Archives par étiquette : intelligence artificielle

Tourisme et intelligence collective : 3 exemples

tourisme - fanvoice

Le tourisme n’a pas été épargné par les changements de consommation des nouvelles générations. Mais quelques signes sont très positifs. Par exemple, les 18-35 ans voyagent plus que les anciennes générations, avec en moyenne 5 voyages par an, contre 3 pour les précédentes générations. Il reste donc de belles opportunités pour les acteurs du tourisme, notamment les chaînes hôtelières. Cependant la cible la plus prometteuse, les millenials, reste compliquée à attirer et à satisfaire… Et si la co-création apportait un vrai plus pour y arriver ?

Instantanéité, simplicité, et connectivité sont les maîtres mots de la génération MILLENIALS. Certains jeunes consommateurs aspirent à vivre comme l’habitant (cf AirBnB), d’autres plébiscitent des expériences moins austères et moins chères (cf le boom des “hostels” sur booking.com)… En clair l’expérience reste primordiale pour cette cible et les démarches d’intelligence collective sont justement un bon moyen pour identifier des potentiels  d’amélioration de l’expérience utilisateurs. Ainsi certaines marques se sont lancées dans des démarches collaboratives pour détecter des insights, développer des concepts ou tester de nouvelles offres. Découvrons ensemble quelques initiatives…

L’offre JO&JOE : un exemple de co-création en interne.

Parmis les acteurs les plus matures sur le sujet, le Groupe Accor a tenté de répondre à cette problématique d’immersion des clients dans le quotidien des villes hôtes.

Le résultat, c’est JO&JOE : un concept hôtelier disruptif, fruit d’un travail d’équipe inédit dans l’histoire du Groupe entre les équipes d’AccorHotels (dont le Shadow Comex), des experts externes ainsi que des étudiants et professeurs de la Webschool Factory.

tourisme - fanvoice

Ce pur projet collaboratif en “open innovation”, impliquant directement des MILLENIALS, a été lancé en septembre 2016 et implanté à Hossegor en mars 2017.

L’objectif du projet JOE & JOE était de proposer un lieu de rencontres et d’échanges plus qu’un simple lieu où dormir pendant son voyage.

Tout a été pensé pour créer des espaces vastes et encourager la circulation et les échanges entre les individus. Les hotels sont des “Open House” avec des chambres privatives ou partagées, chaque lit est cosy & XXL, équipé d’un port USB, d’une lampe de chevet et de draps.

Toutes les chambres ont accès à l’espace “Happy House” : cuisine collaborative, laverie, espace détente…

Une application dédiée à cette offre innovante a vu le jour en parallèle de la mise en place du concept. Soucieux de vouloir créer de l’interaction entre les voyageurs, l’application JO&JOE permet aux individus de savoir qui est dans l’Open House mais aussi de connaître les activités prévues par la communauté au sein de l’hôtel et surtout dehors !

Après la création d’une startup interne en embargo constituée d’une dizaine d’employés, Accor a décidé de ne pas vivre l’aventure seul, mais de s’entourer de différents partenaires (entre autres : partenariat avec Quiksilver et Roxy). Le collaboratif est donc à tous les étages

Quand Ibis Styles lance un sujet d’idéation autour la chambre d’hôtel idéale :

L’hôtel n’est pas le seul élément à connaître des changements, la chambre d’hôtel est également un lieu qui doit évoluer pour répondre aux nouvelles attentes des consommateurs.

tourisme - fanvoice

Ainsi, la plateforme de design participatif Ibis Styles By Me a proposé de co-créer la chambre d’hôtel idéale durant un jeu concours (une démarche très souvent pratiquée dans le secteur, notamment chez FANVOICE). Les consommateurs ont pu exprimer leurs attentes de façon créative. La plateforme proposait aux consommateurs de laisser parler leur imagination en associant, ambiances, couleurs, motifs et illustrations.

