Archives par étiquette : analyse sémantique

Fanvoice ouvre sa solution d’analyse sémantique à ses clients !

Illustration de concept de statistiques de site Vecteur gratuit

Basée sur la technologie de «Topic Modeling », l’algorithme d’analyse sémantique FANVOICE analyse les corpus de toutes tailles et de toutes langues en quelques minutes seulement…

Après des tests sur plus de 150 projets et le développement d’une interface spécifique, FANVOICE propose aujourd’hui sa solution d’analyse sémantique en «Do It Yourself» à ses clients.

Basée sur la technologie de «Topic Modeling », l’algorithme d’analyse sémantique FANVOICE analyse les corpus de toutes tailles et de toutes langues en quelques minutes seulement. Appliquée à un échantillon de 300 à plusieurs milliers de feedbacks clients ou collaborateurs, la solution permet de dégager très rapidement les grandes tendances, les signaux faibles mais également de potentielles innovations de ruptures.

Pour Fanvoice comme pour ses clients, cette solution logicielle représente une révolution dans l’analyse des perceptions et des attentes clients :

« Nous disposions depuis longtemps de solutions d’analyse de corpus importants. Mais ces solutions nécessitaient à chaque projet, la création de dictionnaires linguistiques, la conception fastidieuse d’une grille lexicale anticipant le vocabulaire qu’utiliserait la communauté pour s’exprimer. Et par expérience, un lexique conçu d’avance ne remonte souvent que des sujets déjà attendus alors que notre promesse s’appuie sur la détection de signaux inattendus! Aujourd’hui, nous nous sommes affranchis des lexiques et des dictionnaires par une approche «Learning machine» qui crée de manière autonome les regroupements. Nous nous laissons donc instruire et surprendre à 100 % par la créativité des communautés animées par nos clients. » explique Stéphan Robert de Montgrand, Directeur des études chez FANVOICE.

A ce jour, trois clients FANVOICE, enthousiastes à l’idée de d’avoir la main sur l’analyse des verbatims, ont déjà pris en main la solution et nous font part en continu de leurs retour et de leurs questions. Nous les en remercions !

L’objectif que nous nous étions fixé il y a 3 ans est que cette solution logicielle, par la pertinence des insights qu’elle va révéler et par l’interface utilisateurs que nous proposons, va être une puissante source de valeur pour nos clients. Il est atteint aujourd’hui !

Nous organiserons un webinar dédié à ce module courant septembre et vous tiendrons prochainement informés de la date prévue. Si vous souhaitez en savoir plus dès maintenant, vous pouvez cliquer sur ce lien .

Share

POINT DE VUE – L’apport de l’analyse sémantique dans une dynamique de co-création

Analyse sémantique

L’analyse des contributions postées pendant les projets communautaires, qu’ils soient des idéations, tests de concepts ou bêta-tests, permet d’identifier des grandes tendances, des signaux faibles, des leviers, freins, arguments de promotion, conditions d’appropriation de produits ou services. Le partage des enseignements participe à l’alignement des métiers de l’entreprise et à la prise de décision stratégique. Enfin, un retour sur les résultats, même partiel, à la communauté, entretient la relation entre les différents projets.

  1. Une analyse sémantique chez Fanvoice : pourquoi et à quel moment ?

Grâce à la plateforme participative Fanvoice, les marques peuvent créer et nourrir une relation forte et dans la durée avec leurs communautés (communautés de clients, prospects, collaborateurs, amateurs des produits et services ou curieux des thématiques abordées par la marque).

Cette relation qui se veut constructive, riche, instructive voire inspirante, autant pour la marque que pour les membres de la communauté, est ponctuée de différents projets de co-création à l’année. Selon Fanvoice, il n’existe pas de communauté réelle sans moments forts vécus ensemble. Le lien communautaire se crée bien sur le “faire ensemble”.

Lors de ces projets, les membres des communautés sont donc invités à s’exprimer sur plusieurs thématiques. Ils partagent ainsi leur vision, leurs opinions, leurs attentes, leurs aspirations, leurs jugements, par rapport à un produit ou service, leur perception de la marque elle-même par rapport au sujet proposé.

