Exemples de feedback QA pour les équipes de service client

À quoi sert vraiment le feedback QA

L'assurance qualité dans le support a mauvaise réputation, et souvent à juste titre. Trop de programmes QA se résument à un manager qui survole une poignée de tickets, coche des cases sur un tableur, et laisse tomber un verdict d'un mot dans une évaluation. L'agent lit « ton : 3/5 », se sent jugé, ne change rien, et tout l'exercice devient un rituel dont personne ne tire de leçon.

Le feedback QA, c'est du coaching, pas de la notation. Le chiffre sur la scorecard n'est que le point d'entrée ; c'est le commentaire qui a de la valeur. Une note dit à un agent où il en est. Un bon commentaire lui dit quoi faire différemment sur le prochain ticket, ce qui est la seule chose qui améliore réellement votre service client. Si vous ne devez retenir qu'une idée de cet article, que ce soit celle-ci : l'objectif est un changement de comportement précis et reproductible, pas une note.

En travaillant chaque jour sur la file de support, j'ai été des deux côtés de cette équation. Le feedback qui m'a vraiment aidé n'était pas « soyez plus clair ». C'était quelqu'un qui citait la phrase exacte que j'avais écrite, me montrait la version en deux lignes qui aurait résolu le ticket plus vite, et m'expliquait pourquoi. C'est la barre que chaque exemple ci-dessous essaie d'atteindre.

L'anatomie d'une scorecard QA

Avant le feedback vient la scorecard. La plupart des programmes de QA support évaluent chaque ticket selon une poignée de critères définis, idéalement alignés sur vos standards de service, et l'astuce consiste à garder une liste assez courte pour que deux évaluateurs notent le même ticket de la même façon. Quand vos critères de scorecard sont flous, votre feedback l'est aussi, et les agents le sentent.

Voici la configuration à six critères sur laquelle atterrissent la plupart des équipes. Vous n'avez pas besoin des six, mais c'est un bon point de départ :

Si vous voulez la construction complète, nous avons écrit un guide pas à pas sur la création de scorecard et sur le flux de travail d'assurance qualité plus large qui l'entoure. Le reste de cet article part du principe que vous avez quelque chose comme ces six critères.

La formule unique derrière chaque bon exemple

Chaque feedback QA solide, positif ou constructif, suit la même structure en trois parties. Les managers qui rédigent du bon feedback le font généralement sans la nommer : situation, comportement, impact (SBI).

• La situation ancre le feedback dans un moment réel : « Sur le ticket #4821, quand le client a demandé des nouvelles de sa commande retardée... » Jamais « en général » ou « ces derniers temps ».
• Le comportement décrit exactement ce que l'agent a fait, idéalement en citant ses propres mots : « ...vous avez commencé par 'je comprends tout à fait à quel point un retard de commande est frustrant' puis donné le lien de suivi. »
• L'impact relie tout cela à un résultat : « ...c'est pourquoi le client vous a remercié et a clôturé le ticket en une seule réponse. »

Voici pourquoi c'est important : un feedback sans situation n'est pas vérifiable (« soyez plus empathique » - quand ? où ?), et un feedback sans impact n'est qu'une opinion. Le SBI rend chaque commentaire assez concret pour que l'agent puisse se représenter le prochain ticket et refaire, ou faire différemment, la même chose.

Gardez cette structure en tête en lisant les exemples ci-dessous. Remarquez comment les versions faibles omettent la situation ou l'impact, et comment les versions fortes gardent les trois.

Exemples de feedback QA par critère

Voici la partie que vous êtes venu chercher. Ci-dessous, une bibliothèque filtrable de commentaires types, une carte par critère de scorecard, chacune avec un exemple positif (renforcer ce qui a fonctionné) et un exemple constructif (nommer ce qu'il faut changer). Piochez dedans, adaptez les détails à vos tickets, et gardez la structure SBI.

Quelques points à remarquer sur l'ensemble de ces exemples. Chaque commentaire constructif cite ce que l'agent a réellement fait, puis lui donne la formulation ou la règle de remplacement exacte. Aucun ne s'arrête à « faites mieux ». Et les commentaires positifs sont tout aussi précis que les corrections, parce qu'un « bon travail ! » n'apprend à personne ce qu'il faut répéter. Si vous voulez plus d'exemples rédigés en prose, notre article sur les exemples de feedback service client en propose un ensemble plus long, et les exemples d'évaluation de performance couvrent la version trimestrielle.

Positif vs constructif : trouver le bon ratio

Un programme de QA qui ne fait que signaler des problèmes apprend aux agents à redouter l'évaluation. Les équipes dont les agents s'améliorent réellement ont tendance à commencer par ce qui a fonctionné et à garder un équilibre approximatif, quelque chose comme trois commentaires de renforcement pour une correction sur un cycle d'évaluation. Il ne s'agit pas d'être laxiste : un bon comportement qui n'est jamais nommé finit par disparaître discrètement.

Les exemples positifs de la bibliothèque ci-dessus font un vrai travail. « Vous avez reconnu la frustration spécifique avant la solution » indique précisément à l'agent quel geste garder. C'est un comportement reproductible et enseignable, ce qui est tout l'intérêt de l'écrire plutôt que de simplement penser « belle réponse » et de passer à autre chose. Relier ces comportements à vos objectifs de service client rend évident le lien entre les tickets du quotidien et le cycle d'évaluation, et le même fil conducteur se retrouve dans les évaluations axées sur l'orientation client.

