Webinar du 21 mars 2019

Chatbots & Voicebots :

comment passer de
l’expérimentation à un
canal ROIste

www.askhub.io

Qui nous ?
sommes
Hatim KHOUZAIMI - Co- AskHub est expert de la
fondateur & CEO Docteur compréhension du
en IA appliquée au langage naturel (NLP).
conversationnel Telecom
ParisTech
Mathieu ROUXEL - Co- Sa solution permet aux
fondateur & DG Ancien
entreprises de piloter et
investisseur en capital
améliorer en continu les
Iéseg, School of
management performances de leurs

AskHub agents

c’est quoi ? conversationnels

(chatbots et voicebots)
Nos clients pour en maximiser le
ROI.
Nos partenaires

Chatbots & Voicebots : késako ?

Un agent conversationnel, chatbot ou voicebot, est un program
grâce à l’intelligence artificielle, est capable de simu

conversation, à l’écrit ou à l’oral, avec ses utilisateurs et

proposer des services adaptés à leurs demandes.

Où en est-on de la hype curve ?

Comment fonctionne un bot?
ASR : Automatic Speech Recognision
NLU : Natural Language Understanding
NLG : Natural Language
TTS : Text-to-Speech
Generation
DM : Dialog Manager

Les principaux verrous

technologiques: NLU et Dialogu
Management
ASR : Automatic Speech Recognision
NLU : Natural Language Understanding
NLG : Natural Language
TTS : Text-to-Speech
Generation
DM : Dialog Manager

Construction d’un modèle de

compréhension du langage (NLU

Définition des services à automatiser

Création des intentions utilisateurs dans le

modèle de NLU

Entrainement avec de nombreuses formulatio

utilisateurs
Problèmes..
.
Conception introspective et Amélioration continue faite
exploratoire manuellement
Développement long et Faible réactivité aux
coûteux besoins exprimés
Monitoring des versions et
tracking des régressions
Monitoring des versions et
tracking des régressions

Construction d’un modèle de

gestion du dialogue (DM)

Définition des scénarios de dialogue par serv

Définition des stratégies de dialogue : slot fill

confirmation, désambiguisation...

Choix et implémention du modèle : arbre de

décision statique, modèle apprenant...
Difficultés...
Mesure de la performance
des choix d’UX conversationnelleAnalyse fine des stratégies
de dialogue
Pilotage des performances du bot : rétention, churn
Réactivité face aux bugs
Détection des goulets
d’étranglement

La méthode AskHub
3
Analyser l’UX
1 conversationnelle pour
Analyser les données maximiser la conversion
conversationnelles en
amont de la création d’un
bot 4
Améliorer les capacités de
compréhension du langage
2 (NLU)
Définir et piloter les KPIs
du bot
5
Enrichir les services 6
proposés par le bot avec Vers le conversationnel
une approche data-driven hybride

Analyser les données

conversationnelles en amont
la création d’un chatbot
Qu’est-ce que les données
conversationnelles ?
Les entreprises stockent des millions d’interac
clients sur leurs différents canaux conversationnel
-> emails
-> livechat (iAdvize, Intercom, Zendesk, Crisp...)
-> transcriptions d’appels téléphoniques
Pour créer un chatbot, partez de vos propres -> post
réseaux sociaux
données conversationnelles
Pourquoi analyser les données
conversationnelles ?
Une approche Data-Driven pour concevoir votre a
conversationnel
-> Insights marketing : besoins clients récurrents
-> Potentiel d’automatisation des services les plus pertinents
-> Pré-entrainer le modèle d’IA pour un bot performant dès son lancement

Pour créer un chatbot, partez de vos propres do

conversationnelles -> Maximisez le taux de compréhens
Comment analyser les données
conversationnelles?
Tagger la donnée selon plusieurs dimensions :
-> motif de la conversation : renseignement, disponibilité produit, SAV...
-> analyse de sentiments : identification des feedbacks positifs et négatifs des c
Pour créer un chatbot, partez de vos propres
-> catalogue produit : identification des produits dans les
données conversationnelles conversations
Le tagging AskHub
algorithmes de catégorisation sémantiques
+
modèle de compréhension du langage spécifique
-> Permet de tagger automatiquement des millions des données conversationn
Pour créer un chatbot, -> Permet d’extraire les intentions utilisateur
développement du modèle de NLU

partez de vos propres données conversationne

Définir et piloter ses KPIs

Analyser les métriques
conversationnelles
MÉTRIQUES CONVERSATIONNELS
Utilisateurs actifs, acquisition, rétention, nombre de dialogues, meilleurs scénarios de dialo

KPIs MÉTIER
Taux de click, tunnels de conversion, handover, performance des pushs...
Mesurer les KPIs
ANALYSE DES BESOINS pour piloter la
UTILISATEURS
Principales demandes utilisateurs,
demandes non gérées, détection performance du bot
de nouveaux services...

