S'appuyer sur l'image de la marque pour mesurer la satisfaction

Exploiter l’analyse de sentiments dans les enquêtes de satisfaction

Un des travers rencontrés dans le cadre des enquêtes de satisfaction consiste à faire l’amalgame entre satisfaction et fidélité. En effet, il est illusoire de croire qu’un client, parce qu’il est satisfait, vous sera fidèle. La satisfaction est connue pour être circonstancielle, ce qui a d’ailleurs fait le succès du Net Promoter Score (indice de recommandation client). Mais le NPS, par son approche orientée est trop limitatif et ne capte pas les raisons profondes de la recommandation.

Une approche, plus empirique et qualitative, consiste à s’appuyer sur une question texte libre de type : « Quelle image de marque avez-vous de … » pour aller tester le niveau d’attachement du client à la marque, au produit ou au service proposé. Une fois les verbatim collectés, il s’agit de le retraiter pour mettre en place un indicateur clair percutant. Et de croiser cet indicateur avec une échelle de satisfaction pour confronter les 2 notions : satisfaction et attachement. Et c’est là que l’analyse de sentiment prend tout son sens.

Comment faire ? Le tutoriel ci-dessous vous explique pas à pas les étapes à suivre pour effectuer ce type d’analyse. Dans l’exemple suivant, nous allons traiter le cas (fictif) d’une société proposant un service en ligne. Le questionnaire de satisfaction est composé de :

  • Une question sur la satisfaction globale (plutôt un indicateur à l’instant ‘t’ donc)
  • Une question ouverte texte  questionnant le répondant sur sa vision de l’image de marque de la société     .

 Après avoir récolté les données…

 1.     Comment visualiser l’orientation des sentiments

 Une fois le logiciel ouvert, il faut accéder au sous stade « Exploration » situé dans le 5ème stade  « Analyse textuelle et sémantique »

Un menu vous sera proposé, permettant de choisir :

  • la variable à analyser (dans l’exemple, nous analyserons la variable « image de marque »)
  • l’environnement de traitement (dans l’exemple, nous avons besoin de l’environnement « Exploration »)

Vous arriverez ensuite dans le mode exploration :

Ce mode permet d’explorer les textes et les lexiques de votre corpus. Vous pouvez parcourir l’ensemble des observations tout en consultant un ensemble d’indicateurs et d’informations comme le contexte, les concepts, le nombre de mots.

L’indicateur qui va nous intéresser ici est l’orientation des réponses. C'est-à-dire qu'il s'agit de comprendre si le commentaire du répondant est plutôt positif ou négatif.

Pour afficher l’orientation de vos réponses, il faut aller dans l’onglet « Corpus », puis sélectionner l’option « Colorier les opinions »  

Vos observations seront coloriées selon l’orientation : en vert si elles sont positives, noir pour neutres, violet et rouge pour négatives.

2.     Comment extraire dans une variable l’orientation des sentiments

Une fois le texte parcouru et consulté, vous pouvez extraire une variable contenant les informations relatives à cette orientation.

Pour cela, il vous suffit de cliquer sur l’onglet « Données » puis sur « Variables lexicales ».

Il faut ensuite cocher « Intensité de l’orientation ».

Après avoir validé, un menu vous permet ensuite de visualiser le résultat dans le tableur. Une variable contenant les orientations pour chaque observation a bien été créée. L’intensité des échelons va de Négatif 3 à Négatif 1 pour le négatif et de Positif 1 à Positif 3 pour le positif.

3.     Utiliser l’opinion comme variable de l’enquête

Une fois cette variable d’intensité créée, il est ensuite possible de l’utiliser dans l’environnement de reporting. Pour accéder aux tableaux de bord : une fois revenu sur l’accueil, cliquer sur le sous stade « Tableau de bord personnalisé » situé dans le 4ème stade  « Analyse des résultats »

Dans notre exemple nous allons afficher sur le rapport la variable d’intensité des opinions créée précédemment.