Les erreurs qui font que le feedback QA se retourne contre vous

Même avec une bonne scorecard, le feedback dérape de manières prévisibles. Voici celles que je vois le plus souvent :

• Noter le client, pas l'agent. « Client difficile, plutôt bien géré » n'est pas du feedback. La QA note le comportement contrôlable de l'agent, pas la façon dont le client s'est comporté.
• Un feedback sans exemple. « Améliorez votre ton » ne donne à l'agent rien de concret à faire. Citez toujours la phrase.
• Corriger sans proposer d'alternative. Dire à quelqu'un ce qu'il a fait de travers sans lui dire quoi faire à la place le laisse juste anxieux. Chaque correction a besoin de son alternative.
• La mort par mille remarques. Si un commentaire liste huit petits problèmes, l'agent n'en corrige aucun. Choisissez le ou les deux points les plus importants sur ce ticket.
• Examiner un échantillon biaisé. Si vous ne prenez que les tickets ayant reçu un mauvais CSAT, votre feedback est faussé vers les catastrophes et passe à côté des schémas discrets et corrigibles présents dans les tickets normaux. C'est exactement là que l'échantillonnage vous nuit, et là que l'examen d'un plus grand nombre de tickets change la donne.
• Ignorer le timing de l'escalade. Un ticket finalement bien résolu mais resté trop longtemps avant d'être remonté reste un moment de coaching. Évaluez quand il a été escaladé, pas seulement s'il l'a été.
• Des évaluateurs incohérents. Si deux évaluateurs notent différemment le même ticket, les agents cessent de faire confiance à tout le programme. Des critères de scorecard bien définis et des sessions de calibration sont la solution.

Le point sur l'échantillon biaisé est le plus important, et c'est là que la façon dont fonctionne la QA change le plus vite.

Faire évoluer le feedback QA au-delà d'un échantillon de 2 %

Voici la vérité qui dérange sur la QA traditionnelle : un évaluateur humain ne peut lire qu'un nombre limité de tickets, donc la plupart des programmes échantillonnent environ 1 à 2 % de leur volume. Vous coachez toute votre équipe à partir d'une poignée de conversations prises au hasard, en espérant qu'elle soit représentative. Ce n'est généralement pas le cas.

L'IA change la donne. Un assistant QA IA peut noter 100 % de vos tickets selon la même scorecard, faire apparaître les schémas qu'un échantillon de 2 % manquerait, et signaler les tickets précis qu'un manager devrait vraiment lire. Au lieu de passer sa journée à chercher des tickets sur lesquels coacher, un évaluateur passe son temps à coacher, sur ceux que le système a déjà identifiés. Nous avons écrit davantage sur l'évaluation de la performance des agents avec des données QA et sur la façon dont le feedback QA destiné aux agents s'intègre au flux de travail quotidien.

C'est aussi le moment d'élargir le cadre. La QA ne concerne plus seulement vos agents humains. Si un agent IA répond aux tickets aux côtés de votre équipe, il a besoin exactement du même niveau d'examen, et honnêtement d'un examen plus strict, parce qu'il ne se fatigue jamais mais qu'il n'est jamais non plus gêné par une réponse fausse donnée avec assurance. La même qualité de containment et d'escalade que vous suivriez pour le bot mérite sa place sur la même scorecard.

Je l'ai appris à mes dépens. Lors d'un déploiement chez une équipe B2B de télématique embarquée traitant quelques centaines de tickets par mois sur Zendesk, l'IA a joyeusement répondu aux clients « oui, nous prenons en charge votre modèle de véhicule » pour des modèles qui n'étaient pas dans la base de données, parce que le centre d'aide disait « nous prenons en charge tous les modèles » et que le bot l'a pris au pied de la lettre. Aucun humain n'aurait fait cette erreur deux fois. L'IA avait besoin de feedback QA tout comme une nouvelle recrue, c'est pourquoi nous simulons désormais chaque déploiement sur les tickets historiques d'une équipe avant qu'elle ne réponde à qui que ce soit en direct. Les mêmes signaux de sentiment et de qualité que vous utiliseriez pour noter une personne sont ce qui garde un agent IA honnête.

Essayez eesel pour une QA à 100 % de couverture

Si vous rédigez du feedback QA à la main à partir d'un tout petit échantillon, eesel AI comble deux lacunes à la fois. Il fournit des rapports sur la performance de chaque réponse, si bien que vous notez à partir de toute la file d'attente plutôt que d'une douzaine de tickets pris au hasard, et il vous permet d'évaluer l'agent IA lui-même : faites-le tourner en simulation sur des milliers de vos tickets passés, voyez exactement comment il aurait répondu à chacun, et corrigez les lacunes avant qu'un seul client ne soit affecté.

Il se connecte à Zendesk, Freshdesk et le reste de votre pile logicielle helpdesk en quelques minutes, apprend à partir de votre centre d'aide existant et de vos tickets passés, et est gratuit à essayer. Considérez-le moins comme un tableau de bord QA que comme un coéquipier qui a déjà lu chaque ticket que vous n'aurez jamais le temps de lire.