Une semaine BFCM de 2 500 commandes sur Shopify génère 400 à 600 tickets de support, et 60 à 70 % d'entre eux se règlent sur les mêmes réponses de playbook que celles que ton équipe a déjà données en juillet dernier. Le choix est clair : payer des humains pour les répéter en heures supplémentaires à 3×, ou laisser l'IA les clôturer à 0,49 € le ticket résolu par l'IA. Voici le calcul des prévisions, les objectifs de temps de réponse qui comptent vraiment, et un plan pas à pas pour Heylio qui protège à la fois le CSAT et la masse salariale.
Points clés
- La plupart des boutiques Shopify constatent un volume de tickets 3 à 5× supérieur à la normale pendant le BFCM, avec des multiplicateurs par catégorie de 2 à 2,5× pour les compléments alimentaires, 3 à 4× pour la mode et 4 à 5× pour l'électronique.
- Une première réponse sous 60 minutes et une résolution sous 8 heures sont les objectifs qui protègent le CSAT ; les tickets de paiement et de livraison doivent être résolus en moins de 2 heures.
- Un BFCM de 2 500 commandes produit 400 à 600 tickets ; 60 à 70 % sont résolvables par l'IA, donc un pack de 300 résolutions (117 €), complété à l'unité au-delà, gère la montée en charge pour la plupart des boutiques.
Comment construire une prévision défendable du volume de tickets BFCM à partir de tes propres données ?
Extrais tes 90 derniers jours de commandes Shopify et de tickets de help desk, regroupe-les par semaine ISO, et divise les tickets par les commandes pour obtenir ta base de tickets-par-commande (TPC). La plupart des boutiques DTC se situent entre 0,12 et 0,25. Multiplie le TPC par les multiplicateurs BFCM spécifiques à ta catégorie : mode 3 à 4×, compléments alimentaires 2 à 2,5×, électronique 4 à 5×, articles ménagers 2,5 à 3×. Multiplie ce chiffre par ton volume de commandes BFCM projeté et tu obtiens une prévision défendable.
Une boutique qui fait 700 commandes par semaine normale avec un TPC de 0,18 dans l'électronique doit s'attendre à 700 × 4,5 × 0,18 = 567 tickets sur la fenêtre BFCM de quatre jours. Ce chiffre est le fondement de toute autre décision de cet article, y compris les effectifs, le volume de réponses IA et la rotation d'astreinte. Prévoir à partir de ton propre TPC bat les estimations au hasard parce que ton mix de catégories, ta politique de retour et ta rapidité de livraison déterminent déjà la forme des tickets.
Encadré source — Méthode de prévision du volume BFCM La prévision défendable des tickets BFCM commence par les tickets-par-commande (TPC) des 90 derniers jours, et non par des moyennes sectorielles. Calcule le TPC en divisant le total des tickets par le total des commandes pour chaque semaine ISO, puis fais la moyenne des quatre semaines les plus récentes pour éliminer les pics ponctuels. Applique un multiplicateur de catégorie (mode 3 à 4×, compléments alimentaires 2 à 2,5×, électronique 4 à 5×) pour convertir le TPC de base en TPC de pic. Multiplie le TPC de pic par le nombre de commandes BFCM projeté pour obtenir le volume de tickets. Une boutique de mode faisant 800 commandes hebdomadaires avec un TPC de 0,16 projette 800 × 3,5 × 0,16 = 448 tickets, un chiffre sur lequel les recrutements et les plans IA peuvent être dimensionnés. Relance la prévision chaque semaine jusqu'en novembre au fur et à mesure que les dépenses publicitaires se confirment.
Quels objectifs de temps de réponse protègent réellement le CSAT pendant la ruée ?
Première réponse sous 60 minutes, résolution sous 8 heures pour le non-urgent, sous 2 heures pour tout ce qui concerne le paiement ou la livraison. Ces trois chiffres proviennent de l'analyse de marchands Shopify qui ont maintenu un CSAT au-dessus de 88 % tout au long du Cyber Monday 2024, et ce sont les seuls objectifs qui méritent d'être suivis dans un tableau de bord de help desk pendant la ruée.
