L’IA change ce pour quoi les clients paient

Ison Xperiences est une entreprise de gestion de l'expérience client qui prend en charge l'intégralité du cycle de vie des interactions avec les clients. Grâce à des outils d'IA désormais largement accessibles, nous automatisons considérablement nos processus internes. Nous avons développé nos propres technologies d'IA. Ce n'est pas ce que font la plupart des BPO : la majorité achète des solutions standard et les commercialise sous sa propre marque. Nous avons développé SenshAI, notre plateforme omnicanale d'assistance aux agents. Nous avons également développé hAIve pour l'assurance, Three60 CRM pour le recouvrement et iQumex pour l'assurance qualité. Ce ne sont pas des prototypes. Ils sont en production et fonctionnent aujourd'hui auprès de 1 600 agents virtuels. Cela constitue le fondement de notre cadre hAI : l'humain associé à l'IA.

En tant que directrice des revenus, les chiffres qui comptent racontent la véritable histoire de cette transformation. Il y a deux ans, notre chiffre d'affaires réalisé depuis l'étranger était inexistant. Aujourd'hui, il représente environ 20 % de notre activité. Nous sommes passés d'un site de prestation délocalisée à sept. Nous traitons plus de 50 millions d'interactions clients chaque mois, dans 25 pays et plus de 60 langues. Il ne s'agit pas seulement d'échelle : c'est l'infrastructure qui nous permet d'être pertinents pour les entreprises internationales qui recherchent des services multilingues, couvrant plusieurs fuseaux horaires et liés aux résultats.

Grâce à l'IA, nous pouvons figurer sur les mêmes listes de fournisseurs consultés que des entreprises dix fois plus grandes que nous.

You should also read

• Welcome to The CRO Club: Taking Revenue Leadership to the Next Level

Trois piliers de revenus

Mon organisation commerciale repose sur trois piliers : l'avant-vente et les solutions, les ventes et la mise en œuvre après-vente. J'ai délibérément choisi cette structure car, dans l'externalisation B2B complexe, la conclusion du contrat ne marque pas la fin : la mise en œuvre permet de gagner la confiance ou la détruit, et je veux que la direction des revenus qui a pris l'engagement en soit responsable.

Notre équipe commerciale est organisée par zone géographique. Nous couvrons l'Inde et l'APAC, la Chine, l'EMEA, l'Afrique et l'Afrique du Sud, ainsi que l'Allemagne, et nous sommes en pleine expansion. Actuellement, cinq postes sont ouverts sur des marchés essentiels à notre stratégie de croissance : deux aux États-Unis, un au Kenya, un en Afrique du Sud et un au Moyen-Orient. Cette équipe est donc en phase de construction.

L'avant-vente et les solutions sont volontairement rattachées aux ventes plutôt que placées sous leur responsabilité. Les contrats que nous ciblons sont suffisamment complexes pour exiger la présence d'un architecte de solutions et d'un stratège GTM dès le premier échange, et non une intervention de dernière minute au stade de la proposition. Cette fonction nous permet de vendre des résultats plutôt que des postes.

Du point de vue du GTM, nous abordons le marché par secteur d'activité : télécommunications et technologie, BFSI et fintech, commerce électronique et distribution, médias, voyages et hôtellerie. C'est un choix délibéré, car le discours sur la transformation par l'IA diffère selon chaque secteur, et les argumentaires génériques ne permettent pas de remporter des contrats auprès des grandes entreprises.

Nous sommes en train de passer du statut de concurrent majeur à celui de leader dans l'Everest PEAK Matrix. Chaque décision de recrutement, entrée sur un marché et orientation GTM que nous prenons vise à démontrer cette progression.

Comment l'IA peut transformer le modèle commercial

L’IA a changé notre façon de fixer les prix… Une fois que nous avons intégré suffisamment d’IA dans nos opérations, nous avons pu prévoir et contrôler les résultats plutôt que de simplement dimensionner les effectifs en fonction du volume. Dès que l’on peut contrôler les résultats, on peut fixer les prix en fonction de ceux-ci.

