Analyser l’expérience de mes clients

|

|

Le besoin
La solution
Ils peuvent vous aider

Le besoin

Les avis clients en texte libre : une mine de pépites, mais comment les extraire et les mesurer ?

Avis en ligne, traces des contacts clients enregistrés dans mon CRM, réponses aux questions ouvertes d’enquêtes clients :  tous ces contenus en texte libre sont riches d’informations, puisqu’ils contiennent ce que je n’attends pas nécessairement, contrairement aux réponses à des questionnaires fermés.
L’analyse des retours clients peut servir à identifier et suivre dans le temps aussi bien :

  • les attentes ou les préoccupations de mes clients,
  • les suggestions voire l’idée géniale d’un utilisateur quotidien du produit ou service,
  • les points de satisfaction ou de  mécontentement,
  • les habitudes d'achat, d'utilisation,
  • les produits ou service les plus commentés, les plus appréciés ou les plus générateurs d'irritants...
  • les signaux faibles annonciateurs de changements majeurs dans l'expérience client

Comment exploiter cette manne, afin d’améliorer la satisfaction de mes clients, de mieux qualifier l’évolution de leurs attentes et d'ajuster mon offre en conséquence ?

J'aimerais extraire de ces verbatims des données mesurables que je pourrais intégrer aux données structurées déjà analysées dans mes outils de BI.

Mais comment interpréter et caractériser autant de contenus libres de manière suffisamment fiable pour réaliser des tableaux de bord utiles aux décisions marketing et commerciales ?

La solution

Extraire du texte libre des données mesurables

Ramener des verbatims à  des données typées et mesurables est une tâche exigeante pour une application de TAL, du fait de la forme souvent difficile à exploiter des avis clients :

  • expression déficiente ou peu standardisée (orthographe, syntaxe, argot, expression imprécise),
  • humour ou ironie sous forme d’antiphrases ("Ah bravo !", "Surtout ne changez rien !" dans des avis très négatifs),
  • emploi d’émoticônes,
  • thématique imparfaitement prévisible (expression libre),
  • variabilité de l’expression d’informations factuelles riches telles que la temporalité de l’expérience (jours, moment de la journée, heures),
  • variabilité de l’expression des sentiments de satisfaction, de mécontentement, des attentes.

La solution comporte typiquement  :

  • des fonctions d’analyse morphologique, syntaxique, sémantique et pragmatique poussées, afin d’extraire des données textuelles que l’on sait qualifier dans le matériau des avis clients,
  • la gestion d’un plan de classement, contenant des catégories utilisées comme autant d’étiquettes associées aux avis clients, sur lesquelles porteront des analyses statistiques,
  • des fonctions d'annotation pour associer de manière pertinente les catégories de mon plan de classement à des séquences textuelles de mes sources.

Les briques de traitement linguistique sont habituellement complétées par des outils d’analyse et de restitution statistiques, sous forme de tableaux de bord semblables à ceux d’une application de business intelligence. Les données textuelles peuvent être associées aux données structurées et consolidées avec elles au sein d’un outil de BI, notamment dans le cas d’enquêtes clients comportant à la fois des questions fermées et ouvertes.

Dans un contexte de présence internationale, la solution peut inclure une déclinaison multilingue de l’analyse, du plan de classement, des restitution par pays et consolidées à l'échelle mondiale.

Points d'attention

L'élaboration du plan de classement met en jeu à la fois quelques connaissances des principes fonctionnels de la solution,  mais surtout une expertise du métier de l'entreprise, des produits et des variables que l'on souhaite mettre en évidence.

Une fois la solution construite, le plan de classement nécessite des évolutions : noms de nouveaux produits bien sûr, mais aussi localisations de nouveaux points de vente ou vocabulaire conjoncturel (exemple : "COVID").

Il est donc indispensable de prévoir des ressources internes :

  • pour participer à la conception initiale du plan de classement et des tableaux de bord que l'on souhaite produire,
  • pour gérer les évolutions : au moins pour identifier les besoins, superviser et tester les évolutions du plan de classement, si ce n'est pour les réaliser de manière autonome.

Un transfert de compétences est souvent aménagé par le fournisseur de la solution.

Par Christine Reynaud
Chef de projet contenus numériques

Ils peuvent vous aider

Demande de mise en relation concernant l'étude de cas Analyser l’expérience de mes clients
Veuillez recopier le texte ci-dessous afin de pouvoir envoyer votre message. Attention aux majuscules !
 
Semantiweb apporte un décodage marketing des contenus conversationnels spontanés des internautes. Cette expertise donne une valeur stratégique aux annonceurs, permet de créer une intimité clients, détecte les tendances de consommation et traduit les insights des marchés en les rendant opérationnels pour l’entreprise, la marque et le produit.
 
Kairntech développe une plateforme d'IA visant à démocratiser et accélérer le développement d'applications basées sur le TAL au sein de l’entreprise. L’objectif est de pouvoir créer rapidement et sans programmation des robots permettant d’analyser automatiquement de grandes quantités de texte avec une très grande précision, faisant économiser du temps et des efforts. Nous aidons les professionnels de l’information et les analystes (auditeurs, analystes marketing, chercheurs scientifiques, enquêteurs…) à bâtir des applications pour gagner en efficacité tout en prenant de meilleures décisions.
 
