Un guide pour créer un workflow Intercom pour taguer les conversations pour l'analyse CSAT

Stevia Putri

Amogh Sarda
Last edited 28 octobre 2025
Expert Verified

Les scores de satisfaction client (CSAT) sont parfaits pour prendre rapidement le pouls de vos clients. Mais soyons honnêtes, un simple emoji souriant ne dit pas tout. La véritable mine d'or se cache dans le pourquoi de leur ressenti, et pour y accéder, vous devez analyser leurs retours. Tout commence par un bon étiquetage des conversations.
Si vous avez déjà essayé d'étiqueter manuellement chaque conversation en fonction des notes CSAT, vous savez que c'est une tâche décourageante. C'est interminable, les erreurs sont fréquentes, et ça ne fonctionne tout simplement plus dès que votre volume de support augmente. L'automatisation est vraiment la seule voie à suivre si vous voulez des données propres et cohérentes que vous pouvez réellement utiliser pour prendre des décisions.
Ce guide vous expliquera comment configurer un workflow Intercom standard pour gérer l'étiquetage CSAT. Mais surtout, nous aborderons les limitations frustrantes que vous rencontrerez probablement et vous présenterons une méthode plus intelligente, basée sur l'IA, pour obtenir des informations beaucoup plus approfondies à partir des retours de vos clients.
Qu'est-ce qu'un workflow Intercom pour étiqueter les conversations en vue de l'analyse CSAT ?
Un workflow Intercom est essentiellement un ensemble de règles automatisées qui s'exécute sur la plateforme. Il suit une logique simple de type « si ceci, alors cela ». Un déclencheur spécifique, comme un agent qui ferme une conversation, lance une série d'actions que vous avez configurées à l'avance.
Une représentation visuelle du créateur de workflows Intercom, illustrant comment les règles et actions automatisées sont configurées.
En ce qui concerne les retours clients, l'objectif d'un workflow Intercom pour étiqueter les conversations en vue de l'analyse CSAT est d'apposer automatiquement les bonnes étiquettes sur les conversations dès qu'un client laisse une note.
Par exemple, si un client donne une mauvaise note, le workflow peut y apposer une étiquette « CSAT-Négatif ». Cela vous permet, à vous ou à un responsable du support, de filtrer très facilement toutes les interactions négatives. Vous pouvez ensuite repérer des tendances, identifier des opportunités de formation ou signaler des bugs produit sans avoir à lire chaque ticket de support.
Comment créer un workflow Intercom de base pour étiqueter les conversations en vue de l'analyse CSAT
Bien qu'Intercom vous fournisse les outils pour créer cette automatisation, il est bon de connaître le processus standard pour comprendre avec quoi vous travaillez. Voici un aperçu rapide de la manière dont cela se fait habituellement.
Commencez par un déclencheur : Une conversation est fermée
Le point de départ le plus logique pour un workflow CSAT est le déclencheur « Un agent modifie l'état de la conversation ». Vous le configureriez pour qu'il se déclenche lorsque l'état passe à « Fermée ». Cela garantit que l'enquête est envoyée juste après que l'agent a, espérons-le, résolu le problème du client.
Ajoutez la demande de note CSAT
Ensuite, vous utiliserez l'action intégrée d'Intercom « Demander une note pour la conversation ». Cela envoie cette petite enquête de satisfaction à trois emojis (« Mauvais », « Passable », « Excellent ») au client dans la messagerie instantanée. C'est un moyen simple pour eux de vous donner leur avis en un seul clic.
Utilisez des branches pour appliquer les étiquettes
Une fois la note reçue, vous utilisez des « Branches » pour diviser le workflow en différents chemins en fonction de la réponse du client. La logique ici est assez simple et vous aide à trier les retours à la volée :
-
Chemin 1 : Si la note de la conversation est « Mauvais », alors ajoutez l'étiquette « CSAT-Négatif ».
-
Chemin 2 : Si la note de la conversation est « Passable », alors ajoutez l'étiquette « CSAT-Neutre ».
-
Chemin 3 : Si la note de la conversation est « Excellent », alors ajoutez l'étiquette « CSAT-Positif ».
Une fois que c'est en place, vous disposerez d'un système de base pour catégoriser les retours en fonction de l'emoji sur lequel un client clique. Assez simple, n'est-ce pas ?
graph TD
A[Début : Conversation fermée] --> B{Envoyer l'enquête CSAT};
B --> C{Le client répond};
C --> D[Note = 'Excellent' ?];
D -- Oui --> E[Appliquer l'étiquette 'CSAT-Positif'];
D -- Non --> F[Note = 'Passable' ?];
F -- Oui --> G[Appliquer l'étiquette 'CSAT-Neutre'];
F -- Non --> H[Note = 'Mauvais' ?];
H -- Oui --> I[Appliquer l'étiquette 'CSAT-Négatif'];
E --> J[Fin];
G --> J;
I --> J;
Les lacunes du workflow d'étiquetage CSAT natif d'Intercom
La mise en place de ce workflow de base est une bonne première étape, mais les équipes découvrent souvent assez vite que ce n'est pas suffisant pour obtenir des informations réelles et significatives. Le problème est que ces workflows basés sur des règles sont tout simplement trop rigides pour gérer la complexité des conversations clients réelles.