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Eliana AngelovaOpens new window

Directrice des revenus chez Ison Xperiences

L'IA a changé notre façon de fixer les prix. Il y a trois ans, la conversation commerciale habituelle dans le secteur des BPO portait sur les postes : vous avez besoin de 200 agents, voici la grille tarifaire, voici le coût des effectifs. Le client assumait le risque lié au volume et le prestataire n'avait aucune véritable raison de réduire le nombre de contacts. Davantage de contacts signifiait davantage d'agents, et donc davantage de revenus. C'est un modèle défaillant.

Une fois que nous avons intégré suffisamment d'IA dans nos opérations, nous avons pu prévoir et contrôler les résultats plutôt que de simplement dimensionner les effectifs en fonction du volume. Dès que l'on peut contrôler les résultats, on peut fixer les prix en fonction de ceux-ci. Nous avons donc fait évoluer nos contrats vers une tarification fondée sur les résultats, liée à la réduction de l'AHT, aux scores de CSAT et à la résolution dès le premier contact. Le client paie désormais le résultat, et non les effectifs.

L’impact commercial de ce changement est significatif à deux égards. Premièrement, nous remportons désormais davantage de contrats, notamment auprès d’acheteurs d’entreprises européens et américains suffisamment avertis pour savoir qu’un contrat basé sur le nombre de sièges n’est qu’une facture de main-d’œuvre gérée. Lorsque nous arrivons en disant : « Nous établirons nos tarifs en fonction des résultats et assumerons le risque lié à la performance », la conversation prend une tout autre dimension. Deuxièmement, nous fidélisons nos clients différemment, car lorsque vous êtes responsable des résultats, vous améliorez constamment l’opération au lieu de vous contenter de la maintenir. Les renouvellements deviennent beaucoup plus solides. Cela garantit des revenus durables à long terme.

Alors, qu’est-ce qui s’est amélioré ? Les taux de réussite des contrats d’entreprise, la durée des contrats, la qualité des relations avec les clients et la discipline interne. Lorsque vos revenus sont liés aux KPI de vos clients, toute l’organisation est alignée sur le même chiffre. L’IA n’a pas seulement changé notre produit. Elle a changé notre modèle commercial.

Un processus réel d’acquisition de nouveaux clients

Je vais vous présenter aujourd’hui notre nouveau processus d’acquisition de nouveaux clients, car c’est celui qui a été le plus transformé.

1. Tout commence par la sélection des comptes. Nous ne partons plus d’une liste de territoires pour effectuer ensuite de la prospection à froid. L’IA identifie les comptes cibles en fonction de leur adéquation firmographique, des signaux d’achat et de leur alignement avec le secteur d’activité. Le modèle fait ressortir les comptes présentant des signaux d’intention : changements au sein de la direction, annonces d’expansion et activité d’achat de technologies. L’équipe commence avec une liste restreinte priorisée, et non avec une page blanche.
2. À partir de là, nous personnalisons la prospection à grande échelle. Au moment du premier contact, nous connaissons déjà les difficultés probables du compte, sa pile technologique et les parties prenantes concernées.
3. Lorsqu’un compte entre dans le pipeline, nous mettons continuellement à jour son score en fonction de son engagement. Si une affaire stagne, le modèle le signale. L’équipe ne découvre pas une affaire perdue à la fin du trimestre. Elle détecte le signal suffisamment tôt et peut agir.
4. Au stade de la proposition, l’équipe avant-vente utilise ces informations pour élaborer un modèle commercial fondé sur les résultats : les KPI qui comptent pour ce client, les engagements de notre plateforme de livraison et une tarification optimale. Et tout repose sur les données, pas sur l’intuition. L’équipe chargée des solutions travaille avec une IA qui a accès à chaque affaire remportée ou perdue, à chaque modèle de prestation que nous avons mis en œuvre, à chaque structure tarifaire que nous avons utilisée et à chaque résultat client auquel nous nous sommes engagés.
5. Et après la conclusion du contrat, nous suivons la mise en œuvre après-vente par rapport aux KPI auxquels nous nous sommes engagés. Si nous nous écartons de la trajectoire, nous le voyons avant le client. C’est ce qui change la conversation lors du renouvellement.

