Dans notre dernier billet, nous indiquions que structurer des données issues de commentaires de forums ou d’avis de consommateurs, ce que l’on appelle la voix du client, facilite l’exploitation de ces résultats par des outils décisionnels de type Business Intelligence. En particulier, structurer un sentiment selon trois paramètres (Force, Nature, Thème) permet d’avoir une précision sans commune mesure avec les « positifs » et « négatifs » généralement attribués à un corpus de ce type (voir http://blog.qwamci.com/analyse-sentiment-approche-innovante-etape-1/ ).

Cette structuration ouvre un nouveau champ d’investigations dans la mesure où l’analyse de sentiments servaient, jusqu’à présent, des objectifs de communication au même titre que les revues de presse.

Or, construire une représentation des commentaires en extrayant les concepts-clés –et les options pour le faire sont nombreuses avec QWAM Text Analytics – permet de modéliser un espace de ces concepts pour un ensemble de commentaires. Les opérations statistiques deviendront assez simples à réaliser dans la mesure où cet espace est structuré avec une organisation hiérarchique en classes et sous-classes. La technologie QWAM en matière d’analyse de sentiments permet de définir facilement pour chacun de ces sentiments une force (allant de valeurs négatives à des valeurs positives) associée à la nature de ce sentiment.

De facto, une normalisation s’opère lors de cette analyse (avec sans doute une perte de quelques nuances) mais qui présentera l’immense avantage de faciliter des comparaisons à la fois dans le temps et en intensité. Ainsi, que peu de personnes expriment avec force un sentiment négatif (ou verbalisé en tant que tel) aura sans doute plus d’impact qu’un brouhaha issu du plus grand nombre, pas vraiment positif mais pas vraiment négatif. Ces personnes virulentes peuvent-être des précurseurs et constituer un « signal faible » d’un mouvement plus significatif à venir. Inversement, ce groupe n’est peut-être constitué que de personnes isolées, peu représentatives d’un sentiment général. Dans le premier cas, cette analyse appelle une décision ; dans le second, il est urgent de ne rien faire. Cette analyse duale n’aurait pas été possible ou en tout cas pas facile à faire si un outil comme QWAM Text Analytics, n’avait pas mis évidence non seulement le sentiment mais sa nature et sa force. Un simple outil de « Sentiment Analysis » aurait moyenné un « neutre » sans grand intérêt.

Nous l’indiquions précédemment, QWAM Text Analytics propose plusieurs outils permettant d’extraire des concepts-clés à partir de textes et notamment de commentaires et avis de clients ou de collaborateurs. L’un de ces outils extrait les « concepts-chauds », déterminés à partir d’un flux d’actualité indépendamment d’un corpus spécifique. Ainsi, QWAM Text Analytics collecte quotidiennement des millions de pages d’actualité, en extrait les concepts du jour, ceux on parle le plus, et sont appelés les concepts chauds.

Les concepts chauds ont une importance toute particulière en matière d’analyse des sentiments : les clients ou les collaborateurs sont bien évidemment exposés aux différentes actualités en lien avec le produit qui les intéresse, le monde du travail ou leur secteur d’activité. Or, dans la mesure où les données extraites des commentaires ou réponses à des questions ouvertes ont été structurées et en particulier pondérées, il est parfaitement possible de mesurer cet impact.

Prenons par exemple, un sentiment exprimé sur un sujet lié à une actualité spécifique à la législation du travail : les concepts chauds qui correspondent à ce sujet peuvent être qualifiés par QWAM Text Analytics à la fois par leur nature et leur force. Un peu comme un référentiel de l’opinion publique. Mesurer l’impact sur un groupe de collaborateurs devient facile par comparaison à ce référentiel. En particulier, il est très facile de vérifier si ce groupe adhère ou reste peu concerné par ces concepts-chauds même s’ils sont en lien avec leur propre activité.

L’analyse de sentiments a souvent été perçue avec « amusement » par les professionnels du marketing, les outils utilisés manquant à l’évidence de rigueur. QWAM Text Analytics ouvre un nouveau champ d’investigation, en combinant structuration de données issues de commentaires et avis et analyses issues de l’informatique décisionnelle.

Le retour d’expérience de la Marine Nationale est assez illustratif de cette démarche où QWAM Text Analytics est utilisé régulièrement pour traiter les données textuelles issues des enquêtes sociologiques afin de cartographier les sentiments, les attentes et les préoccupations des marins.

A lire sur (http://www.qwamci.com/blog/2017/10/06/retour-dexperience-de-marine-nationale-lia-service-bien-etre-marins-francais-solution-qwam-text-analytics/