L’ensemble de données produit (verbatims thématisés, likes et commentaires, réponses à des questions de sondage) constitue un corpus qu’il est possible de consulter en temps réel dans un tableau de bord mais aussi par différentes formes de requêtes : recherche par mots clés, extraction des idées les plus génératrices de débats, des idées les plus appréciées, ou encore les idées les plus illustrées de visuels. Ce corpus est cependant le plus souvent très riche, très volumineux et contient des idées en apparence très diverses voire divergentes.

Dans ce cas, comment appréhender une telle matière ? Comment obtenir les réponses aux questions précises que l’on se pose sur ses projets, ses produits, ses services, son marché, ses clients? Comment saisir, aussi bien les grandes attentes, que les signaux faibles, potentiels annonciateurs de tendances de demain ou même de sujets sensibles ?

Une analyse peut alors être demandée à Fanvoice. Elle prend le plus souvent la forme simple d’un rapport PowerPoint de 20 slides. Mais que contient-elle vraiment ? Quelle valeur apporte-t-elle à la marque, voire à la relation marque – communauté, qui peut aussi se nourrir des enseignements issus de projets menés ensemble ?

  1. La valeur de l’analyse des données d’un projet de co-création.

Avant de détailler les différents apports de l’analyse des données produites par la communauté, rappelons que Fanvoice, dans son approche du marketing communautaire, propose 3 grandes familles de projets : les campagnes d’idéation, les campagnes de test de concepts et les campagnes de bêta-test de produits ou services. La mise en œuvre, le plus souvent de manière alternée, de ces trois familles de projet permet en effet de couvrir l’ensemble du spectre de l’innovation, mais aussi des processus d’amélioration continue ou encore d’écoute, qu’elle soit écoute clients ou écoute citoyenne.

Analyse de co-création

2.1. La valeur d’une analyse issue d’un projet d’idéation :

Une idéation est un exercice projectif, une projection dans l’avenir, une exploration d’un univers d’attentes, de tendances et de possibles.

“Inventez le bien être à la française en 2032!” https://www.edfpulseandyou.fr/epv/futur/ Voici un sujet proposé par un grand énergéticien à sa communauté, afin d’explorer à la fois les grandes attentes des français, leurs représentations de l’avenir, mais aussi le rôle assigné à la marque dans cet environnement futur.


Au-delà du milliers d’idées et commentaires recueillis, quelle a été la valeur créée ?

Bons nombres d’enseignements liés à la position de la marque restent confidentiels, mais apprenons déjà que 2032 sera marquée, dans la vision de la communauté, par un développement des énergies renouvelables, un essor technologique des objets connectés, mais un essor cadré par une volonté de “consommation intelligente.” 

Quel apport pour la marque ? Un univers d’attentes, un spectre de valeurs, des besoins et des exigences à satisfaire, un style de vie à atteindre… autant d’insights qui potentiellement guideront la conception et la promotion de nouveaux produits ou services.

analyse-verbatim

Exemple de visualisation des insights par la cartographie Insights Map Fanvoice

2.2. La valeur d’une analyse issue d’un projet de test de concepts :

Un grand acteur de l’assurance souhaite proposer de nouveaux services de prévention santé au travail (https://www.monassurancecitoyenne.com/sante-entreprise/idees/). Il conçoit alors 5 concepts mêlants des applications à des services ou à des produits innovants et les soumets à sa communauté, par l’invitation suivante :

Prendre soin de vous pour rester en bonne santé.”

Valeur apportée par l’analyse de près de 2000 idées et commentaires ? Chaque concept est passé au crible d’une évaluation qui relate :

  • sa pertinence intrinsèque (répond-il à un besoin avéré?),
  • ses avantages et ses inconvénients,
  • ses usages futurs (conditions d’utilisation imaginées),
  • ses optimisations possibles,
  • ses conditions de succès.

Concernant par exemple le concept d’un “Nutritionniste dans sa poche”, l’analyse révèlera, dans la perception communautaire, la dimension sociétale de l’enjeu, l’impérieuse envie de connaître ses propres besoins physiologiques, de gérer les effets de son stress ou encore de bénéficier d’une expertise médicale associée.