Les règles rigides ne saisissent pas la nuance
Voici le plus gros casse-tête : un simple clic sur un emoji n'a aucun contexte. Un client peut cliquer sur l'emoji « Excellent » mais ajouter ensuite : « L'agent était fantastique, mais je commence à en avoir assez de devoir contacter le support pour le même problème tous les mois. »
Votre workflow Intercom standard étiquettera cela comme « CSAT-Positif » et passera à autre chose, ignorant complètement que vous avez un problème récurrent et un client agacé. Il ne peut pas lire le texte pour en déduire le sentiment ou des sujets spécifiques, vous vous retrouvez donc avec une étiquette positive sur une conversation qui est en réalité un signal d'alarme.
Comment le workflow natif échoue dans des situations courantes
Comme certains utilisateurs frustrés l'ont souligné dans la communauté Intercom, Intercom est conçu pour ne pas envoyer d'enquête CSAT si une conversation implique plusieurs agents. C'est une fonctionnalité intentionnelle pour éviter de spammer les gens, mais cela signifie que votre workflow d'étiquetage automatisé ne s'exécutera même pas sur ces tickets. Vous vous retrouvez alors avec d'importantes lacunes dans vos données, en particulier pour vos cas de support les plus complexes.
Des solutions de contournement complexes
Pour faire quoi que ce soit d'un peu plus avancé, vous devez généralement faire preuve de créativité avec les Attributs de Données de Conversation (CvDAs). Disons que vous voulez arrêter d'envoyer des enquêtes CSAT pour certains types de tickets, comme le spam ou les questions commerciales. Vous devez créer un attribut personnalisé, demander à vos agents de le définir manuellement sur chacune de ces conversations, puis ajouter des branches supplémentaires à votre workflow pour le vérifier.
Cela ne fait qu'ajouter du travail manuel pour vos agents et transforme ce qui devrait être un workflow simple en un enchevêtrement complexe et pénible à maintenir. C'est exactement le genre de configuration manuelle que les outils d'IA modernes sont conçus pour gérer automatiquement, sans vous obliger à construire un labyrinthe de règles.
Une approche plus intelligente : l'utilisation de l'IA
Au lieu de vous empêtrer dans des règles rigides et des solutions de contournement bancales, vous pouvez intégrer une plateforme d'IA qui s'accorde parfaitement avec votre service d'assistance existant. Un outil comme eesel AI se connecte directement à Intercom, ajoutant de nouvelles fonctionnalités puissantes sans vous obliger à changer de plateforme.
Une vue d'un ticket Intercom avec un Copilote IA intégré dans la barre latérale, démontrant une approche plus intelligente de l'analyse CSAT.
Allez au-delà des simples notes avec le tri assisté par l'IA
L'AI Triage d'eesel AI ne se contente pas de regarder l'emoji sur lequel un client a cliqué. Il lit et comprend l'intégralité de la conversation, déterminant le véritable contexte, le sentiment et les sujets abordés.
Cela signifie qu'il peut appliquer automatiquement des étiquettes beaucoup plus utiles comme « sentiment:frustré », « sujet:erreur-facturation » ou « retour-produit:suggestion-ui ». Il peut détecter ces éléments même si le client a laissé une excellente note, s'assurant que vous ne manquiez jamais un retour critique caché dans ses commentaires. Vous obtenez une vue d'ensemble, pas seulement l'emoji.
Une configuration en quelques minutes, pas en heures
Oubliez la construction de workflows compliqués avec des dizaines de branches et d'attributs personnalisés. Avec eesel AI, il vous suffit de connecter votre compte Intercom, et le tour est joué. L'IA commence immédiatement à apprendre de vos conversations passées pour comprendre vos problèmes de support spécifiques et la voix de votre marque. Vous pouvez obtenir des informations précieuses dès le premier jour, sans projet de configuration colossal ni intervention de développeurs.
Obtenez des informations exploitables, pas seulement des données brutes
Le tableau de bord analytique d'eesel AI fait plus que simplement lister les conversations étiquetées. Il met en évidence les tendances et signale les lacunes dans votre base de connaissances. Par exemple, il pourrait vous montrer que 25 % de vos notes CSAT négatives sont liées à une fonctionnalité confuse qui ne dispose pas d'un bon article d'aide. Cela vous donne une liste de tâches claire et basée sur des données pour apporter des changements qui réduiront réellement votre volume de tickets et rendront les clients plus heureux.
| Fonctionnalité | Workflows natifs d'Intercom | eesel AI |
|---|---|---|
| Logique d'étiquetage | Basée sur des règles (ex. : SI la note est X) | Basée sur l'IA (analyse le texte complet de la conversation) |
| Complexité de la configuration | Élevée (nécessite des branches, des CvDAs) | Faible (intégration en un clic) |
| Nuance contextuelle | Faible (passe à côté du contexte dans les commentaires) | Élevée (comprend le sentiment, le sujet, l'intention) |
| Conversations à participants multiples | N'envoie pas l'enquête CSAT | Analyse toutes les conversations sans exception |
| Rapports | Filtrage basique par étiquette | Informations exploitables, analyse des lacunes dans les connaissances |
Combien Intercom facture-t-il pour les workflows ?
