Kustomer AI analyse de sentiment : comment marchent les scores, et quoi automatiser

Kira
Écrit par

Kira

Katelin Teen
Relu par

Katelin Teen

Dernière modification 21 novembre 2026

Vérifié par un expert
Illustration dessinée à la main d'un agent de support avec un casque devant un ordinateur portable, des icônes de chat, d'e-mail et de téléphone alimentant un panneau avec une liste de clients et un robot au-dessus d'un diagramme de décision, un client souriant au téléphone, et le logo Kustomer dans le coin
TL;DR

Kustomer note le sentiment de chaque message texte entrant de -1 (mécontent) à +1 (content) une fois l'app Intelligence installée, et sa page de tarifs inclut Sentiment Tracking sur Enterprise et Ultimate. Cela en fait un signal inclus et toujours actif pour repérer un client contrarié dans la file. Le piège est le chiffre au niveau de la conversation : la documentation de Kustomer le décrit une fois comme une moyenne de tous les scores de message et ailleurs comme le score du dernier message entrant, et les deux peuvent pointer dans des directions opposées. Si vous voulez escalader quand un client devient de plus en plus énervé, construisez un Conversation Intelligence Score qui juge si le sentiment s'est dégradé, à 0,02 $ par exécution.

Sur Zendesk, Freshdesk, Gorgias ou Help Scout, un AI helpdesk agent comme eesel lit tout le fil avant de taguer ou router, donc « énervé et de plus en plus énervé » est une instruction, pas un score à ajuster ; il n'a pas d'intégration Kustomer. Avec le eesel CLI, un agent IA de code peut charger votre politique d'escalade et faire tourner des questions de test sur des tickets passés avant que rien ne passe en direct, même si connecter le helpdesk a encore besoin de l'accord d'un admin.

Qu'est-ce que Kustomer AI analyse de sentiment ?

C'est l'analyse de sentiment que Kustomer applique aux messages des clients, pour que les agents et les managers voient qui est frustré sans lire chaque fil. Je construis des fonctionnalités et des agents IA chez eesel, donc je la lis comme je lirais la nôtre : ce qui la déclenche, quel modèle elle appelle, où le chiffre est stocké, et ce que vous pouvez construire par-dessus. Chez Kustomer, il y a trois niveaux, et il est facile de les confondre.

  • Sentiment de message intégré. Selon le guide de sentiment de détection de langue de Kustomer, un workflow système appelé detect-language-at-message-creation note chaque nouveau message entrant et lui attribue une classification telle que positif, neutre ou négatif. Cela fait partie de la plateforme, pas un module en plus, tout comme l'analyse de sentiment Zendesk. Gorgias fait la même chose avec la détection de sentiment.
  • Conversation Intelligence. Des attributs IA que vous définissez vous-même : un Classifier, un Score ou un Extractor qui lit la conversation et enregistre le résultat comme un champ. C'est là que vit un signal sur mesure comme « ce client devient-il de plus en plus énervé ? ». Il est facturé par exécution.
  • AI QA. Des scorecards qui notent comment une conversation a été gérée, à 0,05 $ par exécution. Cela juge votre équipe, pas l'humeur du client, donc je le laisse de côté ci-dessous sauf là où cela se recoupe ; AI support quality assurance couvre ce rôle.

Le reste de Kustomer AI, comme Concierge et les outils Envoy derrière les résumés de conversation, est séparé de ces trois-là.

Comment Kustomer calcule-t-il le sentiment ?

Kustomer note un message à la fois, et seulement les messages entrants du client. Le guide liste deux conditions : le message n'est pas importé, et il contient du texte. Donc les conversations que vous avez migrées depuis un ancien helpdesk ne portent aucun sentiment, et un message entrant qui n'est qu'une image ou une pièce jointe n'est pas noté.

Le pipeline de traitement du langage naturel de Kustomer a changé au fil du temps. L'article Sentiment scores de Kustomer de 2024 dit qu'il appelait Amazon Comprehend à chaque création de message. L'article automatic language detection de juin 2026 dit « l'analyse de sentiment est réalisée à l'aide de grands modèles de langage modernes hébergés sur AWS Bedrock », Comprehend restant en secours quand le service principal est indisponible. Ce même article décrit le workflow par défaut comme détectant « le sentiment d'un message e-mail entrant », tandis que le guide dit qu'il tourne sur tous les messages entrants avec du texte, donc testez aussi un message de chat si le chat est votre canal principal.

