Insights LLM

Comment mesurer les interactions client pilotées par les LLM et l’IA ?

Customer Journey Analytics vous permet de baliser et de classifier le trafic LLM et IA à l’aide de champs dérivés basés sur l’agent utilisateur, le référent et les paramètres de requête, afin de dissocier les interactions générées par l’IA des comportements humains et de garantir la fiabilité de vos KPI existants. Vous pouvez ensuite créer des segments et des tableaux de bord pour suivre l’évolution du volume de trafic IA, des parcours et des conversions en aval, aux côtés de vos autres canaux — sans avoir à recourir à un outil distinct pour le suivi du trafic IA.

Comment Customer Journey Analytics relie-t-il les conversations IA aux résultats métier ?

Les données de conversation et d’interaction IA sont ingérées dans Adobe Experience Platform, modélisées avec des intentions, des sujets, des sentiments et des résultats, puis jointes à vos ensembles de données web, app et hors ligne dans Customer Journey Analytics pour reconstituer des parcours cross-canal complets. C’est précisément cette jointure qui permet d’attribuer un résultat en aval — un achat, un évènement de désabonnement, une résolution de support — à une conversation IA spécifique et de mesurer son impact sur vos KPI dans le temps, plutôt que de considérer la conversation comme une impasse.

Qu’apporte l’analyse de l’IA conversationnelle au-delà de la simple relecture de transcript ?

L’analytics de l’IA conversationnelle extrait les intentions, les sujets, les mots-clés et les sentiments des transcripts de chat ou vocaux à l’aide de modèles NLP ou LLM, puis combine ces signaux avec les données de parcours dans Customer Journey Analytics pour produire des rapports agrégés et permettre la relecture des conversations — au lieu de laisser chaque transcript comme un enregistrement isolé. Le suivi des sentiments en parallèle des résultats est ce qui rend cette approche véritablement utile à la prise de décision : il permet d’identifier avec précision les expériences ou les flux qui génèrent de la frustration chez les clients, de prioriser les corrections et de vérifier quelles modifications ont réellement amélioré la satisfaction et la conversion.

Comment les insights LLM favorisent-ils la visibilité pour la recherche IA et la découvrabilité de la marque ?

Les informations LLM, combinées à Adobe Brand Visibility, révèlent où votre marque est mentionnée ou citée dans les réponses IA, la fréquence à laquelle les agents IA explorent votre contenu, ainsi que les requêtes ou sujets sur lesquels vous progressez ou perdez du terrain. Une fois ces données de visibilité connectées à Customer Journey Analytics, vous pouvez identifier quelles visites issues de sources IA stimulent réellement l’engagement et le chiffre d’affaires — ce qui transforme une mesure de visibilité IA en une véritable décision d’investissement en matière de contenu et de SEO, bien loin d’un simple indicateur de notoriété.

Quelles sources de données et intégrations sont nécessaires pour mettre en œuvre les insights LLM ?

En général, vous combinez les données d’interaction avec l’IA et les données de journaux, les transcriptions de conversations, les métadonnées des robots, les journaux CDN ou edge, ainsi que le trafic agentique et de référence Brand Visibility, avec vos ensembles de données numériques et hors ligne existants dans Adobe Experience Platform, puis vous les connectez à Customer Journey Analytics pour la génération de rapports. Des intégrations optionnelles avec IA dédiée aux clients, Adobe Journey Optimizer et le partage de données natif Brand Visibility enrichissent ces parcours avec des prédictions et des métriques de visibilité IA, ce qui vous permet de démarrer avec les seules données d’interaction et d’intégrer le reste au fur et à mesure de leur disponibilité.