Archives pour la catégorie Intelligence collective

Vous avez dit Expérience Client et NPS ?

Comprendre le client, répondre à ses exigences. Quel défi pour une marque si l’on considère le paradoxe entre le besoin du client d’être satisfait et son aversion pour toute tentative de s’immiscer dans sa vie privée pour mieux combler ses attentes !

Dans un contexte d’offre pléthorique, avec des produits et des services généralement satisfaisants, la véritable clé de la loyauté n’est plus la satisfaction. C’est désormais l’économie de l’expérience…

L’économie de l’expérience marque une nouvelle étape de création de valeur. Le livrable est constitué d’émotions et de sentiments. Il s’agit de faire passer au consommateur un moment mémorable.

Pour cela les marques utilisent leurs services comme une scène et leurs produits comme des accessoires pour engager le consommateur. Les produits et les services eux-mêmes passent au second plan au profit de l’expérience, que le consommateur trouve normal de payer beaucoup plus cher…

Pourquoi mesurer la qualité de l’expérience client ?

Mesurer la qualité d’une expérience est un exercice complexe, puisque par nature, ce concept s’appuie sur des notions subjectives, et mobilise une multitude de variables, tant sur un plan rationnel, émotionnel, sensoriel, physique voire intellectuel.

Dans une perspective post-moderne de la consommation, le client achète un produit ou un service, mais sa vie doit être vue comme une série d’expériences dont il s’agit de manager la qualité. C’est dans cette philosophie que nous cherchons à mesurer l’expérience client.

C’est un facteur majeur de performance et de pérennité aujourd’hui pour les marques. On sait d’ores et déjà l’effet positif d’une expérience client réussie sur la création de valeur, la satisfaction du client et sa fidélité mais aussi sur sa capacité à diffuser un bouche à oreille positif.

Déchiffrer ce que ressent le client à travers toutes les interactions qu’il peut avoir avec une marque permet de tendre vers une identification optimale de la dynamique client-marque et, ainsi du processus de fidélisation.

Une mesure qui passe par la construction d’un système d’écoute du client :

Lorsqu’on veut mesurer quelque chose qui, par définition, est variable et multiforme, il convient au moins d’établir un cadre d’analyse. Cela passe par la formalisation des différentes composantes du parcours client.

Les entreprises habituées à analyser d’abord leur manière de servir le client et les améliorations qu’elles peuvent y apporter, doivent inverser leur mode de pensée pour chercher à regarder les choses du point de vue du client. À ce titre, la notion de « moments de vérité » se révèle essentielle.

Cette notion a été popularisée par le livre « Moments Of Truth » que le patron de la compagnie aérienne suédoise SAS, Jan Carlzon, a publié en 1987. Les moments de vérité (MOT) correspondent à toutes les interactions entre une entreprise et un client, actuel ou potentiel, et qui ont une certaine importance aux yeux de ce dernier. Ces moments, qui peuvent donc être vécus de manière positive ou négative, démarrent bien avant l’achat et se poursuivent bien au-delà. Beaucoup d’entre eux n’impliquent pas de contact direct entre le client et un représentant de l’entreprise. Ils ne correspondent donc pas, pour une bonne part, aux critères habituels que l’on évalue dans les enquêtes de satisfaction.

Il convient de préciser que chaque secteur d’activité a son contexte d’expérience client et ses moments de vérité particuliers. Ainsi, l’expérience associée à l’acquisition d’un véhicule et celle qui correspond à la réservation d’un séjour de vacances ou d’un repas à restaurant ont très peu à voir.

D’un point de vue méthodologique…

De nombreuses approches de la mesure de l’Expérience Client coexistent, qu’elles soient exploratoires ou mixtes (méthodes à la fois qualitatives et quantitatives) dans les protocoles d’études.

Une approche quantitative de l’expérience client permet aux entreprises de comparer cette nouvelle mesure avec celles déjà existantes : qu’elles soient développées en interne grâce à des outils d’évaluation de la satisfaction client ou de dérivé tel que le Net Promoter Score, ou qu’il s’agisse de comparaison avec l’extérieur (intra/intersectorielle).