Par ailleurs, sur l’ensemble des concepts proposés, apparaîtra la force d’une pratique collective, la nécessité de mesurer ses progrès pour se motiver, ou encore le besoin d’être guidé vers les lieux ressources, qui constituent le l’environnement favorable à une meilleure alimentation …

Bilan pour la marque : les concepts sont hiérarchisés, la marque sait sur quelles initiatives elle est légitime et attendue. Elle identifie les conditions de succès et anticipe les potentiels risques de rejets. Elle peut décider, de manière éclairée, quels services elle va développer.

2.3. La valeur d’une analyse issue d’un projet de bêta test :

Après avoir identifié au sein de sa communauté un puissant insight concernant un besoin d’air pur, cet énergéticien propose directement aux membre de sa communauté de tester chez eux, au quotidien, un vrai purificateur d’air (https://www.edfpulseandyou.fr/purificateur/teqair/) !

Chacun reçoit son appareil, le branche, puis vient jour après jour, s’exprimer sur la plateforme Fanvoice.

Après la collecte de près de 2 000 idées et commentaires, l’analyse révèle la richesse d’un retour d’expérience en situation réelle :

  • mode d’appropriation par les utilisateurs,
  • usages réels après plusieurs semaines d’utilisation,
  • arguments clés du discours de promotion,
  • questions restées en souffrance,
  • objections potentielles par rapport à la technologie utilisée.

Bénéfices pour le concepteur de l’appareil ? Un cahier des charges précis pour la version suivante du purificateur. Une version qui sera sans doute enrichie d’un monitoring de l’action de purification, d’un système d’alerte anti-polluants ou encore de compatibilités avec la domotique de la maison. 

Idéation, test de concepts, bêta-test : ces méthodologies permettent donc de révéler de précieuses informations pour les marques, mais que deviennent ces dernières après avoir été stabilisées dans un livrable ?

  1. La diffusion de l’analyse des données produites lors des projets

Il serait réducteur de considérer que la démarche de co-création ne se joue que ponctuellement, au moment d’un projet, entre la marque et sa communauté.

La co-création est en effet une posture plus globale qui prendra davantage de puissance si elle diffuse, dans un premier temps, dans la relation communautaire et dans un second temps dans le partage des enseignements au sein des départements de la marque.

Le retour d’une partie des enseignements à la communauté semble une évidence mais il peut cependant être négligé. Si chaque fin de projet voit les participants chaleureusement remerciés et si chaque projet suivant comporte l’enthousiasme de la nouveauté, faire le lien entre les projets, montrer que les besoins ont été écoutés et pris en compte, vient profondément nourrir la qualité de la relation communautaire. Nombreux sont les membres qui identifient ces enchaînements et remercient d’approfondir un sujet qui leur tient à cœur. Les bonnes pratiques Fanvoice recommandent donc toujours de partager un retour, même partiel, sur les projets menés et de toujours valoriser le lien entre un nouveau projet et les enseignements issus du précédent.

Analyse sémantique- synthèse de campagne

Comme par exemple ICI avec la réalisation d’une infographie des principaux enseignements.

“Le premier ROI pour nous c’est le désilotage !”  Voici comment nos clients décrivent souvent la valeur créée par un projet. Dans le prolongement de la dynamique de co-création, l’analyse et la stabilisation des résultats favorise le partage entre différents métiers : le marketing, le design, la communication, le digital, la direction générale …

Ce partage d’une analyse menée par un tiers, indépendant des jeux habituels de l’organisation, favorise le plus souvent l’acceptation d’un état des lieux, ainsi que la prise de décision qui s’ensuit. L’analyse déclenchera un Go / No go sur la commercialisation d’un produits ou service, un chantier d’optimisation, une nouvelle orientation stratégique.

Pour Fanvoice, c’est même la capacité de la marque à mettre en oeuvre un nouveau projet ou une optimisation qui constituera la valeur réelle de l’ensemble d’un projet. A cet effet, Fanvoice aura toujours à coeur de proposer l’accompagnement des résultats au sein des organisations.