L’IA n’est pas magique. La magie opère lorsque vous cessez de laisser les informations vivre en silos.

Pourquoi les responsables des revenus doivent apprendre à distinguer les outils d’IA des solutions d’IA

Eliana partage

Au début, nous confondions les outils d’IA avec les solutions d’IA… La plupart des organisations commencent par des outils et parlent de transformation. Nous avons fait la même chose. Les collaborateurs utilisaient l’IA pour effectuer leur travail habituel un peu plus rapidement, et nous avons pris cela pour un progrès stratégique.

Au début, nous confondions les outils d’IA avec les solutions d’IA.

Le MIT a publié cette année une étude qui le décrit précisément. Un outil d’IA générative aide les individus à travailler plus rapidement en résumant des notes, en rédigeant des e-mails et en préparant des appels. Une solution d’IA générative s’intègre à un processus, modifie la façon dont le travail est effectué et mesure son impact à l’échelle de l’entreprise.

La plupart des organisations commencent par des outils et parlent de transformation. Nous avons fait la même chose. Les collaborateurs utilisaient l’IA pour effectuer leur travail habituel un peu plus rapidement, et nous avons pris cela pour un progrès stratégique.

La question qui nous aurait fait gagner du temps est simple : « Cela modifie-t-il le résultat ou uniquement la vitesse de l’entrée ? » Si la réponse est uniquement la vitesse, il s’agit d’un outil de productivité, et non d’une initiative métier.

Commencez par le résultat métier que vous devez faire évoluer, puis remontez jusqu’à la capacité d’IA qui permettra de le faire évoluer. Pas l’inverse.

La distinction entre le travail humain et le travail de l’IA

L’IA nous permet actuellement d’agir sur quatre éléments :

• Génération de prospects : identifier les comptes cibles pertinents, faire émerger les signaux d'intention et alimenter le haut de l'entonnoir afin que l'équipe ne prospecte pas à l'aveugle.
• Priorisation du pipeline : évaluer où consacrer du temps en fonction de l'adéquation et de l'engagement.
• Prévisions : je ne présenterai pas un chiffre au conseil d'administration tant que le modèle ne l'aura pas validé, car les responsables commerciaux sont optimistes par nature.
• Risque d'attrition : suivre les signaux au sein de la base de clients existante afin d'anticiper un problème avant qu'il ne devienne un sujet de discussion.

Qu'est-ce qui reste humain ?

• Tarification des contrats complexes : la décision finale implique des dynamiques relationnelles et un jugement stratégique dont un modèle ne dispose pas.
• Négociations : toujours.
• Planification des territoires : nous sommes actuellement en pleine expansion aux États-Unis, et il s'agissait d'une décision stratégique, pas d'un algorithme.
• Décisions relatives aux collaborateurs et au recrutement : cela reste toujours humain.

Le principe est simple : l'IA prend en charge ce qui est répétable et riche en données. Les humains s'occupent de ce qui est complexe, contextuel ou à forts enjeux.

Comment l'IA fait émerger de nouveaux défis en matière de revenus

Les bons résultats de l'IA sont nombreux. La qualité de la génération de prospects s'est considérablement améliorée, car nous ciblons plus tôt de meilleurs comptes. La précision des prévisions a augmenté, car nous utilisons des chiffres validés par le modèle plutôt que l'intuition de l'équipe commerciale. Le passage à une tarification fondée sur les résultats a renforcé la fidélité de nos relations clients, car lorsque nous sommes responsables des indicateurs clés de performance du client, le renouvellement devient une conversation très différente.

Le défi est que l'IA crée un déficit de confiance au sein de l'équipe. Lorsqu'un modèle indique à un commercial de déprioriser une affaire à laquelle il croit, cela crée des frictions. Instaurer la confiance dans les résultats prend du temps, et l'équipe ignore parfois le signal et se trompe. Cela nous coûte cher.