Pour une compréhension plus subtile des scores observés, l’approche quantitative peut être utilement complétée d’une méthodologie d’étude qualitative afin d’approfondir les raisons d’un éventuel mauvais score sur une ou plusieurs dimensions de l’expérience client.

Cette démarche vise avant tout à être source d’amélioration pour la marque et ses clients qui attendent plus de valeur – au sens large – lors de leurs interactions.

Focus sur le Net Promoter Score (NPS) :

L’intérêt des professionnels des études est alors porté sur un indicateur : le Net Promoter Score. Ce dernier est utilisé aujourd’hui par de nombreuses grandes entreprises et consiste en la mesure de la proportion des clients à recommander un produit ou une marque avec une seule question « Recommanderiez-vous la marque X, ou l’entreprise Y à vos proches ? » sur une échelle de « pas du tout »  = 0 à « tout à fait » = 10.

Son principal intérêt est le vocabulaire employé. En effet, l’utilisation d’un verbe d’action implique le client qui n’est plus sur l’expression d’un ressenti mais sur une manifestation d’une forme d’engagement. De plus, amener le client à conseiller ses proches – des personnes qui ont confiance en lui – le pousse à se sentir très concerné par la question posée.

L’analyse s’attarde alors sur la différence entre, d’une part, le groupe des promoteurs (notes de 9 et 10) qui sont assez enthousiastes pour rester plus longtemps avec l’entreprise et parlent positivement d’elle. Et d’une part, le groupe des détracteurs (notes de 0 à 6) qui risquent de dire du mal de l’entreprise.

Mesuré à des intervalles de temps réguliers, ce score donne à l’entreprise une bonne indication du potentiel de croissance et de la fidélité client pour son produit, service ou marque.

La simplicité du NPS et le faible coût de sa mise en place l’ont popularisé notamment auprès des Directions des entreprises. L’un des gros avantages de cet indicateur est d’ailleurs d’être disponible pour beaucoup de secteurs d’activité et d’entreprises, ce qui permet des comparaisons immédiates (par exemple sur npsbenchmarks.com).

Si le NPS est attrayant, il ne suffit pas à visualiser l’ensemble des facteurs d’interaction avec la marque. Au-delà des données chiffrées, la marque se doit de savoir si l’expérience était concluante, simple, agréable, personnalisée, engageante ou stimulante pour le client, le poussant ainsi à reproduire l’acte d’achat, et adhérer par ce fait de manière proactive à ses valeurs.

Ainsi, la question du NPS permet une mesure quantitative, mais ne nous apprend pas comment faire évoluer positivement sa courbe, ni pourquoi un Détracteur a été déçu ou un Promoteur si enthousiaste.

Zoom sur d’autres indicateurs de mesure existants :

L’évaluation de l’expérience client doit donc chercher à dresser un tableau d’ensemble, à travers une consolidation des insights liés à chaque étape de cette expérience. Si beaucoup d’indicateurs reposent sur des données existantes qu’on peut réunir, d’autres peuvent être recueillies à travers un dispositif d’écoute client en continu.

Certaines étapes du parcours client ne s’accordent pas avec des indicateurs descriptifs existants mais nécessitent d’aller chercher l’information en interagissant avec le client. Chaque indicateur correspond à une formulation de question ou à un mode de questionnement particulier. Nous vous partageons quelques indicateurs très utilisés :

-Customer Satisfaction Score (CSAT) : il s’agit de la mesure classique de la satisfaction des clients, au travers d’une question simple : « Avez-vous été satisfait de… ». Le taux des clients satisfaits s’obtient directement en additionnant les pourcentages obtenus à toutes les réponses positives (très satisfait + assez satisfait). Cet indicateur de la satisfaction a été tellement utilisé qu’il semble aujourd’hui moins attirant et efficace que les indicateurs qui suivent.

