Rémi : L’idée de fond de Like a Bird, à sa création en 2012, était d’anticiper la croissance de Twitter en offrant aux marques de toutes tailles la possibilité d’organiser facilement une campagne de jeu-concours via un outil SaaS, et laisser ainsi l’outil se charger de l’administration de cette campagne, pour que nos clients se concentrent sur l’animation « temps réel » de leurs communautés. Nous avons ainsi mis en ligne notre première plateforme d’administration de jeu-concours fin 2013, en parallèle de notre activité d’agence Social Media.
Cette plateforme a évolué vers un outil d’organisation de campagnes marketing plus large, dont l’usage a explosé en 2015, ce qui nous a amené à revendre notre activité d’agence début 2016 pour nous concentrer sur notre activité « start-up » et le développement de notre plateforme likeabird.io.
Ces 18 derniers mois, notre outil a continué d’évoluer, pour offrir la possibilité à nos clients de configurer leurs bots marketing sur Twitter en moins de 10 minutes en s’appuyant sur de premières briques de machine learning. Dans une suite logique, nous avons étendu nos services aux chatbots orientés « business » et « service client » sur Twitter, mais également sur Facebook Messenger, depuis la conception de ces bots jusqu’à l’expérimentation, en aidant nos clients à démystifier les enjeux de l’Intelligence Artificielle dans leur stratégie de communication et de relation client.
Rémi : L’arrivée de Raphaël au poste d’ingénieur machine learning permet d’appréhender le champ des possibles en matière d’Intelligence Artificielle sur nos deux activités principales, en y apportant une expertise dédiée :
Attention néanmoins, dans la relation avec le client ou le fan/follower de la marque, l’interaction humaine reste la clef ! L’Intelligence Artificielle doit aider à rendre les équipes plus efficaces, et ainsi améliorer la satisfaction du client, mais nous sommes loin de la machine qui remplace l’humain, et c’est tant mieux ;-).
Chez nos clients, principalement des grands comptes, l’IA est un enjeu de taille et beaucoup sont prêts à tester de nouvelles choses pour mieux interagir avec leurs clients, en les connaissant mieux, ou en désengorgeant le service client en automatisant une partie de la prise en charge des réclamations, par exemple.
Rémi : La mise en place d’une solution automatisée de service client sur les deux interfaces disponibles actuellement (Twitter DM et Facebook Messenger) permet au service client de se libérer également de contraintes importantes en automatisant les tâches récurrentes : prise de contact, identification automatisée de réponses prédéfinies en fonction de la réclamation, redirection automatisée vers la FAQ, analyse de la satisfaction client…
Le champ des possibles est infini, mais nous poussons pour une démarche pragmatique qui permet, sur un premier périmètre fonctionnel défini avec le client, de mesurer le plus efficacement possible l’apport de ces nouvelles fonctionnalités dans leur process.
Nous accompagnons ainsi nos clients dans l’intégration de ces nouvelles solutions automatisées en prenant en compte leur process de traitement actuel : les plateformes sont nouvelles, les bots et les algorithmes n’en sont encore qu’à leurs balbutiements, et, une fois de plus, la clef d’une bonne relation client reste l’humain !
Raphaël : Après un parcours en Biologie, j'ai continué par un Master en informatique théorique. J’ai connu une première expérience professionnelle dans une startup en IA, puis j'ai rejoint Like a Bird pour travailler sur des problématiques de traitement du langage, et sur le développement de nouveaux outils autour de l'IA. J'ai l'opportunité de travailler sur des projets très innovants, c'est l'un des aspects qui me plaît particulièrement chez Like a Bird.
Rémi : L’apport d’une solution comme likeabird.io permet de répondre à des problématiques d’efficacité sur des activations ponctuelles ou récurrentes :
Ainsi, l’utilisation de notre plateforme permet à nos clients d’organiser leurs campagnes en moins de 10 minutes, à la monitorer efficacement et à tirer au sort parmi les participants en excluant les participations frauduleuses, à identifier les participants les plus influents en vue de futurs partenariats influenceurs…
Les équipes social media de PMU ou du groupe M6 ne passent pas plus d’une demi heure pour configurer 3 à 5 jeu-concours hebdomadaires, et l’outil gèrera automatiquement, suivant la configuration choisie, le déroulé de la campagne et les participants (environ 800 participants par campagne pour PMU, par exemple).
Raphaël : Côté machine learning (car une partie de ma mission consiste également en du développement "classique"), mon principal langage de programmation reste le Python, principalement pour son très bon écosystème en machine learning. Concernant les librairies utilisées, j'utilise principalement Scikit-Learn (bibliothèque générale de ML), Keras et Tensorflow (deep learning).
Raphaël : Like a Bird propose aux community managers d'éliminer automatiquement des jeux concours les concouristes via un algorithme de machine learning, c’est la première solution de ce type à proposer cette fonctionnalité. Cela répond à une problématique concrète des community managers, qui souhaitent mesurer et améliorer la qualité des participations aux concours qu’ils organisent.
Les bots développés par Like A Bird permettent d’optimiser les temps de réponse et de traitement des messages utilisateurs (notamment dans le cas de bot de support client).
Mais ce n’est que la partie visible de l’iceberg : les technologies d'IA appliquées aux chatbots offrent de plus une meilleure compréhension du langage que des bots « classiques », ce qui améliore également l’expérience utilisateur. L’analyse automatique des messages échangés entre les utilisateurs et le support client permet de mesurer l’efficacité du service, et d’identifier les demandes clients pour lesquelles la qualité du support fournie n’est pas suffisante.