Améliorer l'empathie des clients grâce à l'apprentissage automatique

Dans une interview de février 2018, Liz Goli, commissaire du Bureau du Trésor de l'État du Queensland, s'est assise dans son fauteuil: «La machine peut réellement améliorer notre empathie envers nos clients», a-t-elle déclaré. Maintenant, c'est intéressant – l'idée qu'une machine insensible pourrait aider les êtres humains à être plus empathique envers les autres êtres humains!

OSR a mis en place un prototype d'apprentissage de la machine et a lancé un pilote de production de cette technologie émergente. "Nous ne voulons pas d'un système où la machine prend des décisions. Mais nous voulons que la machine propose à notre personnel des recommandations sur les meilleures actions, qu'elle peut suivre ou non, en fonction de son expérience et de sa connaissance de la façon dont la loi devrait être appliquée … Nous aimerions également un système qui peut ingérer des Big Data et prendre des mesures dans certains paramètres. Par exemple, en cas de catastrophe naturelle, la machine pourrait être en mesure de déterminer quels clients sont touchés et remplacer les avis de recouvrement par des lettres proactives donnant plus de temps à payer. »

De l'action-réaction à proactive et personnalisée 19659004] OSR est responsable de la collecte des impôts et des redevances et de l'administration de la première subvention aux propriétaires pour les Australiens résidant dans l'État du Queensland. Les recettes collectées par le Bureau fournissent environ 17 milliards de dollars australiens (11 milliards d'euros) de recettes annuelles à l'État, qui sont réinvesties dans les routes, les écoles, les hôpitaux et les services communautaires. Avec moins de 500 membres du personnel au service de plus de 2 millions de contribuables, le Bureau doit fournir des services hautement efficaces et automatisés tout en minimisant les processus manuels coûteux et chronophages. De plus, OSR doit débloquer l'information contenue dans les vastes banques de données du Bureau pour offrir le genre de services axés sur le client, numériques et souhaités par le gouvernement, les entreprises et la communauté.

financer des services essentiels. Mais chaque année, jusqu'à cinq pour cent des revenus ne sont pas encaissés à la date d'échéance, ce qui représente un passif de 882 millions de dollars australiens (555 millions d'euros) au cours de l'exercice 2016. Le défaut sur la taxe foncière est particulièrement élevé, avec plus de 15% des recettes non perçues à la date d'échéance, représentant un passif de 112 millions de dollars australiens (70 millions d'euros) en 2016.

Pour la plupart d'entre nous, il est difficile de comprendre Comme l'a dit Mme Goli, ce qui se passe à un niveau individuel est en réalité assez simple: «Nous nous attendons à ce que le débiteur paie, et si ce n'est pas le cas, nous commençons à le leur rappeler, et après chaque rappel, nous Asseyez-vous et attendez. Notre processus peut être décrit comme action-réaction, action-réaction – chaque action que nous faisons est censée susciter une réaction du client. Mais parce que nous n'avons pas fait beaucoup d'analyses sur les réactions de nos actions, nous n'avons pas toujours compris les motivations de nos clients. "

Par conséquent, pour atteindre leur objectif stratégique de réduction des responsabilités, Mme Goli et sa L'équipe savait qu'ils devaient d'abord comprendre quels facteurs conduisaient certains clients à payer à temps, tandis que d'autres ne le faisaient pas. Le prototype de l'apprentissage automatique du Bureau a analysé 187 millions d'enregistrements pour fournir une prévision des risques par le contribuable et identifier les événements et les influences qui ont mené à la découverte de ces données. paiement par défaut. Il peut s'agir de choses sur lesquelles OSR exerce un contrôle (par exemple, processus et interactions), des choses que le gouvernement dicte (par exemple, politique et législation), ou des impacts externes (par exemple, des catastrophes naturelles). La machine fait les liens entre la cause et l'effet, permettant à l'Office d'être proactif dans ses réponses et personnalisé dans son traitement.

Comprendre les motivations des clients

Mais au niveau individuel, comment commencez-vous à comprendre les motivations de quelqu'un? tu ne t'es même jamais rencontré? La réponse réside dans la visualisation de leur voyage. Mme Goli explique: «Traditionnellement, nous avons travaillé avec des données dans des tableurs, mais nous avons découvert que la visualisation de données est vraiment importante. Les gens sont visuels, et nous sommes mieux à même d'identifier les schémas avec une représentation visuelle des données qu'avec les données d'un tableur. »Donc, ce n'est pas seulement l'émergence d'événements et d'influences clés, mais aussi la façon dont ils sont présentés. Dans l'exemple d'un contribuable de grande valeur, OSR a découvert que son comportement sur cinq ans consistait à ignorer les avis de recouvrement de créances de l'Office jusqu'à ce qu'il reçoive un avis juridique final, à quel point il règle rapidement sa dette. La visualisation du parcours de ce client a amené OSR à conclure que son comportement n'est pas motivé par une incapacité à payer à temps, mais par une tactique délibérée de règlement différé. Maintenant, le Bureau a la perspicacité requise pour concevoir une stratégie de recouvrement des dettes pour cette cohorte d'un. "Nous pouvons lui écrire en expliquant que nous avons remarqué qu'il paye seulement le dernier avis, donc nous n'allons plus le déranger avec de multiples rappels – à partir de maintenant il recevra un rappel, puis la prochaine lettre sera un avis légal final. De même, pour les contribuables qui font généralement la bonne chose, mais qui ne respectent pas les règles dans un cas particulier, nous pouvons concevoir une stratégie pour eux. "

Une approche de la première heure

stratégie est tout au sujet de la conformité proactive. À cet égard, OSR a emprunté le mantra «dès le départ» au Forum sur l'administration fiscale (FTA) de l'OCDE. L'ALE vise à influencer l'environnement dans lequel les systèmes fiscaux fonctionnent pour passer d'un dialogue conflictuel à un engagement plus constructif avec les contribuables. L'approche proactive de la conformité reconnaît que les contribuables sont motivés par les perceptions de la dissuasion (risque de détection et sévérité de la punition), normes (personnelles et sociales), opportunités de non-conformité, équité (distribution, , et rétributive), les facteurs économiques, et les interactions entre le contribuable et le bureau des recettes.