Pour faciliter la lecture et l’analyse, nous allons regrouper les modalités selon le niveau de satisfaction. Les modalités  « Négatif 3 », « Négatif 2 »  et « Négatif 1 » en « Négatif » et « Positif 1 », « Positif 2 » et « Positif 3 »   en « Positif »

Pour réaliser cette manipulation vous devez :

  • Ouvrir le menu de paramétrage d’une question >>> onglet « Calculs » >>> cocher « regrouper / ordonner les modalités >>> cliquer sur les « … »
  • Sélectionner ensuite les modalités à regrouper et nommer le groupe puis valider

Vous obtiendrez le regroupement ci-dessous :

Vous êtes ensuite libre de croiser cette variable avec celles de votre choix pour créer les analyses quantitatives que vous souhaitez.

4.     Exploiter les résultats obtenus

Vous pouvez ensuite croiser cet indicateur avec l’échelle de satisfaction pour confronter les 2 notions : satisfaction et attachement. Le tableau croisé ci-dessous et le résultat du groupement entre la variable d’intensité d’opinion et la variable de satisfaction globale. On constate ici que 7 répondants ont émis un avis négatif à l’instant tout en ayant également une image de marque négative.

Pour aller plus loin, il peut être intéressant d’afficher les verbatims donnés par ces clients mécontents. Pour cela, il suffit d’afficher la variable texte correspondante et de réaliser un filtre : on affichera que les réponses des clients mécontents ayant également une image de marque négative. L’intérêt  étant de pouvoir mieux comprendre ces clients et d’agir en conséquence afin d’essayer de les satisfaire au mieux.

>>> Plus d'informations sur www.lesphinx.eu

Avis sur Trip Advisor ! Une approche combinant l’évaluation de satisfaction et l’analyse des sentiments

Avec la multiplication des opinions émises sur le web, et plus précisément sur les réseaux sociaux et les forums, l’enjeu majeur aujourd’hui est de comprendre tout ce qui se dit et d’en extraire rapidement du sens en identifiant clairement les thèmes significatifs, mais aussi en dégageant la tonalité et les sentiments exprimés.

Pour illustrer ces propos, prenons le cas d’un office de tourisme qui souhaite analyser les notes de satisfaction et surtout les commentaires attribués aux restaurants d’une ville, dans le but de réaliser un guide des meilleures adresses de la ville. Les données sont des informations publiques et gratuites, tirées de TripAdvisor, site web destiné à recueillir l’avis des consommateurs sur les différentes prestations touristiques (hôtels, restaurants, activités touristiques, culturelles…). L’analyse présentée ci-dessous porte sur une douzaine de restaurants et plusieurs centaines de posts.

Première évaluation de la satisfaction en quelques chiffres

Une première analyse des notes de satisfaction attribuées aux restaurants permet d’obtenir des résultats très généraux. Tout d’abord, on constate que c’est la note de 4 sur 5 qui a été la plus attribuée, dans 38,7% des cas, et que la note moyenne de satisfaction, sur une échelle de 1 à 5, s’élève à 3,75.

On peut ensuite affiner cette première vision générale en regardant dans le détail les notes par restaurant et par thème évalué (suivant la grille d’évaluation du site TripAdvisor), ce qui nous permettra de classer les restaurants selon la note moyenne qui leur a été attribuée, et d’identifier précisément les forces et les faiblesses de chacun des établissements, en termes de rapport qualité/prix, d’ambiance, de service, de cuisine…

Ces résultats permettent ainsi d’établir le classement des restaurants les mieux notés d’un point de vue global (Baron rouge, le Comptoir et La Pommeraie avec une note supérieure à 4) et mettent en évidence que certains restaurants, comme le Comptoir ou la Pommeraie, se distinguent par leur rapport qualité / prix et leur qualité de service. On remarquera avec surprise que la qualité de la cuisine n’est pas un critère discriminant.

