E-commerce
1 juillet 2026
Vous passez de 80 à 400 tickets par mois, vous embauchez un agent, vous lancez une campagne Meta x3. Trois semaines plus tard : réponses contradictoires, macros obsolètes, bot qui promet une policy retour changée, fondateur encore sur 15 tickets/jour.
Le goulot n'est pas le volume. C'est l'absence de réponses documentées et priorisées avant de scaler le support e-commerce.
Ce guide #400 couvre framework DOC-SCALE, matrice priorisation, tiers documentaires et pipeline mining → fiche REP. Il complète le playbook DTC (#118) et la base REP (#102) : ici, quoi documenter en premier avant embauche, paid scale ou international, pas la structure complète du playbook.
Sommaire
Pourquoi documenter avant de scaler plutôt qu'après ?
Scaler le support sans documentation préalable multiplie le coût de chaque ticket et ralentit l'onboarding de 3 semaines à 3 jours utiles.
Cinq symptômes scale sans doc
Variance CSAT : écart 0,8 pt entre agents sur même intent
Founder bottleneck : escalade systématique sur retour/remboursement
Bot hallucination : corpus obsolète ou absent
BPO incohérent : externalisation sans playbook light
Reopen rate : > 12 % sur WISMO et retours
Gorgias estime qu'un agent frontline atteint l'autonomie en 2-3 semaines avec documentation structurée vs 6+ sans (Gorgias, formation 2026). Decagon rappelle que 94 % des interactions low-effort mènent au rachat (Decagon, playbook 2026).
Angle #400 vs contenus voisins
Playbook #118 : 10 modules organisation scale. Le #400 = priorisation documentaire avant d'écrire le playbook complet.
Base REP #102 : structure fiches et taxonomie. Le #400 = quelles fiches créer en premier selon stade.
Formation #299 : onboarding cas réels. Le #400 = prérequis doc avant curriculum.
Prep paid #112 : staffing avant ads. Le #400 = contenu à documenter avant le pic volume.
SEO shipping #399 : contenus publics livraison. Le #400 = base interne agents et bot.
Exemple DTC
Marque skincare, 180 tickets/mois, embauche agent J+0 sans doc. Après DOC-SCALE Tier 1 (20 fiches, 5 j) : onboarding 18 j → 6 j, ticket_reopen_rate -41 %, founder_escalation -68 %.
Coût scale sans doc
US Tech Automations estime 30 % déflexion atteignable en 60 j avec self-service et macros structurées. Sans Tier 1, déflexion reste sous 10 %.
En quoi DOC-SCALE diffère-t-il du playbook et de la base REP ?
Trois livrables support, trois moments du scale.
Matrice livrable → moment
DOC-SCALE (#400) : priorisation, tiers, roadmap 30-60 j avant scale trigger
Base REP (#102) : fiches réponses exécutables agents + macros
Playbook #118 : orga, SLA, rituels, modules pics
Triggers scale documentaire
T1 Première recrue : Tier 1 DOC-SCALE obligatoire
T2 300+ tickets/mois : Tier 2 + playbook core
T3 Paid x2 budget : Tier 2 refresh + macros peak
T4 BPO ou 2e pays : Tier 3 + playbook BPO-light
T5 Bot IA go-live : corpus sync fiches Tier 1-2
Ordre recommandé
DOC-SCALE audit → Tier 1 fiches REP → macros Gorgias → bot corpus → playbook module 2 policies. Ne pas écrire 60 pages playbook avant 20 fiches top volume.
Promesse #400
Framework priorisation, 40 réponses tierées, pipeline mining, checklist pré-scale, KPI doc_readiness.
Quelles réponses classer en Tier 1, 2 et 3 ?
Le modèle tiers DOC-SCALE priorise documentation par impact volume, risque et onboarding.
Tier 1 : avant première recrue (20 fiches max)
Documenter sous 5 j ouvrés. Sans Tier 1, ne pas ouvrir la queue solo agent.
