Malgré les difficultés rencontrées par les entreprises pour définir et implémenter une stratégie CRM, la relation-client demeure une notion fondamentale. Or, dans une logique e-commerce, le premier contact, et souvent le principal, entre l’entreprise et ses prospects ou clients s’effectue par le biais du moteur de recherche installé sur le site Web de l’entreprise. Mais ces moteurs, s’ils s’avèrent efficaces et indispensables pour scruter l’immensité d’Internet, se révèlent bien souvent sans utilité pour le visiteur qui souhaite obtenir des informations précises sur une entreprise et ses produits.Le problème, soulevé dans une étude de Forrester en juin 2000 (Must Search Stink ?), peut être résumé simplement : les moteurs traditionnels sont incapables de fournir des réponses aux questions les plus simples, pouvant être posées par un visiteur ou un client. Aux questions “
Quel est votre PDG ?” ou “Comment acheter ce produit ?”, les moteurs de recherche s’avouent inefficaces. Pire, ils fournissent souvent d’interminables listes de liens, parfois sans rapport avec les besoins exprimés.Pour pallier ces inconvénients, une nouvelle génération d’outils est apparue. Regroupés sous le vocable answer engines (par opposition à search engine), ces outils tirent parti de technologies avancées de reconnaissance du langage naturel, pour fournir des réponses claires, concises et intelligibles. Par exemple, le moteur iPhrase, installé sur le site C-Net, est destiné à offrir une assistance en langage courant aux utilisateurs souhaitant acquérir un ordinateur portable. Lorsqu’il formule (en anglais) la question suivante : “Quel notebook possède un écran de 17 pouces ?”, le moteur renvoie la réponse : “La base ne contient aucun notebook avec écran de 17 pouces. Mais voici la liste des notebooks dotés des plus grands écrans disponibles, 15,2 pouces”, suivie de la liste des matériels concernés.La logique est donc très différente de celles employées par les moteurs de recherche, qui se contentent souvent d’indexer tous les termes des documents publiés en ligne, puis de ressortir les pages correspondantes, en fonction des mots entrés par l’utilisateur. Ici, le moteur ” comprend ” la question, l’analyse, puis va puiser dans une base documentaire pour formuler la réponse correspondante, en fonction de ce qu’il en a compris.Cette logique peut être généralisée à d’autres produits, tous centrés sur la notion de ” réponse ” en langage naturel. Par exemple, le produit Lucid Advisor, de la société AnswerFriend, établit les besoins d’un client par un jeu poussé de questions-réponses. Le système permet d’aider le client à affiner ses besoins, et effectue un diagnostic face à la problématique soulevée. Ces interactions avec l’utilisateur sont par ailleurs stockées, et serviront à enrichir une base de connaissance des clients et de leurs besoins, selon une logique CRM.Reste le problème de la langue, qui s’avère plus crucial dans le cadre d’une analyse sémantique de requêtes, que pour une simple comparaison entre des mots et un index. Le produit Answer Engine de Primus est par exemple disponible en anglais et français, mais la société a annoncé l’adaptation du logiciel à l’ensemble des langues européennes et asiatiques, dès la fin de cette année.Certes, ces outils ne sont pas encore parfaits, et s’avèrent limités pour répondre à des questions de nature complexe. Mais ils ont le mérite d’apporter un nouveau type d’expérience ?” forcément plus conviviale ?” à l’utilisateur final. Par ailleurs, tout en permettant des économies substantielles en matière de hot-line, ces nouveaux outils enrichissent la connaissance quont les entreprises des besoins de leurs clients et prospects.
🔴 Pour ne manquer aucune actualité de 01net, suivez-nous sur Google Actualités et WhatsApp.