Chaque message noté stocke deux chiffres, selon la référence des attributs de message de Kustomer :

ChampPlageSignification
Sentiment Polarity (sentiment.polarity)-1 à +1-1 est mécontent et négatif, +1 est content et positif
Sentiment Confidence (sentiment.confidence)0 à 100À quel point le modèle est sûr de cette note

Dans la vue agent, le guide dit que les scores « représentent la confiance du modèle dans le ton détecté du message » et s'affichent en pourcentages. Un manager qui lance une recherche sur les clients obtient une carte Sentiment Insights avec la moyenne :

Panneau Insights de Kustomer avec une carte Status Summary montrant 3 need help, 5 snoozed et 21 done, et une carte Sentiment Insights avec un graphique en anneau à 22 % intitulé Average Sentiment, Mildly Happy
Une moyenne sur une recherche, tirée de l'article Sentiment scores de Kustomer. Bon pour les tendances, grossier pour une seule conversation.

Le sentiment d'une conversation Kustomer est-il une moyenne ou le dernier message ?

C'est la partie que je vérifierais avant de construire quoi que ce soit dessus, parce que la documentation de Kustomer donne deux réponses. L'article Sentiment scores dit « les valeurs de sentiment de conversation et de client sont des moyennes de tous les scores de message attachés à la conversation ou au client ». La référence des attributs de conversation décrit la Sentiment Polarity de la conversation comme le sentiment « du dernier message entrant du client associé à cette conversation », et la référence des attributs de client dit que le sentiment du client est celui du dernier message entrant, avec des champs séparés pour la dernière conversation.

Les deux lectures sont utiles. Elles répondent simplement à des questions différentes, et dans un fil court, elles peuvent se contredire complètement :

Exemple dessiné à la main de trois messages client notés -0,6 pour Where is my order, -0,9 pour Still nothing. This is ridiculous, et +0,8 pour Got it, thanks so much, donnant une moyenne de tous les messages de -0,23 avec un visage triste et un score du dernier message de +0,8 avec un visage souriant
Les trois mêmes messages, des verdicts opposés. Sachez lequel lit votre rapport.

Une moyenne est le bon chiffre pour une tendance mensuelle : « les clients qui ont écrit sur la livraison étaient-ils plus mécontents en novembre ? ». Le dernier message est le bon chiffre pour la file : « cette personne est-elle contrariée en ce moment ? ». Ni l'un ni l'autre ne vous donne la direction, ce dont l'escalade a généralement besoin. Sentiment analysis on tickets détaille la fiabilité de chaque type.

Choisissez une forme de conversation (scores d'exemple). Une alerte se déclenche sous -0,5.
« Où est ma commande ? »-0,6« Toujours rien. C'est ridicule. »-0,9« Ça y est, merci beaucoup ! »+0,8
Moyenne de tous les messages-0,23Pas d'alerteDernier message entrant+0,8Pas d'alerte
Les deux restent silencieux, ce qui est correct : le problème est résolu. Mais la moyenne lit toujours ce client content comme légèrement négatif dans votre rapport mensuel.
« Bonjour, une petite question sur les tailles. »+0,4« Ok, je vais prendre la taille M. »+0,3« C'est arrivé cassé. Troisième fois. Je veux un remboursement maintenant. »-0,9
Moyenne de tous les messages-0,07Pas d'alerteDernier message entrant-0,9Alerte
C'est celui-là qu'il faut attraper. Une alerte basée sur la moyenne le rate, parce que deux messages amicaux diluent celui qui est énervé. Le score du dernier message l'attrape.
« Mon remboursement n'est toujours pas arrivé. »-0,7« Vous aviez dit 5 jours. Ça fait 12. »-0,8« Dites-moi juste quand, s'il vous plaît. »-0,6
Moyenne de tous les messages-0,7AlerteDernier message entrant-0,6Alerte
Les deux se déclenchent. Aucune ne dit que le client s'est un peu calmé, ce qu'un Score qui juge la direction ferait.

Basculez entre les trois conversations pour voir quand un score moyen et un score du dernier message ne sont pas d'accord.

