Nous remercions la Banque Nationale pour sa commandite qui nous permet d'offrir gratuitement le simulateur de Marketing numérique de HEC MONTRÉAL à nos étudiants du BAA !

Rechercher
Rechercher
Rechercher
Fermer ce champ de recherche.
S'abonner à l'infolettre

Infolettre

Chatbots 101 : Comment ils influencent l’expérience client. 

Source : NordVPN

“Non merci, je ne fais que regarder”. Dans ma carrière de vendeur, c’est la réponse que j’ai entendue le plus souvent lorsque je demandais à un client s’il avait besoin d’aide. Désormais, beaucoup de clients qui se présentent en magasin font, en amont, des recherches sur internet, de sorte qu’ils ne viennent plus dans les commerces pour magasiner mais plutôt pour essayer un produit qu’ils ont préalablement repéré en ligne. J’ai toutefois remarqué une tendance comportementale particulière au sein de ce groupe de consommateurs. Beaucoup d’entre eux, dès leur entrée en magasin, se dirigent directement vers les vendeurs pour leur poser des questions sur les produits. Effectivement, il semble que malgré la digitalisation du commerce de détail, les vendeurs n’aient toujours pas été remplacés par les agents conversationnels (chatbots). Alors qu’ils offrent de multiples avantages pour les entreprises (automatisation, réduction des coûts, etc.), les chatbots sont capables du meilleur, comme du pire, ce qui se répercute sur l’expérience d’un client et, ultimement, sur son intention d’achat. 

Lorsqu’un individu utilise un chatbot, un processus parallèle s’entame, qui le conduit à adopter une attitude à son égard. Celle-ci, développée par le client à l’égard de l’agent conversationnel, est susceptible de le mener à adopter deux types de comportements, qui peuvent être dirigés soit à l’endroit du chatbot, soit de la compagnie (Trivedi, 2019; Khadpe et al. 2020). Dans le premier cas, l’attitude de l’individu envers le chatbot déterminera son désir de continuer à l’utiliser (ou non) selon les bénéfices qu’il en retire (Nicolescu & Tudorache, 2022). Ce premier comportement, bien qu’il puisse sembler trivial, peut nonobstant entraîner des conséquences importantes pour la compagnie et la marque. En effet, l’attitude d’un individu à l’égard d’un agent conversationnel est susceptible de se transférer à son appréciation de son expérience client, un facteur déterminant de son intention d’achat ainsi que de sa propension à recommander la marque ou non (Nicolescu & Tudorache, 2022). Parmi l’ensemble des facteurs qui peuvent exercer une influence sur l’expérience client, ceux reliés aux chatbots peuvent être regroupés en 3 catégories: (1) les facteurs reliés aux utilisateurs, (2) les facteurs situationnels ou contextuels; et (3) les facteurs liés à l’agent conversationnel ou au chatbot en lui-même (Nicolescu & Tudorache, 2022). Cette dernière catégorie peut être approfondie davantage en catégorisant les caractéristiques des agents conversationnels selon ses attributs fonctionnels, les attributs de son système et ses attributs anthropomorphiques (Nicolescu & Tudorache, 2022).  

Les éléments qui ont le plus d’impact sur la satisfaction des consommateurs sont les attributs fonctionnels et utilitaires des chatbots (Nicolescu & Tudorache, 2022). En effet, ces derniers sont généralement perçus comme compétents et fiables en autant qu’ils soient capables de comprendre les requêtes des clients et d’y répondre de manière satisfaisante. Le cas échéant, ils ont quasi-systématiquement une influence positive sur l’expérience des clients. Qui plus est, cela contribue à diminuer la perception négative des gens envers les chatbots, notamment à l’égard d’enjeux entourant leur caractère intrusif, confidentiel et sécuritaire (Følstad et al., 2018).  

En effet, la confidentialité, considérée comme un facteur contextuel de l’expérience client, est susceptible de jouer un rôle modérateur quant à la qualité de l’interaction entre ce dernier et un chatbot, signifiant qu’elle en est une condition déterminante (Trivedi, 2019; Cheng & Jiang, 2020). En effet, l’assurance d’un échange confidentiel pour le client influence positivement son expérience et mène même à des taux d’achats plus élevés. Au contraire, ceux qui perçoivent un risque envers leur vie privée associée à l’emploi d’un agent conversationnel auront une attitude plus négative envers celui-ci, particulièrement dans des contextes d’utilisation sensibles, touchant par exemple la finance, les opérations bancaires ou les placements (Cheng & Jiang, 2020). 

