E-commerce
29 juin 2026
Vendredi 17 h, le dashboard affiche un CSAT stable à 4,1 et un volume ticket en baisse. Lundi, trois clients tweetent la même confusion sur les délais de retour. Les chiffres agrégés n'avaient pas menti : ils avaient simplement masqué un pattern qualitatif visible dans les transcripts, pas dans les moyennes.
Lorikeet rappelle que l'audit manuel classique ne couvre que 1 à 3 % des tickets : la plupart des problèmes de qualité restent invisibles jusqu'à l'explosion (Lorikeet, QA volume 2026). Supp estime qu'un scoring IA sur 100 % des fils, couplé à une revue humaine ciblée, change la donne pour le même budget (Supp, QA IA 2026).
Ce guide #259 traite l'audit mensuel des conversations clients : un rituel qualitatif de 2 h, distinct des dashboards continus. Complète analytics conversations avec la voix client lue en profondeur.
Summary
Pourquoi un rituel mensuel plutôt qu'un dashboard seul ?
Un audit mensuel conversations ne remplace pas vos KPI. Il lit entre les lignes ce que la moyenne CSAT efface.
Ce que le dashboard montre
Volume, FRT, CSAT global, déflexion bot
Tendances par canal et par tag macro
Alertes seuil (pic WISMO, baisse CSAT)
Ce que seul l'audit révèle
Formulations récurrentes non taguées (« c'est flou sur le site »)
Écarts ton marque vs policy (promesse non autorisée)
Friction bot → humain mal documentée
Signaux produit : même SKU cité 8× sans tag dédié
Verbatims exploitables marketing et merchandising
SupportBench fixe l'IQS (Internal Quality Score) industrie autour de 88 % : l'audit mensuel vérifie que vos conversations y contribuent, pas seulement vos macros (SupportBench, scorecard QA 2026).
Exemple DTC mode
Marque 1 400 tickets/mois, CSAT 4,2 stable. Audit M-3 : 12 fils mentionnent « guide taille illisible mobile » sans tag sizing. Fix PDP + macro bot taille. Tickets retour taille M+1 : −19 %, CSAT segment retour +0,4 pt.
En quoi diffère-t-il des guides mesure voisins ?
Cinq contenus mesure, cinq rythmes et profondeurs différents.
Analytics conversations
Analytics conversations : taxonomie, collecte continue, KPI volume par intent. Le #259 : lecture qualitative mensuelle sur échantillon stratifié.
Audit bot hebdo (#143)
Audit bot (#143) : grille exactitude bot, session 60 min/semaine. Le #259 : tous canaux (bot + humain + social), voix client globale. Pour le rituel ops 45 min entre deux audits : revue QA hebdo (#277). Rapport irritants : friction hebdo (#281).
Qualité réponses (#116)
Qualité (#116) : KPI précision et FCR continus. Le #259 alimente #116 avec causes racines taguées.
Insights produit (#33)
Insights produit : mining verbatims vers catalogue. Le #259 : cadence rituelle + owners cross-équipe.
Tags bot historique (#258)
Bot historique (#258) : tags history_exposed à auditer. Le #259 intègre ces tags dans l'échantillon mensuel.
Signaux conversion (#260)
Signaux CRO (#260) : alertes quantitatives support → conversion. Le #259 fournit les verbatims, le #260 les seuils et actions.
Qui participe et quel calendrier mensuel adopter ?
L'audit conversations rituel tient en 2 h si le périmètre est fixé à l'avance.
RACI mensuel
Owner audit : support lead ou CX manager (facilitateur)
Auditeur principal : senior agent ou QA (note les fils)
Participants rotatifs : 1 agent terrain, 1 ops/merch, 1 marketing (30 min chacun max)
Product owner : reçoit top 3 signaux produit, pas toute la session
Calendrier type (dernier jeudi ou premier mardi)
J-5 : export échantillon + pré-remplissage Sheet
J-3 : auditeur lit 50 % des fils en async (1 h)
J0 : session 2 h (sections 8-9)
J+2 : livrables owners + Slack récap
J+7 : 1 fix déployé minimum (macro, PDP, bot chunk)
Calibration trimestrielle
Tous les 3 mois, deux auditeurs notent les mêmes 5 fils. Écart > 1 point sur une dimension = recalibrer la grille section 5. SupportBench recommande de réviser scorecard tous les 3 à 6 mois.
Quelles données exporter avant la session ?
L'export audit conversations doit être reproductible mois après mois.
Champs obligatoires par fil
conversation_id, date, canal (chat, email, IG, bot)
intent tags existants, résolution (FCR oui/non)
CSAT/CES si disponible, agent vs bot, handoff oui/non
order_id, SKU principal si connu
transcript complet (messages client + réponses)
repeat_contact_7d, history_exposed si bot (#258)
Export Gorgias / helpdesk
Tickets closed, période M-1, export CSV. Inclure Customer Timeline summary si disponible. Bot logs séparés : fusionner par conversation_id avant audit.