Stéphan Robert de Montgrand

Directeur des études

Fanvoice

Share

Comment l’analyse sémantique propulse l’innovation
marketing et aide à comprendre les foules ?

Dans le domaine du marketing, la croyance en la toute-puissante Data s’affirme avec force : on veut tout automatiser, tout optimiser, tout décrypter et tout personnaliser grâce à des algorithmes et de la Big Data. Du coup, les marques font face à une explosion du volume de données “non structurées” qu’elles doivent classifier, et analyser pour visualiser ce qui les aidera à prendre les bonnes décisions. Automatiser, oui, mais sans intelligence ?

cocreation-fanvoice-data

 

Peut-on analyser efficacement les données textuelles de manière automatique ?

Dans le cadre de projet participatifs, comme des “campagnes” de co-création ou des tests de concepts, les marques récoltent des données textuelles, des images, des abréviations et émoticônes. Ces contenus non-structurés n’échappent pas au besoin d’analyse. Comment les traiter ? Le Traitement Automatique des Langages (TAL) est une solution.

Cette technique permet depuis une plus d’une quarantaines d’années d’automatiser la reconnaissance des concepts (entités nommées), la classification automatique d’un document, l’analyse du sentiment et des émotions. Toutefois, les approches classiques de TAL ont montré leurs limites avec l’accélération des données générées par les écosystèmes digitaux (forums, sites et plateformes, où les utilisateurs produisent de très grands volumes de données). En effet, ces approches (TAL) nécessitent que des experts, de profil infolinguiste, passent énormément de temps pour énumérer manuellement des “règles”. De plus, les systèmes obtenus nécessitent de privilégier soit le nombre d’annotations produites (pour lutter contre le silence), soit leur qualité (pour éviter d’avoir des résultats “bruités”). En d’autres termes, il fallait choisir entre un système produisant beaucoup de données (mais éventuellement bruitées) et un autre donnant des résultats de qualité (mais en trop petite quantité).

Pour lever ces limites, les techniques d’apprentissage automatique ou de Machine Learning ont été introduites au début des années 2005 permettant d’obtenir plus rapidement de meilleurs résultats.

cocreation-fanvoice-data-analytics

 

L’analyse des données non structurées : un enjeu majeur pour les marques

Contrairement aux données marketing structurées, facilement classifiables et quantifiables (exemple : les résultats d’une enquête de satisfaction où l’âge est une donnée structurée car les tranches d’âge sont déterminées a priori), les données non structurées (ex : données textuelles) sont complexes à analyser. Les consommateurs s’expriment à travers une multitude de canaux et produisent beaucoup de verbatim sur internet. L’homme est dépassé pour agréger ces informations et les comprendre.

Pour être au service de l’innovation marketing et aider les marketeurs à comprendre les marchés, ces données doivent être décryptées, classées, quantifiées. L’analyse sémantique se révèle très utile pour rendre cela possible, et l’intelligence artificielle vient au secours de la compréhension du langage humain puisqu’elle apporte de nouvelles opportunités pour faciliter le traitement et l’analyse de grands volumes de données non structurées. D’ailleurs, selon l’institut d’études Gartner, une entreprise sur deux s’intéresse de près aux innovations technologiques telle que le Machine Learning permettant la compréhension du comportement du consommateur via des masses de données textuelles (lien).

cocreation-fanvoice-data-analyze

 

L’intelligence artificielle au service de l’analyse sémantique

Le Machine Learning est une technologie d’intelligence artificielle permettant à la machine d’apprendre sans avoir été programmée explicitement à cet effet. Autrement dit, il s’agit de « faire apprendre » à la machine à réaliser une tâche qui nécessite classiquement de l’intelligence humaine.