Les 3 gagnants du jeu-concours se sont vu récompensés par le jury composé de Designers des chambres d’hôtel Ibis Styles, guidés par Sophie Ferjani architecte d’intérieur et aux commandes de l’émission D&CO sur M6. Pour les trois gagnants, la dotation était le mobilier de la chambre qu’ils avaient désigné ! Une belle façon de motiver des consommacteurs vous ne trouvez pas ? Nous, on est fans…

En plus de la plateforme, la campagne a investi 8 grandes gares (Gare de Lyon, Paris Montparnasse Paris Nord, Paris Saint-Lazare, Lille Flandres, Lyon Part Dieu, Marseille Saint Charles, Nantes). Un dispositif sans précédent a été mis en place avec 9 écrans mis à dispositions des voyageurs et leur permettant ainsi d’imaginer la chambre idéale.

Pour les plus pressés, il était possible de shazamer le visuel de l’écran et d’imaginer leur chambre plus tard, pendant leur trajet ou une fois dans leur chambre d’hôtel (qu’elle leur convienne déjà ou pas).

Les vacances à la montagne co-imaginées avec une communauté

Après l’hôtel dans sa globalité, la chambre d’hôtel, et si on se penchait sur l’expérience client au global ?

tourisme - fanvoice

Il y a quelques mois, FANVOICE lançait un challenge à sa communauté : inventer les vacances idéales à la montagne en s’exprimant sur différents sujets. En quelques semaines, les amoureux de montagne et de sports d’hiver ont proposé des centaines d’idées autour de ces 4 grandes thématiques :

  • La station : comment vous faciliter la vie dans les stations ?
  • Les équipements : quels types d’équipement pour vous proposer de nouvelles expériences ?
  • Les services : quels services innovants pour répondre à vos besoins ?
  • Les nouveaux sports d’hiver : sensations fortes et découvertes, quels nouveaux sports d’hiver aimeriez-vous tester ?

En parallèle de cette pure démarche d’idéation au profit d’une station de montagne, un sondage d’une vingtaine de questions courtes proposaient d’évaluer les fonctionnalités clés d’une future application dédiée aux vacances d’hiver.

En clair, un projet “2 en 1” qui pourrait être décliné sur plusieurs expériences dans le tourisme (été, hiver, mer, …).

Là aussi, le constat est sans appel : les millenials sont les 1ers à s’exprimer spontanément, quand les plus de 30 ans ont besoin d’être sollicités 2 ou 3 fois avant de contribuer.

Parmis les centaines idées postées par les participants, certaines étaient très bien argumentées et liées à des solutions déjà déployées dans d’autres secteurs d’activités. Une vingtaine étaient d’ailleurs déployables à court terme par une station.

tourisme - fanvoice

Bilan : l’intelligence collective pour une vision micro ou macro…

Ces trois initiatives d’idéations et de co-création vous donnent un bref aperçu du potentiel offert par les démarches d’intelligence collectives : hackathons, idéation interne, crowdstorming…

Quand on sait que 76% des français jugent que les marques ne proposent pas d’innovations en réel lien avec leurs attentes*, et que 73% pensent que la co-création est une bonne idée pour créer des services et produits plus utiles”, on se dit que ce serait dommage pour les acteurs du tourisme de ne pas solliciter les différentes parties prenantes avant de lancer un projet d’innovation.

Qu’il s’agisse de la phase amont de sélection d’insights concrets ou dans la phase de (co-)conception voire la phase de beta-test de concept, le “collectif” en a sous le pied !

*Source Baromètre SUPPER, Opinion Way.

tourisme - fanvoice Joana Dias

Share

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

Share

Tester une IA et la faire évoluer en temps réel : vous pensiez que ce n’était pas possible ?

Bot, Chatbot, agent conversationnel : autant de termes pour qualifier l’outil star du moment que de nombreuses marques s’arrachent. Présenté sous différentes formes : personnage animé, zone de dialogue, … cet outil de Gestion Relation Client d’un autre genre, pourtant pas si nouveau que cela, colonise les réseaux sociaux et autres sites web de la toile.

fanvoice-cocreation-IA

 

Leur rôle : analyser, interpréter les intentions contenues dans une phrase en langage naturel, pour produire une réponse pertinente.