Période et volume cible
M-1 complet (éviter semaine promo atypique seule). Échantillon final : 30 à 50 fils pour DTC < 2 000 tickets/mois, 50 à 80 si volume supérieur. eesel AI : les tendances comptent plus qu'une note isolée (eesel AI, QA support 2026).
Outil
Google Sheet ou Notion database. Une ligne = un fil. Lien direct transcript dans helpdesk. Pas de copier-coller manuel des messages si export API possible.
Comment construire la grille d'audit qualitative ?
La grille audit voix client mélange scoring QA et capture insights business.
Six dimensions (échelle 1-5)
Exactitude (25 %) : policy, délai, prix, stock corrects
Résolution (25 %) : demande traitée sans recontact inutile
Ton marque (15 %) : empathie, clarté, pas de script robot
Process (15 %) : tags, escalade, auth si requis
Voix client (10 %) : verbatim notable capturé
Opportunité (10 %) : vente assistée ou friction évitée
Auto-fail compliance
Score 1 automatique si : promesse remboursement non autorisée, PII exposée, conseil médical/réglementé, policy retour fausse. SupportBench : catégories compliance en échec automatique.
Colonnes insights (texte libre)
verbatim_client, root_cause, fix_type (macro / bot / PDP / ops / policy), owner, priority P1-P3. Aligner tags avec taxonomie (#135).
Score IQS conversation
Moyenne pondérée dimensions. IQS mois = moyenne des fils audités. Cible DTC : ≥ 88 %. Alerte si < 85 % ou baisse > 3 pts vs M-1.
Quels cinq axes d'analyse qualitative par fil ?
Au-delà du score, cinq axes lecture conversation structurent la prise de notes.
Axe 1 : Intent réel vs tag
Le client voulait-il un retour ou un échange ? Le tag helpdesk reflète-t-il la demande ? Écart = problème triage bot ou agent.
Axe 2 : Point de friction
Où le client s'est-il bloqué ? Site, policy, délai, produit, bot, handoff. Noter la phrase exacte client.
Axe 3 : Qualité réponse
Réponse complète ? Copier-coller macro hors contexte ? Contradiction entre bot et agent ? Voir voix marque.
Axe 4 : Signal produit / ops
Mention récurrente SKU, transporteur, packaging, promo ? Remonter vers merchandising (#108) si pattern.
Axe 5 : Risque réputation
Ton client qui durcit, menace avis public, plainte creepy historique (#257). Tag reputation_risk pour revue lead immédiate.
Mini-template note auditeur
« Intent : [X]. Friction : [Y]. Verbatim : « ... ». Fix proposé : [Z]. Owner : [nom]. » 3 lignes max par fil en session live.
Comment échantillonner 30 à 50 conversations représentatives ?
L'échantillon audit mensuel stratifié bat un tirage aléatoire pur.
Répartition type DTC
35 % top 3 intents volume (WISMO, retour, produit)
15 % bot-only résolu (vérifier exactitude)
15 % handoff bot → humain
10 % CSAT 1-2 ou CES élevé
10 % repeat_contact_7d (#256)
10 % intents risque (promo, litige, VIP, réglementé)
5 % canaux secondaires (IG, WhatsApp)
Filtres Gorgias prêts à coller
Date = last 30 days, status = closed. Sous-échantillons : tag wismo + CSAT < 3 ; tag bot_resolved ; tag escalated ; tag history_exposed + plainte ; created_via instagram.
Éviter les biais
Ne pas auditer que les fils de votre meilleur agent. Rotation auditeur trimestrielle. Inclure 5 fils où vous avez corrigé le bot en live (override).
Accélération IA (option)
Supp : scorer 100 % des fils par LLM sur rubrique section 5, puis auditer humainement les 200 fils flaggés (score bas, compliance, sentiment en baisse). Coût estimé 0,01 à 0,05 $/ticket.
Comment mener la session audit de 2 heures ?
La session audit mensuel suit un agenda strict pour tenir le créneau.
0-15 min : contexte mois
Owner présente KPI M-1 vs M-2 : volume, CSAT, FCR, top 5 intents delta. 1 slide, pas de débat dashboard.
15-75 min : revue fils (12 à 15 fils deep dive)
Lire transcript complet à voix haute ou écran partagé. Auditeur annonce scores + verbatim. Participants ajoutent root_cause. Prioriser fils auto-fail et CSAT bas en premier.
75-105 min : patterns et clustering
Regrouper root_cause identiques. Exemple : 4 fils « délai retour flou sur PDP » → 1 action merchandising. Omind : détecter déviation policy sur 12 agents vaut plus qu'un fil isolé (Omind, QA retail 2026).