-Customer Effort Score (CES) : Cet indicateur permet de mesurer le niveau d’effort que consent le client lors d’une interaction avec l’entreprise. Certaines études affirment que le CES serait mieux corrélé avec les comportements et les décisions des consommateurs que d’autres indicateurs comme le NPS, par exemple. Le CES est basé sur une question exprimée comme suit : « Quel niveau d’effort avez-vous consenti pour que votre demande soit traitée ? ». Le client répond sur une échelle de 1 (niveau d’effort négligeable) à 5 (niveau d’effort élevé).

-Customer Satisfaction Index (CSI) : Cet indicateur global couvre à la fois la réponse aux attentes du client, la fluidité du parcours client, et l’émotion vis-à-vis de la marque. La formule de calcul de cet indicateur croise trois questions posées sur une échelle de mesure de 1 à 5.

-L’intention de rachat : Le taux de rachat est un indice de la fidélisation en cours des clients d’une marque. L’intention de rachat est une marque de confiance et de satisfaction. Le client est en cours de fidélisation.

-Le taux d’attrition ou le « Churn » : indique la proportion des clients perdus sur un laps de temps donné. Bref, c’est une mesure de la fidélisation.

Notons que les indicateurs ci-dessus apportent peu de données explicatives des opinions et besoins. Le dispositif d’évaluation de l’expérience client devra donc intégrer également des approches à la fois qualitatives et quantitatives plus détaillées.

La mesure du NPS et de l’expérience client chez FANVOICE :

La mesure du NPS chez Fanvoice est un processus quantitatif qui s’accompagne d’un recueil qualitatif. Le rôle de ce recueil qualitatif sera de collecter ce qui, dans l’expérience client globale, a généré des Détracteurs ou des Promoteurs, permettant ainsi d’associer chaque expérience à une note. Il se traduit par une question ouverte que nous adressons à travers nos campagnes « Avez-vous des suggestions pour améliorer le produit/le service ? ».

Cette question ouverte nous permet de comprendre chacune des notes données et d’identifier des axes d’amélioration en phase avec les besoins des consommateurs qui participent à nos campagnes.

Intégrer une dimension qualitative aux indicateurs de mesure de l’expérience client et notamment à la question du NPS augmentera la valeur ajoutée de la méthodologie d’étude. Collecter et comparer les feedbacks et verbatim des participants liés à l’expérience client permettra de révéler des besoins parfois différents et contraires à ce que l’on imagine.

Prenons l’exemple d’une campagne FANVOICE pour le Groupe SEB qui vise à évaluer 3 concepts d’assistants vocaux en cuisine afin d’identifier le concept leader.

La campagne invite la communauté Foodle et la communauté Fanvoice à découvrir 3 assistants vocaux en cuisine (le Chef, le Coach, le Majordome) et à évaluer chaque concept en répondant à des questions de sondage (intention d’utilisation, NPS, perception détaillée, etc). Puis à partager leurs suggestions d’amélioration et remarques sur chaque concept à travers un dépôt d’idées ouvert.

Ainsi, la plateforme FANVOICE permet de croiser deux approches d’études (questions quantitatives détaillées et recueil qualitatif de verbatim) conduisant à identifier des zones d’amélioration qui contribuent à expliquer les indicateurs de l’expérience client sondés pour mieux y répondre.

Cette approche permet in fine de croiser des indicateurs quantitatifs et des insights issus des feedbacks qualitatifs afin d’identifier l’assistant vocal qui répond le mieux aux attentes des consommateurs (quel assistant vocal ? pour quelle cible ?) et qui présente le meilleur potentiel pour la marque.

L’utilisation de cette méthodologie (indicateurs quantitatifs et recueil qualitatif) en tant que mesure de l’expérience client peut être un sérieux atout pour les marques, du fait de sa simplicité, de son faible coût et qu’elle permet de disposer à la fois d’un baromètre de recommandation et aussi d’un outil de notation/recueil des expériences clients.

FacebookTwitterGoogle+Partager

Co-créer avec les sociétaires pour imaginer l’avenir de l’Assurance : découvrez le LAB Matmut !


