La fouille ou extraction d’opinions conduit naturellement à d’une part, leur catégorisation, qui va bien au-delà d’un classique « positif-négatif-neutre » (1) et d’autre part, à l’analyse des conséquences. Derrière cette expression se trouve une évidence : les opinions sont souvent annonciatrices d’actions. D’ailleurs, ce schéma est souvent recherché par les services gouvernementaux en charge de la sécurité, notamment les déclarations du type « c’est injuste alors on va bloquer les routes » donc une opinion émise qui cautionne une action à venir (souvent répréhensible).
Dans le monde du marketing et de l’analyse d’opinions, cette préoccupation n’est pas nouvelle et est d’ailleurs prise en compte par les logiciels de traitements de la parole comme ceux qui peuvent être installés dans des centres d’appels. « Résilier mon abonnement » est un déclencheur pour le responsable du centre d’opérateurs Telecom, qui gagne souvent à reprendre la main sur son collaborateur de niveau 1. D’autant plus qu’il est assez facile de détecter la tonalité de la conversation, le « résilier mon abonnement » prononcé très fortement ne faisant que renforcer le signal d’alerte.
Dans le cas d’opinions écrites telles qu’elles peuvent l’être sur des sites de consommateurs où lors d’enquêtes d’opinions, la dynamique de la conversation se perd ou est moins évidente.
Prenons l’exemple d’une internaute qui rédige un avis sur une nouvelle crème bronzage et amincissante comme celui-ci : « la crème agit correctement sur les rondeurs mais pas mieux que celle dont on voit la pub à la télé ; pour ce qui est du solaire, c’est plutôt tendance carotte et quitte à faire orange autant manger du carotène, c’est moins cher ! C’est dommage parce que j’aime bien le concept poids+bronzage avant l’été« .
Constatons d’abord qu’il n’y a pas de conséquence et encore moins d’intentions. Elle ne dit pas « je vous déconseille d’acheter » ou « à boycotter ». Il y a clairement des éléments de satisfaction sur le volet « amincissant » et de la déception sur le bronzage carotène. En revanche, et c’est là qu’est tout l’intérêt, cette internaute a pris le temps de rédiger un long message pour partager son avis, son sentiment… ce qui, sur un plan marketing est extrêmement positif. La vraie conséquence à analyser est l’intérêt de l’internaute pour le produit même s’il ne répond pas à toutes ses attentes. Et donc que le produit intéresse même s’il est à améliorer.
Il y a donc deux niveaux d’analyses, le premier relevant directement du savoir-faire de QWAM avec le produit QWAM Text Analytics et ses applications Opinion Mining – éléments de satisfaction, de déception (1) – et le second – l’analyse des conséquences – qui reste du domaine de la recherche.
D’une façon plus générale, un nouveau champ d’investigations s’ouvre à partir des verbatim de consommateurs que la littérature anglo-saxonne appelle Intention Extraction from Text Messages.
Par exemple, avec des verbatim comme « Au regard du mauvais service, je vais les quitter » ou « je ne renouvellerai pas ma souscription après ce que j’ai subi« , il y a deux informations clés : d’une part, l’opinion émise sur la qualité de service et d’autre part, la décision ou tout du moins l’intention de la prendre. Ce que nous appelons la conséquence.
La détecter automatiquement et générer tout aussi automatiquement l’alerte correspondante est un atout essentiel pour un département en charge de l’écoute client. L’intention est exprimée mais l’internaute n’est pas nécessairement passé à l’acte. Il y a donc place pour une négociation, un geste commercial permettant de sauver l’affaire ! Dans ce cas, le calcul de ROI d’une telle application est très simple à automatiser en comparant le nombre d’alertes détectées à celui de dossiers traités ayant eu une conclusion positive.
QWAM mène des travaux de recherche sur ces questions complexes qui viendront enrichir le produit QWAM Text Analytics. A suivre !
(1) voir à ce propos notre billet http://blog.qwamci.com/analyse-sentiment-fouille-dopinions/