J'ai également sous-estimé l'ampleur de l'accompagnement pédagogique nécessaire auprès des clients. Une tarification fondée sur les résultats semble convaincante lors d'une présentation commerciale, mais faire évoluer l'état d'esprit d'un client après qu'il a acheté des licences pendant dix ans nécessite une véritable conversation commerciale. L'IA fait évoluer notre modèle plus vite que le marché n'est prêt à l'absorber.

Pourquoi l'IA atteint ses limites dans le développement des comptes

Et je vais également dire ceci : l'IA n'a pas été à la hauteur de nos attentes. Nous pensions que l'IA nous aiderait à identifier plus systématiquement les opportunités de montée en gamme et de ventes croisées au sein de la base de clients existante. Faire émerger les signaux, prioriser les conversations, aller plus vite. Et les signaux sont bien présents. Les données nous indiquent quand un client se développe, quand ses volumes évoluent et quand un service complémentaire logique peut lui être proposé.

Mais nous constatons que les données ne déclenchent pas les conversations de développement dans l'externalisation des processus métier auprès des grandes entreprises. C'est la confiance qui les déclenche. Et la confiance se construit dans la relation, pas dans le modèle. Les clients qui développent leurs activités avec nous le font parce qu'une personne senior les a appelés, s'est assise dans une salle avec eux et a eu une conversation qui ne figurait dans aucun script commercial. L'IA ne peut pas reproduire cela, ni l'accélérer.

Comment le profil d'un excellent commercial évolue avec l'IA

Le meilleur commercial n'est plus celui qui possède le plus vaste réseau.

Dans l'externalisation des processus métier auprès des grandes entreprises, la sagesse établie a toujours consisté à recruter des vétérans aux cheveux grisonnants disposant d'un carnet d'adresses bien fourni, car les relations permettent de conclure les affaires. Et les relations comptent toujours. Mais l'IA m'a montré qu'un commercial à l'aise avec les données et capable d'utiliser l'IA, qui aborde une conversation après avoir déjà cartographié les points de douleur du compte, compris ses signaux d'achat et élaboré une proposition commercialement précise, surpassera systématiquement le vétéran qui ne s'appuie que sur la relation.

Le profil d'un excellent professionnel des revenus évolue, et s'accrocher à l'ancienne définition revient à recruter pour le passé, et non pour l'avenir.

Pourquoi les données et la collaboration sont les principaux facteurs prédictifs de la réussite de l'IA

Eliana partage

J’ai deux conseils à vous donner : le premier est de vous intéresser aux données avant de vous intéresser aux outils… Le deuxième est de vous aligner avec votre direction technologique.

J'ai deux conseils à vous donner :

Le premier est de vous intéresser aux données avant de vous intéresser aux outils. Une étude du MIT menée l'année dernière a révélé que 95 % des projets pilotes d'IA en entreprise n'avaient pas réussi à produire un impact commercial mesurable. La raison est presque toujours la même : les données sous-jacentes à l'outil sont incohérentes, incomplètes ou peu fiables. Clari a constaté que 67 % des responsables des revenus n'ont pas confiance en leurs propres données. Si c'est votre cas, aucun outil d'IA ne vous sauvera. Commencez par corriger les fondations.

Le deuxième est de vous aligner avec votre direction technologique. Les recherches de Clari montrent que l'alignement entre le CRO et le CIO est le principal indicateur de l'impact de l'IA sur les revenus. Les CRO qui réussissent n'achètent pas des outils de manière indépendante. Ils élaborent une stratégie de données commune avec leurs homologues technologiques et font de l'IA une capacité à l'échelle de l'entreprise, plutôt qu'une expérimentation du service commercial.

Dans l'ensemble, utilisez l'IA pour affiner votre réflexion, et non pour la remplacer. Restez curieux, restez proches des données et ne cessez jamais de prendre des décisions fondées sur votre jugement.

Suivez-nous

Vous pouvez suivre le travail d'Eliana Angelova sur LinkedIn.

D'autres entretiens avec des experts sont à venir dans Le club des CRO !