Une approche qualitative par analyse lexicale automatisée.

Introduction

La satisfaction et la fidélisation sont aujourd’hui au-cœur de la stratégie des entreprises. L’enjeu économique est de taille : en 2009 une étude internationale réalisée par Genesys montrait que le coût global d’une relation client défaillante s’élevait en France à 9,5 milliards de dollars par an ! Ecouter le consommateur, décrypter ses opinions, comprendre et analyser ses sentiments, évaluer ses exigences, identifier les signaux faibles…

Ce sont-là des impératifs qui s’imposent avec force aux dirigeants désireux de manager au-mieux la relation client. Satisfaire le client et le fidéliser passe par la maîtrise d’un très large spectre de données, et tout particulièrement les données qualitatives dont la valeur de signification est élevée : corpus d’études (entretiens, focus groups, bulletin boards…), e-mails de réclamation, conversations enregistrées avec les centres d’appels, échanges sur les réseaux sociaux (Twitter, Facebook…), avis de consommateurs, discussions sur les blogs et les forums, etc. Le volume toujours croissant de ces données nécessite plus que jamais des solutions d’analyse performantes, tant au plan des techniques et des outils mis en œuvre que des moyens humains mobilisés.

Comment rendre ces données intelligibles ? Comment accéder à une intelligence des contenus pertinents, susceptible d’éclairer efficacement les décisions à prendre et les actions à mener ? En réponse à ces préoccupations, Agalma propose une offre inédite qui conjugue puissance de traitement des données qualitatives et analyse experte des significations et des contenus.

Présentation générale.

Schématiquement la solution proposée par Agalma s’articule sur deux étapes successives et complémentaires :

1. L’exploration statistique => Analyse lexicale automatisée permettant de déterminer, classer et pondérer les différents « objets » autour desquels se structure le corpus, et de dégager les différents « bassins sémantiques » qui le composent (De quoi parle-t-on ?)

2. L’Interprétation qualitative => Analyse en profondeur des verbatims statistiquement significatifs afin de produire une synthèse maîtrisée des contenus les plus pertinents et fournir des recommandations opérationnelles sur les actions à entreprendre (Quel sens cela a-t-il ? Et que faut-il en conclure ?). C’est une solution multi canal, susceptible de traiter toutes les données qualitatives dès-lors qu’elles sont appréhendées dans leur contexte de production et constituent des corpus cohérents et homogènes :

– Les informations récoltées par les services internes de l’entreprise : courriers, transcription d’appels téléphoniques, emails de réclamation, formulaires de contact…

– Les données d’études : réponses à des questions ouvertes, transcription d’entretiens, de focus groups, de bulletin boards…

– Les données issues d’un web crawling : avis, commentaires, blogs, forums, réseaux sociaux…

b) La Classification Ascendante permet d’avoir une lecture détaillée de l’articulation des thèmes et des sous-thèmes au-sein de chaque bassin. A titre d’exemple, la figure ci-contre montre comment B3 se structure autours de trois thématiques majeures : a) « la qualité » du « service client » et « la rapidité » de « la prise en charge ». b) « la compétence », « l’accueil » et « l’écoute » dont fait preuve « le personnel » en « agence ». c) « l’efficacité » dans la gestion des « sinistres », associée aux dimensions de « conseils » et de « disponibilité ».

c) L’Analyse Factorielle suggère une image synthétique des territoires annexés par les mots les plus significatifs du corpus (cf. Figure 3). Schématiquement, la cartographie de cet univers oppose globalement : – sur l’axe 1 des discours plutôt négatifs (à droite), à des discours plutôt positifs ou neutres (à gauche), – sur l’axe 2 des motifs de satisfaction / insatisfaction plutôt liés à l’offre elle-même (en haut) à des motifs plutôt liés à la relation avec la compagnie (en bas).


d) Les réseaux de mots permettent d’avoir une lecture complémentaire des distances entre un mot particulier et ceux qui lui sont significativement associés. Par exemple, la figure 4 montre comment s’organise le discours autour du mot « satisfait ». On observe ainsi très clairement la forte prégnance de « l’agence » dans la détermination de la satisfaction, et les valeurs de « conseils » et de « disponibilité » qui lui sont associées, et notamment en-cas de « sinistre ». Cette satisfaction tend également à s’exprimer dans la perception d’un « prix » jugé raisonnable, compte tenu de la « prise en charge » plutôt « bonne », des « remboursements » ou des « interventions » plutôt « rapides », de « l’accueil » plutôt « excellent », etc.

