Les réseaux sociaux sont un outil essentiel de l’expérience client. Selon le rapport « État des lieux de l’expérience client » de Genesys, 27 % des consommateurs interrogés ont utilisé les réseaux sociaux pour interagir avec un service client au cours des 12 derniers mois, et environ un tiers sont susceptibles de mentionner une interaction sur les réseaux sociaux après avoir vécu une expérience exceptionnelle auprès d’une marque. Cependant, tous les feedbacks publiés sur les réseaux sociaux ne sont pas positifs. Vos clients peuvent exprimer des émotions positives, négatives ou neutres envers votre marque : c’est ce qu’on appelle le ressenti client.

L’analyse du ressenti est un outil important qui analyse les mentions de votre marque et sa perception en ligne par vos clients potentiels. Avant de pouvoir l’utiliser correctement, vous devez comprendre quels sont ses avantages et son fonctionnement.

Dans cet article, découvrez les différents aspects de l’analyse du ressenti, et comment certaines marques en ont fait un levier de réussite.

Qu’est-ce que l’analyse du ressenti ? 

L’analyse du ressenti (ou « opinion mining ») utilise des techniques de traitement du langage naturel (NLP) et de machine learning (ML) pour analyser le feedback en ligne et l’intention émotionnelle de son auteur.

Il s’agit donc de comprendre l’attitude des clients vis-à-vis d’un sujet, d’une marque, d’un produit ou d’un service particulier – qu’elle soit positive, négative ou neutre.

Par exemple :

  • « J’aime beaucoup le design de votre nouveau site web. » – Positif 
  • « Je ne sais pas si j’aime le design de votre nouveau site web. » – Neutre 
  • « Je n’aime pas le design de votre nouveau site web. » – Négatif 

Le feedback client est plus transparent qu’il ne l’a jamais été. Ainsi, l’analyse du ressenti constitue un outil puissant pour surveiller et comprendre leurs opinions et leurs conversations sur les réseaux sociaux. Les marques peuvent alors identifier les préférences des clients et adapter leurs produits et services en fonction des besoins.

Il existe quatre types d’analyse du ressenti :

  • Détaillée – Analyse puis classifie les critiques et les évaluations en trois catégories : positif, négatif ou neutre.
  • Basée sur les aspects – Analyse les opinions sur un aspect spécifique d’un produit ou d’un service. Par exemple, TripAdvisor utilise cette approche pour identifier le ressenti derrière le feedback client et le service lui-même.
  • Basée sur l’intention – Identifie l’intention du client, qu’il s’agisse d’acheter quelque chose ou de simplement naviguer sur le site web.
  • Basée sur les émotions – Identifie l’émotion qui a motivé le client à mentionner la marque (tristesse, colère, bonheur, satisfaction, frustration, etc.).

Comment les marques utilisent-elles l’analyse du ressenti ?

Examinons quelques-unes des applications les plus communes de l’analyse du ressenti.

Monitoring de la marque – Les clients parlent de vos marques, produits et services sur Internet et partagent leurs recommandations. Les blogs, les réseaux sociaux, les avis sur les produits, la presse et les forums de discussion sont d’excellentes sources d’informations commerciales. En analysant les opinions et le feedback des clients qui s’y trouvent, vous pouvez évaluer l’état de l’image de votre marque.

Grâce aux outils de social listening et aux tableaux de bord de performance comme ceux de Genesys Cloud Social, vous pouvez mesurer le taux de mentions positives et négatives dans les conversations des clients au niveau de la marque, des sous-marques ou encore plus en détail, si nécessaire. Vous pouvez également identifier les aspects que les clients trouvent utiles, ainsi que les éléments qui provoquent des ressentis négatifs.

Préserver la réputation – Toute marque peut traverser des crises de réputation, qui sont presque impossibles à prévoir.

Lorsque la marque ne parvient pas à gérer correctement une telle crise, elle risque de devenir virale, et pas pour les bonnes raisons.

L’analyse du ressenti constitue votre arme secrète pour éviter et gérer les crises de réputation de la marque. Elle vous aide à identifier les pics de mentions négatives, à détecter rapidement le début d’une crise et à agir rapidement afin de minimiser sa propagation en ligne.

