Social Listening et analyse du sentiment
La plupart des entreprises ont compris que l’analyse du sentiment représentait un aspect capital du Social Listening. En effet écouter les conversations en ligne en sachant si ces conversations sont plutôt positives ou négatives permet aux marques d’améliorer leurs produits et leurs offres afin d’optimiser leur retour sur investissement. S’équiper d’une plateforme de Social Listening capable de d’analyser les publications des internautes et leur ton. Autrement dit, pour tirer un profit maximum de votre plateforme de Social Listening vous devez pouvoir faire une analyse précise du sentiment.
Chaque jour 500 millions de tweets et 55 millions de status Facebook sont publiés, à cela s’ajoutent des centaines de millions d’autres publications sur Instagram, Sina Weibo, VKontakte, YouTube et Reddit. Cela représente une énorme quantité de contenu à gérer.
Identifier ce que les gens disent, quelle langue ils emploient n’est pas une mince affaire, mais comprendre le ton sur lequel ils s’expriment (le sentiment d’une mention ou de plusieurs mentions) est un défi encore plus grand.
En effet l’importance de capturer ces informations est immense. Que pensent les consommateurs du nouveau modèle lancé par votre marque de voiture ? Quels sont les plaintes les plus récurrentes relatives à votre compagnie sur le vol Paris- New York ? Quelle caractéristique de la nouvelle gamme de biscuits, lancée par votre concurrent, plait le plus ? Chez Synthesio, nous sommes fiers de fournir ce niveau d’information relatif au sentiment et à la satisfaction des consommateurs parce que nous sommes conscients que ces réponses peuvent apporter un réel avantage compétitif et un plus grand retour sur investissement.
L’Analyse automatique du sentiment
Synthesio est leader de l’industrie du Social Listening sur le Natural Language Processing (NLP), une suite de systèmes automatisés et de méthodologies qui permettent aux clients de collecter des informations stratégiques très rapidement et sur un volume colossal de données, et de répondre à des questions de business complexes. Le système NLP de Synthesio repose sur 4 outils principaux. Ceci est le premier article de notre série d’articles qui entreront dans le détail de chacun de ces 4 composants. Nous expliquerons comment ils fonctionnent, et pourquoi ils sont utiles pour nos clients. Aujourd’hui nous allons parler de l’Analyse Automatique du Sentiment (ASA).
Le système d’analyse automatique du sentiment de Synthesio (ASA) repose sur la combinaison de machine learning, de dictionnaires du sentiment et de règles linguistiques pour attribuer le bon sentiment à chaque mention collectée.
L’alliance de nos dictionnaires du sentiment et du machine learning, nous permettent d’identifier un bloc de texte tonalisé, et de lui attribuer un sentiment –positif ou négatif. Nos règles linguistiques contiennent des mots spécifiques (adverbes, forme négative et autres) qui confirment, infirment ou inversent le sentiment attribué par l’analyse «dictionnaire». Afin de représenter au mieux chaque langue, nous utilisons l’ensemble des informations linguistiques et morphologiques que nous avons pour chaque mot.
Pour les langues agglutinantes, comme le turque, nous utilisons une représentation globale du mot, avec la représentation morphologique de sa version négative. Cette forme négative existe aussi en français, par exemple cassable vs. incassable ou encore tolérant vs. Intolérant.
Pour les langues basées sur des signes comme le chinois ou le japonais, nous utilisons un processus de machine learning qui repose sur la “tokenization” c’est à dire sur la découpe d’une phrase en plusieurs mots. Cela permet l’identification du sentiment.
Pour les langues basées sur des signes comme le chinois ou le japonais, nous utilisons un processus de machine learning qui repose sur la “tokenization” c’est à dire sur la découpe d’une phrase en plusieurs mots. Cela permet l’identification du sentiment. Chaque mention est divisée en séquences sémantiques. La division est faite à partir de mots spécifiques, comme «mais» «alors» ou de signes de ponctuation. Pour chaque séquence nous détectons la présence de blocs de sentiment et appliquons les règles linguistiques qui confirment, infirment ou inversent le sentiment attribué.
Le fait d’utiliser des outils de machine learning, nous permet de fusionner l’ensemble des informations à partir du bloc sémantique et de définir un score global : positif, négatif, ou neutre.
Chez Synthesio nous avons développé des algorithmes qui nous permettent de combiner les informations provenant du machine learningavec des données traitées manuellement. Cela nous permet de comprendre comment fonctionne l’attribution automatique et d’y apporter des corrections si besoin en codant manuellement des informations qui pourront être utilisées pour améliorer le modèle global d’attribution du sentiment. Notre système d’ASA est à ce jour disponible sur 21 langues.
Pour en savoir plus sur notre système de Natural Language Processing et comment votre entreprise peut en tirer profit téléchargez le guide ou demandez une démo personnalisée de la plateforme.
