Générer un message personnalisé par client prenant en compte l’image de marque et les habitudes du client
.PNG, .JPEG, .TIFF, .PSD…
Stack technique :
Chat gpt
Langchain
Firestore
Cloud run
GKE
le Besoin Métier
Aujourd’hui, les clients sont réassignés aux conseillers suite à une ouverture de magasin ou une répartition du portefeuille client, ainsi lors des premières prises de contact le conseiller ne dispose pas d’une bonne vision des habitudes du client.
Chaque conseiller a des dizaines de client à contacter pour leur proposer un rendez-vous en boutique ou simplement pour leur présenter la/les marque(s) ou des produits. La connaissance des habitudes du client peuvent l’aider à mieux cibler son message et à convertir ces contacts en ventes.
Le métier a donc souhaité disposer d’une application qui en un clic permette d’intégrer la connaissance de la (ou des) marque (s) et du client pour proposer un message personnalisé avec l’aide de l’IA générative
la Solution
Les équipes business définissent le ton de voix de la marque en établissons des règles précises sur les mots à employer et également ceux à éviter mais également la cible de chaque message avec les données à utiliser pour ne laisser la place à aucune hallucination du modèle d’IA générative.
A partir de la définition business, chaque type de message devra être implémenter dans le prompt associé qui sera poussé vers le modèle LLM afin de recevoir une proposition de message avec le formalisme associé au mode de contact souhaité (Email, SMS, ..)
La message généré sera contrôlé par le conseiller afin de valider le message, il peut demander une nouvelle génération ou modifier directement le contenu avant de l’envoyer vers le client
les Difficultés
Complexité prompting : partir d’un cadrage business et gérer le bon équilibre des informations à ajouter au prompt a été un défi pour trouver la bonne formulation finale des messages.
Un écosystème générative AI à créer : Trouver le bon équilibre dans la définition précise des messages à générer et l’implémentation technique des prompts fut une première pour les équipes, cela a permis de mieux structurer et affronter ces challenges.
Timing : la solution a été développée en 3 mois environ et pourra être utilisé pour générer des messages par les équipes service client
O
I
