La technologie NLP au service de l’analyse des verbatims clients : après le conseiller augmenté, c’est au tour du Directeur Expérience Client de disposer d’un nouveau pouvoir !
Qu’est-ce que la Voix du Client ? Les écrits fleurissent sur ce concept qui est en passe de devenir central dans les stratégies d’amélioration de l’expérience client. Il suffit de lire l’annonce des CX Awards 2021 par Relation Client magazine pour terminer de s’en persuader : « Comprendre son client, savoir lui adresser le bon message, lui faire vivre l’expérience qu’il ne soupçonne pas forcément mais qui le fidélisera assurément… Ecouter la voix du client et déployer la bonne organisation pour créer de la satisfaction, voire de l’intimité…Tels sont les enjeux des marques entrées dans une nouvelle ère de l’économie : celle de l’économie de l’expérience ! »
La plateforme Akio Insights Voix du Client offre dès aujourd’hui aux marques la possibilité d’industrialiser en temps réel l’analyse sémantique des verbatims en s’appuyant sur des technologies performantes et stables, notamment le Natural Language Processing (NLP), intégrées dans une plateforme ergonomique d’analyse et de partage de la voix du client.
Pour les fans de techno, immersion au cœur du système !
Et pour découvrir des cas d’usages concrets d’analyse et de partage de la voix du client avec la plateforme Akio Insights, visionnez le replay de la démonstration ici !
Mais qu’est-ce que le NLP ?
Pour les non-initiés, le NLP, TAL en français, est défini comme ceci sur Wikipedia : Le traitement automatique du langage naturel (abr. TALN), ou traitement automatique de la langue naturelle, ou encore traitement automatique des langues (abr. TAL) est un domaine multidisciplinaire impliquant la linguistique, l’informatique et l’intelligence artificielle, qui vise à créer des outils de traitement de la langue naturelle pour diverses applications.
Akio insights est un outil Voix du Client capable d’’analyser des verbatims issus de différents canaux (transcriptions de conversation téléphoniques, emails, chat, réseaux sociaux, avis, enquêtes de satisfaction…) et dans différentes langues.
Une fois analysées, les données sont structurées et restituées via l’application Akio insights, ce qui permet aux marques d’approfondir leur connaissance client (irritants, attentes clients, bonnes pratiques…).
Et quelle est son architecture ?
Notre système multi-langues et multicanal se base à la fois sur des techniques issues du domaine du traitement automatique de langues (NLP) et sur des méthodes d’apprentissage automatique (Machine learning, deep learning) pour répondre à deux problématiques majeures :
- Analyse de sentiments : pour la mesure de l’expérience client, avec détection des différentes opinions exprimées par un client dans un verbatim (positive, négative et neutre).
- Détection de topics : pour extraire les étapes du parcours client en détectant les thématiques liées aux différentes étapes du parcours clients dans un verbatim, sur la base d’une grille de catégorisation par secteur définie au préalable.
Au cœur de l’extraction des topics :
Le système d’analyse NLP est composé essentiellement d’un ensemble de briques permettant l’analyse syntaxique et sémantique de textes. Les étapes principales d’analyse sont :
- Tokenization
- Etiquetage morpho-syntaxique (tagging)
- … (…)
- Détection d’entités
- Extraction de topics
L’ensemble de ces étapes est générique et est appliqué à toutes les langues. Nous exploitons des modèles de langue pré-entraînés .
Les grands principes de la détection de topic
L’objectif de cette étape est d’extraire des topics prédéfinis à partir des verbatim clients. La définition de ces thématiques se fait à l’aide d’un ensemble de règles syntaxiques et lexicales.
Qu’est-ce que la Tokenization ?
Il s’agit ici de séparer un texte en des unités (tokens) lexicales. Par exemple, pour la phrase: “Très joli. Dommage qu’il n’y ai pas toutes les tailles en magasin.”, l’analyseur retourne la séquence de tokens suivante:
Cette analyse de la séquence de mots permet de mieux comprendre le contexte et d’interpréter la signification du texte.
Qu’est-ce que le Part of speech tagger ?
L’étiquetage morpho-syntaxique permet d’associer aux mots les informations grammaticales comme les verbes, les adjectifs, etc.
Reprenons notre exemple, le résultat de cette étape est le suivant :
Nous associons avec chaque token, l’étiquette correspondante. Par exemple, le token “.” est associé avec “PUNCT” qui signifie “ponctuation”.
