E-commerce
28 juin 2026
« Où est ma commande ? » Trois agents, trois formulations, trois policies retour différentes. Le client rouvre le ticket. Le CSAT chute. Ce n'est pas un problème de motivation : c'est l'absence de base de réponses support centralisée, versionnée et maintenue.
Les scripts SAV ponctuels (#templates) accélèrent l'envoi ; ils ne remplacent pas une source de vérité interne. Ecommerce Circle observe qu'une bibliothèque de 25 macros bien tenues peut réduire le temps de réponse de 60 à 80 % (Ecommerce Circle, macro library 2026).
Ce guide #102 couvre structure REP, taxonomie, mining tickets, gouvernance et sync bot. Angle distinct : ops interne et qualité réponse, prérequis avant entraînement bot (#103).
Sommaire
En quoi une base de réponses diffère-t-elle des scripts SAV et des macros ?
Clarifier les rôles de la base réponses support e-commerce évite trois vérités divergentes dans votre helpdesk.
Comparatif opérationnel
Base interne REP-* : source de vérité, policy complète, escalades, exceptions.
Macros Gorgias : raccourcis d'envoi dérivés de la base, variables Shopify.
Scripts SAV : formulations situationnelles ponctuelles, pas de gouvernance centralisée.
Help center public : version client simplifiée, self-service.
Guidance bot : extrait validé, pas les macros brutes depuis 2026.
Gorgias précise que les macros ne servent plus de source de connaissance pour l'AI Agent : le contenu utile doit migrer vers articles help center ou entrées guidance (Gorgias, update AI Agent 2026). La base REP devient donc le pivot entre agents humains, macros et bot.
Distinct de templates support SAV et de helpdesk vs chatbot vs KB. Voir aussi stratégie support (#25).
Pourquoi investir maintenant
Ticket reopen rate cible : sous 5 % ; au-delà de 10 %, signal qualité systémique (ScreenMeet, métriques help desk 2026). Réponses incohérentes = tickets rouverts, chargebacks, onboarding agent lent. À partir de 3 agents, une base Notion ou Guru n'est plus un luxe.
Quelle structure donner à chaque fiche réponse ?
Chaque entrée de la bibliothèque réponses SAV suit un template identique pour que tout agent trouve la même information en dix secondes.
Champs obligatoires
ID : REP-SHIP-001 (catégorie + numéro séquentiel).
Titre agent : « WISMO commande en transit » (pas la question client).
Formulations client : « colis pas arrivé », « suivi bloqué », « où en est ma commande ».
Réponse courte : chat, 2-4 phrases max.
Réponse longue : email, contexte + prochaine étape.
Variables : {{order_number}}, {{tracking_url}}, {{customer_first_name}}.
Policy liée : lien page retour officielle Shopify.
Escalade : critères supervisor (VIP, montant > 300 €, plainte publique).
Tags Gorgias : wismo, tier1, shipping.
Owner + dernière revue : nom, date, statut draft / published / deprecated.
Exemple concret REP-RET-003
Question : « 35 jours après livraison, puis-je retourner ? » Réponse courte : policy 30 j + lien portail. Longue : exception manager si < 45 j et client fidèle. Escalade : VIP ou LTV > 500 €. Arbre décision en tête de fiche si/alors avant le texte client. Référence SLA : grille SLA (#101).
Règle CaseKit
Macro + personnalisation 5-10 s avant envoi : l'agent lit le ticket, choisit la fiche, ajuste une ligne contextuelle (CaseKit, macros vs AI 2026).
Comment organiser la taxonomie par catégories ?
Une taxonomie support e-commerce alignée sur vos tags Gorgias évite les doublons et les angles morts.
Dix catégories niveau 1
Pré-achat (stock, taille, compatibilité).
Commande et paiement.
Livraison et WISMO.
Réception et qualité produit.
Retours, échanges, remboursements.
Compte client et données RGPD.
Promotions et codes.
B2B / wholesale.
Abonnement récurrent.
Litiges, chargebacks, fraude.
CGV et droits consommateur (voir tickets CGV #301).
Priorisation build
Export tags 90 j : top 20 % des catégories = 80 % du volume. Commencez par WISMO, retour, délai livraison, paiement refusé. Hero products : fiches REP-PRE dédiées si questions SKU spécifiques. Convention ID : REP-[CAT]-[NUM] avec CAT = SHIP, RET, PAY, PRE, ACC, B2B, SUB, FRA.
Voir tagging conversations, produits générant tickets, questions compatibilité. Fiches saisonnières REP-BFCM-* archivées en janvier : préparation BFCM.
Quels standards rédactionnels imposer à l'équipe ?
