Les grands enjeux du Text Mining pour les marques en 2016

Selon le rapport Greenbook Research Industry Trends 2015, le Text Mining fait partie des « méthodes émergentes » de plus en plus utilisées par les sociétés d'études de marché. En marge de la conférence LT-Accelerate 2015 qui s'est tenue à Bruxelles en novembre dernier, Seth Grimes* a interviewé Jean-François Damais, Deputy Managing Director, Global Client Solutions chez Ipsos Loyalty.

Toujours selon ce rapport GRIT (Greenbook Research Industry Trends 2015), si les études sur mobile, la mise en place et l'animation de communautés en ligne et le social listening arrivent en tête des méthodes novatrices dans le mileu des études, un bon usage du Text Mining est la condition sinequanone d'une analyse réussie des médias sociaux*. C'est également une technologie fondamentale de "l'Analyse des big data". *À découvrir : Social Listening et expérience client font-ils bon ménage ?

Côté « clients », comme l’a observé le Temkin Group l’année dernière : les entreprises fortement engagées dans un programme de Voix du Client (VOC) sont de plus en plus enclines à utiliser l’analyse des données textuelles pour exploiter et comprendre les données non structurées. Le Temkin Group s'attend à une augmentation de l'utilisation de l'analyse de données textuelles dès lors que les entreprises auront compris que ces outils offrent un important potentiel en matière de connaissance client / d'insights. » De toute évidence, les débouchés sont considérables, même si le marché a encore besoin d'être guidé sur la façon de les utiliser.

A guide to Text Analytics


Publié début 2016, Jean-François Damais, Deputy Managing Director, Global Client Solutions chez Ipsos Loyalty à Londres a co-écrit, avec sa collègue Fiona Moss Associate Director chez Ipsos, A Guide to Text Analytics. Dans ce guide 100% Ipsos, les deux experts s'appuient sur des études de cas pour expliquer les possibilités, les avantages et les pièges à éviter du Text Mining. Jean-François est par ailleurs intervenu à la conférence LT-Accelerate 2015 qui s'est tenue à Bruxelles les 23 et 24 novembre derniers. Cette conférence était notamment consacrée au Text Mining, à l'analyse des sentiments et des médias sociaux...

 

Seth Grimes : Lors de la conférence LT-Accelerate, vous êtes intervenu pour parler de Text Mining dans le cadre des études de marché. Vous avez indiqué que le travail autour du Text Mining a augmenté de 70 % chez Ipsos chaque année depuis deux ans. Aujourd'hui, quelle part des projets implique des sources textuelles ? Quelles sont ces sources et quelles informations cherchez-vous ?

Jean-François Damais : Tous les projets d'étude de marché impliquent pour ainsi dire une partie de Text Analytics. Concernant nos principaux marchés (États-Unis, Canada, France et Allemagne), je dirais que 70 à 80 % de nos projets intègrent des analyses importantes en Text Mining pour tirer des conclusions, des insights clients impactants et élaborer des rapports dans des délais satisfaisants. Cependant, d'autres marchés (Europe de l'Est, Amérique latine, MENA et APAC) sont en retard. La vision d'ensemble n'est donc pas homogène. D'une manière générale, le Text Mining joue un rôle essentiel dans l'Enterprise Feedback Management, qui consiste à collecter et donner en temps réel les retours clients au sein de toute l'entreprise afin d'agir rapidement, d'augmenter la satisfaction client et d'accélérer par conséquent son développement.

En outre, l'utilisation du Text Mining pour analyser le contenu généré sur les médias sociaux est en pleine expansion. Il est intéressant de noter que de plus en plus de clients souhaitent en tirer profit pour intégrer les enseignements en complément de résultats d’enquête et avoir in fine une vision à 360° de leurs clients actifs et potentiels. Ainsi, en plus des données provenant d'enquêtes et des médias sociaux, nous analysons régulièrement des données internes détenues par les entreprises, comme les données relatives à des réclamations ou des remerciements, les FAQ, etc ; et nous les intégrons dans un même outil pour obtenir une vision plus complète, plus holistique.

L'analyse de données textuelles est vraiment très utile dans le domaine de l'intégration de données, notamment multi-sources. La technologie facilite bien évidemment les choses, mais elle n'apporte pas toutes les réponses. Une expertise analytique est, à nos yeux, indispensable pour configurer et effectuer correctement l'analyse, mais aussi pour interpréter, valider et contextualiser cette analyse. C'est vraiment essentiel.

 

les différentes sources utiles au Text Mining

"L'Analyse Textuelle peut vraiment aider dans l'analyse de données multi-sources ; la technologie en elle-même est une aide précieuse, cependant elle ne vous donnera pas toutes les réponses"

 

Seth Grimes : Malgré le développement impressionnant du Text Mining chez Ipsos, j'ai l'impression que les spécialistes des études de marché et les clients ne comprennent souvent pas le potentiel de cette technologie et que les fournisseurs d'outils ne les informent pas suffisamment à ce sujet, ne les ont pas "assez éduqué". Partagez-vous ce sentiment ou votre vision est-elle différente ?

