Comment Narvar utilise l’IA et les données pour améliorer l’expérience client après l’achat

Que se passe-t-il après qu’un client clique sur le bouton « acheter » sur un site de commerce électronique ?

Il s’agit d’un domaine connu sous le nom de post-achat, et il s’agit souvent de l’un des aspects opérationnels les plus coûteux et les plus impactants pour les détaillants. Les activités post-achat comprennent le calcul de la livraison, la fidélisation de la clientèle et, si nécessaire, les retours. Parmi les pionniers de l’espace, on trouve Narvar qui compte plus de 1 500 détaillants mondiaux, parmi lesquels de grandes marques comme Gap, Levis et Sonos. À travers ses différents points de contact client, Narvar collecte des informations sur plus de 42 milliards d’interactions avec les consommateurs.

Narvar étend aujourd’hui l’intelligence de ses services avec une nouvelle plate-forme basée sur l’IA qu’elle appelle IRIS (Intelligent Retail Insights Service). IRIS combine données, intelligence artificielle et analyses dans une plateforme hautement optimisée. L’objectif est d’aider les détaillants à lutter contre la fraude, à optimiser les promesses de livraison, à rationaliser les retours et à créer des expériences client plus personnalisées. Parmi les premiers services proposés par IRIS figure Narvar Assist, basé sur l’intelligence artificielle, conçu pour automatiser la gestion des réclamations et contribuer à réduire la fraude aux réclamations de livraison.

Les premiers résultats d’un groupe de 20 détaillants montrent des améliorations spectaculaires : une réduction de 80 % des demandes liées à la fraude et une diminution de 25 % des mesures d’apaisement, ou des compensations proposées par les détaillants pour les problèmes liés à l’expédition.

« Nous ne résolvons pas seulement des problèmes ; “Nous transformons ce qui était traditionnellement un centre de coûts en un avantage stratégique pour les détaillants”, a déclaré Anisa Kumar, PDG de Narvar, à VentureBeat dans une interview exclusive.

Pourquoi l’IA dans les opérations post-achat est essentielle au succès du commerce de détail

Kumar a rejoint Narvar en 2021 en tant que responsable de la clientèle et est devenue PDG en octobre 2024. Avant cela, elle a travaillé longtemps dans les opérations clients chez Levis Strauss and Co., Walmart et Target, où il a pu constater de visu les défis de détaillants. .

Les détaillants de tous types consacrent généralement beaucoup de temps et d’efforts à réfléchir à l’acquisition de consommateurs. Kumar a souligné que le grand défi consiste toutefois à fidéliser les clients.

“Après l’achat, il s’agit vraiment de réfléchir à ce que sera la prochaine frontière pour inciter les consommateurs à revenir et à les traiter réellement comme ils devraient l’être, en leur offrant des expériences personnalisées”, a-t-il déclaré.

Grâce à toutes les données collectées par Narvar, l’IA peut désormais aider les détaillants à transformer l’après-achat en une activité qui contribue à fidéliser les clients. L’utilisation de l’IA dans les opérations de vente au détail en général a rencontré des problèmes ; Par exemple, un rapport Forrester de 2024 a révélé des niveaux d’intérêt élevés, mais de faibles niveaux d’adoption.

En tant qu’offre SaaS, Narvar permet aux détaillants de profiter facilement des avantages de l’IA. Kumar a expliqué que la plateforme IRIS contribuera à créer des expériences post-achat hyper-personnalisées pour les détaillants et leurs consommateurs finaux.

Comment Narvar utilise l’IA pour améliorer les résultats

Le système IRIS utilise une combinaison d’intelligence artificielle et de services de données Google Cloud, ainsi que des algorithmes propriétaires d’apprentissage automatique (ML) et d’IA prédictive.

Ram Ravicharan, CTO chez Narvar, a souligné la puissance et l’importance des données dont dispose l’entreprise pour informer l’IA afin d’aider les détaillants. Narvar traite des milliards de points de contact avec les consommateurs, vous offrant ainsi des informations uniques sur le comportement et les intentions des clients.

IRIS de Narvar n’utilise pas d’IA générative, bien qu’il utilise des techniques qui ont été mises au point dans les grands modèles de langage (LLM), notamment l’utilisation de transformateurs.

“Si vous considérez les transactions que les gens effectuent au cours du processus d’achat comme un langage, nous avons maintenant presque un langage indiquant ce que sera la phrase suivante”, a expliqué Ravicharan. “Et c’est littéralement ainsi que nous le voyons.”

Grâce à des modèles prédictifs de données et d’IA, Narvar possède une solide compréhension de l’intention du client. Cela peut être extrêmement utile pour la fidélisation des clients et la prévention de la fraude.

Au-delà de la réduction de la fraude, IRIS est également conçu pour aider les détaillants à faire des promesses de livraison plus précises et à améliorer la fidélité des clients. Avant IRIS, Narvar avait tendance à s’appuyer sur des modèles basés sur des règles, en particulier pour les engagements tels que la date de livraison estimée. Avec les nouveaux modèles, l’ensemble du réseau de vente au détail dispose de davantage d’informations pour fournir un degré de précision plus élevé, a déclaré Kumar. Par exemple, le système est conscient des problèmes météorologiques et des systèmes de livraison des transporteurs qui peuvent affecter la livraison.

“Tout le monde se concentre sur l’acquisition de clients, mais ils les perdent et paient pour les racheter”, a expliqué Kumar. « IRIS aide les détaillants à créer des relations durables en proposant des expériences personnalisées au moment le plus important : après la vente.

Les premiers utilisateurs voient des bénéfices

La technologie Narvar Assist n’est pas encore largement disponible, bien que les clients existants la testent.

Parmi ceux-ci se trouve Boston proprement dit. Le détaillant de vêtements est client de Narvar depuis 6 ans, a expliqué DeAnne Judd, CIO de Boston Proper. À ce jour, Boston Proper a utilisé la solution Engage de Narvar pour informer de manière proactive les consommateurs de la livraison de leurs commandes et des exceptions potentielles afin d’améliorer la visibilité et l’expérience client. L’entreprise utilise également la solution de retour et d’échange de Narvar pour automatiser le traitement des retours et offrir aux consommateurs une visibilité sur l’état de leur remboursement.

Judd a noté que Boston Proper utilise actuellement la première solution IRIS, Assist, qui exploite l’écosystème Narvar pour réduire les coûts dus à la fraude.

« Depuis l’intégration de Narvar Assist, les contacts clients et les coûts ont diminué grâce à son interface utilisateur améliorée et à ses processus intelligents rationalisés », a déclaré Judd.

S’unir en ligne et en magasin

Pour l’avenir, Narvar prévoit d’étendre IRIS de plusieurs manières.

Alors que le produit Assist initial se concentrait sur les transactions en ligne, Kumar a noté que Narvar travaillait également avec certains détaillants pour étendre les capacités en magasin. La plate-forme Narvar offre des informations sur les données et les interactions dans les opérations en ligne, en magasin et même en entrepôt.

“Notre vision est de rassembler les environnements en ligne et en magasin, et la manière dont nous avons construit nos modèles et la manière dont nous développerons l’intention transactionnelle couvre tous les canaux”, a-t-il déclaré.