Pour apprendre et se développer, la machine a toutefois besoin de données à analyser et sur lesquelles s’entraîner. De ce fait, le Big Data est l’essence du Machine Learning, et le Machine Learning est la technologie qui permet d’exploiter pleinement le potentiel du Big Data

Ainsi, le Machine Learning est idéal pour extraire de la valeur à partir de données textuelles massives et sans avoir besoin de compter sur un humain. Toutefois, dans le cadre de projets de co-création, cette approche automatisée, aussi avancée soit elle, ne remplace pas l’expertise métier des études : elle la complète et l’enrichit. La Data est un moyen et non une fin en soi. C’est son exploitation avisée et adaptée au contexte d’utilisation qui va lui conférer de la valeur. La Machine doit donc permettre à l’humain de se dédouaner des tâches automatisables pour lui permettre de se concentrer sur son expertise métier et apporter une forte valeur ajoutée.

Aujourd’hui, on parle du concept de cobot ou « collaborative robots », il s’agit de robots d’un nouveau genre qui ont une particularité ; ils travaillent en collaboration avec un humain, dopant sa productivité en le délestant des missions les plus ingrates, éprouvantes et répétitives. Ainsi, il est crucial de souligner l’importance et la valeur ajoutée de la supervision de l’humain sur la machine.

A l’ère des plateformes de co-création et des communautés de marque, les consommateurs s’expriment plus librement autour de leurs expériences sur les produits et les services, laissant libre cours à leur enthousiasme, leur mécontentement, leurs frustrations et leurs attentes, générant ainsi des grandes quantités de données (verbatim clients) qui présentent une source d’informations précieuses pour les marques.

L’enjeu pour les marques est d’analyser rapidement ces données marketing pour en tirer des vérités actionnables. L’utilisation de l’intelligence artificielle dans les solutions d’analyse sémantique aide l’humain à comprendre comment exploiter cette mine d’or livrée par les consommateurs et à en tirer des plans d’action.

cocreation-fanvoice-plateforme

 

L’analyse sémantique chez FANVOICE

Sur la plateforme FANVOICE, les membres de communautés de marques participent à l’innovation des entreprises en réalisant plusieurs actions. Ainsi, chaque membre de la communauté peut poster des idées ou des feedbacks et commenter les idées postées par les autres membres.

Ces verbatim, une fois recueillis, représentent des centaines de milliers de mots. L’analyse sémantique de ce corpus intervient pour en valoriser les contenus : quantification et qualification des résultats, détection des zones de convergence formant les principales thématiques avec leurs poids et leurs corrélations, et identification des signaux faibles porteurs d’informations pertinentes.

L’analyse aide à établir une cartographie des perceptions, attentes, et inquiétudes de la communauté et révèle d’autres enseignements que l’homme aurait difficilement identifiés dans la mesure où le signal était trop faible. La démarche permet aujourd’hui de repérer un signal faible qui nécessite une interprétation au regard de la stratégie de la marque et de ses objectifs. Cela pourrait être une opportunité de marché à saisir pour la marque, ou une zone de vigilance qui soulève des interrogations auprès de la communauté, voire une innovation de rupture.

Par exemple, dans le cadre d’une campagne exploratoire organisée par une grande entreprise dans le secteur des boissons, la communauté FANVOICE a été mobilisée pour échanger autour du « moment Bière ». Les participants ont été invités à s’exprimer sur quatre thématiques pour explorer le sujet : les éléments pour un bon moment bière, les frustrations, le dernier moment bière, les idées innovantes pour le rendre encore meilleur.

La campagne a permis de récolter un corpus très riche de plus de 2400 idées et commentaires, et la solution d’analyse sémantique a permis ensuite de construire la cartographie du « moment Bière idéal ». L’analyse de cette cartographie a aidé les chargés d’études à valoriser les principales thématiques abordées (avec leurs poids et les corrélations entre elles) et à les interpréter au prisme de la problématique adressée (les indispensables, les opportunistes, et les idées à fort potentiel).