Analyser les indicateurs de R

Ventes / mises au panier

Génération de trafic

Economies de service client

Satisfaction client

Abonnement alertes
Nous ne pouvons pas afficher cette image pour l’instant.

Analyser l’UX conversationne

pour maximiser la conversio
Qu’est-ce que l’UX
conversationnelle?

Désigne la qualité de l’échange perçue par l’utilisate

lors d’une interaction avec un chatbot ou un voic

Analyser les parcours utilisateurs pour une meilleur

conversationnelle
Les leviers du design
conversationnel
-> NLG : choix des formulations des répliques du bot (clarté, tonalité, l
éditoriale...)
-> stratégies de désambiguïsation
-> stratégies de gestion des désynchronisations
Analyser les parcours -> stratégies de confirmation
utilisateurs pour une meilleure UX conversationne

Comment analyser l’UX

conversationnelle
Analyse détaillée des scénarios de dialogue
-> Parcours récurrents vs parcours non empruntés
-> goulets d’étranglement
-> nœuds de dialogues à fort churn
Analyser les parcours utilisateurs pour une -> Mesures d
à chaque nœud de l’arbre

meilleure UX conversationnelle
Exemple : AskHub Dialogue
Analysis

Analyser les parcours utilisateurs pour une meilleur

conversationnelle
 Améliorer les capacités de
compréhension du langage
(NLU)
L’apprentissage supervisé pour
NLU

Apprentissage par l’exemple :

Nécessité de nourrir le modèle de NLU avec des

données annotées :

-> formulations de requêtes utilisateur

-> intentions correspondantes

Optimiser la phase d’apprentissage pour booster l

du bot
L’apprentissage supervisé pour
NLU

Optimiser la phase d’apprentissage pour booster l

du bot
Les limites de l’annotation huma
L’annotation humaine permet d’obtenir les tags les p
précis, mais :
-> Elle est très couteuse
-> Ne permet de tagger qu’une partie infime de la data conversationne
Optimiser la phase -> Les résultats peuvent varier d’un annotate
l’autre ce qui affecte la cohérence du jeu de données

d’apprentissage pour booster le ROI du bot

La démarche AskHub pour
améliorer en continu la NLU
Démarche semi-supervisée : algorithmes de cluster

modèle de NLU spécifique

-> Permet d’analyser et de tagger en temps réel des gros volumes de
conversationnelles
-> Les requêtes taggées sont réinjectées dans le modèle de NLU pour
l’entrainer Optimiser la phase -> plus le modèle de NLU dispose
formulations pour chaque intention, plus il sera capable de comprendr

d’apprentissage pour booster le ROI du bot

requêtes utilisateurs
 Enrichir les services propos
par le bot avec une approch
data-driven
Clustering des requêtes reçu
par le bot

Analyser les requêtes des utilisateurs pour ident

leurs besoins
 conversationnelles
Clustering
des -> détecter rapidement de
nouveaux besoins clients

requêtes
-> Prioriser
reçues par l’enrichissement des
capacités du bot de

le bot manière data-driven

Analyser les
requêtes des
Le clustering permet utilisateurs pour
de :
identifier leurs
besoins
-> structurer les données

Vers le conversationnel hybri

Qu’est-ce qu’une stratégie de
dialogue hybride ?

L’alliance de l’IA et de l’humain pour un service clie

efficace et qualitatif

L’IA pour les sujets récurrents à faible valeur ajouté

l’humain pour l’empathie et la conversion

Le rôle du
Dans une stratégie
chatbot hybride, le chatbot :
-> Répond aux requêtes L’IA pour les sujets
récurrentes sur lesquelles il
est entrainé
récurrents à faible

valeur ajoutée et
-> Est capable d’estimer sa
capacité à répondre à une l’humain pour
requête
l’empathie et la
-> Escalade humaine pour conversion
les requêtes non maitrisées

La première solution pour piloter les performa

et améliorer en continu les capacités des age
conversationnels
1.ANALYSEZ 2.AMÉLIOREZ 3.OPTIMI

Conversational Analytics
and Bot improvement
Votre contact

Mathieu ROUXEL Co-

fondateur
mathieu.rouxel@askhub.io
06.37.48.86.57

www.askhub.io 9 rue Dareau –

75014 PARIS