105-120 min : top 3 actions + owners
Choisir exactement 3 actions P1 avec deadline J+7. Reporter le reste en backlog Notion. Enregistrer 2 min de verbatims clients pour all-hands « voix du mois ».
Quels livrables produire après l'audit ?
Un audit sans livrable est une réunion de lecture. Cinq livrables audit mensuel obligatoires.
Livrable 1 : fiche récap 1 page
IQS mois, delta vs M-1, top 3 root_cause, top 3 verbatims, 3 actions P1. Slack #support + tag @product si signal catalogue.
Livrable 2 : backlog correctifs
Notion ou Linear : macro à réécrire, chunk bot à sync, PDP à enrichir, rule escalade. Lier conversation_id preuve.
Livrable 3 : cas régression bot
Chaque erreur bot grave → 1 cas ajouté au jeu #143. Rejouer avant prochain déploiement corpus.
Livrable 4 : brief merchandising / marketing
Si ≥ 3 fils même friction site : email 5 lignes à owner avec verbatims. Lien questions → blog (#127) si intent SEO.
Livrable 5 : décision documentée
Policy ambiguë détectée → ticket décision support (#237). Éviter que le mois suivant reproduise la même erreur.
Comment croiser audit mensuel et dashboards continus ?
L'audit vs dashboard doit se nourrir mutuellement, pas se dupliquer.
Dashboard alimente l'audit
Spike intent → sur-échantillonner ce intent au mois suivant
CSAT segment bas → tirer 5 fils supplémentaires ce segment
Nouveau flow bot → auditer 10 fils dédiés M+1
Audit alimente le dashboard
Nouveau tag root_cause → ajouter au reporting Gorgias
Verbatim cluster → widget « top friction site » mensuel
IQS audit → KPI complémentaire au CSAT (plus discriminant)
Tableau de bord mensuel recommandé
Colonnes : IQS audit | CSAT global | FCR | top intent delta | top root_cause | actions closed J+7 (cible 3/3) | IQS bot subset | IQS humain subset. Séparer bot et humain : un CSAT blended masque une dérive bot.
Boucle avec feedback post-ticket
Croiser audit et feedback post-support (#239) : fil CSAT 1-2 audité en priorité même si volume faible.
Comment Qstomy facilite-t-il l'audit mensuel des conversations ?
Qstomy exporte transcripts structurés, intents, handoffs et tags pour alimenter l'audit sans export manuel.
Fonctionnalités audit
Export CSV mensuel : transcript, intent, confidence, sources RAG
Tags audit : history_exposed, reco_declined, handoff_reason
Score IA assisté : pré-score 6 dimensions section 5
Flag queue : fils auto-fail compliance en tête de session
Regression pack : cas M-1 exportés vers jeu test
Verbatim extract : top phrases client du mois
Scénario DTC chiffré
Marque beauté, 950 conv/mois (bot 52 %, humain 48 %). Avant rituel #259 : audit ad hoc 8 fils/trimestre, IQS inconnu, 2 fix/mois réactifs. Après rituel mensuel 40 fils + pré-score Qstomy : IQS 91 %, 3 actions P1 closed J+7 à 100 %, tickets repeat sizing −24 % sur 90 j, temps prep audit −60 % (export auto vs copier-coller).
Stack recommandée
Qstomy logs + Gorgias tickets + Sheet grille section 5. Revues async J-3, session live J0. Pas d'outil QA enterprise requis pour démarrer.
Explorez support client IA, Shopify, demander une démo.
Quels playbooks pour lancer le rituel dès ce mois ?
Playbook 1 : grille Sheet (2 h, semaine 1)
Dupliquer colonnes section 5-6. Ajouter formules IQS pondéré. Partager avec support lead + 1 senior agent.
Playbook 2 : premier export (1 h)
Tirer 40 fils M-1 selon stratification section 7. Pré-remplir métadonnées, laisser scores vides.
Playbook 3 : session pilote (2 h)
Agenda section 8. Noter 12 fils minimum. Produire fiche récap section 9. Deadline 3 actions J+7.
Playbook 4 : boucle bot (1 h post-session)
Erreurs bot → cas régression #143. Sync corpus sous 48 h. Rejouer 5 cas avant close action P1.
Playbook 5 : partage cross-équipe (30 min)
Email product/marketing : 3 verbatims + 1 graph intent delta. Inviter à M+1 session 15 min si signal catalogue.
Playbook 6 : itération M+2 (1 h)
Comparer IQS M+1 vs pilote. Ajuster poids grille si dimension peu discriminante. Activer pré-score IA si volume > 800 conv/mois.
Maillage utile
Un audit mensuel des conversations, ce n'est pas relire des tickets pour cocher des cases. C'est écouter votre marché en direct, une fois par mois, avec assez de structure pour agir avant que le dashboard ne rouge. Les marques qui ritualisent cette lecture prennent six mois d'avance sur celles qui n'écoutent que leurs moyennes.
Enzo
29 juin 2026