Enfin, il en convient d’en tenir compte, la data ne parlera pas toute seule, il faut se donner les moyens humains de la faire parler. Les 1ers indicateurs seront mis en avant automatiquement sous la forme de data viz ou de clusters, intégrant de plus en plus de corrélations, mais c’est encore l’homme qui les rend compréhensibles dans un rapport d’analyse avec des décryptages. Les temps d’analyses sont divisés par 2 à 10 suivant les projets, mais l’humain reste indispensable. Il s’agit donc encore à ce jour d’une approche “cyborg” : mi-homme, mi-machine. Bref, n’ayons pas peur de nous faire remplacer trop vite par un OS, les datas, algorithmes et autres Intelligence Artificielle vont encore avoir longtemps besoin des hommes pour être utiles et pertinents.

cocreation-fanvoice-dataviz

Share

Conférence co-création & écoute client

conference co-création

Comment booster votre entreprise grâce à l’ANALYSE SÉMANTIQUE ?

le 08 /11 de 9h à 11h00
chez CAP DIGITAL, 14 Rue Alexandre Parodi, 75010 Paris

Et si les marques décuplaient leur potentiel de business en intégrant une démarche d’écoute client plus ouverte ? Et si elles s’appuyaient sur des technologies sémantiques, pour mieux comprendre les attentes des clients, “avant, pendant et après” le lancement de leurs offres ? 

Quelques grandes marques se sont déjà déjà lancées dans la co-création avec des communautés de consommateurs ou de collaborateurs, afin de détecter de nouvelles opportunités ou d’accélérer le Time to Market de nouveaux produits et services. D’autres utilisent déjà l’analyse sémantique dans leur démarche d’écoute client et de SAV, pour minimiser les tâches d’analyses manuelles et booster la capacité à améliorer l’expérience client en général… Mais quand les 2 démarches se rencontrent, de nouvelles opportunités voient le jour !

Comment ça marche et comment assurer un maximum de chance de réussite à ces projets ?

Nos experts vous l’expliqueront comment à travers des cas concrets.

FANVOICE apportera un éclairage utile sur les leviers de réussite d’un projet d’intelligence collaborative. Cet exposé s’appuiera sur des cas concrets de grandes marques (Direct Assurance, AXA, …) : idéation, co-création, beta-test…
Intervenant : Gaël MULLER, CEO

EXPERT SYSTEM exposera comment transformer les verbatim client en levier stratégique grâce à l’analyse sémantique.
Intervenant : Sébastien FONTAINE, Responsable commercial Banque-Assurance

Date et lieu :

RDV le 08 novembre de 9h à 11h00 chez CAP DIGITAL, 14 Rue Alexandre Parodi, 75010 Paris

Inscriptions :

Pour participer à la conférence, merci de bien vouloir remplir le formulaire d’inscription en ligne. N’hésitez pas à transmettre cette invitation à un ami…

Nous serons heureux de vous accueillir dans les locaux de Cap Digital et vous attendons nombreux.

Share

Banques, assurances & co-création / Episode 3

Ca7LErMWIAAH4-O

Voici le 3e volet de notre saga sur « la co-création et les entreprises de la finance ».

Cet article détaille un peu plus un exemple que nous connaissons très bien et pour cause, il s’agit d’un client de FANVOICE : DIRECT ASSURANCE, qui a impliqué une communauté de clients dans la co-construction de sa nouvelle offre d’assurance auto YOUDRIVE

La Banque et l’Assurance sont décidément des secteurs décidés à innover, vite et bien.

Nous avons pu l’observer à travers nos différents articles : plusieurs initiatives participatives ont été lancées par les plus grandes enseignes à travers le monde, en Australie, aux USA, en Europe, pour réinventer la banque, identifier de nouveaux usages et imaginer des produits d’assurance pour y répondre (nous parlons d’ailleurs de ces initiatives dans le livre blanc sur “l’innovation dans la Banque” qui sera  publié à la rentrée).

Particulièrement intéressés par cette approche, nous avons lancés plusieurs travaux de recherche en 2015 et 2016 pour répondre spécifiquement aux besoins du secteur, jusqu’à faire labelliser  “Fintech approved” notre plateforme FANVOICE. Ce Label décerné par l’accélérateur international FINANCE INNOVATION est une vraie reconnaissance du métier : notre projet a été sélectionné parmi 300 dossiers et passé au crible par un jury de 80 experts de la banque et de l’assurance.

