Qu’est-ce que l’opinion mining ?

Les chiffres de vente ne traduisent pas à eux seuls la réussite ou l’échec d’une marque, d’autant qu’ils peuvent évoluer rapidement. L’avis des clients compte lui aussi. Il est intéressant en particulier de savoir ce que des clients potentiels disent d’une marque, qu’ils en aient ou non déjà acheté le produit.

La marque est-elle dans l’air du temps ? La marque est-elle perçue positivement par le public cible visé ? Ou plutôt négativement ? Ou bien est-elle totalement ignorée ? Est-elle appréciée des influenceurs ? Autant de questions importantes auxquelles une entreprise a intérêt à répondre régulièrement au moyen d’une veille ciblée des réseaux sociaux.

L’opinion mining est aussi appelé « sentiment analysis » (analyse de sentiment). L’opinion mining sert donc à connaître le ressenti d’un public cible, à savoir comment il perçoit et évalue une marque. Il est aussi employé par les spécialistes boursiers afin d’anticiper l’évolution du cours des actions à partir du comportement en matière d’achat et de l’humeur générale des investisseurs. Cet article traite de l’analyse ciblée du sentiment qu’inspire une marque et de la façon dont elle est perçue sur les réseaux sociaux, dans les critiques de produits et les blogs.

L’opinion mining se définit comme l’analyse automatisée de commentaires d’utilisateurs en vue de déterminer si un texte a une tonalité plutôt positive ou plutôt négative. On emploie pour cela des outils de text mining capables d’analyser automatiquement des textes en langage naturel.

Et c’est justement là qu’apparaît le premier problème : le langage naturel ne se compose pas de listes positive et négative. Les méthodes d’analyse simples recherchent dans le texte les mots qui ont un sens positif ou négatif sur la base d’un dictionnaire thématique préétabli. Ce procédé peut fournir une impression générale, mais n’est pas fait pour saisir le sentiment des gens à proprement parler. Même la fréquence de mots considérés comme positifs ou négatifs dans le cadre de l’évaluation subjective d’un produit n’est pas pertinente.

Prenons comme exemple deux avis de clients : « J’en suis ravie ! » et « Bon article fonctionnel ». La première phrase contient un mot positif (« ravie »), la deuxième deux mots positifs (« bon » et « fonctionnel »). Une analyse simple fondée sur des méthodes statistiques classerait la deuxième phrase comme plus positive, alors qu’un humain la considérerait comme plus ou moins neutre, et assurément moins positive que la première.

Il s’ensuit que pour apprécier correctement le sentiment des internautes, il faut faire appel à des outils basés sur l’intelligence artificielle.

À cela s’ajoute que les internautes, notamment les utilisateurs des réseaux sociaux, ont tendance à s’exprimer et à donner leur avis comme s’ils parlaient avec des amis, et ne respectent pas toujours les règles grammaticales. Une phrase seule n’a souvent pas le même sens que lorsqu’elle est lue dans son contexte général. Reconnaître ces nuances est une tâche ardue pour les outils d’analyse. De surcroît, le langage, notamment celui des jeunes, est influencé par les tendances du moment.

Un outil d’opinion mining doit donc connaître précisément le public cible et l’environnement du produit à analyser. Dans cette optique, l’apprentissage automatique peut s’avérer utile puisqu’il permet d’« entraîner » les outils afin d’obtenir des résultats de meilleure qualité à long terme.

La fonction principale de l’opinion mining est de dresser un tableau du sentiment général à l’égard d’un produit ou d’une marque au sein d’un public cible donné. Pour cela, on peut par exemple éplucher les critiques de produits sur les sites des grandes boutiques en ligne ou bien fouiller les publications sur le sujet sur Facebook, Twitter et les autres réseaux sociaux.

L’opinion mining doit tenir compte des émotions qui imprègnent le texte et comprendre ce que l’auteur veut vraiment dire.

À l’aide d’outils d’analyse textuelle professionnels, il est possible d’évaluer une grande quantité de textes et de se faire une idée du sentiment d’un public cible. En élaborant une stratégie de marketing ingénieuse, il est ensuite possible de contrer efficacement un sentiment négatif.

En revanche, les outils d’opinion mining ne sont pas faits pour répondre aux avis ou aux évaluations de produits. Dans pareils cas, il faut faire appel à un être humain pour rédiger une réponse personnelle. Néanmoins, par une analyse bien planifiée de certaines plateformes de réseaux sociaux, il est possible d’identifier les clients satisfaits et de leur envoyer de la publicité ou des promotions pertinentes.

L’opinion mining revêt un intérêt accru lors des campagnes publicitaires sur les réseaux sociaux, où les utilisateurs réagissent directement aux déclarations de l’entreprise et échangent parfois entre eux souvent avec beaucoup plus de sincérité qu’ils ne le feraient avec l’entreprise.

Si un sentiment négatif se dégage des commentaires ou en cas de mauvaise impression des produits présentés, les campagnes concernées peuvent être revues en très peu de temps et réanalysées ensuite.

Après avoir réédité et amélioré un produit connu ou apporté des modifications visuelles à une marque, l’opinion mining est également utile pour apprécier les effets du changement sur la satisfaction des clients existants et éventuellement sur le comportement des nouveaux clients.

Bien qu’il soit relativement facile de procéder au dépouillement automatique de grandes quantités de texte, il est indispensable d’opérer un tri entre textes pertinents et non pertinents. Outre le filtrage du spam, il est nécessaire de trouver des textes pertinents et d’exclure de l’analyse ceux qui n’ont qu’un lien indirect avec le produit concerné.

Les commentaires pertinents sur la marque doivent être subdivisés ou filtrés en fonction de critères supplémentaires. Il faut par exemple distinguer les critiques de produit, qui sont des avis, des critiques qui visent le service client ou concernent l’emballage, qui sont par nature négatives.

Les renseignements que l’on peut obtenir de ces dernières ont certainement un intérêt, mais ils faussent l’analyse dès lors qu’ils sont mélangés aux avis sur les produits.

Avec l’opinion mining, on peut aussi mesurer le succès de campagnes marketing, par exemple lorsqu’un slogan issu d’une publicité est repris dans les commentaires et associé à des mots positifs.

Outre l’API Natural Language de Google susmentionnée, il existe d’autres outils d’analyse professionnels capables d’analyser de grandes quantités de texte. Au moment d’en choisir un, il faut veiller à ce que l’outil prenne en charge la langue française et contienne des listes de mots et des bases de données de tournures types compilées par des locuteurs natifs. Chaque langue, surtout dans son registre familier, a ses propres subtilités, qu’un traducteur automatique ne peut pas reproduire sans dénaturer le ton du texte.

Hootsuite Insights fouille automatiquement les principaux réseaux sociaux, portails d’actualité, blogs et forums connus afin de déterminer le sentiment général des internautes à l’égard d’une marque. Les commentaires recueillis peuvent être filtrés selon différents mots clés et types de public cible.

Quick Search est un moteur de recherche qui parcourt les réseaux sociaux, blogs et forums à la recherche des mots clés saisis (noms de marque par exemple) et compare les marques concurrentes.

Clickworker suit une autre approche. Ici, un vaste réseau d’utilisateurs travaillant en micro-jobs examine les textes. Le sentiment n’est pas obtenu à l’aide d’une analyse textuelle automatique, mais au moyen de questions simples et précises.