Suivre l’efficacité des campagnes – Comme pour l’image de la marque, vous pouvez suivre les mentions de vos campagnes marketing et identifier la façon dont les utilisateurs perçoivent votre message en mesurant le ressenti global à travers leur feedback, leurs partages, leurs Likes et leurs publications.

L’analyse du ressenti est particulièrement utile lors du lancement d’un nouveau produit ou service. Par exemple, si vous avez lancé un nouveau produit et remarqué un pic soudain dans les scores de ressenti de vos clients, cela peut être lié à la qualité ou à la présentation du nouveau produit. Vous pouvez également régler vos paramètres afin d’obtenir des informations encore plus détaillées. Si vous souhaitez savoir comment une fonctionnalité spécifique d’un nouveau produit est reçue, évaluez le ressenti de vos clients sur la base de mots-clés.

Suivez vos campagnes marketing tout au long de leur lancement pour évaluer le ressenti de vos clients. Ainsi, vous découvrez ce qui correspond (ou non) à leurs besoins et à leurs préférences, et adaptez vos futures campagnes en conséquence.

Analyser la concurrence – Ne vous contentez pas d’analyser le ressenti de vos propres clients. Pour optimiser la présence en ligne de votre marque, gardez également un œil sur vos concurrents.

L’analyse de vos concurrents vous aidera à savoir quels aspects de leurs produits reçoivent des réactions positives ou négatives. De plus, vous observerez ce qui fonctionne pour eux et ce qui ne fonctionne pas, afin d’apprendre de leurs réussites et d’éviter de reproduire leurs échecs.

L’analyse des concurrents peut également servir de référence lorsque vous analysez les ressentis de vos clients concernant votre marque. Par exemple, si 40 % de vos mentions sont positives, 35 % sont négatives et les autres sont neutres, une comparaison avec les scores de la concurrence vous aidera à déterminer s’il s’agit d’une bonne situation ou s’il faut l’améliorer.

Optimiser l’expérience client – Pour cela, votre entreprise doit absolument connaître l’opinion des clients sur votre marque, vos produits et vos services. C’est là que l’analyse du ressenti entre en jeu.

Elle vous aide à surveiller et à comprendre les opinions et le feedback des clients sur vos produits et vos campagnes dès leur lancement. Elle identifie les mentions positives indiquant ce que les clients ont aimé dans votre produit et les mentions négatives qui mettent en évidence les problèmes rencontrés.

Plus vous prenez connaissance tôt de ce feedback négatif, plus vous pouvez agir rapidement à partir de suggestions pertinentes pour aider ce client spécifique et améliorer l’expérience pour les autres.

Comment fonctionne l’analyse du ressenti ?

Maintenant que vous savez ce qu’est l’analyse du ressenti et comment elle est utilisée par les marques, intéressons-nous de plus près à son fonctionnement.

L’analyse du ressenti est une forme de data science. Plus précisément, elle utilise le traitement du langage naturel (NLP) pour identifier et classer des éléments textuels comme positifs, négatifs ou neutres. L’analyse du ressenti peut être réalisée selon trois approches différentes : un modèle de machine learning supervisé (SML), un modèle basé sur des règles, ou une combinaison des deux. Examinons plus en détail chacune d’entre elles.

Modèle de machine learning supervisé (SML) – Comme son nom l’indique, ce modèle ne repose pas sur des règles créées manuellement, mais sur des processus de machine learning. Vous devez créer des jeux de données étiquetées (similaires aux données que vous souhaitez analyser) pour entraîner la machine à classer le texte en fonction de différents tons émotionnels.

Étant donné que les évaluateurs humains ont déjà jaugé les ressentis propres à l’ensemble de données, le système se base sur le ressenti de ce dataset d’entraînement pour étiqueter le nouveau jeu de données test. Après avoir fourni suffisamment de données pertinentes, alimentez la machine avec de nouvelles données non étiquetées pour voir si elles sont correctement classifiées. Si ce n’est pas le cas, continuez à ajouter des données pour augmenter la précision de l’analyse.

Un modèle SML se compose des algorithmes de classification suivants : 

  • Classification naïve bayésienne
  • Régression linéaire
  • Machines à vecteurs de support 
  • Deep learning

L’avantage de cette approche est qu’elle peut créer des modèles entraînés pour de nombreux contextes et objectifs différents. Par exemple, le mot « apple » désigne le mot « pomme » en anglais, mais aussi un géant de la tech. Un algorithme de machine learning peut être entraîné pour identifier ce que signifie « apple » lorsque le mot est utilisé en contexte. Il peut ensuite appliquer cette expérience pour analyser des cas similaires.