La Matmut a lancé il y a quelques mois sa plateforme de co-innovation pour permettre à ses sociétaires de rejoindre leur communauté et de contribuer à l’amélioration de ses offres, de l’expérience client, et à la création des produits et services de demain.

Adopter une approche communautaire et une démarche d’innovation collective pour créer de la valeur, c’est le pari qu’a fait la Matmut en engageant ses sociétaires à partager leurs idées sur sa plateforme « le LAB Matmut ».

Dès le lancement du LAB Matmut, le premier projet participatif affiche des résultats sans appel : les sociétaires de la Matmut sont prêts à co-créer…

Le LAB Matmut, comment ça marche ?

Afin d’améliorer l’expérience client, la Matmut invite ses sociétaires à participer à la création des produits et services de demain à travers sa plateforme participative « le LAB Matmut ».

Le LAB Matmut permet d’impliquer les sociétaires sur différentes étapes de la réflexion couvrant le cycle de l’innovation :

>Idéation : pour faire germer de nouvelles idées d’offres ou de services.

>Co-conception : pour impliquer les sociétaires dans la conception d’une offre, des parcours clients de demain.

>Bêta-test : pour faire tester un nouveau service en avant-première et l’ajuster selon les retours d’expérience.

>Amélioration & fidélisation : pour collecter l’avis des sociétaires sur un produit ou un service existant afin de le faire évoluer et l’adapter davantage à leurs besoins.

Combiner différentes approches d’études qualitatives et quantitatives :

Une démarche de co-création initiée, qui implique la participation des sociétaires à tout moment lors du processus créatif. Elle va recueillir directement les suggestions de ses parties prenantes pour les mettre en œuvre de manière opérationnelle.

En ce sens la co-création peut s’apparenter à un véritable outil d’études marketing puisqu’elle permet d’affiner en profondeur la connaissance des besoins et des attentes des participants grâce à une approche exploratoire.

Ces nouvelles stratégies marketing dites participatives qui permettent de combiner une variété d’études traditionnelles entre elles (quantitatives et qualitatives), sont de plus en plus utilisées aujourd’hui en complément des études de marché car elles sont adaptées aux enjeux marketing actuels : démarches exploratoires, compréhension de nouveaux usages, recherche de nouveaux territoires d’innovation ou de communication, identification des insights et des signaux faibles, etc. Un outil idéal pour le marketeur-explorateur confronté à des consommateurs toujours plus complexes et multiples dans un environnement qui évolue constamment.

Le LAB Matmut : une expérience USER FRIENDLY et des avantages !

Grâce à une interface simple et ludique, les sociétaires s’inscrivent en moins de deux minutes. Pour participer, ils peuvent poster des idées, « liker » ou commenter les idées des autres participants, et répondre à des sondages. Ce qui leur permet de cumuler des points et d’augmenter leurs chances d’être tirés au sort et de remporter les récompenses à la fin de chaque projet participatif.

Pour inciter les sociétaires à co-créer, il faut bien entendu les encourager à s’investir. Le LAB Matmut intègre une mécanique de gamification pour motiver la participation. Ainsi, plus les sociétaires contribuent sur la plateforme plus ils gagnent des points et plus ils augmentent leurs chances de remporter les récompenses mises en jeu.

Les récompenses mises en jeu ne sont pas les seules motivations à co-créer. Il peut être question de récompense honorifique voire altruiste ou d’ordre social comme interagir avec les membres de la communauté, se sentir au cœur du développement d’une innovation, contribuer à l’avenir de l’Assurance, renforcer ses connaissances sur un sujet, dialoguer avec la Matmut… font également partie des raisons pour lesquelles les sociétaires peuvent s’engager dans une démarche de co-création.

De cette manière, la Matmut crée un dialogue permanent avec ses sociétaires et construit un lien de proximité avec eux.

En ce sens, la co-création permet d’affiner la connaissance des sociétaires grâce aux outils de la plateforme qu’elle met à disposition des co-créateurs pour favoriser le partage d’outputs créatifs. C’est aussi une manière d’éviter l’attrition (perte des clients) en donnant la parole aux sociétaires qui participent directement à l’innovation de la Matmut.

