Blog

À quels enjeux répond l’analyse sémantique pour la relation client ?

Faire des interactions avec vos clients un levier de développement de votre entreprise, en améliorant vos process, votre offre, et votre productivité… utopique selon vous ? Plus aujourd’hui, grâce à l’analyse sémantique qui se présente comme étant la nouvelle tendance dans le monde de la relation client. Celle-ci permet d’avoir une meilleure visibilité, des éléments de réponses qualitatifs à vos enquêtes de satisfaction, mais pas uniquement ! 

Elle constitue aujourd’hui un réel moyen de déceler les points d’amélioration pour votre marque : indispensable pour, notamment, réduire le risque d’attrition. 

Mais qu’est-ce que l’analyse sémantique ? Pourquoi est-elle aujourd’hui utile pour la gestion de votre relation client ? Comment fonctionne-t-elle ? Dans cet article, nous vous proposons d’aller encore plus loin dans la compréhension de l’analyse sémantique, appliquée à la relation client. 

I - Qu’est-ce que l’analyse sémantique ? Définition et enjeux

a - Une définition de l’analyse sémantique

L’analyse sémantique est une technique proche de l’analyse lexicale, mais au lieu de se faire au niveau des mots, l’analyse se fait sur le sens des phrases pour déterminer le sens des écrits, et c’est ce qui en fait toute la différence. 

Il est donc important de comprendre en premier lieu ce qu’est la sémantique : il s’agit de l’étude du sens des mots dans leur contexte. L’analyse sémantique consiste ainsi à établir la signification d’une phrase en utilisant le sens des éléments la composant.

Souvent, lorsque l’on parle d’analyse sémantique, on a tendance à évoquer les applications de traitement automatique des langues (TAL). Effectivement, elles sont étroitement liées : ces diverses méthodes informatiques dédiées au traitement du langage humain sont larges (traduction, correction orthographique, reconnaissance de l’écriture manuscrite, etc.). Mais il est important de différencier le traitement automatique des langues de l’analyse sémantique.

Comme l’explique Fabien Poulard, docteur en informatique spécialisé dans le traitement automatique du langage, cofondateur de dictanova et désormais head of product management chez easiware, le TAL s’appuie sur plusieurs approches :

  • l’approche linguistique, avec l'établissement a priori des règles en étudiant le langage
  • l’approche statistique, avec pour base l’analyse de corpus importants, à partir desquels la machine va extraire des règles grâce à l’apprentissage automatique (machine learning);
  • les approches hybrides, situées entre linguistique et statistique qui permettent d’obtenir de meilleurs résultats.

Or l’analyse sémantique, elle, passe obligatoirement par deux étapes :

  • l’analyse lexicale ou morphologique, qui permet de découper un texte en lexèmes (mots et expressions) ;
  • l’analyse syntaxique, qui s’appuie sur les règles grammaticales pour définir quelles fonction ont les mots à l’intérieur d’un texte, et les relations entre eux (ex: relation entre sujet et objet).
    L’analyse sémantique implique donc, à partir de là, de pouvoir ajouter une “fouille d’opinions” ou “analyse de sentiments”, afin de détecter les éléments subjectifs au sein d’une phrase (sentiment négatif ou positif, émotion, prise de position).

En termes de marketing et de relation client, l’analyse sémantique est utilisée pour faciliter la compréhension et l’exploitation des verbatims client. Les verbatims, c’est-à-dire les phrases et expressions utilisées par vos clients, sont une mine d’informations essentielle pour optimiser leur expérience client. L’analyse sémantique a donc pour but d’extraire ces informations, afin de détecter les leviers et freins à la satisfaction, ainsi que les axes d’amélioration. 

b - Pourquoi allier analyse sémantique et relation client ? 

L’analyse sémantique est-elle aujourd’hui une composante essentielle de la relation client ? Me croirez-vous si je vous disais que les nouvelles technologies peuvent être au service des émotions ? Et bien aujourd’hui, les enquêtes de satisfaction ont l’avantage de vous apporter une quantité considérable de réponses à vos questions. Toutefois, si vous voulez que ces messages soient exploitables, il est nécessaire de les classer et catégoriser chacune des réponses reçues. De même, pour les questions ouvertes, il est impératif de catégoriser les réponses afin d’en extraire un message clé. L’analyse sémantique permet de comprendre un message en intégrant le ton, l’émotion contenue dans le message écrit. Elle permet ainsi d’obtenir des informations précises sur les sentiments des clients vis à vis d’une marque, et complète les données obtenues grâce aux enquêtes de satisfaction.