Pour créer les workflows dont nous avons parlé, vous aurez besoin d'un accès au créateur de workflows d'Intercom. Cette fonctionnalité n'est disponible que dans leurs forfaits Advanced (à partir de 85 $ par agent et par mois) et Expert.
De plus, Fin, l'agent IA propre à Intercom, a un modèle de tarification par résolution. Comme vous pouvez le voir sur leur page de tarification, vous serez facturé 0,99 $ pour chaque résolution. Cela peut entraîner des coûts imprévisibles qui augmentent avec votre volume de support, rendant la budgétisation difficile.
À l'inverse, des plateformes comme eesel AI proposent une tarification transparente et prévisible basée sur les interactions, et non sur les résolutions. Vous bénéficiez d'un tarif forfaitaire clair, vous n'êtes donc pas pénalisé pour aider plus de clients.
Passer de l'étiquetage de base à l'analyse approfondie
Configurer un workflow Intercom pour étiqueter les conversations en vue de l'analyse CSAT est un bon point de départ pour organiser les retours clients. Mais les limites de l'automatisation basée sur des règles signifient que vous ne faites qu'effleurer la surface. Vous voyez le quoi, mais vous passez complètement à côté du pourquoi.
Pour vraiment comprendre l'histoire derrière chaque note, vous avez besoin d'un outil capable d'analyser l'intégralité de la conversation. En intégrant l'IA, vous pouvez dépasser le simple étiquetage réactif et commencer à repérer les tendances, à corriger les problèmes à la racine et à créer une expérience client qui mérite des retours vraiment excellents.
Découvrez la véritable histoire derrière vos scores CSAT
Prêt à aller au-delà du simple suivi des emojis ? Découvrez comment l'intégration transparente d'eesel AI avec Intercom peut entièrement automatiser votre analyse CSAT et vous fournir les informations approfondies dont vous avez besoin pour rendre vos clients plus heureux.
Commencez un essai gratuit ou réservez une démo dès aujourd'hui.
Foire aux questions
Un workflow Intercom pour étiqueter les conversations en vue de l'analyse CSAT est un système automatisé qui applique des étiquettes spécifiques aux conversations de support client en fonction de la note CSAT qu'ils fournissent. Son objectif principal est d'aider à catégoriser les retours, ce qui facilite l'identification des tendances, l'amélioration de la qualité du support et la détection des problèmes de produit.
Les étapes de base consistent à définir un déclencheur, généralement lorsqu'une conversation est fermée, puis à utiliser l'action « Demander une note pour la conversation » d'Intercom. Enfin, vous créez des « Branches » qui appliquent différentes étiquettes (par exemple, CSAT-Positif, CSAT-Négatif) en fonction de l'emoji choisi par le client.
Les principales limitations incluent un manque de compréhension contextuelle à partir d'un simple emoji, ce qui fait passer à côté de la nuance dans les commentaires des clients. De plus, ces workflows ne s'exécutent souvent pas sur les conversations impliquant plusieurs agents, ce qui entraîne des lacunes dans les données, et nécessitent des solutions de contournement complexes pour un filtrage avancé.
L'IA améliore ce processus en analysant le texte complet de la conversation pour comprendre le véritable sentiment, les sujets et l'intention, et non pas seulement l'emoji. Cela permet un étiquetage plus granulaire et précis, révélant des informations cachées même dans des retours apparemment positifs, sans configurations complexes basées sur des règles.
Pour créer un workflow natif d'Intercom pour étiqueter les conversations en vue de l'analyse CSAT, vous avez généralement besoin des forfaits Advanced ou Expert d'Intercom, à partir de 85 $ par agent et par mois. Si vous utilisez l'agent IA d'Intercom, Fin, il y a un coût supplémentaire de 0,99 $ pour chaque résolution, ce qui peut entraîner des coûts imprévisibles.
Regarder au-delà de l'emoji est crucial car une simple note manque de contexte ; une note « Excellente » peut toujours être accompagnée d'un retour produit critique dans les commentaires. L'analyse de la conversation complète aide à découvrir le « pourquoi » derrière la note, en identifiant les causes profondes, les problèmes récurrents et les domaines spécifiques à améliorer.
Oui, un workflow Intercom standard pour étiqueter les conversations en vue de l'analyse CSAT peut ne pas appliquer d'étiquettes dans les conversations impliquant plusieurs agents. C'est une fonctionnalité intentionnelle d'Intercom pour éviter de spammer les clients avec plusieurs enquêtes, mais cela crée des lacunes de données importantes, en particulier pour les cas de support complexes.