En montrant l’intérêt pour leurs idées, la Matmut les responsabilise et les fait participer à construire l’Assurance de demain et à développer certains de ses produits et services.

Si la co-création permet de concevoir des produits au plus près des clients, elle peut ainsi s’avérer être un outil efficace pour étudier son marché.

Zoom sur le premier projet participatif :

Le premier projet participatif lancé sur le LAB Matmut porte sur un sujet d’idéation pure. Il s’agit d’impliquer un premier vivier de sociétaires et de les engager dans une dynamique communautaire sur la plateforme pour comprendre leurs besoins et leurs attentes.

Cette première prise de parole s’inscrit dans une démarche exploratoire et vise à construire une première base communautaire, et à faire émerger des idées et des insights sur de nouveaux produits et/ou services.

La question centrale posée aux sociétaires est « Comment la Matmut pourrait toujours plus vous simplifier la vie ? ».

Le questionnement a été organisé en quatre grandes thématiques : les assurances, les services, les moments de vie, et les petits plus qui changeraient la vie des sociétaires.

Une véritable dynamique communautaire et des sociétaires séduits par le LAB Matmut !

Cette première campagne a rencontré un fort succès avec des sociétaires très impliqués autour du sujet, et qui affichent un accueil très favorable à l’égard de la démarche communautaire.

Très conversationnelle, cette première prise de parole a permis d’engager un véritable noyau communautaire et de récolter plus de 850 idées et commentaires deux mois après son ouverture.

Le Machine Learning pour analyser les données et identifier les insights chez FANVOICE :

À la fin de la campagne, les verbatims récoltés ont été analysés grâce à un algorithme d’analyse sémantique et statistiques, qui s’appuie sur une technologie d’Intelligence Artificielle (Machine Learning), développé par Fanvoice.

L’algorithme de FANVOICE génère automatiquement un modèle appelé « insights Map » comme premier niveau d’analyse. Tout comme on range les pièces d’un puzzle par couleur pour finir voir apparaitre des motifs, puis un paysage complet. L’algorithme procède à l’apprentissage automatique du corpus pour regrouper et classifier les verbatims qui révèlent des proximités, puis il les structure pour pouvoir les visualiser sur une cartographie.

Une analyse complétée par nos experts en Études & Consumer Insights qui s’appuie sur les niveaux de perception, d’adhésion, et de besoins exprimés, et qui a permis de construire une cartographie de l’expérience sociétaire de demain.

L’analyse de cette cartographie a permis d’extraire des enseignements riches et a aidé les équipes marketing de la Matmut à valoriser les principaux thèmes convergents (avec leurs poids et les corrélations entre elles) et à les interpréter au prisme de la problématique adressée, mais aussi de détecter les signaux faibles qui émergent de cette consultation.

L’analyse a également permis de confirmer l’appétence des sociétaires à l’égard de la démarche communautaire et sa volonté de continuer à participer à d’autres projets sur le LAB Matmut pour innover dans l’univers de l’Assurance.

Un bilan très positif pour les équipes Matmut qui annonce de belles perspectives, avec une première communauté engagée sur le LAB autour de l’Assurance et des idées retenues, en réponse aux attentes exprimées par les sociétaires, qui constitueront de potentiels sujets et projets à venir…

Co-créer avec les Calédoniens : le pari réussi de l’OPT-NC !

L’OPT-NC (Office des Postes et Télécommunications de Nouvelle-Calédonie) a lancé depuis quelques mois sa plateforme participative pour permettre aux Calédoniens de contribuer à l’amélioration de ses offres, de l’expérience client, et à la création des produits et services de demain.

Adopter une démarche d’innovation collective pour créer la valeur de l’office de demain : c’est le pari qu’a fait l’OPT-NC en engageant ses clients à partager leurs idées sur sa plateforme OPT & VOUS. Dès le lancement de celle-ci, la première campagne affiche des résultats sans appel : Les Calédoniens sont prêts à co-créer…

Comment ça marche ?

