Dans ce guide, nous vous expliquerons son fonctionnement, ainsi que les différentes façons dont elle peut être utilisée pour obtenir plus d’insights sur votre marque.
1. Qu'est-ce que l'analyse de sentiment ?
2. Quels cas d'usage pour les marques ?
3. Exemple concret avec Merck KGaA
4. Les meilleurs technologies et outils d’analyse de sentiment
5. Le futur de l'analyse de sentiment
1. Qu’est-ce que l’analyse de sentiment ?
Analyse de sentiment, analyse de tonalité, opinion mining… Tous ces termes décrivent une technologie prévalente (bien que controversée) dans le monde de la veille et de l’analyse du web et des réseaux sociaux qui se base sur le traitement du langage naturel (en anglais : natural language processing).
Petit point jargon : qu’est-ce que c’est exactement, le traitement du langage naturel ? Dans son introduction au traitement automatique des langues naturelles, François Yvon le présente comme « l’ensemble des recherches et développements visant à modéliser et reproduire, à l’aide de machines, la capacité humaine à produire et à comprendre des énoncés linguistiques dans des buts de communication. »
Dans le domaine du social listening, cette technologie est utilisée pour identifier et analyser les opinions exprimées dans les publications sur le web et les réseaux sociaux, et déterminer leur contexte (neutre, positif, négatif), et appelée de façon plus commune « analyse de sentiment ».
Pour simplifier, il s’agit d’un outil vous permettant de rapidement déterminer si les gens parlent en bien ou en mal d’un sujet donné !
Imaginons que vous venez de lancer un nouveau produit, ou une nouvelle campagne publicitaire, comme l’a tout récemment fait Monoprix avec sa vidéo « La pire publicité du monde ».
Bonne nouvelle : les mentions de la campagne affluent sur le web et les réseaux sociaux, avec des centaines de nouveaux résultats par heure ! Mais comment gérer et analyser cet influx de feedback ? Au début, des analystes humains devaient traiter ces résultats un par un et les classer manuellement en fonction du sentiment exprimé.
C’est aujourd’hui chose impossible au vu de la quantité d’informations à traiter, tout particulièrement pour les grandes marques. Pour vous donner un ordre de grandeur, une marque française comme Monoprix est mentionnée plus de 50 000 fois par mois, et une marque globale comme Starbucks plus de 3 millions de fois ! D’où la nécessité d’un outil d’analyse automatique permettant de faire remonter les résultats les plus critiques (ou les plus positifs).
Le problème, c’est que l’analyse de sentiment est généralement loin d’être parfaite. Il faut l’avouer, les internautes ne lui simplifient pas la tâche, les réseaux sociaux étant un terreau fertile pour le sarcasme et l’ironie (sans parler des expressions, des acronymes et de l’orthographe « réinventée »). D’où la difficulté de catégoriser correctement chaque message publié sur le web.
Détecter l’ironie est une compétence sociale que de nombreux humaines peinent eux-mêmes à maitriser. En fait, si on revient à ces fameux analystes humains qui ont précédé l’analyse automatique de sentiment, des chercheurs se sont rendu compte que la catégorisation positif/neutre/négatif donnait lieu à différents classements des mêmes résultats en fonction de la personne en charge.
2. Analyse de sentiment : quels cas d’usage pour les marques ?
L’analyse de sentiment est un des outils d’analyse les plus flexibles à la disposition des marques. Celles-ci peuvent utiliser ces indicateurs de tonalité et les croiser avec d’autres données pour mieux comprendre ce que pensent leurs consommateurs.
Grâce à l’analyse de sentiment, les professionnels du marketing et de la communication sont capables de détecter tout changement dans la perception de leurs marques, tout retour négatif envers un nouveau produit, et toute réaction à une nouvelle campagne telle que celle de Monoprix. Ces insights leur permettent d’identifier des sources de frustration pour leurs clients réels ou potentiels qui peuvent être résolues ou améliorées.
a. Surveiller la réputation de votre marque
Si vous êtes capable d’analyser la tonalité des publications des consommateurs autour de votre marque, vous pourrez réellement comprendre comment celle-ci est perçue sur le marché. Soyez à l’affût de tout changement de sentiment, qu’il soit positif ou négatif, tout spécialement après le lancement d’une campagne, d’une participation à un salon, ou de la présentation d’un nouveau produit.
b. Améliorer l’expérience client
L’analyse de sentiment donnera également davantage d’informations à votre équipe en charge de l’expérience client, afin qu’elle puisse mieux comprendre son ressenti à chaque étape du parcours de décision. Toute source de frustration peut ainsi être immédiatement adressée, et la relation avec le client devient plus personnelle, et plus génératrice d’engagement et de revenus.
c. Gérer une crise
Une montée de publications négatives ? Il s’agit peut-être des signaux faibles d’une crise pour votre marque. Si c’est le cas, l’analyse de sentiment vous permettra de repérer ces messages critiques dès leur apparition, ainsi que de suivre l’évolution de la perception de votre marque et de filtrer les messages par tonalité, afin de répondre en priorité et de manière plus ciblée aux détracteurs les plus influents. Vous pourrez également amplifier les messages positifs des gens qui vous soutiennent.
d. Améliorer votre veille concurrentielle
Un veille complémentée par l’analyse de sentiment vous permettra également de mieux comprendre comment vous vous situer par rapport à la compétition, que ce soit en matière de réputation ou de performance de vos campagnes marketing.