Comment activer l'analyse de sentiment dans Kustomer

Un admin fait cela une fois, et la notation démarre sur les nouveaux messages à partir de là.

  1. Installer l'app Intelligence. Depuis la navigation de gauche, cliquez sur Apps, recherchez Intelligence, ouvrez-la et cliquez sur Install.
  2. Activer la détection. Depuis la navigation de gauche, sur n'importe quelle page Apps, cliquez sur Intelligence et cochez Detect language automatically. Le guide dit que, l'app installée, vous devez activer la détection de langue et l'analyse de sentiment de cette façon ; il ne liste aucun interrupteur de sentiment séparé.
  3. Le vérifier sur une vraie conversation. Ouvrez une nouvelle conversation entrante et cherchez la carte sentiment insight dans le panneau Insights. Essayez un e-mail et un chat, étant donné la formulation « e-mail uniquement » de l'article de juin.
  4. Mettre le sentiment là où votre équipe regarde. Les agents voient la carte dans le panneau Insights de la conversation. Pour les managers, Kustomer liste Segmentation by Sentiment dans le reporting sur Enterprise et Ultimate, et la carte Sentiment Insights apparaît dans les recherches de clients.
  5. Décider quel chiffre utilise votre rapport. Ouvrez trois conversations dont les messages changent de ton et comparez le sentiment de la conversation avec celui de chaque message. Ce que vous voyez là est la façon dont votre instance se comporte, quoi que dise la documentation.

Un effet secondaire à connaître : le même workflow redétecte la langue de la conversation à chaque message entrant, ce qui peut changer les extraits de langue et l'enquête de satisfaction utilisés. Une option offerte par Kustomer est de dupliquer le workflow système (l'original ne peut pas être modifié), d'ajouter une condition et de désactiver l'original. Si vous faites cela, gardez l'étape de sentiment dans votre copie. Kustomer conversation translation couvre le côté langue de ce workflow.

Comment escalader selon le sentiment avec Conversation Intelligence

Pour un signal sur lequel agir, je construirais un attribut Conversation Intelligence plutôt que de m'appuyer sur le chiffre moyenné. L'exemple de Kustomer lui-même pour un attribut Score, dans Using AI attributes, inclut un critère appelé Customer sentiment : « Le sentiment du client s'est-il amélioré, est-il resté neutre, ou s'est-il dégradé pendant l'interaction ? ». C'est la question de direction à laquelle le score intégré ne peut pas répondre.

L'article d'aide de Kustomer Using AI attributes, Conversation Intelligence, qui liste les trois types d'attribut Classifier, Score et Extractor et les étapes pour en ajouter un depuis la page Kustomer AI
Trois types d'attribut, comme montré dans l'article Using AI attributes de Kustomer. Un Score est celui qui peut juger la direction.
  1. Depuis la page Kustomer AI, cliquez sur AI Attributes, puis sur Add AI Attribute.
  2. Choisissez le type. Un Score renvoie 0 à 100 à partir de critères pondérés, avec une justification. Un Classifier place la conversation dans une de vos étiquettes, par exemple « Calme », « Frustré » ou « Menace d'annuler ».
  3. Écrivez les instructions et les critères. Donnez à chaque critère un nom, une description, un poids et des catégories de notation. Pour l'escalade, pondérez la direction du sentiment et « a demandé un manager ou un remboursement » au-dessus du ton.
  4. Choisissez quand il se déclenche. Un attribut peut avoir jusqu'à 3 déclencheurs, et chaque déclencheur crée une exécution, donc choisissez un moment qui compte plutôt que chaque événement.
  5. Enregistrez-le, activez-le, puis ajoutez un workflow qui agit sur le résultat, comme le ticket routing vers une file senior. L'aperçu de Conversation Intelligence de Kustomer donne comme exemples « déclencher un workflow quand un score de qualité d'interaction tombe sous un certain seuil » et router une « demande d'annulation » vers une équipe de fidélisation.

Deux choses à prévoir. Certaines propriétés qui déterminent comment un attribut stocke sa sortie ne peuvent pas être changées après sa création, donc tranchez entre Score et Classifier avant de construire des rapports dessus. Et Kustomer précise bien qu'un score de satisfaction déduit par IA est « un proxy de la satisfaction client, plutôt qu'une note soumise par le client », donc gardez votre vraie enquête CSAT qui tourne en parallèle. AI escalation couvre à quoi ressemble une bonne transmission une fois que quelque chose se déclenche.