La plateforme de crowdsourcing « OPT & VOUS » invite les clients de l’OPT-NC à participer à différentes étapes de la réflexion qui couvrent le cycle de l’innovation :

Idéation : pour faire germer de nouvelles idées d’offres ou de services.
> Co-création : pour impliquer les clients dans la conception d’une offre, des parcours clients de demain.
> Bêta-test : pour faire tester un nouveau service ou un panel d’utilisateurs en avant-première et l’ajuster selon les retours d’expérience.
> Feedback et fidélisation : pour collecter l’avis des utilisateurs sur un produit ou un service existant afin de le faire évoluer et l’adapter davantage à leurs besoins.

Une véritable dynamique communautaire et des Calédoniens séduits par la plateforme « OPT & VOUS » !

Le premier appel à idées lancé par l’OPT-NC avait pour objectif de donner la parole aux Calédoniens et de recueillir leurs idées autour de l’expérience client qu’ils recherchent. Il a été construit autour d’une question centrale posée « Que pourrait- faire l’OPT-NC pour vous simplifier la vie ? »

Le questionnement a été organisé en quatre grandes thématiques : les offres, les services, le conseil, et les petits plus qui rendraient les démarches avec l’OPT-NC plus simples.

Cette première campagne a rencontré un fort succès : elle affiche un accueil très favorable à l’égard de la démarche et une forte adhésion des Calédoniens révélant un taux de contribution de plus de 80%,  avec des contributeurs actifs et très impliqués autour du sujet (99% des contributeurs ont trouvé ce premier projet participatif intéressant et souhaitent participer prochainement à d’autres projets sur la plateforme OPT & VOUS).

Une campagne très conversationnelle qui a permis de fédérer 285 contributeurs et de récolter au total 963 idées et commentaires, révélant ainsi une forte dynamique communautaire qui confirme  l’engagement des Calédoniens pour co-innover avec l’OPT-NC.

Retour sur des résultats particulièrement performants

A la fin de la campagne, les verbatim récoltés ont été analysés via un algorithme d’analyse sémantique qui s’appuie sur une technologie d’Intelligence Artificielle (Machine Learning) développé par FANVOICE.

Une analyse complétée par nos experts des Insights pour construire une cartographie  de l’expérience client de demain, permettant d’identifier les principaux thèmes convergents et de détecter les signaux faibles.

L’analyse de cette cartographie a aidé les équipes marketing de l’OPT-NC à valoriser les principales thématiques émergentes (avec leurs poids et les corrélations entre elles) et à les interpréter au prisme de la problématique adressée.

Retrouvez en image l’interview de Philippe Maillet, Directeur Général délégué à la performance économique et Eléonore Machu, Chargée de marketing Opérationnel Digital.

Ainsi, de nombreuses idées suggérées concernaient les évolutions du service 1012 et ont fait l’objet d’une construction de roadmap/feuille de route avec des actions concrètes auprès des équipes de l’OPT-NC.

En réponse aux attentes exprimées par les contributeurs, l’équipe OPT-NC a ouvert une deuxième campagne sur les nouveautés/évolutions du service 1012 (site web et application mobile) et a invité les Calédoniens à exprimer leurs feedbacks.

Grâce à cette nouvelle campagne, l’OPT-NC pourra inclure les différents retours d’expérience de ses utilisateurs dans de futures versions de l’application et du site 1012.nc, et ainsi, les faire évoluer selon les attentes des Calédoniens.

Depuis son lancement, la plateforme « OPT & VOUS » compte déjà 3 projets participatifs, riches d’enseignements et plein d’autres projets devraient suivre dans les mois à venir…

Fanvoice-IA-Machine-Learning-Data-Intelligence-Insights

Comment l’analyse sémantique propulse l’innovation
marketing et aide à comprendre les foules ?

