Avec la démocratisation d’Internet, les consommateurs disposent aujourd’hui de nombreux outils pour faire entendre leur voix. Les entreprises n’ont jamais eu autant d’informations disponibles pour mieux cerner les attentes de leurs clients. Paradoxalement, ce volume de données titanesque ne serait-il pas en train de rendre la Voix du Client inaudible – parce que trop complexe à analyser ?
La Big Data ou l’overdose de données clients
Les nouvelles technologies permettent aux entreprises de sonder plus facilement les clients sur leur niveau de satisfaction et sur leurs attentes. Terminé le temps où il fallait obligatoirement sortir du papier et un carnet de timbres pour faire une réclamation ! Les enquêtes de satisfaction sont également de plus en plus dématérialisées : plus besoin de cocher des cases à la hâte à la sortie d’un supermarché… Les entreprises peuvent mener des enquêtes de satisfaction plus souvent et peuvent adapter leur questionnaire en fonction des différents parcours clients.
De leur côté, les consommateurs s’expriment spontanément sur leur expérience via les réseaux sociaux, les forums, les commentaires de blog… Ils le font à l’endroit et au moment qui leur semblent les plus opportuns. Les consommateurs ont désormais toute liberté pour s’exprimer et c’est une bonne nouvelle pour les entreprises ! Ils explicitent les raisons de leur satisfaction ou de leur mécontentement et enrichissent ainsi la connaissance client.
Plus les supports d’expression des clients se diversifient, plus les formats varient et font la part belle au texte : 280 caractères dans un Tweet, des champs de réponse libre dans les questionnaires, des commentaires sur les pages Facebook des marques… La note de satisfaction semble désormais bien désuète pour comprendre l’expérience client. D’ailleurs, une mauvaise note sur le critère de la livraison permet-elle à elle seule de savoir si le colis était abîmé, s’il y a eu une erreur dans le traitement de la commande ou s’il y a eu du retard ? Une note de satisfaction donne une sanction, mais ne donne pas d’explication ! C’est le témoignage du client associé qui permet de mieux cerner son expérience. Les métiers du marketing l’ont bien compris et souhaitent de plus en plus collecter et analyser les commentaires libres des clients : les verbatims. Dans le domaine de la connaissance client, nous sommes en train d’assister à l’avènement de la donnée qualitative.
Le volume de ces données qualitatives et quantitatives est tel que nous parlons désormais de Big Data : si gigantesque qu’elle dépasse l’intuition et les capacités humaines d’analyse, mais aussi celles des outils informatiques classiques. Si la synthèse d’un grand volume de données quantitatives peut s’avérer compliquée, le travail est encore plus difficile pour les données qualitatives, par essence sémantiques et donc non structurées. Difficile de faire une moyenne sur des mots !
L'IA au service de la connaissance client
L’analyse de la donnée non structurée est justement l’un des sujets du Traitement Automatique du Langage Naturel, une discipline de l’Intelligence Artificielle. L’enjeu : développer des algorithmes capables de comprendre aussi finement qu’un humain les sujets et les opinions exprimés dans les textes. Quel est le bénéfice ? Sur un très grand volume de données, un programme a une capacité de traitement et de restitution de l’information bien plus élevée que le cerveau humain.
Selon ReachFive et Mediarithmics, 40 % des responsables marketing déclarent ne pas avoir les compétences analytics pour maîtriser la donnée client. Devront-ils tous se former et devenir data analyst pour pouvoir décrypter ces données non structurées et in fine comprendre leurs clients ? Non, car ces avancées technologiques sont désormais intégrées à des logiciels métiers spécialisés dans l’analyse des verbatims clients. Ils démocratisent ainsi l’analyse sémantique pour les profils non scientifiques qui peuvent désormais en bénéficier et retrouver la maîtrise de la connaissance client.
Ces logiciels métiers permettent de transformer la data non structurée en enseignements intelligibles. Ils extraient les sujets évoqués par les clients, recoupent les synonymes (prix et tarifs sont par exemple l’expression d’un même sujet), détectent les sentiments exprimés… Toutes ces données micro sont ensuite consolidées au niveau macro, recoupées avec les données quantitatives… Les mots des clients deviennent alors des statistiques et des data visualisations. L’analyse ainsi effectuée par les algorithmes transforme cette masse de données a priori insondable en enseignements opérationnels.
Le regard indispensable des métiers du marketing
Une fois l’analyse effectuée et la data transformée en enseignements, qu’apprend-on véritablement ? Qu’au-delà d’une sanction sur une expérience vécue à un instant T avec une marque ou un produit, les clients expriment également dans leurs avis des attentes profondes.
Dictanova a réalisé fin 2017 une étude sémantique des avis déposés sur le site Internet Beauté Test. Nous avons constaté en observant les résultats qu’il s’agit de bien plus que de simples notes de satisfaction sur des critères produits : les internautes y expriment avec sincérité leur enthousiasme, leurs craintes, leurs déceptions… Ce sont des témoignages qui permettent de mieux les comprendre. Bien sûr, cette étude a permis de connaître les avis des clients sur les produits existants, mais aussi de déceler les changements de comportement d’achat, les nouvelles tendances, et finalement 5 profils de consommateurs de produits de beauté et leurs exigences.
Les métiers de la satisfaction et de l’expérience client ne se résument donc pas à l’analyse statistique froide d’un important volume de données, qui finalement peut être déléguée aux logiciels. Ils apportent la part d’empathie client et leur connaissance fine du marché, nécessaires à la bonne interprétation des enseignements issus de l’analyse sémantique. Les logiciels ne pourront jamais cerner à eux seuls ce que veulent les clients, mais ils seront de plus en plus indispensables pour aider les professionnels du marketing dans cette tâche.
