Les données textuelles : une ressource inexploitée 📝
Quand on parle de “données” l’idée qui nous vient immédiatement en tête ce sont généralement des chiffres.
Lorsque l’on conseille aux entreprises de suivre des indicateurs, il s’agit d’ailleurs généralement de données chiffrées telles que le chiffre d’affaires, le nombre de ventes, de clients et leur évolution dans le temps...
Mais un autre type de données est disponible dans la quasi-totalité des entreprises, un type de donnée encore trop peu exploitée et pourtant riche d’informations : les données textuelles.
De quoi parle-t-on ? 🤔
“Données textuelles” c’est assez vague je vous l’accorde.
Peut-être même vous dites-vous que votre entreprise ne possède pas ce type de données.
Et pourtant, il est certain que si, ne serait-ce que si vos clients ont la possibilité de laisser des avis sur vos produits ou services, vous détenez des données textuelles.
Nous parlons rarement de ces données au premier abord et nous en avons rarement parlé dans nos précédents articles pour une raison simple, il ne s’agit pas du type de données le plus accessible, ni celui qui donnera des résultats impressionnants rapidement (quoique) et encore moins le plus simple à exploiter.
L’analyse du langage naturel 📊
Lorsque l’on est amené à travailler sur des textes, on parle généralement d’analyse du langage naturel ou NLP (Natural Langage Processing).
Ce sont des analyses qui se développent de plus en plus avec notamment la montée en puissance des chatbots qui nécessitent d’analyser la demande de l’utilisateur pour en ressortir une réponse adéquate.
Deux personnes exprimant une même idée différemment, avec des termes différents, des caractères spéciaux ou non, ou encore des fautes d’orthographe, ces analyses demandent un certain nombre de traitements.
Le retrait des caractères spéciaux, la mise en minuscule de l’ensemble du texte ou encore le découpage des mots depuis leur forme lexicale permettent de rendre ces données plus exploitables.
Pourquoi faire ? ⬇️
Les possibilités d’exploitation de ce type de données sont infinies mais pour que vous y voyez plus clair, voici quelques exemples de choses qu’il est possible de faire :
- analyser les sentiments et les opinions exprimés dans les avis des clients pour mieux comprendre la perception de la marque et mettre en évidence les points d'amélioration.
- identifier les tendances du marché en amont en identifiant des éléments clés dans les commentaires sur les réseaux sociaux par exemple.
- classer les mails par ordre de priorité ou en fonction du sujet traité en analysant leur contenu afin de permettre aux équipes de gagner plus de temps.
- classifier automatiquement les tickets du support client afin d'attribuer les tâches au bon service.
- identifier les points forts et les points faibles de la marque à partir des retours réalisés par les clients.
- mettre en place un chatbot permettant de répondre 24h/24 et 7j/7 aux demandes des clients, qui analyse la demande, recherche l'information et répond par une phase générée automatiquement.
La diversité de ces exemples montre à quel point chaque secteur d’activité peut être concerné par l’analyse du langage naturel.
Il ne s’agit que d’un échantillon de ce qu’il est possible de faire et pourtant ces exemples parlent à de nombreuses entreprises.
Cas d’usage concrets 💻
Pour terminer cet article, rien de mieux qu’un exemple concret de ce qu’il a été possible de mettre en place pour une entreprise en lien avec l’analyse du langage naturel.
Prenons l’exemple d’une entreprise de commerce électronique.
Celle-ci, lançant un nouveau produit sur le marché, a utilisé l’analyse de données textuelles pour exploiter les commentaires des clients sur les réseaux sociaux et a identifié trois choses importantes :
- beaucoup de clients ont laissé des avis positifs sur les fonctionnalités innovantes du produit, telles que sa facilité d'utilisation et sa durabilité.
- certains clients ont évoqué des problématiques de compatibilité avec leurs autres appareils.
- d'autres ont suggéré des fonctionnalités supplémentaires.
En se basant sur ces résultats, l'entreprise a pris plusieurs mesures :
- elle a lancé une campagne marketing axée sur les points forts du produit
- elle a développé de nouvelles mises à jour logicielles pour résoudre les problématiques évoquées.
- elle a ajouté les suggestions des clients à la liste des améliorations futures du produit.
Grâce à cette approche, l’entreprise a pu améliorer les performances du lancement de ce nouveau produit sur le marché, fidéliser ses clients (prendre en compte les avis des clients est toujours très important) et orienter ses efforts de développement du produit sur les fonctionnalités les plus demandées (aucun risque, donc, de décevoir les clients). 👍
J’espère que cet article vous permet d’y voir plus clair sur l’analyse des données textuelles et son intérêt pour les entreprises de tout secteur d’activité.
Si vous n’exploitez pas encore ces données dans votre entreprise, n’hésitez pas à y songer. 💭
Cela vous apportera, au mieux, des arguments de vente supplémentaires, au pire des perspectives d’amélioration. 📈