Dans le domaine du marketing, la croyance en la toute-puissante Data s’affirme avec force : on veut tout automatiser, tout optimiser, tout décrypter et tout personnaliser grâce à des algorithmes et de la Big Data. Du coup, les marques font face à une explosion du volume de données “non structurées” qu’elles doivent classifier, et analyser pour visualiser ce qui les aidera à prendre les bonnes décisions. Automatiser, oui, mais sans intelligence ?

cocreation-fanvoice-data

 

Peut-on analyser efficacement les données textuelles de manière automatique ?

Dans le cadre de projet participatifs, comme des “campagnes” de co-création ou des tests de concepts, les marques récoltent des données textuelles, des images, des abréviations et émoticônes. Ces contenus non-structurés n’échappent pas au besoin d’analyse. Comment les traiter ? Le Traitement Automatique des Langages (TAL) est une solution.

Cette technique permet depuis une plus d’une quarantaines d’années d’automatiser la reconnaissance des concepts (entités nommées), la classification automatique d’un document, l’analyse du sentiment et des émotions. Toutefois, les approches classiques de TAL ont montré leurs limites avec l’accélération des données générées par les écosystèmes digitaux (forums, sites et plateformes, où les utilisateurs produisent de très grands volumes de données). En effet, ces approches (TAL) nécessitent que des experts, de profil infolinguiste, passent énormément de temps pour énumérer manuellement des “règles”. De plus, les systèmes obtenus nécessitent de privilégier soit le nombre d’annotations produites (pour lutter contre le silence), soit leur qualité (pour éviter d’avoir des résultats “bruités”). En d’autres termes, il fallait choisir entre un système produisant beaucoup de données (mais éventuellement bruitées) et un autre donnant des résultats de qualité (mais en trop petite quantité).

Pour lever ces limites, les techniques d’apprentissage automatique ou de Machine Learning ont été introduites au début des années 2005 permettant d’obtenir plus rapidement de meilleurs résultats.

cocreation-fanvoice-data-analytics

 

L’analyse des données non structurées : un enjeu majeur pour les marques

Contrairement aux données marketing structurées, facilement classifiables et quantifiables (exemple : les résultats d’une enquête de satisfaction où l’âge est une donnée structurée car les tranches d’âge sont déterminées a priori), les données non structurées (ex : données textuelles) sont complexes à analyser. Les consommateurs s’expriment à travers une multitude de canaux et produisent beaucoup de verbatim sur internet. L’homme est dépassé pour agréger ces informations et les comprendre.

Pour être au service de l’innovation marketing et aider les marketeurs à comprendre les marchés, ces données doivent être décryptées, classées, quantifiées. L’analyse sémantique se révèle très utile pour rendre cela possible, et l’intelligence artificielle vient au secours de la compréhension du langage humain puisqu’elle apporte de nouvelles opportunités pour faciliter le traitement et l’analyse de grands volumes de données non structurées. D’ailleurs, selon l’institut d’études Gartner, une entreprise sur deux s’intéresse de près aux innovations technologiques telle que le Machine Learning permettant la compréhension du comportement du consommateur via des masses de données textuelles (lien).

cocreation-fanvoice-data-analyze

 

L’intelligence artificielle au service de l’analyse sémantique

Le Machine Learning est une technologie d’intelligence artificielle permettant à la machine d’apprendre sans avoir été programmée explicitement à cet effet. Autrement dit, il s’agit de « faire apprendre » à la machine à réaliser une tâche qui nécessite classiquement de l’intelligence humaine.

Pour apprendre et se développer, la machine a toutefois besoin de données à analyser et sur lesquelles s’entraîner. De ce fait, le Big Data est l’essence du Machine Learning, et le Machine Learning est la technologie qui permet d’exploiter pleinement le potentiel du Big Data

Ainsi, le Machine Learning est idéal pour extraire de la valeur à partir de données textuelles massives et sans avoir besoin de compter sur un humain. Toutefois, dans le cadre de projets de co-création, cette approche automatisée, aussi avancée soit elle, ne remplace pas l’expertise métier des études : elle la complète et l’enrichit. La Data est un moyen et non une fin en soi. C’est son exploitation avisée et adaptée au contexte d’utilisation qui va lui conférer de la valeur. La Machine doit donc permettre à l’humain de se dédouaner des tâches automatisables pour lui permettre de se concentrer sur son expertise métier et apporter une forte valeur ajoutée.