Modèle basé sur des règles – Contrairement au SML, le modèle basé sur des règles utilise un ensemble de règles élaborées manuellement pour identifier les ressentis au sein d’un texte. Ces règles peuvent inclure diverses techniques de NLP, telles que le stemming, la tokenisation, l’analyse syntaxique, le balisage de parties du discours et les lexiques (c’est-à-dire des dictionnaires de mots et d’expressions pré-étiquetés).

Regardez l’exemple suivant : 

Mot / Score de ressenti

  • Excellent 0,8
  • Bon 0,5
  • Mauvais -0,5
  • Très mauvais -1

Voici comment fonctionne un modèle basé sur des règles :

  • Le modèle détermine la polarité d’un texte en utilisant des outils d’analyse du ressenti pour le décomposer en éléments individuels (mots et phrases), puis en attribuant un score à chaque composant à l’aide de lexiques.
  • En général, les mots positifs tels que « bon », « excellent » et « utile » se voient attribuer un score positif (supérieur à 0), tandis que les mots et expressions tels que « très mauvais », « mauvais » et « décevant » reçoivent un score négatif (inférieur à 0). Un score de zéro est attribué aux mots et aux expressions neutres.
  • Ensuite, le score pour chaque mot est additionné et le résultat est divisé par le nombre de mots dans le texte.
    Exemple : L’ambiance était bonne, mais les plats étaient mauvais. Dans ce cas, le score serait calculé comme suit :
    (0,5 + (-0,5)) / 2 = -0 / 2 = 0
    Par conséquent, ce texte serait étiqueté comme neutre par le système.

Il est également possible de compter puis de comparer le nombre de mots positifs et négatifs mentionnés dans le texte. Si le nombre de mots positifs est supérieur au nombre de mots négatifs, cela indique un ressenti global positif, et vice versa. Si les deux résultats sont égaux, le ressenti global est neutre.

Dans l’ensemble, cette technique basée sur des règles est beaucoup plus facile à déployer que le machine learning. Cependant, sa gestion exige beaucoup de temps et d’efforts. Vous devez ajouter de nouvelles règles en continu, ce qui peut également affecter les résultats précédents.

Modèle hybride – Les systèmes hybrides combinent les caractéristiques du machine learning et des règles en un seul système afin d’améliorer la précision de l’analyse du ressenti. En règle générale, ces techniques sont utilisées simultanément par les data scientists.

D’abord, le modèle basé sur des règles tente de classer le ressenti du texte. Si le ressenti n’est pas facilement identifiable (lorsque la phrase ne contient aucun ou très peu de mots disponibles dans le lexique), le machine learning prend le relai afin d’obtenir de meilleures informations.

L’analyse du ressenti est-elle vraiment précise ? 

Étant donné que les ressentis sont subjectifs, il est difficile de s’attendre à ce qu’un outil d’analyse du ressenti soit précis à 100 %. Examinons donc les principaux défis qui affectent la précision d’un modèle d’analyse du ressenti.

Ironie et sarcasme

Bien souvent, les gens utilisent des mots négatifs pour exprimer des ressentis positifs, et inversement. Les machines peuvent avoir des difficultés à les détecter sans connaître le contexte de la situation.

Examinons les deux situations suivantes :

  • La commande n’a que 30 minutes de retard, une fois de plus. Quel bon début de journée ! 
  • La commande n’a que 5 minutes de retard aujourd’hui, une fois de plus. Quel bon début de journée !

Il est évident que si une commande arrive avec un retard de 30 minutes, la personne n’est pas vraiment contente du début de sa journée. Mais cette ironie peut être difficile à comprendre pour les machines.

Négations

Les négations inversent la signification d’un mot ou d’une phrase. Par exemple : « Je ne dirais pas que le séjour à l’hôtel a été particulièrement bon. » Afin d’effectuer une analyse précise du ressenti, il est essentiel de repérer la négation et de déterminer le mot ou la phrase sur lequel elle porte.