McDonald’s contre Burger King – la bataille du sentiment
Dans l’exemple ci-dessus, j’ai comparé les mentions de McDonald’s à celles de Burger King sur Quick Search, notre nouveau moteur de recherche pour le web social. Sur base de ces treize mois de données historiques, on découvre que 61% des résultats pour McDonald’s sont négatifs (en excluant bien sûr les messages neutres), comparé 40,5% pour Burger King.
En analysant ces résultats plus en profondeur, nous avons identifié plusieurs contenus particulièrement responsables pour cette mauvaise réputation de McDonald’s, comme par exemple cette vidéo YouTube ridiculisant la marque.
Le fait de détecter des réponses négatives aux communications de vos concurrents pourrait également vous permettre de rediriger des consommateurs potentiels vers votre marque, comme dans cet exemple tiré du secteur bancaire en Allemagne.
e. Booster votre service client
Le fait de suivre l’évolution de la perception de votre marque, de vos services ou de vos produits peut également être d’une grande aide pour votre équipe en charge de la relation client. S’ils arrivent à apaiser rapidement tout client irrité, ils feront la preuve de l’efficacité de votre entreprise, et arriveront peut-être à transformer certains de ces détracteurs en ambassadeurs de la marque.
3. Exemple concret : quand Merck KGaA utilise l’analyse de sentiment pour améliorer ses produits sur base des besoins des consommateurs
Merck KGaA, une des plus grandes entreprises allemandes dans le secteur technologique, cherchait des façons d’obtenir plus d’insights sur ses produits afin d’améliorer son processus de développement.
On retrouve parmi ses produits clés les cristaux liquides, qui sont des composants essentiels dans la fabrication des écrans LCD. Merck KGAa avait un dilemme : valait-il mieux se concentrer sur une meilleure résolution et luminosité, ou plutôt améliorer le rapport de contraste ? Que préfèreraient les utilisateurs de smartphones ?
Comparaison des différentes fonctionnalités de smartphones haute gamme par sentiment.
Une étude menée sur base de l’analyse de sentiment a permis de prouver que la résolution et la luminosité, tout comme la couleur et la batterie du smartphone, étaient des facteurs critiques dans la décision d’achat. À l’inverse, le taux de contraste n’intervenait pas du tout.
Analyse de sentiment des différents modèles de smartphones en fonction de leur résolution.
En allant plus loin dans ses analyses, Merck KGaA a établi un lien entre le niveau de sentiment positif autour de différents types de smartphones et la qualité de leur résolution, et s’est donc concentré sur l’amélioration de cette caractéristique plutôt que sur des questions de contraste, qui semblent donc être moins importantes aux yeux des consommateurs.
Lire l’étude complète réalisée par Merck KGaA
4. Les meilleurs technologies et outils d’analyse de sentiment
Il existe aujourd’hui plusieurs approches qui varient en fonction de l’outil de veille utilisé. Parlons d’abord des méthodes « traditionnelles » :
- Le keyword scoring, où l’on attribue un score positif ou négatif à des mots individuels présents dans un message pour déterminer sa tonalité générale. Problème : cette méthode ne prend pas en compte les mots ambigus ou les messages ironiques ou sarcastiques.
- Le training set (ensemble de formation), méthode où on laisse l’utilisateur définir ses propres catégories en classant quelques dizaines de résultats, classement sur lequel l’algorithme se basera pour analyser tout résultat futur. Problème : cette méthode demande beaucoup de temps pour être mise en place, et ne pourra catégoriser qu’un nombre réduit de publications du fait des limites des catégories de base.
- L’huile de coude : plusieurs marques et agences refusent d’utiliser les technologies d’analyse de sentiment automatique proposées par leurs plateformes de veille et préfèrent classifier les résultats à la main.
Du fait des manquements de ces différentes méthodes, nous avons décidé chez Talkwalker de nous tourner vers l’intelligence artificielle afin d’analyser les phrases dans leur ensemble et d’ainsi obtenir un taux de précision plus important.
A l’aide de modèles d’apprentissage profond qui imitent les fonctions cognitives du cerveau, cette technologie peut comprendre des structures linguistiques complexes et même traiter des formes basiques d’ironie et de sarcasme.
Le taux de précision de l’analyse de sentiment basée sur l’IA dépend principalement de la taille du « training set » sur lequel se base l’algorithme pour « apprendre », ce qui veut dire que nous avons dû voir les choses en grand. Les résultats présentés ci-dessous sont basés sur ces recherches, et démontrent la corrélation entre la taille du « training set » avec le taux de résultats correctement identifiés par l’algorithme.
5. Le futur de l’analyse de sentiment
Il est clair que l’analyse de sentiment telle qu’elle est pratiquée aujourd’hui n’est pas une science exacte. Comme l’explique très bien Olivier Cimelière dans un article sur le sujet publié sur le Blog du Communicant : « Autant ces solutions peuvent constituer un énorme gain de temps et de puissance de collecte de feedback, autant l’intervention humaine est irremplaçable pour affiner et préciser les contours du sentiment observé. »
Chez Talkwalker, nous mettons l’accent sur cette nécessité d’une analyse de sentiment de plus en plus précise. Les marques doivent être capables de mesurer la santé de leur marque, d’analyser sa perception auprès de différentes audiences et d’améliorer ses produits et ses services sur base des retours d’expérience de ses consommateurs.
Aujourd’hui, notre équipe de data science estime la précision de notre algorithme d’analyse de sentiment boosté à l’IA à environ 90%, mais continue bien sûr de travailler à améliorer celle-ci.