Combien coûte l'analyse de sentiment Kustomer ?

Le sentiment intégré est inclus ; le type sur mesure est facturé à l'usage. La page pricing details de Kustomer (mise à jour pour la dernière fois le 12 octobre 2026) ne publie pas les prix des plans, qui sont « Talk to Sales », mais elle liste ce qu'inclut chaque plan et les tarifs d'usage :

QuoiEnterpriseUltimateLegacy Professional / Business
Sentiment TrackingInclusInclusInclus
Segmentation by SentimentInclusInclusNon inclus
Automatic Language DetectionInclusInclusBusiness seulement
Conversation Intelligence0,02 $ par exécution0,02 $ par exécutionNon listé
AI QA0,05 $ par exécution0,05 $ par exécutionNon listé

La page de tarifs liste aussi AI Attributes comme disponible avec un coût supplémentaire, et permet de payer les exécutions avec des Kustomer Usage Credits (50 exécutions de Conversation Intelligence par crédit).

Pour une équipe avec 8 000 conversations par mois et un Score de sentiment dont le déclencheur se déclenche une fois par conversation, cela fait 8 000 x 0,02 $ = 160 $ par mois. Trois déclencheurs qui se déclenchent chacun une fois portent cela à 480 $, et un déclencheur qui se déclenche sur chaque message client multiplie la facture par vos messages par conversation. Ajoutez une scorecard AI QA sur chaque conversation et c'est encore 8 000 x 0,05 $ = 400 $. Cela évolue avec le volume, donc réglez le déclencheur de façon étroite. Kustomer pricing couvre le côté plateforme.

Où le sentiment Kustomer montre-t-il ses limites ?

La fonctionnalité fait ce que dit sa documentation. Les lacunes se trouvent dans ce que le chiffre peut et ne peut pas porter.

  • L'historique importé n'a pas de sentiment. Les messages apportés d'un ancien helpdesk ne sont pas notés, donc les rapports de tendance commencent le jour où vous avez activé l'app Intelligence.
  • Un chiffre par message. Un message qui dit « le produit est excellent mais votre transporteur est une catastrophe » reçoit une seule polarité. Si vous devez savoir de quoi le client était mécontent, c'est un travail pour un Classifier ou un Extractor, la même scission dans laquelle tombe l'analyse de sentiment Freshdesk.
  • Le chiffre de conversation est ambigu. Comme vu plus haut, deux documents le décrivent de deux façons, et une moyenne masque un tournant tardif vers le pire.
  • Les messages sortants ne sont pas notés. Il lit les clients, pas les agents. Le ton de vos réponses, c'est le travail de l'AI QA.
  • Il ne dit pas pourquoi. Le score intégré est une polarité et une confiance. Un Conversation Intelligence Score ajoute une justification, qui vaut les 0,02 $ quand un agent doit faire confiance à l'alerte.

Le serveur MCP de Kustomer renvoie le sentiment avec les détails d'une conversation, donc un outil IA externe peut aussi le lire. C'est utile si votre équipe interroge déjà un assistant sur les escalades, même si c'est toujours le même chiffre.

Où eesel trouve-t-il sa place ?

eesel convient à une équipe qui envisage de quitter Kustomer, ou à une équipe qui fait tourner un second helpdesk à côté. eesel est un AI teammate qui rejoint les outils qu'une équipe utilise déjà ; côté support, il travaille dans la file du helpdesk, apprend des tickets passés et est testé contre eux avant de répondre. Plutôt qu'un score de sentiment sur lequel vous construisez ensuite des règles, il lit tout le fil et suit une instruction simple comme « si le client a écrit trois fois sur la même commande ou demande un manager, taguez-le urgent et assignez-le au groupe d'escalades ». Sur Zendesk et Gorgias, la doc Zendesk d'eesel liste taguer, assigner et mettre à jour des champs comme la priorité parmi ses actions.

