l'agent conversationnel (articles de grande consommation, vêtements, mobilier…).

3 : Evolution du nombre d’utilisateurs

L’augmentation du nombre d'internautes qui utilisent un agent conversationnel reflète son succès sur le web et est un indicateur de son efficacité, qui doit être complété par les deux KPI ci-dessous pour être fiable.

4 : Taux de rétention

Si un chatbot est vraiment performant, les internautes l'utilisent régulièrement. Les entreprises peuvent mesurer pour le vérifier le taux de rétention, soit le nombre de consommateurs qui reviennent sur le bot comparé au nombre global d’utilisateurs sur une période donnée. "Ce taux doit être analysé au regard du type de produits commercialisés sur cette plate-forme de vente, achetés de façon plus ou moins récurrente par les clients", pointe Robin Coulet, co-fondateur et directeur associé de Conversationnel.

5 : Nombre d’utilisateurs libres

L’évolution du nombre d’utilisateurs libres, les internautes qui se rendent sur le chatbot de leur propre chef sans avoir reçu une notification de rappel, est également un bon indicateur.

6 : Taux d’interactions

Le taux d'interaction indique le nombre moyen de messages échangés entre le bot et ses utilisateurs et donc l’engagement de ces derniers dans la conversation. Attention, un taux très élevé n'est pas forcément positif pour un chatbot marchand, qui doit guider le plus efficacement possible le client vers le produit qui l'intéresse.

7 : Taux de rebond

Pour compléter l'analyse, les entreprises peuvent suivre l'évolution du taux de rebond, c’est-à-dire du nombre d’utilisateurs qui se rendent sur le chatbot sans jamais interagir avec. "Ce KPI doit être mis en perspective avec le canal sur lequel se situe le bot. Messenger compte par exemple un grand nombre d’utilisateurs ce qui le fait mécaniquement grimper", souligne Robin Coulet.

8 : Taux de replis

Pour identifier les visites infructueuses des utilisateurs de leur bot, les compagnies peuvent analyser le taux de replis, qui mesure le nombre de fois où l'agent conversationnel n’a pas su répondre à son interlocuteur et s'est excusé ou lui a proposé de le mettre en relation avec un conseiller. Analyser les conversations qui ont conduit à cette situation peut permettre au marchand ou à la marque qui opère le bot de repérer un besoin exprimé de façon récurrente par ses clients auquel le bot ne répond pas. Un bot marchand peut par exemple se voir adresser fréquemment des questions sur le fonctionnement d'un produit acheté, sur ses garanties, sur les modes de livraison disponibles...

9 : Augmentation du nombre d'informations clients collectées sur les utilisateurs du chatbot

Le taux de conversion constaté chez les utilisateurs réguliers du chatbot peut décoller si les informations non structurées en langage naturel collectées par l'agent conversationnel sont analysées et intégrées à la base client de l'entreprise. "L'entreprise connaît ainsi mieux son client et peut lui pousser des produits personnalisés, plus adaptés à ses besoins, sur le chatbot mais également sur ses autres canaux de vente. L'une des principales forces de ces agents conversationnels est qu'ils génèrent de la data à haute valeur ajoutée pour l'entreprise. Malheureusement, la très grande majorité d'entre elles n'exploitent pas ces données à cause des obstacles techniques", analyse Robin Coulet.

Concrètement, pour rendre les données enregistrées par le bot exploitables, il faut qu'elles puissent être récupérées via une API par le système informatique de l'entreprise, puis analysées par un logiciel de traitement automatique du langage naturel, capable de comprendre le sens des mots échangés entre l'internaute et le robot et de sélectionner les informations intéressantes pour la base client de l'entreprise. Ces données doivent ensuite être converties en informations structurées, faciles à intégrer automatiquement dans la base clients de l'entreprise, faute de quoi le process devient chronophage pour les salariés.

Les cookies assurent le bon fonctionnnement de nos sites et services. En utilisant ces derniers, vous acceptez l’utilisation des cookies.

OK

En savoir plus
 
Suivre LSA Suivre LSA sur facebook Suivre LSA sur Linked In Suivre LSA sur twitter RSS LSA