QWAM développe des solutions logicielles d'intelligence artificielle appliquée au traitement du langage naturel. Nos solutions combinent les approches sémantiques, big data, machine learning et deep learning. QWAM intervient pour répondre aux besoins d'exploitation avancée des données textuelles existantes au sein des entreprises et organisations ou bien disponibles sur le web.
 
Synapse est expert en Intelligence Artificielle appliquée au texte. Notre raison d'être est d'accompagner nos clients dans la transmission de leurs connaissances. En ce sens, Synapse intervient tout au niveau de 3 leviers : - Créer de la connaissance, à travers un outil d'aide à l'écriture qui permet d'écrire l'esprit libre : Cordial. - Structurer de la connaissance, à travers des outils d'analyse sémantique. - Partager de la connaissance, à travers un chatbot capable de se connecter à la documentation d'une entreprise et de générer automatiquement sa base de connaissances.
 
L'APIL, association à but non lucratif, rassemble l'expertise des personnes et des industriels du traitement automatique des langues. Elle a pour ambition de promouvoir le traitement automatique des langues auprès des utilisateurs, qu'ils soient industriels ou grand public. Nous animons un réseau d'expertise en collaboration avec les acteurs spécialisés du domaine : forum JeunesTalents en collaboration avec l'ATALA, les rencontres entre membres industriels, ou l'accompagnement de projets collaboratifs innovants en partenariat international.

Vous fournissez de telles solutions et vous souhaitez faire partie de nos partenaires, contactez-nous.

Les technologies à mettre en oeuvre

Qu'est-ce qu'un gestionnaire de taxinomies ?
A quoi sert une taxinomie ? De nom­breuses appli­ca­tions, notam­ment des appli­ca­tions de trai­te­ment auto­ma­tique des langues, néces­sitent d’u­ti­li­ser un réfé­ren­tiel. Par exemple une nomen­cla­ture des...
Analyse sémantique
Signifiant, signifié, de quoi parle-t-on ? Au tout début du XXème siècle, Louis Fer­di­nand de Saus­sure, dans ses Cours de lin­guis­tique Géné­rale, explo­rait la dif­fé­rence entre...
Catégorisation de documents
Pourquoi catégoriser des documents ? L’ac­tion de regrou­per les objets en classes est au moins aus­si ancienne que le lan­gage lui-même, et, d’une cer­taine façon, en...
Extraction d'information, de quoi s'agit-il ?
L’extraction d’information, à quoi ça sert ? L’ex­trac­tion d’in­for­ma­tion consiste à iden­ti­fier, dans des textes en langue natu­relle, des infor­ma­tions types : noms de per­sonnes ou de...
Qu'est-ce qu'une ontologie ?
Une onto­lo­gie est un mode de repré­sen­ta­tion for­melle des connais­sances défi­ni dans le cadre du Web Séman­tique. Vous trou­ve­rez plus d’in­for­ma­tion dans notre fiche Qu’est-ce...
Un ordinateur peut-il analyser les émotions ?
Le lan­gage humain est com­plexe. Apprendre à un ordi­na­teur ou à une machine com­ment ana­ly­ser les nuances, que ce soit au niveau gram­ma­ti­cal ou cultu­rel,...

Ces études de cas peuvent aussi vous intéresser

Classer la polarité des avis clients de manière fine

Je suis responsable du service après-vente d'un site de vente en ligne et nous avons actuellement un système de prédiction automatique permettant de classer les avis de clients comme positifs, négatifs et neutres. Cependant, nous aimerions un système de détection qui, au lieu de donner une étiquette globale à un texte entier, fournisse des informations à un niveau plus fin. Existe-t-il des solutions de ce genre ?

Comment exploiter les données cliniques dans une veille biomédicale ciblée ?

Je suis responsable produit dans l'industrie pharmaceutique et j'aimerais qu'un outil m'aide à exploiter le contenu textuel des essais cliniques, de comptes-rendus, expériences patients, signalements d'effets indésirables dans l'optique d'optimiser la veille de molécules médicamenteuses. Un tel outil peut m'être d'une aide particulièrement précieuse. D'une part, les données disponibles dans le domaine pharmaceutique, de par leur volume et leur diversité, sont difficiles à archiver et analyser à la main, d'autre part, la qualité des articles parus sur les revues médicales est conditionnée par les choix éditoriaux ainsi que d'éventuels conflits d'intérêt. Il me sera donc utile de disposer d'un outil pour que je puisse effectuer, de manière efficace et surtout à partir des sources brutes, une veille ciblée sur un sujet précis.

Détecter des phénomènes et signaux peu perceptibles pour les opérateurs humains

Officier des forces de sécurité, j'anime une cellule de surveillance des réseaux criminels de toutes sortes, notamment à partir des interceptions de relations entre les membres de ces réseaux : texte, mais surtout enregistrements audio, dans les langues les plus diverses, parfois rares. Je sais que l'intelligence artificielle permet de mettre en évidence des faits d'intérêt majeur par l'analyse dans le temps de ces données textuelles et aimerais en savoir davantage.