Classifiés sous le terme nébuleux d’intelligence artificielle, certains de ces Chatbots ne sont pourtant pas si intelligents que cela. 70 % des requêtes soumises aux Chatbots sur l’application Facebook Messenger restent sans réponse. Ce chiffre, tiré d’un article des Échos, témoigne véritablement de la difficulté de ces robots dits « intelligents » à satisfaire les utilisateurs.

Tester un tel outil est par conséquent décisif : pour son bon fonctionnement et son utilité d’une part, pour assurer stratégiquement une relation pérenne avec ses utilisateurs et sa clientèle d’autre part. Nombreux sont ainsi les développeurs pour qui le test utilisateur est un prérequis avant lancement de son Bot. Non pour relever haut la main le test de Turing, mais plutôt dans l’optique d’identifier les « pain points » (les « irritants ») du tunnel de conversion.

 

Retour sur une expérimentation de Chatbot, déployée pour EDF

La communauté EDF Pulse & You (c’est à dire les participants inscrits à la plateforme de co-création développée par FANVOICE pour le compte d’EDF) a été invitée en avant première à tester le nouvel agent conversationnel de l’énergéticien : Maître B. Doté d’une fonctionnalité qui lui permet d’apprendre continuellement, ce Chatbot a ainsi pu évoluer à travers les différentes questions qui lui ont été posées.

fanvoice-cocreation-IA

Un protocole qui repose sur la personnalisation

Tester un Bot pour y recueillir des insights concrets et d’éventuels écueils décorrélés de tous bais méthodologiques requiert  un certain degré de personnalisation pour l’utilisateur. Les testeurs doivent effectivement s’inscrire dans une situation la plus proche possible du réel, favorisant ainsi le retour d’expérience.

Recrutés en amont de ce test, les participants ont ainsi reçu une convention à signer. Le but d’un tel document : donner l’autorisation de connecter leurs propres données personnelles (contrat, factures, …) au test de ce Bot. Autant d‘éléments réels stimulant et favorisant ainsi l’appropriation et l’usage de l’outil en phase de test.

 

Une mesure à chaud

Pour ce faire, l’expérimentation a été développée autour d’une approche PING-PONG.

Invités dans un premier temps à se connecter à la campagne hébergée par la plateforme de co-innovation EDF Pulse & You, les participants ont ainsi rapidement pu basculer sur Messenger (d’un simple clic sur l’URL indiquée) afin d’expérimenter le Bot.

Deux fenêtres, pour deux usages :

  • la page campagne permettant de recueillir les différents retours d’expérience notamment à travers le sondage et la rubrique permettant d’y poster spontanément ses idées ;
  • la page Messenger afin de naviguer et expérimenter le Bot.

Un jongle d’écrans qui relève de la mesure à chaud, favorisant toute l’objectivité des retours d’expérience recueillis.

fanvoice-cocreation-ia-edf

Un retour d’expérience au service de l’amélioration instantanée

Le déclaratif (réponses au sondage, idées postées en spontanée), conjugué à la mesure passive (enregistrement de la data relative à la navigation sur le Bot) ont permis de nourrir d’un point de vue très opérationnel les équipes EDF en charge de ce projet de co-innovation.

Des feedbacks enregistrés, assimilés en live, qui ont permis à EDF d’améliorer son outil en temps réel.

 

Une expérimentation qualitative à grande échelle

L’Expérience Utilisateur (UX) est un terrain sur lequel, tant les études qualitatives que quantitatives ont leur place – deux méthodologies pour des insights aux approches différentes.

FANVOICE souhaite ainsi depuis sa création, il y a près de trois ans maintenant, dépasser les clivages quali/quanti. La solution FANVOICE permet d’asseoir une vraie technicité et savoir propre aux études qualitatives, retransplantés à l’échelle quantitative. Ce sont ainsi près de 400 idées qui ont émergé à l’issue de ce retour de cette expérimentation. Autant d’idées passées au peigne fin du Text Mining et des deux qualitativistes FANVOICE spécialisées en études qualitatives, quantitatives et autres modèles hybrides.

Share