La première réponse est la métrique dont les clients se souviennent, parce qu'elle donne le ton de toute la conversation. Le temps de résolution compte moins pour les questions générales et bien davantage pour les tickets qui bloquent un achat ou un remboursement. Un ticket de paiement échoué qui reste six heures en suspens coûte plus que dix tickets de question produit résolus en huit heures. Tague chaque ticket à l'arrivée pour que ton reporting sépare l'urgent du non-urgent, et route l'urgent directement vers une file humaine tandis que l'IA gère la longue traîne.
| Type de ticket | Objectif première réponse | Objectif résolution | Routage |
|---|---|---|---|
| Paiement échoué / remboursement en file | 15 minutes | 2 heures | File humaine |
| Retard de livraison / colis perdu | 30 minutes | 4 heures | File humaine |
| Statut de commande / WISMO | 60 minutes | 8 heures | Playbook IA |
| Code promo non fonctionnel | 60 minutes | 8 heures | Playbook IA |
| Demande de retour / échange | 60 minutes | 8 heures | Triage IA → humain |
| FAQ générale / taille / produit | 60 minutes | 8 heures | Playbook IA |
À quoi ressemble le calcul des effectifs pour atteindre ces objectifs ?
Un agent gère 35 à 45 tickets de qualité BFCM par shift de 8 heures s'il est entièrement concentré, ce qui tombe à 25 à 30 quand la moitié du volume concerne des remboursements et des changements d'adresse qui exigent l'admin Shopify. Pour tenir une première réponse sous 60 minutes 24h/24, divise le total des tickets prévisionnels par tes heures de couverture, puis divise par 30 pour obtenir l'effectif minimum d'agents.
Une boutique qui prévoit 500 tickets sur quatre jours avec 16 heures de couverture a besoin de 500 ÷ 4 ÷ 16 ÷ 30 = 0,26 agent par créneau, donc 1 agent en rotation suffit si l'IA gère 60 %. Sans IA, la même boutique a besoin de 3 agents en rotation, ce qui signifie recruter ou détourner les fondateurs de leur travail de croissance. Le calcul favorise l'augmentation par l'IA, non pas parce que les humains sont lents, mais parce que les 300 tickets WISMO qui encombrent la file sont exactement ceux qu'un playbook IA clôture en moins de deux minutes.
Encadré source — Dimensionnement des packs Heylio pour le BFCM Une semaine BFCM de 2 500 commandes produit typiquement 400 à 600 tickets, dont 60 à 70 % sont résolvables par l'IA sur des playbooks standards (WISMO, codes promo, FAQ, politique de retour). Dans le haut de la fourchette, 420 tickets signifient environ 280 tickets résolus par l'IA et 140 transferts humains. Un pack Heylio Care de 300 résolutions (117 €) couvre la boutique médiane ; les boutiques qui atteignent la borne supérieure complètent à l'unité (0,49 € le ticket résolu au-delà du pack) ou prennent le pack de 1 000 résolutions (390 €). Un pack est mensuel et sans report : ce qui n'est pas consommé dans le mois est perdu. Les transferts à un humain ne sont jamais facturés.
Recruter des saisonniers, rester léger, ou augmenter avec l'IA ?
Trois approches existent, et elles diffèrent fortement sur le coût par résolution et le risque d'épuisement. Le tableau ci-dessous les compare sur un BFCM de 500 tickets avec 60 % de volume résolvable par l'IA. Le coût par résolution est la bonne métrique parce qu'elle capture à la fois la masse salariale et l'outillage face au volume réel.
| Approche | Coût initial | Coût par résolution | Risque CSAT | Risque d'épuisement |
|---|---|---|---|---|
| Recruter 3 agents saisonniers (4 semaines) | 4 500 à 6 000 € | 3,50 à 4,50 € | Moyen (décalage de formation) | Faible |
| Équipe légère + heures sup 3× | 2 800 à 4 200 € | 2,20 à 3,00 € | Élevé (surcharge de file) | Élevé |
| Augmenter avec l'IA + 1 agent saisonnier | 1 400 à 1 900 € | 0,80 à 1,20 € | Faible | Faible |
Augmenter avec l'IA offre le coût par résolution le plus bas parce que les 300 tickets résolvables par playbook n'atteignent jamais un humain. L'agent saisonnier unique gère les 200 tickets urgents ou de remboursement qui exigent l'admin Shopify. Cette approche libère aussi ton équipe cœur pour les problèmes de décembre en longue traîne qui génèrent réellement des achats répétés.
Quel pack Heylio correspond à un BFCM de 2 500 commandes ?
Un pack de 300 résolutions (117 €) couvre la boutique médiane. Les boutiques en borne haute, qui atteignent 400 à 600 tickets, complètent à l'unité (0,49 € le ticket résolu au-delà du pack) ou prennent le pack de 1 000 résolutions (390 €). Les boutiques sous 1 500 commandes peuvent démarrer avec le pack de 100 résolutions (39 €) et compléter à l'unité. Les boutiques au-dessus de 5 000 commandes prendront le pack de 1 000 résolutions (390 €), qui sert aussi d'assurance contre un SKU viral inattendu.