De même, l’analyse sémantique permet d’avoir une meilleure connaissance client. Effectivement, les clients ont à leur disposition plusieurs canaux sur lesquels ils peuvent s’exprimer au sujet d’une enseigne : les réseaux sociaux, les mails, les réclamations, les commentaires sur les bornes interactives, le canal voix. Chaque support peut être analysé, y compris le canal voix grâce aux scripts des conversations téléphoniques, et permettent ainsi d’avoir une meilleure connaissance du client. Cela permet notamment d’adapter les actions et décisions aux attentes des clients.

De nombreuses entreprises l’ont donc compris : aujourd’hui, améliorer la qualité de la relation client et réduire le risque d’attrition passent par une analyse des verbatims, via tous les canaux par lesquels le client communique.

II – Comment fonctionne l’analyse sémantique ? Méthode et exemple

a - Comment fonctionne l’analyse sémantique pour une marque ?

L’analyse sémantique se fait via une plateforme dédiée, ou un module intégré à une solution de gestion de la relation client par exemple. Ce type d’outils traite les feedbacks clients, et analyse les verbatims, notamment en les regroupant : ainsi les verbatims mentionnant les mots “tarif”, “prix”, “coûteux”, ou “rapport qualité-prix” seront par exemple regroupés dans la catégorie “Prix”. Et bien plus qu’une recherche à base de mots clés, le logiciel utilisé pour l’approche sémantique est doté de compétences linguistiques intégrant l’intelligence artificielle, tant l’outil pousse sa réflexion des compétences au delà du simple calcul informatique.

Prenons l’exemple de ces trois retours clients : 

  • « Leur réceptionniste ne sourit jamais »
  • « Concernant le réceptionniste, je n’ai jamais eu de problème avec lui»
  • « Mis à part leur réceptionniste, le séjour s’est bien déroulé  »

Dans la première phrase, le moteur sera en mesure de détecter qu’il s’agit bien d’une opinion négative, malgré la connotation positive du mot « souriant ». Dans la seconde phrase, le moteur détectera bien une opinion positive et portant sur la même cible. Et dans la troisième, le moteur saura détecter que l’opinion porte sur autre chose que le réceptionniste.

Ces exemples démontrent que l’analyse sémantique est un outil incontournable concernant l’analyse de textes usuels. Mais, faute de moyens et de connaissances suffisantes, les approches à base de mots clés demeurent les plus répandues - incapables de comprendre des messages complexes qui mêlent positif et négatif. L’analyse sémantique reste une technologie de pointe extrêmement complexe qui nécessite des compétences bien spécifiques, et un outil adapté. 

L’analyse sémantique fait le lien entre les études marketing qualitatives et les enquêtes de satisfaction souvent quantitatives. Elle apporte une grande richesse de connaissance client pour les enseignes qui souhaitent se développer, tout en adoptant une démarche customer centric. Les résultats de cette analyse sont générés en temps réel ou en analyse sur une période donnée dans le passé. Peu chronophage, l'analyse sémantique peut réellement devenir un levier d'une importance majeure pour un service client plus productif, et une plus grande satisfaction client.

 

b - Comment exploiter de manière intelligente les données récoltées grâce à l’analyse sémantique ?

L’enquête de satisfaction client est un outil de connaissance client qui a des limites. Faisant de la relation client un axe stratégique, les grandes entreprises multiplient les enquêtes de satisfaction. Obtenir des réponses qualitatives les amènent notamment à introduire des questions ouvertes, mais l’analyse de celles-ci est plus complexe. Par ailleurs, il est important en amont de cibler les verbatims à analyser (selon les canaux, le public etc.), car la qualité de ces derniers dépend également de la prédisposition du client à y répondre.

