Ticketmaster gives millions of fans – worldwide – fair and easy access to the biggest and best in live entertainment. Driven by innovation, unparalleled scalability, and unmatched support, Ticketmaster is the definitive leader in professional ticketing solutions. Over 12,000 artists, teams, and venues around the world trust Ticketmaster to power their amazing performances daily — with more than 500 million tickets sold each year.
Sales/Marketing Technology
5k+
Beverly Hills, CA, United States
Ticketmaster needed a way to handle high-volume questions quickly and accurately. They created an agent, but wanted a better understanding of how it was being used.
With Pendo’s Agent Analytics, Ticketmaster could speed up the process of understanding performance with a clear, data-backed view that was available to everyone.
After using Agent Analytics, Ticketmaster retained 81% of users leveraging their agent.
Quand on pense à la vente de billets à forte demande, on pense à Ticketmaster. Dans les coulisses, ces moments reposent sur des décisions rapides et éclairées de la part d'équipes internes qui opèrent sous une pression intense.
En tant que chef de produit chez Ticketmaster, Brian Muehlenkamp ressentait cette pression au quotidien. Il était constamment sollicité par de nombreuses questions auxquelles il ne pouvait pas répondre immédiatement.
Les équipes internes de Ticketmaster regorgent d'experts métier. Mais même les experts ont besoin de données — en permanence.
« Comment cette vente se comporte-t-elle par rapport aux références ? »
« Que s'est-il passé la dernière fois que nous avons lancé quelque chose de similaire ? »
Avant l'IA, obtenir ces réponses rapidement était un véritable défi. Les équipes devaient soit soumettre des demandes aux fournisseurs de données, soit tenter de fouiller elles-mêmes dans les systèmes. C'est pourquoi Muehlenkamp a intégré un agent IA directement dans leurs outils internes, offrant aux utilisateurs un chemin plus rapide entre la question et l'insight. Au lieu d'écrire du SQL ou de soumettre des tickets, les équipes pouvaient poser leurs questions en langage naturel et obtenir des réponses immédiates.
Ce changement a aidé Ticketmaster à se rapprocher de ce que Muehlenkamp appelle la « démocratie des données » — rendre les informations accessibles à quiconque en a besoin.
Mais le lancement de l'agent a créé un nouveau défi : mesurer son impact.
Dans un premier temps, Muehlenkamp s'est appuyé sur des journaux d'audit bruts. Il pouvait voir les conversations, mais pas qui posait les questions, comment les comportements évoluaient dans le temps, ni si l'expérience s'améliorait.
L'analyse des journaux d'audit était un processus manuel et chronophage.
La direction voulait savoir une chose simple :
L'agent aidait-il vraiment ?
Les retours anecdotiques des premiers utilisateurs étaient positifs. Mais cela ne suffisait pas. Muehlenkamp avait besoin d'une vision plus claire, étayée par des données, notamment pour détecter les frictions silencieuses des utilisateurs qui ne s'exprimaient pas.
Avec Pendo Agent Analytics, ce manque de visibilité a rapidement été comblé.
Sans avoir à fouiller dans les journaux, Muehlenkamp avait un accès immédiat à des métriques illustrant à la fois l'utilisation et l'impact :
Certaines des informations les plus précieuses étaient celles qu'il ne savait pas qu'il cherchait, déclarant : « Agent Analytics a mis en évidence des informations dont j'aurais pu avoir besoin ou non. »
Un exemple marquant : une hausse des questions sur les métriques de file d'attente (le nombre d'utilisateurs en attente lors de ventes à forte demande).
Cette information a donné à Muehlenkamp une direction claire. Il a amélioré les réponses de l'agent sur ce thème spécifique, augmentant la précision là où cela comptait le plus.
Plutôt que de deviner où investir, il pouvait prioriser en fonction des habitudes d'utilisation réelles.
Agent Analytics n'a pas seulement amélioré les réponses, il a amélioré l'ensemble de l'expérience produit. En suivant le comportement des utilisateurs autour de l'agent, Muehlenkamp a identifié :
Cette dernière observation a conduit à un correctif rapide : les utilisateurs s'attendaient à un bouton pour fermer le panneau de chat, mais il n'existait pas. Une fois ce clic mort identifié, l'équipe l'a priorisé et résolu immédiatement.
Ces petites améliorations se sont cumulées, rendant l'agent plus intuitif et mieux intégré dans les flux de travail quotidiens.
Ticketmaster a commencé par un déploiement contrôlé — environ 30 à 35 utilisateurs expérimentés qui étaient déjà enthousiastes à l'égard de l'outil.
Les résultats étaient prometteurs, mais le passage à l'échelle nécessitait des preuves. Avec Agent Analytics, Muehlenkamp les avait.
Il pouvait démontrer clairement que :
Cette visibilité lui a donné la confiance nécessaire pour élargir l'accès bien plus rapidement que prévu — en passant d'un petit groupe pilote à un modèle opt-in auprès d'une base d'utilisateurs plus large.
« Ce qu'Agent Analytics m'a apporté, c'est la conviction… et la confiance pour le déployer plus rapidement. »
En associant des agents IA à Pendo Agent Analytics, Ticketmaster a obtenu :
Pour qu'une confiance produit solide soit possible, elle doit s'appuyer sur le comportement réel des utilisateurs. Ensemble, ces résultats ont permis à Ticketmaster de gagner en efficacité opérationnelle, de réduire les efforts inutiles et de donner aux équipes les moyens d'agir plus rapidement — des facteurs clés de réduction des coûts et d'amélioration des performances opérationnelles.
Pour Muehlenkamp, l'un des plus grands avantages d'Agent Analytics réside dans sa capacité à accélérer l'apprentissage dans un domaine encore très récent et en constante évolution.
« Il n'existe personne avec 10 ans d'expérience en agents IA. Ça n'existe tout simplement pas. »
Plutôt que de s'appuyer sur des hypothèses, les équipes produit peuvent utiliser des données réelles pour comprendre les intentions, mesurer l'impact et s'améliorer en continu.
Ses conseils aux autres chefs de produit ?
« Construisez-le hier. »
