5 conseils clés pour une analyse de données textuelles réussie

Analyser des données textuelles pour en extraire des renseignements pertinents n’est pas nécessairement une tâche compliquée. Voici nos cinq meilleurs conseils pour éviter les pièges et obtenir des données exploitables à partir de textes non structurés.

— 1 —
DÉFINISSEZ VOTRE OBJECTIF

Les questions vagues obtiennent des réponses vagues. Si vous prévoyez d’analyser les données textuelles d’une enquête et si vous avez la possibilité de contrôler la rédaction du questionnaire, il est primmordial de poser des questions précises. Vous orienterez ainsi la réflexion des personnes interrogées de façon à obtenir des réponses et une analyse textuelle plus riches.

Par exemple, remplacer le champ « Autres commentaires » par « Dites-nous comment améliorer notre service client » donnera des résultats plus ciblés et plus exploitables. Sur les réseaux sociaux, si l’identification de la question demeure importante, il s’agit surtout de définir les informations que vous souhaitez recueillir. Aussi, la connaissance de la teneur des discussions relatives à un produit spécifique sur un forum, requiert une approche différente de celle nécessaire à l’analyse des commentaires sur le service client d’un vendeur donné.
 

— 2 —
GÉREZ LES ATTENTES DE VOTRE ORGANISATION

L’analyse de données textuelles n’est pas une solution parfaite. À la suite d’un examen approfondi, réalisé en 2014, des principaux fournisseurs d’analyse de données textuelles du marché, nous sommes arrivés à la conclusion suivante : pour chaque outil, il convient de trouver un équilibre entre précision (catégorisation correcte des commentaires) et rappel (regroupement de tous les commentaires pertinents dans une catégorie). Reconnaitre la nécessité de ce compromis et trouver le bon équilibre peuvent constituer un véritable défi. Pour le relever, votre entreprise doit comprendre que l’objectif est de procéder à une analyse suffisamment pertinente pour la prise de décisions plutôt qu’à une analyse parfaite. Ainsi, s’il est utile d’investir dans un programme complet afin d’optimiser l’analyse, il faut également garder à l’esprit qu’il n’existe pas de solution miracle « en un clic ».
 

— 3 —
PLACEZ L’ANALYSTE AU CŒUR DU PROCESSUS

Ne clouez pas de suite votre analyste au pilori ! Le succès d’une analyse de données textuelles repose en grande partie sur la capacité de ce dernier à exploiter les atouts de l’outil employé pour obtenir des informations utiles. En d’autres termes, vous devez vous assurer que l’analyste a compris les exigences de votre entreprise et qu’il est capable de les traduire en catégories et/ou en résultats répondant à ces besoins. Vous devez également accepter les éventuelles faiblesses de l’outil et trouver un moyen de les contourner. Il est donc préférable de faire confiance à un analyste qui identifie des difficultés et tente d’y remédier plutôt que de nier leur existence.
 

— 4 —
CHOISISSEZ LE BON TEXTE À ANALYSER

Les outils d’analyse de données textuelles se divisent en deux catégories : approche basée sur les règles linguistiques et apprentissage automatique. Souvent plus longues à configurer, les approches basées sur les règles linguistiques offrent des ressources transférables et une transparence sur la catégorisation des commentaires. Plus rapide à configurer, l’apprentissage automatique peut s’avérer plus difficile à corriger s’il « apprend » la mauvaise approche. Il peut par ailleurs faire penser à une « boite noire » dans la mesure où il est impossible de savoir comment il « pense » la catégorisation.

Suivant le même principe, tous les outils ne fournissent pas les mêmes résultats. Certains proposent des niveaux de granularité variables ou établissent des liens entre les thèmes apparaissant dans les données. D’autres proposent des graphiques en ligne ou copient les résultats de l’analyse dans SPSS ou dans des fichiers Excel pour permettre une exploration supplémentaire après l’analyse textuelle. Les possibilités sont vastes.

Il est donc important de bien réfléchir à vos besoins avant de choisir votre fournisseur : quel niveau de transparence souhaitez-vous sur le processus de catégorisation ? Comment voulez-vous partager les résultats ? Sur quels éléments voulez-vous vous concentrer (sentiment, contenu, les deux) ? L’accès aux résultats en ligne est-il nécessaire ? Etc...
 

— 5 —
VOYEZ GRAND EN TERMES DE VOLUMES DE DONNÉES

L’analyse de données textuelles présente un avantage majeur : l’évolutivité. Si la configuration est chronophage, un important volume de commentaires garantit la rentabilité de l’analyse en termes de temps et d’argent par rapport aux approches plus manuelles. La définition du volume dépendra de l’outil choisi, mais d’une manière générale, plusieurs milliers de commentaires sont nécessaires. Ceux-ci n’ayant toutefois pas besoin de provenir tous de la même source, l’analyse textuelle est une approche parfaite pour l’intégration de données (ex. : pour les données d’enquête et online). De même, il n’est pas nécessaire de disposer de tous les commentaires en même temps : l’analyse peut s’effectuer dans le temps (ex. : résultats d’enquête mois après mois). Une approche continue de ce type permet d’obtenir le volume de commentaires nécessaire dans le temps afin d’assurer le retour sur investissement de la configuration initiale.

Fiona Moss,
Associate Director in Ipsos Loyalty’s Global Client Solutions team

Marie-Paule Bayol

Directrice Générale Adjointe, Ipsos Loyalty CRM

Olivier Lagrand

Directeur Général, Ipsos Loyalty

Emmanuelle Jégo

Commentez cet article :

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

A la une en ce moment :