
Il s’agit d’un chatbot conversationnel destiné aux clients du site web, composé de plusieurs agents IA spécialisés. Il s’appuie sur des données issues de différentes bases internes (OMS, Datahub, ElasticSearch, Wiki, FAQ Zendesk, site) ainsi que sur des workflows, du scrapping, des automatisations et des modèles d’IA. Le chatbot fournit des réponses liées aux produits, au stock, aux magasins, aux commandes, à la FAQ et peut également proposer des recommandations, de l’aide à la vente ou du support SAV. Il est conçu pour fonctionner en lien avec l’agent Service Client (Bot SAV) et pour intégrer différents agents IA capables de prendre le relais dans une conversation afin de fournir la meilleure expertise. Le système vise à être déployé sur le site web ainsi que sur d’autres canaux comme WhatsApp, Messenger ou la voix.
L’objectif est d’offrir aux clients une assistance instantanée, complète et cohérente, couvrant à la fois l’information produit, l’aide à la vente, le suivi de commande et le support après-vente. Cette approche permet de fluidifier l’expérience client, d’améliorer la conversion grâce à des conseils contextualisés et de réduire la charge du Service Client en automatisant une partie des interactions. Le chatbot joue aussi le rôle de personal shopper en proposant des produits adaptés au contexte et au client.
Le chatbot utilise plusieurs bases de données internes pour récupérer les informations nécessaires à ses réponses : produits, stocks, commandes, magasins, clients et FAQ. Il combine ces données avec des workflows, du scrapping et des modèles d’IA pour analyser la demande du client et activer l’agent IA le plus pertinent. Lorsqu’un sujet nécessite une expertise spécifique (produit, SAV, information magasin…), le chatbot délègue la conversation à un agent spécialisé. Le système peut générer différents types d’outputs : réponses aux questions, conseils d’achat, proposition de produits, ajout panier ou support SAV. Il est conçu pour fonctionner en omnicanal et être déployé sur différents environnements textuels ou vocaux.
Identifie visuellement les produits similaires pour enrichir automatiquement les recommandations du catalogue.
Identifie les produits et détecte les défauts via IA pour standardiser l’évaluation de l’état et du prix de reprise.
Mesure l’impact réel du CRM en isolant un groupe témoin pour standardiser l’évaluation entre les pays.