Le traitement du langage est particulièrement intéressant dans les domaines du commerce et du marketing, notamment pour l’analyse des opinions et sentiments exprimés par les consommateurs.

Sommaire

Voix des Clients

Opportunités de vente

Imaginez que vous disposiez de centaines de milliers, voire de millions de retour de consommateurs. Tout cela représente une mine d’or d’informations pour améliorer votre activité. L’analyse de la voix des clients permet de comprendre les attentes des consommateurs et de transformer leurs attentes en produits et services mieux adaptés.

Ces commentaires évoquent majoritairement des choses connues : par exemple, tel produit est trop cher ou pas assez bio ; ou il y a trop de temps d’attenté en caisse. La mesure de ces signaux forts permet d’en quantifier l’évolution dans le temps au fur et à mesure de leur résolution. Une fois que ces signaux forts sont enlevés, il reste d’innombrables signaux faibles. Certains d’entre eux recèlent des pépites.

Donnons quelques exemples concrets identifiés chez l’un des plus grands distributeurs français. L’enseigne a, par exemple, augmenté le chiffre d’affaires du rayon papeterie de 8% très simplement. En laissant les agendas en tête de gondole une semaine de plus en septembre.

En effet, de nombreux clients écrivaient pour se plaindre de ne plus trouver en magasin l’agenda qu’ils étaient venus chercher pour leurs enfants lors de la rentrée des classes.

Amélioration de la qualité

On peut également s’en servir pour améliorer la qualité des produits. Un type de yaourt à la pêche avait un problème systématique de pourrissement avant la date limite de consommation. Le problème étant remonté par seulement quelques personnes de temps en temps. Cela rendait le signal imperceptible à l’oeil humain. Mais la machine l’a détecté, ce qui a permis au final de fixer le problème en usine.

Anticipation des risques

L’exploitation des signaux faibles est aussi intéressante pour anticiper des risques sanitaires ou juridique. Par exemple, une semaine donnée, cinq personnes se plaignent d’amertume dans la bouche et de perte de goût après avoir mangé des pignons de pin. Ces pignons de pin n’étaient pas comestibles par des humains. L’identification immédiate de ce risque permet de retirer le produit incriminé des rayons au plus tôt.

Identification de tendances

Enfin les signaux faibles aident aussi à identifier des tendances sociétales. Par exemple, l’augmentation de la demande des consommateurs pour les produits halal biologiques a été clairement visible dès la mise en œuvre de la solution.

Modération et validation des avis d’internautes

Un autre cas d’usage intéressant concerne la modération automatique des avis d’internautes. Une grande enseigne de distribution dans le domaine du sport propose ainsi à ses clients de laisser sur son site web des commentaires sur les produits. Mais ces commentaires doivent respecter certaines règles: ne pas citer de données personnelles ou de marques concurrentes ; ne pas tenir de propos offensant ou inappropriés…

L’analyse sémantique permet de largement automatiser le processus de modération en vérifiant que ces règles sont respectées. Pour donner un ordre de grandeur, le système valide ainsi automatiquement 70% des avis ; il bloque aussi automatiquement les 10 % d’avis qui violent l’une des règles devant être respectées. Cela permet aux équipes d’humains de se focaliser sur les 20 % d’avis nécessitant un œil expert pour les valider ou non.

Analyse prédictive

Autre exemple de création de valeur : l’analyse prédictive permise par une exploitation des textes issus des sites web. Il y a quelques années, nous avons analysé les sites de blogueuses d’ influence dans l’univers de la chaussure et de la mode. Lors de cette étude, nous avons détecté des centaines de types de chaussures, notamment les peep toes (c’est à dire les chaussures à talons haut et à bouts arrondis ouverts). Nous avons remarqué une tendance haussière de ces mentions au fil du temps pour ce modèle. Nous avons prédit que ce type de chaussures se vendrait davantage à l’été suivant, ce qui s’est effectivement vérifié.

Détection d’influenceurs sur le web social

Un autre intérêt de cette étude a été de calculer l’importance relative des blogueuses d’influence. De même que les chercheurs se citent entre eux, les blogueuses se comparent entre elles. Après avoir collecté 20000 posts de blog dans cet univers, nous avons calculé ce qu’on appelle un graphe de centralité. Il est affiché au milieu de l’écran : plus on est au centre du graphe, plus on est légitime aux yeux de ses pairs.

Dans ce cas, la blogueuse symbolisée par le point rouge au centre du graphe a été choisie par une grande marque de chaussures pour la représenter en tant qu’ambassadrice web 2.0. Comme on le voit, c’est une approche puissante permettant aussi à une marque d’établir une sous segmentation.

Assistants de réponse aux emails

Un exemple d’automatisation permise par le traitement du langage concerne l’aide à la réponse aux emails. En banque de détail, le système est capable de détecter des questions posées dans un mail reçu puis d’aller chercher dans une base de connaissances les meilleures réponses. Un brouillon de réponse est ainsi amorcé automatiquement et n’a plus qu’à être validé avant envoi.

Le système peut également interroger le système d’information pour avoir des réponses à des questions précises; par exemple, le montant présent sur un compte bancaire. Ce type de solution permet à un chargé de clientèle de gagner jusqu’à une heure par jour.

Chatbot

Le chatbot est un autre exemple d’automatisation facile à mettre en œuvre, fonctionnant 24 heures sur 24, 7 jours sur 7. Il soulage le service clients sur les questions répétitives en répondant dans une certaine limite aux questions que les internautes se posent.

Un point qui nous semble essentiel dans ces deux exemples est d’être toujours transparent sur l’automatisation en explicitant que c’est avec une machine qu’on dialogue et en proposant éventuellement de poursuivre la conversation avec un humain.

Comprendre le langage humain

La plupart des mots ont plusieurs sens. La présence de plusieurs mots dans la phrase (et dans les phrases voisines) crée un contexte qui aide à identifier le sens d’un mot parmi ceux qui sont possibles. Des algorithmes de désambiguïsation peuvent alors exploiter les différents indices présents. Encore faut-il avoir une bonne compréhension des difficultés linguistiques qu’on peut rencontrer, car ces ambiguïtés sont de différentes natures.

On parle d’ambiguïté lexicale quand un mot peut avoir plusieurs sens.

« Mets la pomme sur la serviette dans la boîte. »
Ambiguïté syntaxique. Quel est le sens d’une phrase ?

La syntaxe créé aussi des ambiguïtés. Par exemple, une phrase comme « mets la pomme sur la serviette dans la boîte » peut être interprétée de cette façon; mais on peut également avoir comme sens « mets la pomme qui est sur la serviette à l’intérieur de la boîte ». Tout dépend du contexte.

« J’ai mangé un jus d’orange, j’ai bu du jus d’orange, j’ai mangé une tarte à l’orange, j’ai mangé du canard à l’orange. »
Homonymes (ambiguïté lexicale). Quel est le sens d’un mot ?

Comme vous pouvez le constater, les utilisations du traitement du langage naturel sont très nombreuses et offrent une multitude d’opportunités pour augmenter la productivité, la fiabilité et prendre de meilleures décisions. Nous pourrions encore démontrer tant d’utilisations!

En savoir plus sur les applications du NLP :