Autodesk utilise AWS pour développer des communautés d'utilisateurs, accroître la participation de la communauté et obtenir plus rapidement des réponses aux membres de la communauté

Le fournisseur de logiciels Autodesk héberge un forum communautaire appelé Autodesk Forums pour ses clients depuis 2000. Cependant, alors que de nombreux clients l'utilisaient comme ressource, peu d'entre eux passaient à l'étape suivante en termes d'interaction avec la communauté. En réalité, les utilisateurs les plus engagés du forum étaient ceux qui connaissaient le mieux les offres d'Autodesk. L'entreprise souhaitait élargir la portée du forum en permettant aux clients non seulement d'assimiler l'expertise de la communauté, mais également de proposer la leur.

Autodesk a choisi les solutions Amazon Web Services (AWS) pour créer et déployer rapidement un modèle de machine learning pour une nouvelle itération d'un forum appelé Community Match. Le modèle ferait correspondre l'expertise des membres du forum aux questions posées sur celui-ci. L'idée est d'encourager les membres de la communauté qui ont un sujet d'expertise particulier à partager leurs connaissances approfondies sur les solutions Autodesk. Si jusqu'à présent les clients ne faisaient appel à l'assistance d'Autodesk uniquement pour résoudre des problèmes, ils profitent désormais des connaissances de la communauté partagée pour utiliser plus efficacement les logiciels Autodesk.

Autodesk fabrique des logiciels qui permettent aux utilisateurs de « créer n'importe quoi ». Ses solutions, qui intègrent des technologies émergentes telles que l'impression 3D, l'intelligence artificielle, la conception générative et la robotique, sont conçues pour les constructeurs des secteurs de l'architecture, de l'ingénierie, de la construction, des médias et du divertissement, ainsi que de la fabrication. La stratégie de l'entreprise consiste principalement à utiliser AWS pour l'ensemble de ses activités de développement. Ainsi, en 2017, elle a transféré ses activités de développement de la science des données et du machine learning des machines sur site vers AWS, et elle a récemment créé un modèle de compétences en machine learning afin de mieux orienter les clients vers les agents d'assistance. « De la même manière que nous concevons le routage basé sur les compétences, nous pouvons commencer à servir nos clients dans le cadre de l'expérience numérique et de manière intelligente bien avant qu'une personne n'ait à s'impliquer », explique James Bradley, director of data science chez Autodesk. « Nous pouvons rapprocher nos capacités d'assistance des clients et interagir avec eux automatiquement bien plus tôt. »

À l'origine, Autodesk avait conçu Community Match comme un espace permettant aux clients d'entrer en contact avec des experts internes d'Autodesk. Plus tard, dans le but de mettre l'accent sur le partage d'expertise et la communauté entre ses clients, Autodesk a cherché à accroître leur engagement afin de fournir des réponses plus rapidement et une expérience utilisateur optimisée à un plus grand nombre. « Nous avons eu l'occasion de cibler des membres de la communauté qui possèdent une expertise spécifique et de les associer à des membres de la communauté qui ont des questions qui exigent une réponse », explique M. Bradley. Pour accroître la participation, la stratégie initiale consistait à utiliser des notifications par e-mail. Cependant, cela ne semblait intéresser que les clients déjà très actifs sur la plateforme, des personnes qu'Autodesk appelait « Expert Elite », et dont l'expertise en matière de produits en fait de facto des ambassadeurs d'Autodesk. Autodesk souhaitait plutôt utiliser les notifications pour attirer un nouveau groupe de clients qui avaient déjà démontré leur participation et leur intérêt pour le forum, mais qui n'y participaient pas régulièrement.

Pour mieux comprendre comment les clients réagiraient aux notifications par e-mail afin de stimuler l'engagement sur le forum, Autodesk est allé directement à la source en interrogeant les clients lors d'une conférence Autodesk réunissant plus de 10 000 participants. L'une des principales conclusions est que les membres du personnel de certains clients parcourent les forums ou posent des questions pour sélectionner du contenu à partager en interne avec leurs équipes, sans pour autant partager leur expertise. « Beaucoup d'entre eux ont l'impression de ne pas en savoir autant qu'un employé d'Autodesk ou qu'un expert Elite. Ils attendent donc que quelqu'un d'autre réponde à une question, même s'ils sont peut-être des experts dans ce domaine », explique Yizel Vizcarra, data scientist au sein de l'équipe digital help and experience. « Nous voulions créer un sentiment d'appartenance dans les forums et encourager les personnes à répondre lorsque leur expertise peut en aider une autre. »

Autodesk a utilisé une architecture sans serveur AWS pour créer un prototype du modèle de connaissances en une semaine seulement. « C'était amusant de créer quelque chose à partir d'une simple idée en si peu de temps et en combinant les différentes fonctionnalités sans serveur qui existent sur AWS », explique M. Bradley. Un webhook fournit à AWS des données en temps réel provenant du fournisseur tiers où Community Match est hébergé. « Cela nous fournit une architecture flexible, car nous pouvons diffuser ce contenu de différentes manières, non seulement en informant les employés en envoyant des informations sur Slack, mais également en répondant aux besoins de nos différents groupes d'utilisateurs », explique Mme Vizcarra. Autodesk a réparti les utilisateurs du forum en groupes : très engagés, semi-engagés et observateurs.