Jean-François Damais : Je suis globalement d'accord avec vous. Il y a beaucoup d'idées fausses et incomplètes dans ce secteur. Je pense que les fournisseurs d'outils d'Analyse Textuelle gagneraient à être plus transparents au sujet des avantages et des limites de leurs logiciels et sur la façon dont ils peuvent être utilisés pour répondre aux besoins des clients. Actuellement, c'est comme si tout le monde était prêt à faire un grand nombre de promesses difficiles à tenir et j'ai parfois l'impression que c'est contre-productif. Je veux parler de l'accent qui est mis sur les niveaux de précision, le niveau de qualité d'une langue à l'autre, le niveau d'intervention humaine, le caractère unique, meilleur ou universel d'une technologie par rapport au reste du marché, etc.

En 2014, nous avons mené une étude approfondie sur la plupart des outils d'analyse de données textuelles actuellement disponibles et nous avons identifié les points forts et les points faibles de chacun. Bien que chacun des outils qui nous ont été présentés ait des forces, des faiblesses et des fonctionnalités différentes, nous en avons tiré les conclusions suivantes :

1- IL N'Y A PAS DE TECHNOLOGIE PARFAITE
Connaître les points forts et les points faibles de la technologie utilisée est essentiel pour obtenir des résultats exploitables.

2- IL N'Y A PAS DE SOLUTION MIRACLE « PRESSE-BOUTON »
Même les meilleurs outils nécessitent une intervention humaine et des connaissances analytiques.

3- IL N'Y A PAS D'OUTIL « UNIVERSEL »
Selon le type de données ou de besoins, certains outils et technologies conviennent mieux que d'autres.

C'est le thème du guide que nous avons réalisé, ma collègue Fiona Moss et moi-même, "Comment utiliser efficacement l'analyse de données textuelles ?".  Les avantages de l'analyse de données textuelles sont immenses et j'admets qu'il est important de mettre l'accent sur la formation et l'accompagnement des futurs utilisateurs pour qu'ils comprennent comment en tirer le meilleur profit.

Seth Grimes : Quand avez-vous personnellement commencé à utiliser l'analyse de données textuelles et quels conseils donneriez-vous aux spécialistes des études de marché qui souhaitent utiliser cette technologie ?

Jean-François Damais : J'ai commencé en 2009, quand Ipsos Loyalty s'est mis à proposer des services d'analyses de données textuelles à ses clients. À cette époque, ce service était plutôt une niche considérée par beaucoup d'entreprises comme une valeur ajoutée intéressante ("nice to have"). Mais les choses ont beaucoup progressé depuis et les capacités d'analyse de données textuelles permettent d'accompagner certains de nos plus gros clients dans la mise en place et suivi de leurs programmes d’écoute client. Cette technologie est par ailleurs un outil clé de notre offre.

Voici ce que je dirais à un spécialiste des études de marché (ou à un client) :

  • Définissez votre objectif
  • Gérez les attentes de votre organisation
  • Placez l'analyste au cœur du processus
  • Choisissez le ou les outils d'analyse de données textuelles les mieux adaptés à votre objectif
  • Familiarisez-vous avec les points forts et les points faibles de vos outils
  • N'abandonnez pas !

Seth Grimes : Selon vous, quels sont les meilleures opportunités et les plus grands défis pour l'analyse textuelle, quelles informations capture t'on et quid du potentiel des données structurées et non structurées ?

Jean-François Damais : Dans une certaine mesure, ce qui vaut pour le Text Mining vaut plus généralement pour le big data. Ces dernières années, le volume et la diversité des sources de données non structurées ont considérablement augmenté, qu'il s'agisse des retours des consommateurs, des consommateurs potentiels, des salariés, des citoyens et des systèmes d'information. Ces données renferment souvent une très grande valeur. Les opportunités proviennent de la capacité à extraire des informations exploitables. En dépit de cet immense potentiel, les pièges sont nombreux et les entreprises doivent les éviter. L'un des plus dangereux consiste à croire que la technologie suffit à elle seule, indépendamment de son niveau d'avancement, pour extraire des informations pertinentes et exploitables.

Seth Grimes : Citant un cas d'étude Ipsos, vous avez écrit : « Même lorsque les données extraites répondent à un objectif précis, l'analyse peut être une tâche complexe. » Quelles méthodes utilisez-vous pour sélectionner les données et extraire des informations, notamment des réseaux sociaux ?