Une analyse qualitative pour affiner la perception

Si l’analyse quantitative est parfaitement adaptée pour dégager les grandes tendances, il s’avèrerait extrêmement simplificateur de résumer l’opinion des internautes à travers la simple étude de leurs notes de satisfaction.

En ce sens, il est absolument indispensable de porter une attention particulière aux contenus produits par les commentaires déposés. Une première étape consiste à prendre connaissance du contenu des textes à partir des mots qu’ils contiennent et des concepts auxquels ils renvoient. Si l’on se concentre sur les adjectifs par exemple, on retrouve en tête de liste, les attentes centrales de la clientèle des restaurants de cette ville : de « petits » endroits, « agréables », « sympathiques », « chaleureux » ou « originaux » où l’on pratique des prix « corrects ». L’analyse des concepts permet de repérer les thèmes les plus fréquemment évoqués par les clients et ce d’une façon spontanée, sans les forcer à se caler sur une grille pré-définie.

L’analyse des sentiments pour donner du sens

L’analyse des sentiments nous permet tout d’abord de situer la polarité du commentaire formulé par un client. On voit ci-dessous qu’on enregistre seulement ¼ de commentaires négatifs au sein de l’ensemble de ce corpus et que les mots les plus spécifiquement cités dans ces verbatim critiques sont le « service », le « restaurant » et « l’assiette ».

On constate par ailleurs une très bonne correspondance avec l’évaluation globale mesurée par ailleurs via une note de 1 à 5. De gauche à droite, les meilleurs restaurants de la ville se positionnent du « très positif » au « négatif ».

Enfin, à partir d’un répertoire prédéfini de 17 thèmes, il est possible de repérer automatiquement la teneur des commentaires émis. Il s’agit bien évidemment d’évaluations à 99%, mais aussi de manifestations d’intérêt, de recommandations, de déception et de divertissement.

En conclusion

L’analyse qualitative permet de mieux identifier les points forts et les points faibles des objets que l’on observe (ici des restaurants). Les mesures quantitatives n’enregistrent souvent que peu de différences, quelques centièmes de points seulement et manquent terriblement de relief. L’analyse qualitative basée ici sur l’approximation lexicale et l’analyse des sentiments permet de révéler rapidement le contenu thématique et sémantique d’un large corpus de commentaires, de lui donner de la profondeur, sans pour autant consacrer un fort volume de temps, comme pourrait l’exiger l’analyse de contenu traditionnelle.

>>> Plus d'informations sur www.lesphinx.eu

Détecter la tonalité sur Twitter : un sujet de recherche des plus sérieux

Depuis l’émergence des techniques d’analyse automatique des sentiments, les offres se sont multipliées, décuplant les attentes des clients potentiels et élargissant les domaines d’application. L’une des disciplines en expansion est la détection des tonalités des messages émis sur les microblogs. En effet, les plateformes de microblogging, particulièrement Twitter, limitent la longueur des publications à un certain nombre de caractères, augmentant la quantité de celles-ci. N’étant plus soumises à un style formel, ces publications expriment généralement une seule idée en 140 caractères, de manière explicite et donc facilement exploitable par l’analyse des sentiments. Ces analyses peuvent par la suite servir d’outil aux entreprises qui veulent connaître l’image de leur marque, ou de leurs produits.

Un ouvrage récent, intitulé « Opinion mining et Sentiment analysis – méthodes et outils », rédigé par Dominique Boullier et Audrey Lohard, présente dans un chapitre dédié quelques services destinés à analyser la tonalité des tweets, résultant de la recherche de certains laboratoires académiques.

Différentes techniques d’analyse

Parmi eux figure un outil qui s’appelait à l’origine Twitter Sentiment, rebaptisé ensuite Sentiment140. Il s’agir d’un service en ligne gratuit, créé par trois étudiants en Computer Sciences de l’Université de Stanford (Alec Go, Richa Bhayani et Lei Huang), qui permet, en tapant un mot-clé (produit, marque…), d’effectuer la recherche de l’opinion générale exprimée via Twitter sur le sujet.