Des standards réponse support homogènes protègent la marque et réduisent les réouvertures.
Règles rédaction DTC
Structure : accusé empathique → réponse factuelle → action concrète → prochaine étape.
Longueur chat : 4 phrases max ; email : 150 mots hors signature.
Policy en clair : « Retour sous 30 j en état neuf » plutôt que « conformément à notre policy ».
Variables testées : jamais de {{placeholder}} vide en production.
Interdits : promesse hors policy, blame client, emoji si marque premium.
Bon vs mauvais
Mauvais : « Retours non acceptés. » Bon : « Notre délai retour est de 30 jours post-livraison. Voici le portail : [lien]. » Personnalisation obligatoire : prénom, produit, numéro commande si disponible dans Shopify sidebar.
Revue avant publication
Policy à jour ? Variables testées sur ticket réel ? Escalade documentée ? Relecture par un second agent ? Sujets sensibles (allergie, réclamation santé) : fiche REP-ESC-001 escalade immédiate. Voir plaintes et fidélisation (#94), mesurer qualité réponses.
Quel outil héberger pour une boutique Shopify ?
Le choix de l'outil base réponses support dépend de la taille équipe et de la stack existante.
Options par stade
Notion : MVP 1-8 agents, wiki searchable, permissions draft/published.
Gorgias Help Center noindex : KB interne agents, meta robots noindex (Gorgias, KB interne).
Guru : cards + extension navigateur, Slack, 10+ agents.
Confluence : versioning enterprise, 20+ agents multi-marques.
Critères décision
Recherche < 15 s (test mystery agent). Extension ticket Gorgias pour insert macro. Historique versions. API export pour sync bot. MVP 48 h : Notion + 20 fiches top tickets + 20 macros liées par ID REP.
Macros Gorgias : bundle actions (réponse + tags + statut), pas texte seul (eesel AI, macros 2026). Nommage : `[SHIP] WISMO transit` plutôt que « Réponse 3 ». Voir structure knowledge base, intégration Shopify.
Comment construire la base à partir de vos tickets ?
Le mining tickets support transforme 500 conversations résolues en fiches actionnables.
Process en six étapes
Export Gorgias 90 j : tickets clos, tags, CSAT.
Cluster par tag ou intent (top 30 groupes).
Sélectionner meilleure réponse agent : CSAT 5/5, pas de reopen.
Tag interne `gold_reply` sur tickets exemplaires.
Normaliser en template REP (section 2).
Gap analysis : clusters sans bonne réponse → rédaction new.
Signaux à exploiter
Tickets CSAT 1-2 : fiche manquante ou obsolète. Bot unresolved export : nouvelles intents candidates. Lancement SKU hero : 3 fiches REP-PRE avant ads live. Mining objections pré-achat pour section conversion.
Draft IA depuis gold ticket : édition humaine obligatoire avant publish. Voir analytics conversations, détecter objections, conversations → PDP.
Comment maintenir et versionner les fiches sans obsolescence ?
Une base réponses sans maintenance devient fausse en 90 jours après promo, changement carrier ou update policy retour.
Calendrier opérationnel
Hebdo : revue 5 fiches top volume.
Mensuel : 30 min audit macros (Ecommerce Circle) : archiver < 5 usages/30 j.
Trimestriel : gap workshop 2 h, fusion doublons, deprecated cleanup.
Post-launch : fiches dédiées sous 48 h (SKU, promo BFCM).
Workflow changement policy
Policy update (ex : retour 30 → 45 j).
Owner liste fiches REP-RET-* impactées.
Draft v2, review head support.
Publish base → update macros → guidance bot → help center public.
Slack #support-kb-updates : changelog 3 lignes.
Statut deprecated avec redirect vers nouvelle fiche, jamais suppression brutale. Article obsolète coûte plus qu'absence d'article : reopen rate et litiges. Promo codes : sync REP-PROMO même heure que email marketing. Voir codes promo support.
Comment faire adopter la base par les agents ?
La gouvernance base réponses transforme un wiki passif en outil quotidien de l'équipe.
Rôles clairs
Knowledge manager : calendrier revue, template, métriques adoption.
Category owners : rédaction REP-SHIP, REP-RET, etc.
QA lead : sample 5 % tickets vs fiche utilisée.
Agents : bouton suggest edit, flag outdated.
Onboarding J+1 à J+5
Jour 1 : lire 10 fiches top volume. Jour 2 : shadow + macros liées. Jour 3 : quiz 10 scénarios (80 % requis avant solo queue). Semaine 2 : feedback QA sur 5 tickets. Part-time 2 j/sem : base searchable = productivité immédiate.