Jean-François Damais : L'analyse des médias sociaux comporte des défis importants qui vont bien au-delà du Text Mining. Traditionnellement, l'écoute des médias sociaux consistait à tout explorer. La tentation de procéder ainsi est immense dans la mesure où nous avons aujourd'hui accès à une technologie d'exploration du web capable de sonder l'ensemble du réseau et de fournir une foule de données automatiquement. Malheureusement, cela entraîne dans bien des cas une paralysie de l'analyse dans la mesure où les données collectées sont innombrables, rarement pertinentes et souvent redondantes. Cet excès d'informations sans enseignements est décourageant, chronophage et onéreux.

Notre offre de « Social Intelligence » s’articule autour des principes suivants :
La première chose consiste à chercher des éléments précis. La recherche des données web, ou plus globalement des big data, est très différente de l'analyse des données structurées provenant de questionnaires. On ne peut tout simplement pas tout analyser ou tout croiser avec tout. La quantité et la diversité de ces données nécessitent une approche différente, l'essentiel étant de savoir ce que vous cherchez.

Si vous voulez des réponses précises, posez des questions précises. L'évolution et l'adaptabilité sont également des éléments clés. Afin d’obtenir des informations et des réponses utiles et pertinentes, il faut accorder plus de temps à la phase de configuration, de test et l'amélioration de la mise en place du projet. Les entreprises ne doivent pas sous-estimer le temps nécessaire à la conception des études, l'analyse des informations extraites des médias sociaux et la préparation des rapports.

Seth Grimes : Quel est le bon équilibre entre l'analyse fournie par un logiciel et le jugement humain concernant la conception des études, la collecte des données, l'analyse des données et la prise de décision ? Y a-t-il des règles générales ou définissez-vous la meilleure approche au cas par cas ?

Jean-François Damais : Comme je l'ai déjà dit, nous sommes convaincus qu'il est nécessaire d'avoir une expertise analytique pour exploiter au mieux un logiciel d'analyse de données textuelles. Cependant, le niveau d'intervention humaine varie en fonction du type d'analyse nécessaire. S'il s'agit uniquement d'explorer et de compter les concepts clés contenus dans les données, une intervention minimale suffit. Mais s'il s'agit de relier entre elles différentes sources de données et d'interpréter les informations, le facteur humain est très important. La technologie est très importante, mais c'est un moyen, pas une fin en soi. Ce sont la connaissance des données, le fait de savoir comment manipuler et interpréter les résultats et les adapter aux contextes de chaque entreprise qui permettent d'obtenir des résultats vraiment exploitables. De ce fait, l'analyste se retrouve au cœur du processus dans la plupart des projets que nous réalisons pour nos clients.


Exemple d'un processus de Text Mining (présence indispensable de "l'humain" à chaque étape)

Les étapes du Text Mining

"Si vous voulez des réponses précises, posez des questions précises."

 

Seth Grimes : Pour finir, depuis quelque temps, je travaille sur l'analyse des sentiments et j'utilise des techniques émergentes axées sur les émotions, mais le marché reste quelque peu sceptique. Que pensez-vous des technologies d'analyse des sentiments/émotions de manière générale et pour des problématiques précises ?

Jean-François Damais : Aucune technologie n'est parfaite, mais nous pouvons les rendre extrêmement utiles en apprenant à les utiliser. Une fois encore, je pense que la réussite vient avec l'expérience. Certains de nos clients nous ont confié que l'analyse des données textuelles leur a procuré des avantages tangibles et significatifs, à la fois en termes de gain de temps, d'argent et en leur fournissant des informations supplémentaires pouvant être intégrées dans leur organisation. Selon moi, le secteur devrait faire un peu plus d'efforts pour communiquer sur ces avantages tangibles et un peu moins sur qui a le meilleur moteur d'analyse des sentiments ou le meilleur niveau de précision.

Seth Grimes : Merci Jean-François !

*Seth Grimes est le plus grand analyste du secteur. Il travaille dans le domaine du Text Mining de l'analyse des sentiments et de l'analyse de la convergence entre les sources de données structurées et non structurées. Il a fondé Alta Plana Corporation en 1997, un cabinet de conseil de stratégie en technologie de l'information basé à Washington DC et est un contributeur de longue date de TechWeb (InformationWeek, AllAnalytics, Internet Evolution, et avant eux Intelligent Enterprise). Il a créé et organise le Sentiment Analysis Symposium et la conférence LT-Accelerate à Bruxelles et a été le président fondateur du Text Mining Summit (2005-13). Seth consulte, écrit et donne des conférences sur la veille économique, la gestion des données et les systèmes d'analyse, le text Mining , la visualisation et tout ce qui y a trait.

Document associé :

Olivier Lagrand

Directeur Général, Ipsos Loyalty

Marie-Paule Bayol

Directrice Générale Adjointe, Ipsos Loyalty CRM

Emmanuelle Jégo

Commentez cet article :

Identifiez-vous et inscrivez-vous rapidement et gratuite pour commenter cet article

A la une en ce moment :