Le Text Mining au service de la connaissance client

Face à la démultiplication des sources et à la croissance des prises de parole sur les médias sociaux, décrypter les messages des consommateurs constitue un véritable enjeu pour les entreprises. Une problématique à laquelle le Text Mining peut répondre.

L’émergence des médias sociaux a contribué à libérer la parole des consommateurs. Ces derniers ont désormais à leur disposition une tribune de portée et de puissance sans précédent, permettant de partager aisément leurs expériences clients, marquer leur avis et exprimer leurs besoins.

Face à la démultiplication des sources et à la croissance des prises de parole, décrypter les messages des consommateurs constitue un véritable enjeu pour les entreprises. Comment exploiter au mieux cette mine d’informations, représentant un important potentiel en matière de connaissance client ?

Aujourd’hui, diverses solutions sophistiquées sont proposées sur le marché et permettent de répondre à ce besoin émergent des entreprises. Ces outils reposent sur des techniques d’analyse textuelle ou « Text Mining », alliant les domaines de la linguistique, de la sémantique, des statistiques et de l’informatique. 

Quels sont les enjeux du Text Mining pour les entreprises en 2016 ?

Le Text Mining offre aux entreprises la possibilité de connaître automatiquement l’image que les consommateurs ont de leur marque, leurs produits, leurs services, leurs concurrents ou d’un marché. Il joue un rôle essentiel dans l’Enterprise Feedback Management (EFM), qui consiste à collecter et analyser en temps réel les retours clients, afin d'agir rapidement et augmenter la satisfaction des consommateurs.

Diverses expériences pilotes conduites dans le domaine de l’EFM ont prouvé la puissance des techniques de Text Mining. Récemment, une banque de détail française a mené un projet de Text Mining pour comprendre comment les internautes s’exprimaient au sujet de ses produits. Les enseignements se sont avérés particulièrement riches pour le marketing. Notamment, l’étude a révélé une mauvaise compréhension des termes bancaires par les clients. La banque sera dorénavant plus vigilante sur la terminologie employée pour les campagnes marketing, l’animation des sites Internet et médias sociaux. Elle prévoit également des formations sémantiques pour les chargés de clientèle.

Les textes rédigés par les internautes sont très subjectifs et porteurs d’opinions. Ces données sont le reflet du monde réel, qu'il s'agit de capter, de traiter et d'interpréter. Sur les grands sites tels que Amazon.com et Allociné.com, les opinions des utilisateurs sont structurées et relativement faciles à exploiter. En revanche, les contenus générés sur les blogs ou sites à forte audience avec une partie dédiée au blogging, tels que Doctissimo.com et  Auféminin.com, sont plus complexes à analyser. Ces données restent néanmoins les plus pertinentes, car elles sont généralement plus détaillées, plus expressives et plus détachées de « l’opinion des autres ».

Les données textuelles issues des médias sociaux renferment une très grande valeur. Couplées aux données d’une base CRM, elles permettraient aux entreprises de compléter leur connaissance client en termes de centres d’intérêt et de rôle social. Les possibilités sont  très vastes. Les opportunités proviennent de la capacité des entreprises à extraire les informations exploitables pour les traduire en enseignements pertinents.

Quels sont les déterminants d’une analyse textuelle efficace et pertinente ?

La qualification et l’exploitation des données textuelles générées sur les médias sociaux sont des tâches très complexes, pouvant s’avérer chronophages, onéreuses et décourageantes. La technologie est d’une aide précieuse, cependant elle n’apporte pas à elle-seule toutes les réponses. Quelles sont les conditions sine qua non pour une analyse textuelle réussie ?

La phase de cadrage est capitale dans un projet de Text Mining. Il s’agit de réfléchir aux besoins de l’entreprise, se poser des questions précises, identifier les sites à « écouter », spécifier les informations à recueillir et définir les mots-clés à capter. L’enjeu consiste à retenir un champ sémantique assez vaste pour couvrir le sujet, et suffisamment précis et ciblé pour une pertinence maximale. Les entreprises ne doivent pas sous-estimer le temps nécessaire à la phase de cadrage.

Le cadrage de l’étude orientera l’entreprise sur le choix de l’outil de Text Mining. En effet, les solutions proposées sur le marché sont nombreuses et n’apportent pas les mêmes résultats. Il est primordial d’identifier les besoins de l’entreprise avant de choisir le fournisseur : quel niveau de transparence voulez-vous sur le processus de catégorisation ? Sur quels éléments souhaitez-vous vous concentrer dans votre analyse (contenu, sentiment, etc.) ? Comment envisagez-vous de partager les résultats ?  L’accès aux résultats en ligne est-il nécessaire ? etc.

Les possibilités offertes par ces outils sont à la fois vastes et complexes. L’expertise analytique est indispensable pour en tirer le meilleur profit. Notamment, le rôle de l’analyste ne se limite pas à la configuration de l’outil de Text Mining. L’analyste est maître du jeu et intervient tout au long du processus : il participe au cadrage du projet, aiguille les logiciels et algorithmes, veille à une analyse correcte des données, interprète, valide et contextualise l’analyse.

De toute évidence, les débouchés du Text Mining sont considérables. Aussi, le marché a besoin d’être soigneusement guidé sur la façon de l’utiliser. Les modèles mathématiques sous-tendant le Text Mining sont très sophistiqués et requièrent un apprentissage approfondi pour garantir leur bonne utilisation. C’est pourquoi les entreprises doivent mettre l'accent sur la formation et l'accompagnement des futurs utilisateurs. Au démarrage, elles doivent accepter les difficultés inhérentes à ce domaine complexe, persévérer et en tirer des enseignements pour le futur. La réussite vient avant tout de l’expérience.

Autour du même sujet