Il faut toutefois nuancer ce propos puisqu’il laisse croire que les chatbots, compte tenu de la perception de risque lié à la vie privée inhérente à leur usage, ne sont jamais utilisés pour des opérations financières. En fait, il semble que les agents de recommandation qui possèdent des fonctionnalités conversationnelles (plutôt que des agents non-conversationnels, qui ne font que formuler un conseil) sont perçus plus favorablement par les utilisateurs, qui leur accordent davantage de confiance qu’à leurs contreparties non-conversationnelles (Hildebrand & Bergner, 2020; Xu et al., 2020). Ce sentiment de confiance, tel qu’expliqué dans l’introduction, émane de l’attitude positive des clients à l’égard de l’agent conversationnel et a des répercussions positives pour l’entreprise puisque plus un individu accorde sa confiance au chatbot, plus il est susceptible d’accepter l’offre de service financier qu’il lui propose. 

Au regard de cette information, il semble donc crucial d’adapter les caractéristiques des agents conversationnels à la tâche qui leur est destinée (Nicolescu & Tudorache, 2022). En effet, ces caractéristiques et, par extension, leur adéquation avec la tâche que les chatbots sont censés remplir, constituent le troisième et dernier facteur qui est susceptible d’influencer la qualité de l’expérience client.

Parmi l’ensemble des contextes dans lesquels sont utilisés les chatbots, il y en a deux à l’égard desquels cette adéquation semble jouer un rôle déterminant concernant la qualité de l’expérience client : les tâches peu complexes (e.g. les recommandations et conseils à propos de produits) et les tâches complexes (e.g. le service à la clientèle) (Xu et al., 2020). Puisque les tâches peu complexes sont généralement bien réussies par les chatbots, les clients adoptent à leur endroit une attitude positive, attendu qu’ils leur permettent d’accomplir une tâche donnée avec une quantité minimale de temps et d’effort. Au contraire, les tâches plus complexes, comme celles impliquant des opérations liées au service client et à la gestion de plaintes, sont moins bien réussies par les chatbots, ce qui entraîne chez les clients une perception plus négative (Nicolescu & Tudorache, 2022). Ces deux cas de figure partagent toutefois un dénominateur commun qu’il est crucial de mentionner pour appréhender les particularités de l’interaction entre un chatbot et un client : le fait qu’un agent conversationnel possède des caractéristiques anthropomorphiques. En effet, ces dernières, qui font référence au fait d’attribuer des caractéristiques humaines à une instance non-humaine, doivent être utilisées dans un contexte approprié pour susciter une réponse favorable des utilisateurs (Nicolescu & Tudorache, 2022). Dans le premier cas de figure mentionné ci-haut, quand un chatbot recommande un produit à un client, par exemple, son caractère anthropomorphique jouera en sa faveur, puisque ce dernier sera perçu comme plus abordable et empathique, ce qui incitera le client à considérer avec plus d’intérêt la proposition qui lui est faite. En outre, les chatbots avec une identité et une voie féminine sont associés à une expérience client plus satisfaisante et la présence sociale (interactivité, variété de réponses, réponses adaptées aux consommateurs, etc.) rendaient ce rapport non-seulement plus satisfaisant mais aussi plus agréable (Van den Broeck et al., 2019; Andrews, 2012). Dans le second cas de figure, si l’objectif du client est de faire une réclamation auprès du chatbot, par exemple, les caractéristiques anthropomorphiques de ce dernier sont susceptibles de le desservir, particulièrement si le client est mécontent, ce qui est généralement le cas lorsqu’une personne doit faire une réclamation au service à la clientèle (Crolic & al., 2022). Dans ce contexte précis, le caractère anthropomorphique de l’agent conversationnel nuit à la qualité de sa relation avec le consommateur puisque ce dernier développe des attentes trop élevées à l’égard du chatbot, qui seront presqu’inévitablement déçues (Crolic & al., 2022). Les clients qui perçoivent chez les agents conversationnels des caractéristiques anthropomorphiques sont en effet généralement plus exigeants à leur égard, du fait qu’ils s’attendent à une réponse à leur requête d’une qualité égale à celle qu’un humain pourrait leur donner (Crolic & al., 2022). Malheureusement, pour des raisons qui vont de soi, les chatbots en sont généralement incapables, du moins pour l’instant. Ainsi, certains suggèrent de ne pas incorporer d’agent conversationnel dans de telles situations mais plutôt des agents de recommandation, mettant l’accent sur l’aspect fonctionnel des réponses, procurant aux clients des réponses justes sans nécessairement entrer en conversation avec eux comme le ferait un agent conversationnel chargé de faire des recommandations aux clients. 