Objectif : reconnaître chaque projet labellisé comme une solution innovante et “moteur” pour ce secteur. Cette labellisation s’est appuyée sur le projet que nous avons mené pour DIRECT ASSURANCE, considéré comme facilement “transposable” à d’autres projets de création de nouveaux produits par n’importe quel assureur.

Depuis nous avons lancés plusieurs autres initiatives d’écoute client ou de co-création,  notamment avec Crédit Agricole et AXA, mais nous n’avions pas encore pris le temps de partager avec nos lecteurs le cas YOUDRIVE en détails. Nous vous invitons donc à le découvrir ci-après.

Co-créer avec ses clients, c’est possible !

DIRECT ASSURANCE, leader français de l’assurance en direct s’est lancée dans l’aventure de la co-création dans le cadre du lancement de YOUDRIVE, sa nouvelle offre d’assurance auto connecté. Une première en France au moment de son lancement en 2015, copié depuis par quelques acteurs du secteurs.

Petit topo sur l’offre pour commencer : YOUDRIVE est une assurance auto adressée principalement aux jeunes conducteurs (18-24 ans), premières victimes des incidents routiers. L’offre YOUDRIVE permet à la fois d’inciter les automobilistes à améliorer leur conduite mais également de réduire le budget qu’ils consacrent à leur assurance auto. Elle fonctionne avec un boîtier (la “Drivebox”) que l’assuré installe dans son véhicule. Celui-ci collecte les données sur le comportement de conduite  selon 4 critères : allure, accélération, freinage et virages. Grâce à un algorithme, les données sont analysées et synthétisées en score de conduite après chaque trajet. A la fin du mois, on relève les notes, et la mensualité du conducteur est ajustée.

« Avec YouDrive, votre avis est récompensé autant que votre conduite »

Dès le lancement de l’offre, l’assureur a décidé de jouer la transparence avec ses clients et miser sur le participatif. Les 500 premiers clients de cette nouvelle offre ont ainsi été invités à co-construire le produit et l’enrichir : nouvelles fonctions, nouveaux services à produire en priorité, etc. Ce sont les clients qui s’expriment et qui influencent les décisions. Cerise sur le gâteau, une mécanique de gamification permettait de motiver les plus timides et les meilleurs contributeurs ont même gagné des cadeaux. A travers ce projet participatif, entre le brainstorming géant et le beta-test à grande échelle, imaginé avec nos équipes et hébergé sur la plateforme communautaire FANVOICE, la marque souhaitait en apprendre beaucoup sur les attentes de ses clients. Matérialisée par un espace d’échange digital entre la marque et ses clients, ouvert 24h/24 pendant plusieurs mois, cette démarche d’écoute d’un nouveau genre a permis de récolter au final près de 3 000 contributions afin d’améliorer l’expérience utilisateurs. Ce projet exclusivement visible par les membres de la communauté YouDrive proposait aux membres autorisés (500 clients) de proposer leurs idées sur différentes thématiques, accéder aux idées des autres membres et les commenter ou voter pour celles qui correspondaient le plus à leurs attentes.

Direct Assurance - Co-creation

Direct Assurance + Fanvoice = co-création avec les clients

 

Suivre les feedbacks et consolider…

Ainsi, la marque a pu suivre le flot de contributions au fur et à mesure, pour identifier des pistes d’améliorations, tout en se fixant des périodes clés d’observation et de consolidation d’analyse des verbatims, pour décider des travaux à prioriser (roadmap logicielle et marketing) en fonction des attentes communes détectées. La technologie d’analyse sémantique proposée par FANVOICE s’est avérée un outil déterminant pour ce travail de consolidation sur un tel volume de contributions. Des semaines précieuses ont été économisées dans la démarche de tri des verbatims dans la mesure où les principales statistiques ont été fournies par la plateforme. Plus qu’un simple réceptacle “boite à idées”, la plateforme a permis la coopération entre les participants, pour faire remonter les sujets les plus importants pour eux, tout en mettant en exergue pour la marque les sujets les plus importants, à traiter en priorité (sans négliger pour autant les signaux faibles porteurs de sens). Yves Marie L’Henaff, Responsable Marketing & Communication de You Drive, était le pilote du projet. Il explique dans la vidéo ci-dessous les avantages de cette approche pour son projet…

Si vous souhaitez assister à notre prochaine conférence sur la co-création et le crowdtesting, contactez-nous.