Qu’est-ce que la détection d’entités ?
L’extraction d’entités nous permet d’identifier les mots (ou groupe de mots) représentant des classes ou catégories telles que les adjectifs, les verbes et les noms communs clés.
Exemple : l’entité ABEAUSYNONYME correspondant aux synonymes de l’adjectif Beau tels que Joli.
Qu’est-ce que l’extraction de topics ?
Dans cette étape, l’objectif est d’identifier des topics pertinents du texte. L’extraction est basée sur des règles prédéfinies sur une séquence de tokens (ou un seul token). On appelle plus communément le « Pattern Maching ».
Au cœur de l’analyse de sentiments
L’objectif est de détecter le sentiment lié à chaque expression d’idée. Après segmentation des idées dans chaque verbatim, une annotation supervisée est appliquée alimentant les processus d’apprentissage du système. Ici nous avons fait le choix d’utiliser plusieurs technologies d’IA (Machine Learning, Deep Learning..)
Ici les pourcentages de Positif/Négatif/Neutre indiquent que le système estime que la phrase analysée est considérée comme positive à 65%, comme neutre à 45% et comme négative à 30%. Les pourcentages sont indépendants les uns des autres, il s’agit d’une sorte d’indice de probabilité. Nous retiendrons que la phrase est positive car c’est le niveau le plus élevé de certitude pour le système.
Et concrètement ? Illustration avec un cas d’utilisation !
Prenons un exemple dans le secteur du e-commerce.
Il s’agit ici de :
- Analyser l’expérience client à chaque étape de leur parcours (commande, paiement, livraison, service client etc.)
- Détecter les irritants éventuels
- Évaluer le niveau de satisfaction vis-à-vis des produits
Premier verbatim analysé :
Très joli. Dommage qu’il n’y ai pas toutes les tailles en magasin, j’ai dû prendre une taille au-dessus.
- “Très joli” est détecté comme étant une opinion positive.
- “Dommage qu’il n’y ai pas toutes les tailles en magasin” doit être détecté comme étant une opinion négative.
Si le niveau de satisfaction vis-à-vis du produit est bon, le client émet, malgré tout, une réserve sur la disponibilité des tailles en magasin.
⇒ La marque pourra prendre en compte cet insight afin d’optimiser le réassort des stocks en magasin et garantir ainsi une expérience client optimale.
Et un second :
“Bonjour, J’ai passé une commande chez vous depuis le 19 février, cela fait plus d’un mois et je n’ai toujours pas reçu ma commande. J’aimerais donc savoir qu’en est-il de ma commande. A-t-elle bien été envoyée ? Je vous ai déjà envoyé un message il y a quelques jours de cela mais on a confondu avec ma précédente commande.”
- “cela fait plus d’un mois et je n’ai toujours pas reçu ma commande.” ⇒ Le topic détecté doit être “DeliveryTime”
- “qu’en est-il de ma commande” ⇒ Le topic détecté doit être “Status”
- “Je vous ai déjà envoyé un message il y a quelques jours de cela” ⇒ Le topic détecté doit être “CustomerFollowUp”
Ici, le client n’a toujours pas reçu sa commande malgré un délai important depuis la prise de commande. De plus, après un premier contact avec le service client, celui-ci n’a pas été en mesure de répondre à sa question.
⇒ La marque pourra agir à l’aide de son service client afin de traiter le problème spécifique de ce client.
Et pour conclure
Des technologies de pointes intégrées dans un outil Voix du Client simple d’utilisation… avec une capabilité de traitement des verbatim inférieur à 1 sec entre l’expression du client et la disponibilité dans l’application… Après le conseiller augmenté, ce sont les Directions de l’expérience client, du Marketing, de la Relation et du Service Client qui disposent d’un nouveau pouvoir ! Celui de comprendre les clients, de l’identification fine des irritants et attentes tout au long du parcours client à la captation de suggestions pour améliorer Produits et Services, chaine logistique, process, etc. Cette connaissance client permet d’identifier les insights pour savoir adresser la bonne information et les messages pertinents, au bon moment, au bon endroit, corriger les failles détectées et mesurer l’impact des actions correctives… et de diffuser la Voix du Client dans toute l’entreprise !
Merci à Bilel MOULAHI, Data Scientist chez AKIO, contributeur principal à cet article, d’avoir dévoilé une partie du moteur derrière l’interface Akio Insights : )