Multipolarité 

Souvent, une phrase exprime différentes émotions à la fois : elle peut parler positivement d’un premier élément, mais négativement d’un autre élément. Par exemple, « La pizzeria rue du Ménil est bien meilleure que celle de la rue du Facteur. »  Cette phrase exprime un avis positif sur la pizzeria de la rue du Ménil, et négatif sur celle de la rue du Facteur.

Un système d’analyse du ressenti aura tendance à considérer le ressenti comme positif, en tenant compte des mots « bien meilleure ». Cependant, si votre analyse porte sur les clients de la pizzeria rue du Facteur, alors c’est l’interprétation opposée. Par conséquent, vous aurez besoin de programmes plus sophistiqués pour évaluer correctement cette phrase.

Classification des ressentis

Les ressentis peuvent être classés en trois catégories principales :

1. Ressentis négatifs à surveiller

Les ressentis négatifs incluent les mentions de la marque qui sont associées à des mots/phrases négatifs. En général, les entreprises ont tendance à penser que la présence de ressentis négatifs signifie que la campagne, le produit ou le service est un échec.

Toutefois, ce n’est pas toujours le cas. Ces ressentis sont également des opportunités commerciales. Par exemple, cela permet d’identifier un élément défectueux et de s’atteler à la résolution du problème.

Quelques exemples :

  • Tristesse :  lorsqu’un client n’est pas satisfait de l’achat ou que vous n’avez pas répondu à sa demande. Par exemple, « Votre temps de réponse est très lent. J’attends depuis plus de deux semaines. »
  • Colère : lorsqu’un client parle de la mauvaise qualité de votre produit ou service. Par exemple, « Votre équipe d’assistance est nulle. »
  • Comparaison : lorsqu’un client compare votre produit ou service à celui d’un concurrent.

2. Ressentis positifs à suivre

Les ressentis positifs incluent les mentions de la marque qui sont associées à des mots/phrases positifs. Les clients ont des ressentis positifs à l’égard de votre marque et souhaitent recommander vos produits ou services à leurs proches. Plus les mentions de marque sont positives, mieux votre marque est perçue aux yeux des clients.

Quelques exemples : 

  • Satisfaction : lorsqu’un client aime votre produit ou votre service et partage son expérience avec ses amis, en vantant son expérience. Par exemple, « Un excellent service à un prix abordable. Nous reviendrons à coup sûr. »
  • Extrême satisfaction : lorsqu’un client recommande votre produit ou service à ses amis et à sa famille. Ces clients sont plus susceptibles de devenir des ambassadeurs de votre marque. Par exemple, « J’aime beaucoup la facilité d’utilisation de ce produit et comment il m’aide à gérer mon équipe. Il s’agit clairement de l’un des meilleurs outils de gestion d’équipe que j’ai utilisés. »

3. Ressentis neutres à transformer en ressentis positifs

Les ressentis neutres ne contiennent pas de mots ou phrases positifs ni négatifs ; ils sont simplement factuels.

Ainsi, ils représentent une excellente opportunité pour les marques de contacter leurs clients et de leur demander un feedback plus détaillé sur leur expérience.

Quelques exemples : 

  • Aucun feedback : lorsqu’un client semble satisfait de votre produit ou service, mais n’exprime pas clairement ses ressentis. En d’autres termes, cela se produit lorsque le client écrit des commentaires ni bons ni mauvais sur votre marque. Par exemple, « Bon travail, mais j’en attends beaucoup plus à l’avenir. » Ou « Le film était particulièrement imprévisible. »

Pourquoi avez-vous besoin de l’analyse du ressenti ?

Face à l’évolution des attentes des clients et à des feedbacks plus transparents que jamais, il est essentiel de créer des produits et des campagnes qui attirent votre public et qui vous démarquent de vos concurrents. C’est là que l’analyse du ressenti entre en jeu.

Cet indicateur précieux pour les entreprises analyse le feedback de vos clients en temps réel et vous permet de découvrir le ressenti de votre public cible à propos de votre marque afin d’améliorer l’efficacité de votre produit, service ou campagne.

Où qu’en soit votre entreprise, l’analyse du ressenti doit être une stratégie essentielle pour développer la présence en ligne de votre marque. Lisez ce guide pour en savoir plus sur l’intégration du social listening à votre stratégie CX.