En somme, l’utilisation d’un agent conversationnel anthropomorphique pour des recommandations est conseillé, surtout s’il possède les caractéristiques mentionnées ci-haut, mais pas dans des situations où les clients sont susceptibles de ressentir du mécontentement, puisque cela risquerait d’ajouter de l’huile sur le feu (Crolic & al., 2022). Au contraire, il est plutôt suggéré de limiter les réponses des chatbots à des conseils utiles et brefs qui peuvent avoir un impact concret sur la requête des individus. 

Un bon exemple de ce type de communication « simple et efficace » peut être observé chez le chatbot bancaire watsonx, développé par IBM pour répondre à la demande croissante de services automatisés, constamment accessibles et sécuritaires. Cet agent conversationnel parvient effectivement à personnifier ces attributs uniquement en adoptant un style communicationnel dépourvu de superlatifs et qui répond directement aux requêtes des consommateurs (quelques exemples de ce style de communication sont fournis ci-bas) Or, comme il en a été fait mention plus tôt, ces caractéristiques déterminent la satisfaction que retireront les utilisateurs de leur échange avec le chatbot et ultimement leur intention de le réutiliser. C’est d’ailleurs sur cette intention de réutilisation du chatbot que misent les clients d’IBM, puisque leur agent conversationnel est en mesure de fournir aux utilisateurs des offres de produits financiers personnalisés dès leur deuxième visite, sur la base de leurs informations personnelles. Quoique cela semble paradoxale puisqu’il s’agit sans contredit d’une invasion de la vie privée des consommateurs qui devrait les rebuter à utiliser ce service, il convient de rappeler la performance des chatbots semble palier dans certains cas à ses lacunes en matière de vie privée. Seul l’avenir nous révélera la véracité de ce constat et surtout s’il s’applique à un milieu à haut risque comme les services bancaires.  Dans tous les cas, watsonx a mis toutes les chances de son côté pour rencontrer du succès auprès des consommateurs en adoptant un style de communication qui répond parfaitement à la tâche qui lui a été confiée. 

Source : IBM

Bibliographie :

Andrews, P. Y. (2012). System personality and persuasion in human-computer dialogue. ACM Transactions on Interactive Intelligent Systems (TiiS)2(2), 1-27.

Cheng, Y., & Jiang, H. (2020). How do ai-driven chatbots impact user experience? examining gratifications, perceived privacy risk, satisfaction, loyalty, and continued use. Journal of Broadcasting & Electronic Media64(4), 592–614. https://doi.org/10.1080/08838151.2020.1834296 

Crolic, C., Thomaz, F., Hadi, R., & Stephen, A. T. (2022). Blame the Bot: Anthropomorphism and Anger in Customer–Chatbot Interactions. Journal of Marketing86(1), 132-148. https://doi.org/10.1177/00222429211045687

Følstad, A., Nordheim, C.B., Bjørkli, C.A. (2018). What Makes Users Trust a Chatbot for Customer Service? An Exploratory Interview Study. In: Bodrunova, S. (eds) Internet Science. INSCI 2018. Lecture Notes in Computer Science(), vol 11193. Springer, Cham. https://doi.org/10.1007/978-3-030-01437-7_16

Hildebrand, C., & Bergner, A. (2020, November 16). Conversational robo advisors as surrogates of trust: Onboarding experience, firm perception, and Consumer Financial Decision Making – Journal of the Academy of Marketing Science. SpringerLink. https://link.springer.com/article/10.1007/s11747-020-00753-z 

Khadpe, P., Krishna, R., Fei-Fei, L., Hancock, J. T., & Bernstein, M. S. (2020). Conceptual metaphors impact perceptions of human-AI collaboration. Proceedings of the ACM on Human-Computer Interaction4(CSCW2), 1-26.

Trivedi, J. (2019) Examining the Customer Experience of Using Banking Chatbots and Its Impact on Brand Love: The Moderating Role of Perceived Risk, Journal of Internet Commerce, 18:1, 91-111, DOI: 10.1080/15332861.2019.1567188

Van den Broeck, E., Zarouali, B., & Poels, K. (2019). Chatbot advertising effectiveness: When does the message get through?. Computers in Human Behavior98, 150-157.

Xu, Y., Shieh, C.-H., van Esch, P., & Ling, I.-L. (2020). Ai Customer Service: Task complexity, problem-solving ability, and usage intention. Australasian Marketing Journal28(4), 189–199. https://doi.org/10.1016/j.ausmj.2020.03.005 

Picture of perreaultalexis

perreaultalexis

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Découvrir d'autres articles

small_c_popup.png

Avez-vous finis votre lecture de l'article?

Vous pourriez tester vos connaissances numérique

25 questions pour déterminer si vos lectures sur le blogue ont fait de vous un expert du numérique