WISMO standard + tracking lien
Délai livraison France + international top pays
Retour : portail, délai, frais, exceptions
Remboursement : délai processor, statut pending
Annulation commande non expédiée
Modification adresse pré-ship
Code promo : cumul, exclusion, invalide
Défaut produit : photo, remplacement, refund
Guide taille / compatibilité hero SKU
Escalade supervisor : critères montant, VIP, chargeback
Tier 2 : avant 300 tickets/mois ou paid x2 (25 fiches)
Express shipping cut-off (#338)
Split shipment, colis manquant (#356)
Tracking erreur stale (#397)
Échange taille (#364)
Abonnement pause/cancel (#subscription)
Partial refund, geste commercial
RGPD accès/suppression (#383)
B2B/wholesale redirect (#333)
Tier 3 : avant BPO, international, bot avancé (15+ fiches)
Retours internationaux (#INT-RET)
Douanes et duties (#65)
Assurance livraison (#361)
Chargeback evidence pack
VIP escalation (#VIP)
Module BFCM macros (#32)
Règle 80/20
Export tags 90 j : Tier 1 couvre 65-75 % volume. Tier 2 monte à 90 %. Tier 3 = long tail et risque légal.
Vertical food/beauty Tier 1 add
REP-INGredient allergènes, REP-PERishable délai si applicable. Ajouter 2-3 fiches vertical avant hire.
Comment scorer la priorité documentaire DOC-PRI ?
La matrice DOC-PRI score chaque intent avant rédaction fiche REP.
Quatre axes de score (1-5 chacun)
Volume : tickets/mois sur intent
Risque : chargeback, legal, marge, avis public
Variance : écart réponses agents actuelles
Bot gap : unmatched ou faible confiance IA
Formule priorité
DOC-PRI score = (Volume x 2) + (Risque x 3) + (Variance x 2) + Bot_gap. Score > 25 = Tier 1 immédiat. 18-25 = Tier 2 sous 30 j. < 18 = Tier 3 ou backlog.
Exemple scoring
Retour J+35 : Volume 4, Risque 4 (litige), Variance 5 (agents divergent), Bot 3. Score = 8+12+10+3 = 33 → Tier 1 même si volume modéré.
Revue trimestrielle
Recalculer scores post-lancement SKU, post-BFCM, post-Markets. Nouveau hero product = 3 fiches REP-PRE avant ads.
Alignement tagging
Tags Gorgias = intents DOC-PRI. Sans tags, mining impossible. Voir tagging conversations.
Quel pipeline DOC-FLOW en huit étapes ?
Le framework DOC-FLOW transforme ticket récurrent en fiche publiée.
Huit étapes DF-1 à DF-8
DF-1 Export : tickets 90 j, tags, CSAT, agent, reopen
DF-2 Cluster : regrouper verbatims → intent
DF-3 Scorer : matrice DOC-PRI, assigner tier
DF-4 Gold pick : meilleure réponse CSAT 5, FCR, QA OK
DF-5 Rédiger fiche REP : template #102, policy link, escalade
DF-6 Valider : ops + legal si risque, head support approve
DF-7 Publier : Notion/Gorgias KB + macro + bot guidance
DF-8 Mesurer : reopen rate intent, macro usage 30 j
SLA DF par tier
Tier 1 : DF-5 à DF-7 sous 5 j ouvrés par fiche
Tier 2 : sous 15 j ouvrés
Tier 3 : sous 30 j ou backlog sprint trimestriel
Sprint pré-recrue
Semaine -2 avant J1 agent : DF-1 à DF-7 sur 20 fiches Tier 1. Semaine J1 : quiz 10 scénarios depuis fiches. Pas shadow sans fiches core.
Owner DOC-FLOW
Knowledge manager ou founder jusqu'à head support. 1 session 2 h/semaine mining + rédaction jusqu'à doc_readiness > 85 %.
Template sprint hebdo
Lundi DF-1 export. Mercredi DF-5 rédaction 5 fiches. Vendredi DF-6 validation + DF-7 publish.
Que doit contenir chaque fiche avant scale ?
Une fiche REP pré-scale minimaliste suffit pour Tier 1. Enrichir Tier 2+ selon template #102 complet.
Champs minimum Tier 1 (MVP fiche)
ID REP : REP-SHIP-001
Question client : 3-5 formulations verbatim
Réponse courte : chat 4 phrases max
Réponse email : 120 mots max
Policy source : lien page officielle
Escalade : 2 critères supervisor
Macro Gorgias : ID lié
Interdit : ce que l'agent ne promet jamais
Champs additionnels Tier 2
Arbre décision si/alors, edge cases 3, reroute intent, bot guidance excerpt, KPI reopen cible intent.