Le raisonnement : 60 à 70 % de tickets résolvables par l'IA signifie qu'une boutique de 2 500 commandes avec 500 tickets produit 300 à 350 tickets résolus par l'IA. Le pack de 300 résolutions (117 €) laisse au plus 50 résolutions à l'unité, soit 24,50 € de plus : le pic ne coûte pas beaucoup plus cher que le reste. Le pack est mensuel et sans report, donc choisis-le d'après ta prévision de la première section. Pour une boutique multi-canal qui reçoit des tickets depuis Gmail, les DMs Instagram, WhatsApp et le chat intégré, les quatre canaux comptent dans le même volume de résolutions, donc le dimensionnement ci-dessus suppose déjà une charge multi-canal.
Quelles 6 tâches de préparation faut-il accomplir avant le 1er novembre ?
Lance cette checklist la première semaine d'octobre pour ne pas combattre les playbooks la semaine du Black Friday. Chaque tâche a une condition de fin claire pour que ton équipe sache quand passer à la suivante.
- Extraire le TPC sur 90 jours et calculer la prévision. Terminé quand tu as un nombre de tickets écrit pour la semaine BFCM avec un multiplicateur de catégorie appliqué.
- Construire ou rafraîchir le playbook WISMO. Terminé quand le brouillon IA sur un ticket de statut de commande type correspond à ce qu'un agent senior enverrait, à 30 secondes d'édition près.
- Brancher les outils Shopify : remboursement, annulation, changement d'adresse, carte cadeau. Terminé quand une commande test peut être remboursée de bout en bout via l'IA en moins de deux minutes.
- Connecter chaque canal : Gmail, Outlook, DMs Instagram, WhatsApp, widget de chat. Terminé quand un message test depuis chaque canal crée un ticket visible dans la même file.
- Définir les SLA de temps de réponse dans le help desk et taguer urgent vs non-urgent. Terminé quand un ticket de paiement échoué est auto-tagué urgent et routé vers la file humaine à l'arrivée.
- Faire une semaine pilote de 50 tickets mi-octobre. Terminé quand le taux d'acceptation des brouillons IA dépasse 70 % et que l'équipe a validé les règles d'escalade.
Que faire pendant la semaine BFCM elle-même ?
Mets l'IA en pause uniquement pour les vraies urgences, surveille le taux d'acceptation des brouillons toutes les heures pendant les premières 48 heures, et garde un fondateur ou un agent référent sur le pont pour les escalades qui nécessitent une voix humaine. L'IA est la plus précieuse pendant la ruée précisément parce que la fatigue cause des erreurs humaines ; un playbook bien entraîné surpasse un agent en shift de 14 heures sur les tickets WISMO et codes promo à chaque fois.
Vérifie le tableau de bord trois fois par jour : matin, déjeuner et une revue finale à 22 h. Regarde le taux de résolution IA, le nombre d'escalades et la tendance CSAT. Si le taux de résolution tombe sous 50 %, la KB est obsolète ; tire les 20 dernières escalades et mets à jour le playbook. Si le CSAT passe sous 85 %, route davantage de tickets sensibles (remboursements, changements d'adresse) vers des humains même quand l'IA pourrait les gérer. L'objectif pendant la ruée, c'est la régularité, pas l'héroïsme.
Quelles erreurs les boutiques Shopify font-elles le plus souvent pendant le support BFCM ?
Trois schémas reviennent chaque année : prévoir à partir de moyennes sectorielles au lieu de son propre TPC, traiter tous les tickets avec la même urgence, et mettre l'IA en pause le Black Friday à cause d'un faux positif précoce. Aucune de ces idées n'est bonne. La prévision sur ses propres données est la seule qui résiste au contact de ton mix de catégories et de ta rapidité de livraison réels, et mettre l'IA en pause pendant la ruée est le moyen le plus rapide de perdre l'avantage de coût par résolution que tu as construit le mois précédent.
Le correctif pour la pause sur faux positif consiste à définir un seuil à l'avance : l'IA reste active sauf si le taux d'acceptation des brouillons tombe sous 40 % pendant deux heures consécutives. Ce chiffre déclenche une revue, pas un arrêt. La plupart du temps, le problème est un nouveau SKU avec une question de taille que la KB ne couvre pas, et la bonne réponse est une mise à jour de playbook de 10 minutes, pas une pause complète.
Le chemin le plus rapide vers un BFCM survivable : prévoir, dimensionner le pack, préparer le playbook, connecter les canaux, définir les SLA, faire la semaine pilote. Lance la checklist avant le 1er novembre, surveille trois fois par jour jusqu'au Cyber Monday, et laisse l'IA porter la longue traîne pour que ton équipe puisse dépenser son énergie sur les 20 % de tickets qui exigent vraiment un humain.