Rúngne, une marque de vêtements d'escalade sur Gorgias, fait tourner un agent de brouillon qui lit d'abord tout le fil, à la recherche d'une promesse déjà faite par un coéquipier, d'un retour en cours, ou d'un client frustré, et un agent de triage qui tague chaque nouveau ticket sur lequel il tourne, y compris une étiquette human_review_required. Les annulations, les articles endommagés et quiconque demande un humain partent vers l'équipe.

eesel n'a pas d'intégration Kustomer : Kustomer n'est pas dans la doc helpdesks d'eesel, donc je ne peux pas vous dire de le connecter à votre workspace Kustomer. Si vous restez sur Kustomer, mon conseil est la configuration ci-dessus : activez l'app Intelligence, vérifiez ce qu'est vraiment votre chiffre de conversation, et payez les 0,02 $ pour un Score là où vous devez agir sur la direction.

Essayez eesel à côté de votre configuration Kustomer

Si vous comparez des helpdesks en partie sur la façon dont ils gèrent les clients mécontents, essayez eesel sur un essai de Zendesk, Freshdesk, Gorgias ou Help Scout. Écrivez votre règle d'escalade en mots simples, faites-la tourner sur une semaine de tickets passés, et lisez lesquels elle aurait signalés et pourquoi. Ce qu'eesel fait seul et ce qui attend le oui d'une personne est réglé par action dans actions and approvals, donc il peut commencer par taguer et laisser une note avant de jamais réassigner quoi que ce soit.

Le dashboard helpdesk d'eesel montrant un aperçu de l'activité de l'agent IA sur les canaux de support connectés
Chaque tag, note et réponse faits par eesel, au même endroit.

Essayez eesel d'abord sur votre règle d'escalade, ou comparez des options dans best AI for Kustomer.

Questions fréquentes

Kustomer a-t-il une analyse de sentiment ?
Oui. Une fois l'app Intelligence installée et Detect language automatically cochée, Kustomer note le sentiment de chaque message entrant qui contient du texte et n'a pas été importé, et l'affiche dans une carte sentiment insight. Kustomer AI couvre ses autres fonctions IA.
Comment Kustomer calcule-t-il un score de sentiment ?
Chaque message reçoit une polarité de -1 (négatif) à +1 (positif) et une confiance de 0 à 100. Le centre d'aide de Kustomer indique que le sentiment tourne sur de grands modèles de langage hébergés sur AWS Bedrock, avec Amazon Comprehend en secours. AI sentiment analysis for support explique comment ces modèles lisent le ton.
Le sentiment d'une conversation Kustomer est-il une moyenne ?
L'article Sentiment scores de Kustomer dit que le sentiment de conversation et de client sont des moyennes de tous les scores de message, tandis que ses références d'export de données décrivent ces mêmes champs comme le sentiment du dernier message entrant. Vérifiez quelques conversations réelles avant de construire une alerte dessus. Measuring customer sentiment couvre ce compromis.
Quels plans Kustomer incluent l'analyse de sentiment ?
La page pricing details de Kustomer liste Sentiment Tracking et Segmentation by Sentiment sur Enterprise et Ultimate. Les anciens plans par siège, Professional et Business, incluent Sentiment Tracking mais pas Segmentation by Sentiment. Kustomer pricing détaille les plans.
Puis-je router ou escalader des conversations Kustomer par sentiment ?
Oui, via des workflows. Pour un signal pensé pour l'escalade, Conversation Intelligence de Kustomer vous laisse créer un attribut IA Score ou Classifier et déclencher un workflow quand il franchit un seuil, à 0,02 $ par exécution. Kustomer conversation routing couvre le côté routage.
Combien coûte Kustomer Conversation Intelligence ?
Le tarif à l'usage de Kustomer est de 0,02 $ par exécution de Conversation Intelligence, soit 50 exécutions par crédit d'usage. Un attribut peut avoir jusqu'à 3 déclencheurs et chaque déclencheur crée une exécution, donc 8 000 conversations avec un déclencheur qui se déclenche une fois chacune, c'est environ 160 $ par mois. Best AI for Kustomer compare d'autres options.
Le sentiment est-il la même chose que le CSAT dans Kustomer ?
Non. Le sentiment est la lecture d'un modèle sur les mots du client, tandis que le CSAT est une note que le client soumet lui-même. Kustomer appelle lui-même un score de satisfaction déduit par IA un proxy de satisfaction, pas une note du client. AI CSAT couvre comment les équipes utilisent les deux.

Share this article