Gold reply mining
DF-4 : filtrer CSAT ≥ 4, reopen 0, agent top performer. Anonymiser, normaliser ton marque. Aligner promesse marque (#297).
Validation ops obligatoire
REP-SHIP, REP-RET, REP-REF : ops confirme chiffres avant DF-7. REP-PROMO : marketing valide cumul codes.
Comment synchroniser doc, bot et help center avant scale ?
La sync documentation scale évite trois vérités : agents, bot, site public.
Ordre publication DF-7
Fiche REP interne Notion/KB (source vérité)
Macro Gorgias dérivée
Bot guidance / corpus Qstomy
Help center public si self-service (#378 RET-HELP pattern)
SEO shipping #399 si intent pré-achat volume
Bot corpus minimum pre-scale
Tier 1 fiches → 20 guidance entries bot. Pas go-live bot sans Tier 1 sync. Voir clean FAQ bot (#103).
Help center vs interne
Interne = escalades, gestes, exceptions. Public = policy client simplifiée. Ne pas exposer grille geste commercial en public.
Changelog scale
Slack #support-kb-updates : « REP-RET-003 v2 : délai 30→45 j. Macros + bot sync 14 h. » Agents quiz si policy change majeure.
BPO-light pack
Avant BPO : export PDF Tier 1+2, interdit exceptions, macros only. QA 10 % tickets BPO première month.
Quelles réponses documenter par trigger de scale ?
Chaque trigger scale DTC active un pack documentaire DOC-SCALE distinct.
Pack PRE-HIRE (Tier 1 complet)
20 fiches, 20 macros, quiz onboarding, shadow checklist #299. Délai : 10 j avant J1 agent.
Pack PRE-PAID (Tier 2 refresh)
Audit macros promo, stock OOS, délais peak. Aligner prep paid (#112). 3 fiches REP-PROMO + REP-STOCK avant budget x2.
Pack PRE-BFCM
Macros BFCM-*, délais allongés, retour extension fêtes. Module playbook #118 toggle. Voir BFCM sans surstaff (#plan).
Pack PRE-MARKETS
Fiches REP par top 3 pays, devise (#393), douanes (#65), retours intl. Suffix macros _US _UK _EU.
Pack PRE-BOT
Tier 1+2 published, unmatched review 30 j résolu, handoff template, limites bot documentées (#limites bot).
Calendrier annuel
Janvier : audit Tier 2. Mars : prep spring launch. Juin : Markets review. Septembre : BFCM pack. Octobre : gift deadline shipping #399.
Pack PRE-LAUNCH SKU
Hero product ads : 3 fiches REP-PRE compatibilité, taille, care avant spend. Aligner launch plan (#114).
Quels KPI doc_readiness mesurer avant scale ?
Les KPI documentation support pré-scale objectivent la readiness embauche et automation.
Huit métriques clés
doc_readiness_score : % Tier 1 intents avec fiche published
tier1_coverage_volume : % tickets couverts par fiche Tier 1
macro_usage_rate : % tickets tier 1 avec macro liée
ticket_reopen_rate : par intent, cible < 8 %
founder_escalation_rate : % tickets escaladés founder
onboarding_days_to_solo : jours avant queue solo agent
doc_freshness : % fiches revues < 90 j
bot_corpus_sync_lag : jours entre REP update et bot guidance
Seuils go/no-go scale
Embauche agent : doc_readiness ≥ 85 %, tier1_coverage ≥ 65 %
Bot go-live : Tier 1+2 sync, bot_corpus_lag < 7 j
BPO start : Tier 1+2 published, QA process doc
Paid x2 : REP-PROMO + REP-STOCK refresh < 14 j
Benchmark DTC
doc_readiness 85-95 % pre-hire, onboarding_days 5-8 vs 15-21 sans doc, founder_escalation -50-70 % post Tier 1.
Dashboard mensuel
Top 10 intents sans fiche, DOC-PRI backlog, reopen par intent, macro edit rate signal fiche à mettre à jour.
Variance CSAT signal
Écart CSAT > 0,5 pt entre agents sur intent = flag DOC-PRI Variance 5 automatique.
Quels anti-patterns éviter avant de scaler ?
Dix anti-patterns documentation pré-scale à éviter.
1. Playbook 60 pages avant 5 fiches WISMO
Over-engineering. Tier 1 d'abord.