Autodesk a ensuite élaboré et développé un modèle de connaissances, hébergé sur Amazon Elastic Container Service (Amazon ECS), un service d'orchestration de conteneurs entièrement géré, en utilisant une technique d'apprentissage par transfert pour intégrer les questions des clients provenant des forums. Il a ensuite créé un modèle approximatif, celui des voisins les plus proches, un modèle de classification commun basé sur l'hypothèse que les éléments proches les uns des autres dans un jeu de données sont généralement similaires, à l'aide d'Amazon SageMaker. Le modèle de connaissances et le modèle des voisins les plus proches permettent d'analyser les questions entrantes des utilisateurs et d'identifier 10 autres utilisateurs qui possèdent l'expertise ou qui ont déjà répondu à une question sur un sujet similaire par le passé. Les modèles et une série de règles métier sont regroupés à l'aide d'AWS Lambda, qui permet à Autodesk d'exécuter du code sans allouer ni gérer de serveurs, et séquencés par AWS Step Functions. Ces notifications, appelées recommandations, sont envoyées via Amazon Simple Email Service (Amazon SES) à un maximum de 10 utilisateurs par question entrante avec un lien permettant de participer. Autodesk a conçu l'ensemble de la solution sans modifier son infrastructure logicielle existante. « Nous avons pu introduire le machine learning pour la surveillance en temps réel sans avoir à effectuer une intégration complète avec le logiciel du forum », explique Alex O'Connor, lead data scientist de l'équipe digital help data science. « En réalité, nous avons allégé la pression sur nos serveurs en procédant de la sorte. » Sans le streaming, il aurait été nécessaire d'exécuter de très grandes requêtes d'exportation en masse sur les forums, ce qui entraîne d'énormes coûts de ressources et pourrait affecter l'expérience des utilisateurs sur la plateforme du forum. Avec l'approche de webhook en temps réel, la mise à l'échelle des ressources est facilement contrôlée.

Une nouvelle version de Community Match a été lancée en juillet 2020, ciblant les clients qui ne participent pas régulièrement. Au cours des 6 premières semaines qui ont suivi le lancement du forum, Autodesk a envoyé 8 473 recommandations à l'aide d'Amazon SES et d'Amazon Simple Notification Service (Amazon SNS), un service de messagerie par publication-abonnement (Pub/Sub) utilisé pour créer des rubriques ou des groupes logiques sur différents types de produit et qui envoie des notifications de mise à jour. Autodesk a constaté que le modèle de machine learning obtenait une correspondance de haute qualité 32 % du temps, ce qu'Autodesk a jugé en fonction du taux d'ouverture, et que le taux de clics des notifications était de 31 %. Par rapport à un taux de réponse de 12 % dans la première version de Community Match, au moins 16 % des personnes ayant cliqué sur la notification dans la nouvelle version (dont la majorité n'était pas des utilisateurs très engagés auparavant) ont ensuite répondu. « La réception d'une notification qui met l'accent sur leur expertise les encouragera, je l'espère, à participer pleinement à une conversation », déclare M. Bradley. « Et en effet, nous les avons vus publier un peu plus. » Le forum est conçu pour responsabiliser les clients, en particulier ceux qui se sont abstenus de participer, en leur montrant comment le partage de leur expertise peut profiter aux autres. Les clients ont déjà proposé des réponses ou des solutions temporaires différentes, mais tout aussi utiles que les conseils d'experts qui auraient été dispensés par un agent Autodesk.

Autodesk peut également utiliser le forum pour mieux interagir avec ses clients et les aider. « Nous pouvons réagir au comportement des clients en temps réel et avoir ainsi un impact commercial positif », déclare M. Bradley. « Cela nous permet de réfléchir à nos objectifs métier : nous pourrions tirer parti de ce cadre de messagerie en temps réel pour inciter les clients à adopter un comportement susceptible de réduire leurs efforts ou d'augmenter leur efficacité commerciale. » Par exemple, le forum a donné à Autodesk la souplesse nécessaire pour répondre rapidement aux besoins de ses clients, ce qui n'était pas possible pour un gestionnaire de campagne ou une application de messagerie. Pendant la pandémie de COVID-19, par exemple, elle a réutilisé certaines parties de l'infrastructure du forum pour suivre les mentions du coronavirus afin de prendre note des ajustements métier effectués par les clients, et à partir de ces données, elle a élaboré des réponses éclairées. « Il est très utile d'être à l'écoute sur le terrain afin de pouvoir réagir en temps réel », déclare M. O'Connor. « Surtout au début, alors que la situation évoluait si rapidement, il était important pour nous de comprendre si nous répondions aux besoins de nos clients à la même vitesse. »

Sans apporter de modifications profondes à son infrastructure existante, Autodesk a utilisé les services AWS pour reconstruire son forum Community Match afin de renforcer l'engagement des clients et de leur permettre de partager une expertise qui pourrait bénéficier à d'autres. Le forum basé sur le machine learning permet non seulement à Autodesk de proposer des réponses créatives à ses clients, mais fournit également à l'entreprise de précieuses informations sur eux, ainsi qu'une solution flexible capable de s'adapter rapidement à leurs besoins. « Nous avons vraiment la possibilité de le personnaliser et d'en tirer des leçons très rapidement », déclare M. Bradley. « Il s'agit d'écouter comment nous pouvons aider et d'adapter notre réponse en conséquence.