Share

L’apport de l’analyse sémantique : le dépassement du clivage qualitatif vs quantitatif

analyse sémantique

Il existe de grandes oppositions dans l’univers des sciences sociales et des études de marché : entre « observation et explication », entre « mesure et analyse du comportement » et avant tout entre « qualitatif et quantitatif ».

Aujourd’hui, les principaux instituts d’études sont organisés selon une logique de distinction de ces compétences, ayant en général un pôle “quali” spécialisé et à part, amené parfois à collaborer avec les quantitativistes. Ce modèle évolue aujourd’hui avec l’analyse sémantique. Voyons comment…

L’approche quantitative et qualitative

Comme nous le savons, l’objectif du quantitatif est celui de la mesure alors que le qualitatif s’intéresserait aux processus. En conséquence, le quantitatif viserait les tests statistiques « confirmatoires » et le qualitatif les procédures « exploratoires ». En somme, le but du quantitatif serait de mesurer un phénomène et celui du qualitatif de comprendre son sens. Ces oppositions deviennent stériles lorsqu’elles s’enferment dans le renoncement de certaines dimensions de l’analyse. Mais pourquoi se priver d’une approche à double prisme qui permet d’explorer et comprendre une dynamique tout en la quantifiant et en la mesurant ?

L’analyse sémantique

L’analyse sémantique constitue un point de confluence entre disciplines, traditions et approches. Cela a été possible grâce à l’apparition d’un troisième axe, celui des mathématiques et de l’informatique, qui donnera lieu au développement de l’analyse du discours assistée par ordinateur. Le concept même de mixité des méthodes s’inscrit plus largement dans le projet de dépasser l’opposition entre approche qualitative et approche quantitative, de combiner en quelque sorte les deux méthodes.

En effet, l’analyse sémantique permet de dépasser les principaux freins de ces deux méthodes : l’approche quantitative, certes, nous fournit des indicateurs chiffrés, mais nous (les spécialistes des Études en général) lui reprochons très souvent de ne pas nous fournir les clés de lecture de ces chiffres. Et à contrario, l’approche qualitative nous permet de comprendre et explorer en profondeur un phénomène, mais nous lui reprochons de ne pas travailler sur un échantillon représentatif et par conséquent d’exprimer un point de vue potentiellement contingent.

Cela fut l’intuition à la base du projet d’analyse sémantique qui proposait dès son origine de dépasser l’analyse de contenu en tenant compte de la dimension sémantique du discours.

Plus concrètement, l’analyse sémantique nous permet aujourd’hui, par le biais de logiciels informatiques, de :

  • laisser la cible libre de s’exprimer de manière totalement spontanée et naturelle (au même titre que dans un focus group ou un forum de consommateur) ;
  • travailler sur un échantillon représentatif d’une population (au même titre que dans un sondage national représentatif) ;
  • “La machine” nous permet d’analyser le discours, donc de créer des statistiques à partir de verbatims qualitatifs. Cela va nous fournir des indicateurs de mesure tout en ayant la capacité d’indiquer les verbatims qui ont donné naissance à ces statistiques et en ayant par conséquent des clés de lecture claires de ces chiffres (on parle de « text mining » ou « analyse textuelle »).

Des marques comme SEB, Direct Assurance et AXA se sont déjà servies du couple “écoute client massive + analyse sémantique” pour valider des hypothèses, identifier des attentes communes de la foule, et prioriser des roadmaps d’évolution de produits, afin de mieux répondre aux attentes de leurs clients. Nous vous invitons à parcourir nos cas clients pour en savoir plus… https://www.fanvoice.com/corporate

Si vous souhaitez en savoir plus sur le sujet, contactez-nous pour une démo et pour assister à notre prochaine conférence « co-création et text mining ».

Share