Métriques adoption
Macro usage rate cible > 70 % tier 1. Custom reply rate trop élevé = base insuffisante. Macro edit rate élevé sur une fiche = mettre à jour le template avec les améliorations agents. FCR cible 70 %+ réduit reopen sous 5 % (Alexander Jarvis, reopen rate). Voir playbook support DTC, erreurs automatisation.
Comment synchroniser base interne, bot et help center ?
La sync base réponses bot help center évite que le client lise une policy et que l'agent en applique une autre.
Pyramide contenu
Sommet : base interne REP master, exceptions et escalades.
Milieu : macros Gorgias + guidance bot (100 entrées max Gorgias 2026).
Base : help center public, paragraphe simplifié extrait REP.
Workflow publish unique
Fiche REP published → export paragraphe client-safe → sync intent bot tier 0 → macro Gorgias avec même ID. Un seul publish gate (head support) évite triple édition. Différences autorisées : bot plus court, interne plus exceptions. Policy core identique partout.
Avant entraînement bot : 50 fiches published, zero draft en production. Macros contenant info utile : convertir en guidance, pas laisser en macro seule (Gorgias update 2026). PDP accordion = extrait REP-PRE simplifié.
Voir nettoyer données avant bot (#103), entraîner chatbot Shopify, FAQ réduire tickets, self-service (#28).
Comment gérer multilingue et variantes par segment ?
Étendre la base réponses multilingue sans chaos de versions demande discipline ID unique.
Approche master + traductions
Master FR : REP-SHIP-001 source.
Variantes langue : REP-SHIP-001-EN, même contenu policy.
Policy marché : fork REP-RET-003-EU vs REP-RET-003-UK si délais diffèrent.
Deprecated sync : statut identique toutes langues.
Variantes segment
Champ `vip_variant` : geste commercial documenté. B2B : renvoi account manager. Marketplace : règles plateforme. Dropshipping delay : subset REP-DROP. Digital : REP-DIGI accès et licence.
Export international : top 30 fiches traduites en priorité. Voir support international (#100), escalade VIP, dropshipping (#96), support digital (#95), chargebacks.
Comment Qstomy s'appuie-t-il sur votre base de réponses ?
Qstomy consomme votre base réponses validée pour aligner bot et agents sur la même policy, connecté à Shopify.
Capacités clés
Import KB : Notion, Gorgias help center, CSV fiches REP.
Intent mapping : formulation client → ID fiche.
Variantes canal : courte chat, longue email si escalade.
Variables Shopify : order, tracking, prénom injectés.
Gap report : questions sans fiche → backlog REP.
Webhook publish : update fiche → re-sync guidance.
Scénario DTC chiffré
Marque cosmétique 120 cmd/j, 4 agents, 85 tickets/j, macro usage 34 %, reopen rate 14 %, CSAT 3,8.
Migration : 65 fiches REP depuis mining tickets, sync Qstomy + 40 macros ID-liées. Résultat 10 semaines : macro usage 34 % → 76 %, reopen rate 14 % → 4,2 %, median handle time −38 %, bot tier 0 couvre 48 intents sur 65 fiches, CSAT 3,8 → 4,3. Head support : 6 h/mois maintenance vs 18 h rework avant base.
Explorez support IA, réduire tickets IA, KPI chatbot, demander une démo.
Quels playbooks opérationnels lancer cette semaine ?
Playbook 1 : template REP + 10 fiches top tags
Créez le template section 2 dans Notion. Exportez top 10 tags Gorgias 90 j. Rédigez REP-SHIP-001 WISMO, REP-RET-001 retour standard, REP-PAY-001 paiement refusé en priorité.
Playbook 2 : linkage macro ↔ fiche
Pour chaque fiche published, créez macro Gorgias `[CAT] Titre` avec variables Shopify. Test : agent mystery résout ticket WISMO en < 60 s avec macro seule + 1 ligne perso.
Playbook 3 : mining gold_reply
Taguez 20 tickets CSAT 5/5. Extrayez 5 nouvelles fiches cette semaine. Comparez formulation agent vs fiche : gap = update template.
Playbook 4 : migration guidance bot
Listez macros contenant policy (retour, délai, remboursement). Convertissez en entrées guidance Gorgias ou articles help center noindex. Vérifiez AI Agent ne cite plus d'ancienne macro obsolète.
Playbook 5 : revue mensuelle 30 min
Archiver macros < 5 usages/30 j. Mettre à jour 3 fiches les plus éditées par agents avant envoi. Publier changelog Slack. Mesurer macro usage rate et reopen rate semaine suivante.
Maillage utile
Une base vivante vaut plus que cent macros figées : documentez une fois, réutilisez partout, mesurez chaque mois.
Enzo
28 juin 2026