Souvent l’ensemble des verbatims clients ne sont pas consolidés et redistribués à l’échelle de l’entreprise : les réponses aux enquêtes ne sont utilisées que par le marketing, les tweets et commentaires sur les réseaux sociaux sont exclusivement connus par les community managers, les réclamations sont traités uniquement par les centres d’appels et services client. Or, tous les mots que le client adresse à votre enseigne sont d’une importance majeure pour le développement de votre marque et doivent être disponibles pour l'ensemble des services. Ainsi, mettre en place une solution intégrant l’analyse sémantique est important, à condition que les données qui y seront récoltées soient utilisées et exploitées de la bonne manière ! 

c - Comprendre les attentes et améliorer l’expérience client : le challenge relevé par Cdiscount grâce à l’analyse sémantique 

La renommée de Cdiscount, acteur majeur du secteur de l’e-commerce n’est plus à refaire. Chaque jour, Cdiscount expédie plus de 125000 produits à ses clients. Le nombre de réponses à l’enquête de satisfaction post-livraison est donc conséquent. Ce volume important nécessite une analyse complexe, dans la mesure où l’enseigne a fait le choix d’y intégrer un champ de texte libre, donc la récolte d'un verbatim

Le pôle logistique de Cdiscount a donc adopté le logiciel dictanova, acquis en avril 2019 par la société easiware, pour l’analyse sémantique des verbatims clients.

En faisant l'acquisition de la dictanova, experte en machine learning et analyse sém-antique, easiware a pour but de créer une offre en data science appliquée à la relation client et aux données consommateurs.

Mais pour la mise en place d’un tel dispositif, bénéficier d'une formation et d’un véritable accompagnement est nécessaire, à l'instar de Cdiscount qui a ainsi pu bénéficier de conseils d’experts dans la structuration et l'organisation du programme d’écoute de la Voix du Client, que ce soit sur le questionnaire, le traitement des verbatims et l'animation d'un plan d'actions. 

D’un point de vue pratique et en termes de résultats, la solution leur permet de déceler les facteurs de satisfaction ou de frustration des clients à chaque étape de leur parcours “logistique” : choix de l’adresse de livraison sur le site, modes de livraison proposés, suivi de la commande, amabilité du livreur, respect des délais...

L’analyse de ces verbatims a permis de détecter plusieurs axes d’amélioration. Le fait d’apporter plus de clarté aux modes de livraison proposés, de donner plus de précision sur les attendus de chaque prestation et d’enrichir le flux d’information, est apparu comme un élément indispensable à la satisfaction client de la marque. 

En conséquence, Cdiscount a mis en place des actions allant dans ce sens, notamment en spécifiant les conditions de reprise des anciens électroménagers, ou encore l’accès au domicile client. Ces axes d’amélioration ont été détectés grâce à l’analyse sémantique des avis clients et n’était pas détectable avec uniquement une note de satisfaction.

« Cette solution a été un véritable support pour nous aider à analyser les 7000 verbatims que nous recevons chaque mois de nos clients. Etre à l’écoute de la voix du client est une étape primordiale dans l’amélioration de la Qualité et il n’y a rien de plus frustrant que de ne pas pouvoir exploiter leurs retours. Ainsi nous pouvons de manière quotidienne repérer les frustrations et satisfactions clients pour en faire ressortir nos axes d’amélioration principaux. » Julie Nicolau, Chef d'activité qualité transport, C-logistics.

Pour en savoir plus sur les défis relevés par Cdiscount grâce à l’analyse sémantique, vous pouvez télécharger le cas client en cliquant ici :

Cas client cdiscount

Nous sommes aujourd’hui dans une ère où indéniablement, les marques veulent aujourd’hui mieux connaître leurs clients pour mieux les servir. L’intelligence artificielle, et donc l’analyse sémantique deviennent donc progressivement le “Must Have” des directions entreprises. Et bien plus que la récolte de données et d’informations, l’enjeu est de passer d’un Big Data sous-exploité à un smart data utile, bénéfique pour le client final et pour la marque ! Le nouveau couple formé par easiware et dictanova est peut-être la réponse à ce besoin ? À suivre de près dans les mois à venir...

Ce contenu vous a plu ?

Inscrivez-vous à notre newsletter