2. Macros sans fiche REP source
Macro zombie, personne ne sait la policy derrière.
3. Bot live sur macros obsolètes
Gorgias 2026 : macros ≠ knowledge bot. Guidance depuis fiches.
4. Documenter post-achat tracking en Tier 1 pré-hire
Prioriser WISMO standard, pas track_err #397 en Tier 1 sauf volume élevé.
5. Ignorer variance agents comme signal
High variance intent = priorité DOC-PRI même volume faible.
6. Pas de validation ops sur chiffres livraison
Fiche REP-SHIP avec mauvais délai = reopen + avis négatifs.
7. BPO sans Tier 1+2
Externaliser le chaos multiplie les coûts.
8. Fiches sans champ Interdit
Agents promettent refund FX, reship, exception non policy.
9. Skip quiz onboarding
Agent solo sans 80 % quiz Tier 1 = variance immédiate.
10. Doc once never update
doc_freshness < 70 % = doc_readiness fictif.
Comment Qstomy accélère la documentation pré-scale ?
Qstomy sur Shopify : mining unmatched intents, export top questions pour DOC-PRI, sync fiches Tier 1 → bot guidance, gaps report alimente backlog DF-3.
Capacités doc scale Qstomy
doc_intent_aggregate : volume chat + handoff par intent
doc_unmatched_export : top 20 sans fiche REP
doc_gold_suggest : transcripts CSAT 5 candidats DF-4
doc_corpus_sync : REP publish → guidance auto
doc_readiness_dashboard : tier coverage live
Boucle Qstomy + DOC-FLOW
Unmatched bot → DOC-PRI score → DF-5 fiche → corpus sync → baisse unmatched. Complète playbook #118 module 7 bot governance.
Scénario DTC chiffré
Skincare 180 tickets/mois, embauche imminente, 12 % unmatched bot.
Après DOC-SCALE Tier 1 + Qstomy sync : doc_readiness 92 %, unmatched -78 %, onboarding_days 6, founder_escalation -71 %.
Explorez support client et demander une démo.
Quelle checklist DOC-SCALE avant scale ?
Checklist DOC-SCALE (12 étapes)
Identifier trigger scale (hire, paid, BFCM, Markets, bot)
Export tickets 90 j + tags (DF-1)
Cluster intents + scorer DOC-PRI (DF-2, DF-3)
Lister Tier 1 gaps vs fiches existantes
Sprint rédaction 20 fiches Tier 1 MVP (DF-5)
Valider ops/legal chiffres critiques (DF-6)
Publier Notion + 20 macros Gorgias (DF-7)
Quiz onboarding 10 scénarios Tier 1
Mesurer doc_readiness ≥ 85 % (DF-8)
Sync bot corpus si automation prévue
Planifier Tier 2 sprint 30 j
Intégrer rituel hebdo mining dans playbook #118
En bref
#400 = prioriser quoi documenter, pas playbook complet (#118)
Tiers 1/2/3 : 20 + 25 + 15 fiches selon trigger scale
DOC-PRI : volume, risque, variance, bot gap
DOC-FLOW : mining → fiche → macro → bot → mesure
Go hire : doc_readiness ≥ 85 %, tier1_coverage ≥ 65 %
FAQ
Différence avec #102 base REP ?
#102 structure et maintient les fiches. #400 dit lesquelles créer en premier et quand.
Combien de temps avant embauche ?
10 j ouvrés sprint Tier 1 (20 fiches MVP). Minimum 5 j si volume faible et tags propres.
Founder solo, par où commencer ?
10 fiches top volume : WISMO, retour, délai, refund, annulation, promo, défaut, taille, escalade, adresse.
Relation bot #103 ?
Tier 1+2 published avant bot go-live. Corpus = fiches REP, pas macros brutes.
Relation SEO #399 ?
#399 = contenus publics shipping. #400 = base interne agents. Complémentaires, sync chiffres.
Aller plus loin
Cette semaine : exportez 90 j de tickets, scorez top 10 intents DOC-PRI, listez gaps Tier 1, planifiez sprint 5 fiches par semaine jusqu'à doc_readiness 85 %.
Partagez ce guide #400 avec fondateur et futur head support : scaler le SAV sans documenter, c'est scaler le chaos.
Enzo
1 juillet 2026