Aujourd’hui, on parle du concept de cobot ou « collaborative robots », il s’agit de robots d’un nouveau genre qui ont une particularité ; ils travaillent en collaboration avec un humain, dopant sa productivité en le délestant des missions les plus ingrates, éprouvantes et répétitives. Ainsi, il est crucial de souligner l’importance et la valeur ajoutée de la supervision de l’humain sur la machine.

A l’ère des plateformes de co-création et des communautés de marque, les consommateurs s’expriment plus librement autour de leurs expériences sur les produits et les services, laissant libre cours à leur enthousiasme, leur mécontentement, leurs frustrations et leurs attentes, générant ainsi des grandes quantités de données (verbatim clients) qui présentent une source d’informations précieuses pour les marques.

L’enjeu pour les marques est d’analyser rapidement ces données marketing pour en tirer des vérités actionnables. L’utilisation de l’intelligence artificielle dans les solutions d’analyse sémantique aide l’humain à comprendre comment exploiter cette mine d’or livrée par les consommateurs et à en tirer des plans d’action.

cocreation-fanvoice-plateforme

 

L’analyse sémantique chez FANVOICE

Sur la plateforme FANVOICE, les membres de communautés de marques participent à l’innovation des entreprises en réalisant plusieurs actions. Ainsi, chaque membre de la communauté peut poster des idées ou des feedbacks et commenter les idées postées par les autres membres.

Ces verbatim, une fois recueillis, représentent des centaines de milliers de mots. L’analyse sémantique de ce corpus intervient pour en valoriser les contenus : quantification et qualification des résultats, détection des zones de convergence formant les principales thématiques avec leurs poids et leurs corrélations, et identification des signaux faibles porteurs d’informations pertinentes.

L’analyse aide à établir une cartographie des perceptions, attentes, et inquiétudes de la communauté et révèle d’autres enseignements que l’homme aurait difficilement identifiés dans la mesure où le signal était trop faible. La démarche permet aujourd’hui de repérer un signal faible qui nécessite une interprétation au regard de la stratégie de la marque et de ses objectifs. Cela pourrait être une opportunité de marché à saisir pour la marque, ou une zone de vigilance qui soulève des interrogations auprès de la communauté, voire une innovation de rupture.

Par exemple, dans le cadre d’une campagne exploratoire organisée par une grande entreprise dans le secteur des boissons, la communauté FANVOICE a été mobilisée pour échanger autour du « moment Bière ». Les participants ont été invités à s’exprimer sur quatre thématiques pour explorer le sujet : les éléments pour un bon moment bière, les frustrations, le dernier moment bière, les idées innovantes pour le rendre encore meilleur.

La campagne a permis de récolter un corpus très riche de plus de 2400 idées et commentaires, et la solution d’analyse sémantique a permis ensuite de construire la cartographie du « moment Bière idéal ». L’analyse de cette cartographie a aidé les chargés d’études à valoriser les principales thématiques abordées (avec leurs poids et les corrélations entre elles) et à les interpréter au prisme de la problématique adressée (les indispensables, les opportunistes, et les idées à fort potentiel).

Enfin, il en convient d’en tenir compte, la data ne parlera pas toute seule, il faut se donner les moyens humains de la faire parler. Les 1ers indicateurs seront mis en avant automatiquement sous la forme de data viz ou de clusters, intégrant de plus en plus de corrélations, mais c’est encore l’homme qui les rend compréhensibles dans un rapport d’analyse avec des décryptages. Les temps d’analyses sont divisés par 2 à 10 suivant les projets, mais l’humain reste indispensable. Il s’agit donc encore à ce jour d’une approche “cyborg” : mi-homme, mi-machine. Bref, n’ayons pas peur de nous faire remplacer trop vite par un OS, les datas, algorithmes et autres Intelligence Artificielle vont encore avoir longtemps besoin des hommes pour être utiles et pertinents.

cocreation-fanvoice-dataviz