" Dès le début " souligne la nécessité de créer un environnement qui encourage le comportement conforme en agissant dans en temps réel et à l'avance; se concentrer sur les processus de bout en bout; le rendant facile à respecter (et difficile de ne pas le faire); et impliquer et mobiliser activement les contribuables pour mieux comprendre leur point de vue. Pour OSR, cela se traduit par quatre stratégies politiques et pratiques: concevoir des interactions de gestion des revenus basées sur le risque; favoriser des relations significatives avec les clients et les partenaires; développer des services améliorés par des méthodes numériques; et bâtir une main-d'œuvre compétente et réactive. Peut-être plus important encore, le Bureau tire parti des connaissances acquises grâce à l'apprentissage automatique pour redéfinir les processus opérationnels avec le client au centre

Le souci du client est synonyme d'efficacité et de confiance

service à transposer sur les initiatives gouvernementales numériques. Mais, comme l'explique Mme Goli, «dans un contexte gouvernemental, l'approche centrée sur le client ne consiste pas à offrir une expérience d'achat en ligne comparable à celle du commerce de détail. Il s'agit de fournir un service hautement efficace où les gens ont confiance qu'ils reçoivent la bonne information au bon moment. »Pour ce faire, OSR doit tirer parti de ses actifs Big Data et les appliquer de manière transparente. "Nous voulons arriver au point que ce que nous voyons est ce qu'ils voient. Nous leur montrerons ce que nous savons d'eux et ils pourront le corriger avec nous. Cela créera une relation mature basée sur des obligations mutuelles, où nous leur faisons confiance et ils nous font confiance. "

Mais la relation client ne se limite pas à offrir une expérience client exceptionnelle: elle a également un rôle à jouer objectifs de conformité proactifs. Alors que, traditionnellement, les bureaux des recettes ont tendance à se pencher sur la conformité fiscale par taxe, une approche centrée sur le client vérifie si le contribuable respecte pleinement toutes ses affaires fiscales. Par exemple, certaines entreprises peuvent toujours s'assurer qu'elles sont conformes à un type de taxe, lorsque les conséquences du non-paiement sont plus importantes, mais qu'elles sont systématiquement non conformes pour d'autres types de taxes. De cette façon, une vue centrée sur le client donne un aperçu du véritable comportement de conformité du contribuable. Cela pourrait amener l'Office à réévaluer s'il doit continuer à offrir des modalités de paiement pour un type de taxe à quelqu'un qui paie tardivement d'autres taxes, ou s'il devrait adopter l'approche standard avec une personne généralement conforme dans tous ses paiements. En outre, étant donné que la dette est souvent un indicateur avancé de la précarité, une approche centrée sur le client peut mettre en évidence des cas où un contribuable pourrait avoir des difficultés ou une entreprise pourrait échouer. Cela pourrait inciter le gouvernement à proposer de manière proactive au client une offre d'assistance. Lorsqu'on lui a demandé de résumer comment elle s'attend à ce que l'apprentissage automatique change la façon dont le Bureau interagit avec les contribuables à l'avenir, Mme Goli a répondu: «Au milieu de tout le numérique, les gens veulent plus que jamais un lien humain. Une connexion proactive et personnalisée L'apprentissage automatique offrira à OSR la capacité de livrer ceci à nos clients, transformant complètement notre engagement dans le futur. "

Permettre la politique et la pratique basées sur les données

En permettant la prise de décision fondée sur les preuves, changer les façons de travailler à OSR. Mme Goli et son équipe voient le potentiel pour:

• La prise de décision manuelle basée sur seulement un petit pourcentage des données disponibles, pour être remplacée par des propositions générées par machine sur la base de toutes les données disponibles;

• être en mesure de tirer parti des connaissances tirées de l'apprentissage automatique pendant les appels avec les clients pour mieux comprendre leur situation et fournir des niveaux de service améliorés;

• Les agents de recouvrement doivent être libérés des actions qui ont peu de valeur. une réelle différence pour les clients du Bureau et les revenus; et

• Profilage et segmentation des risques à utiliser pour mener des campagnes plus proactives et des activités de conformité conformes à l'approche de gestion des revenus fondée sur les risques du Bureau.

Les connaissances acquises grâce à l'apprentissage automatique peuvent également servir développement de politiques. "Nous avons maintenant la preuve pour soutenir notre conseil que si vous le concevez de cette façon, c'est ce que la réaction probable sera." Ainsi, les idées axées sur les données peuvent aider à renforcer la voix du bras administratif du gouvernement aux décideurs, influencer le changement législatif basé sur l'expérience de prestation de services

Rassembler plus de perspicacité sur Le côté humain de l'apprentissage automatique

<! – Commentaires ->