L’analyse en profondeur.

Toutes ces fonctionnalités permettent d’obtenir une grande intelligibilité des données ; elles s’associent conjointement pour proposer une mise en ordre statistiquement signifiante des verbatims, afin d’en préparer l’analyse raisonnée (restreinte aux verbatims significatifs). Sous cet angle, notre approche se distingue clairement des protocoles d’analyse sémantiques classiques, qui reposent exclusivement sur des calculs de cooccurrences linguistiques considérées indépendamment de leur contexte d’expression (les verbatims). Ces contextes sont pourtant déterminants ; ce sont eux qui justifient la présence ou l’absence des mots analysés ! Bien plus que des cooccurrences linguistiques, c’est donc une réorganisation et une hiérarchisation statistiquement pertinentes des verbatims que notre approche vise à restituer. Appliquée à des corpus de très grande taille, elle permet d’en comprendre la structure interne et d’en saisir les éléments les plus importants. Elle amorce ainsi de manière objective l’analyse en profondeur des verbatims recueillis.

Ces contextes sont pourtant déterminants ; ce sont eux qui justifient la présence ou l’absence des mots analysés ! Bien plus que des cooccurrences linguistiques, c’est donc une réorganisation et une hiérarchisation statistiquement pertinentes des verbatims que notre approche vise à restituer. Appliquée à des corpus de très grande taille, elle permet d’en comprendre la structure interne et d’en saisir les éléments les plus importants. Elle amorce ainsi de manière objective l’analyse en profondeur des verbatims recueillis.

Note. Le succès de l’analyse lexicale dépend étroitement de la cohérence et de la qualité textuelle du corpus. Aussi la fiabilité des résultats passe-t-elle par un travail préalable de stabilisation linguistique : suppression des scories, effacement du hors texte, correction orthographique et grammatical, etc. Cette phase de « nettoyage » réalisée manuellement par l’analyste est particulièrement nécessaire lorsqu’il s’agit de données brutes récoltées sur le Web (commentaires, posts, messages…) Aussi veillons-nous chez Agalma à préparer nos corpus selon une règle de propreté intransigeante ; c’est pour nous la garantie d’une analyse riche et fiable !

Cette analyse en profondeur constitue précisément la seconde étape de notre approche ; c’est une phase d’analyse purement qualitative qui fait appel à l’intuitivité et à l’expertise du consultant. Menée chez Agalma par des qualitativistes experts, elle permet d’accéder véritablement à une intelligence maîtrisée du discours client :

– identification des forces et faiblesses de la relation client,

hiérarchisation qualitative des critères de satisfaction et d’insatisfaction,

– mise au jour des perceptions et des représentations appliquées à l’offre, aux produits et aux services,

réactualisation de l’image et de la réputation,

– élaboration d’une typologie des comportements et des attitudes. Conclusion. C’est dans cette intelligence maîtrisée du discours client qui réside la force de notre approche. Issus du croisement entre un outil informatique puissant et une expertise qualitative de haut niveau, nos résultats fournissent aux managers les moyens de piloter la stratégie de l’entreprise en identifiant, canal par canal, les infléchissements à opérer ou les actions correctives à mettre en place, tant en matière de communication que de marketing, de CRM ou d’animations commerciales.

Conduite à intervalle régulier, dans une perspective d’écoute en continu du client ou de veille concurrentielle, cette approche se révèle particulièrement performante pour suivre dans la durée l’évolution des opinions, percevoir les changements, identifier les signaux faibles…

Et au-delà pour manager la satisfaction et la fidélisation des consommateurs ! Pour une présentation détaillée de cette approche, nous vous invitons à prendre contact avec nous.

0 réponses

Laisser un commentaire

Participez-vous à la discussion?
N'hésitez pas à contribuer!

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *