.png)
10 minutes de lecture
Pourquoi les avis en ligne sont importants
Quel que soit le type d'entreprise que vous dirigez, qu'il s'agisse d'un site de commerce électronique, d'une chaîne YouTube, d'un bar ou d'un restaurant, une chose est sûre : les clients feront plus confiance aux avis des autres clients sur votre entreprise qu'autre chose. La lecture d'expériences réelles de vrais clients sera toujours l'un des principaux facteurs dans la prise de décision d'achat.
C'est pourquoi il est extrêmement important pour votre entreprise de s'assurer que les avis que vous recevez, que ce soit sur Amazon, Google Maps, Trustpilot, G2 ou sur votre propre site Web, reflètent bien ce que vous voulez que votre marque soit perçue. Même un seul avis négatif peut réduire la confiance que les clients potentiels peuvent avoir dans votre entreprise.
Le potentiel des avis en ligne
La meilleure façon d'augmenter le nombre d'avis positifs est de vous assurer que vous comprenez tous vos avis et que vous en tirez des leçons. Si vous faites quelque chose de bien, vous devez savoir ce que vous faites afin de pouvoir en faire davantage. Si vous faites quelque chose de mal, vous devez le savoir dès que possible afin de pouvoir remédier à la situation et aider vos clients à se sentir mieux, peut-être même en leur demandant de supprimer l'avis négatif.
Vos avis sont la meilleure source pour savoir ce que vos clients attendent de vous et ce qu'ils apprécient de votre entreprise. En tirant parti des avis clients, vous pouvez vous démarquer de vos concurrents, car vous offrirez à vos clients exactement ce qu'ils recherchent.
Pourquoi il est difficile de les exploiter
Il n'est pas très difficile de tirer parti des avis lorsque vous n'en avez qu'une poignée sur votre site Web. Vous pouvez les lire manuellement et comprendre assez facilement quel est le sentiment de vos avis.
Cependant, lorsque vous êtes une grande entreprise prospère avec des centaines, voire des milliers d'avis publiés chaque mois sur différentes plateformes en ligne, pour différentes gammes de produits ou différents sites, il est impossible de lire chaque avis manuellement.
D'autre part, à ce stade, il est d'autant plus important de tirer parti de vos avis, car vos clients peuvent dire des choses dont vous n'êtes pas au courant. Comprendre vos avis peut mener à des avancées commerciales importantes que vous n'auriez peut-être pas remarquées autrement.
Par exemple, si vous êtes propriétaire d'une chaîne hôtelière, que se passe-t-il si un sous-ensemble de vos clients aime vraiment le spa intérieur de tous vos hôtels, mais que vous ne le savez pas, vous n'investissez pas davantage dans le développement du spa ? Et s'il existait un moyen de le savoir, sans avoir à appeler chacun de vos hôtels pour savoir ce que pensent les visiteurs ?
Astuce : critiques en ligne. Plus précisément, l'analyse des sentiments sur les avis en ligne, c'est la solution.
Qu'est-ce que l'analyse des sentiments ?
Alors qu'un humain peut facilement lire un texte pour comprendre son sentiment, lorsqu'il y a des centaines ou des milliers de textes à comprendre, il n'est pas humainement possible de les parcourir manuellement. L'analyse des sentiments est un moyen d'utiliser un programme informatique pour comprendre automatiquement si un texte a un sentiment positif, un sentiment négatif ou un sentiment neutre.
Nous avons écrit un article complet expliquant l'analyse des sentiments ici, au cas où vous voudriez en savoir plus à ce sujet.
Que peuvent apporter la PNL et l'analyse des sentiments pour les avis ?
En appliquant une analyse de base des sentiments à vos avis en ligne, vous pouvez déterminer s'ils sont positifs ou négatifs. Vous pouvez suivre les tendances en matière d'évaluation des avis sur les différentes gammes de produits ou les différents sites de votre entreprise.
Cependant, en combinant différents aspects de la PNL, tels que la détection des entités et certaines parties du balisage vocal, avec l'analyse des sentiments, vous pouvez en savoir encore plus sur les avis que les clients rédigent à propos de votre entreprise.
Sentiment basé sur les mots
L'une de ces techniques est le sentiment basé sur les mots. C'est ici que vous comprenez le sentiment d'une phrase ou d'une partie de phrase contenant un mot spécifique.
Ceci est utile pour analyser les avis des clients lorsque vous souhaitez comprendre ce que pensent vos clients d'un aspect spécifique de votre produit ou service.
Par exemple, si vous vendez des écouteurs, vous voulez peut-être savoir ce que les clients pensent de la qualité du microphone ou de la durabilité du câble. À moins que vous ne posiez des questions spécifiques à vos clients sur ces aspects de votre produit, il est difficile de savoir ce qu'ils pensent de certains aspects spécifiques.
Cependant, grâce à la PNL et à l'analyse des sentiments, il est facile de comprendre ce que les gens pensent de choses spécifiques. De cette façon, vous savez sur quoi votre équipe produit doit se concentrer, ou sur quels domaines vous devez garder les choses telles qu'elles sont.
Voici un exemple du type d'analyse que vous pouvez effectuer avec des sentiments basés sur des mots.
Il s'agit du résultat de l'analyse des sentiments basée sur les mots sur les commentaires des clients d'Amazon pour une paire d'écouteurs. Nous pouvons constater que les clients trouvent les écouteurs confortables, durables et bien construits, mais ils sont déçus par la charge, le câble et la batterie.
Ce type d'analyse est extrêmement utile pour permettre aux entreprises de savoir exactement quels aspects de leurs produits doivent se concentrer davantage sur le développement et de découvrir des problèmes liés aux produits qu'elles n'auraient pas pu résoudre autrement.
Dans la suite de cet article, nous allons vous montrer comment vous pouvez le faire facilement avec Lettria.
Comment effectuer facilement une analyse des sentiments avec Lettria
Avec la plateforme Lettria, vous pouvez facilement effectuer une analyse des sentiments sur des centaines d'avis à la fois.
Nous aborderons deux approches dans ce didacticiel :
- UNE sans code approche dans laquelle vous pouvez importer un ensemble de données et exécuter une analyse des sentiments NLP sur les avis individuels pour en savoir plus à leur sujet.
- Une solution facile un certain code approche utilisant Python où vous pouvez analyser des centaines de critiques à la fois et en savoir plus sur le sentiment pour les différents mots et sujets contenus dans ces critiques.
Ce dont vous aurez besoin
Pour les deux approches, vous aurez besoin un compte Lettria gratuit.
Vous aurez également besoin d'un ensemble de données d'avis en ligne. Nous avons utilisé celui de Kaggle ici.
Pour l'approche basée sur un certain code :
Vous aurez besoin d'un environnement Python. Vous pouvez en créer un assez facilement à l'aide de Google Colab.
Analyse des sentiments sans code des avis individuels en ligne
1. Démarrez un nouveau projet
Une fois que vous avez créé un compte, la première chose à faire est de démarrer un nouveau projet.
Vous pouvez partir d'un projet vide.
2. Choisissez vos modules
Pour ce didacticiel, nous utiliserons les modules « Détecter les sentiments », « Détecter les émotions » et « Détecter les entités ».
Pour plus d'informations sur la création d'un projet, vous pouvez lire l'article de notre base de connaissances ici.
3. Télécharger le jeu de données
Une fois que vous avez créé un projet, vous pouvez télécharger votre jeu de données afin de l'analyser sur la plateforme.
Pour en savoir plus sur le téléchargement d'un jeu de données, consultez l'article de notre base de connaissances ici.
4. Analysez les données avec la fonction de démonstration
Si vous accédez à la section « Démo », vous pouvez analyser les avis individuels de votre ensemble de données et en savoir plus sur leurs sentiments, leurs entités et leurs émotions.
Résultat
Sur la plateforme, vous pourrez voir le sentiment de chaque partie de l'évaluation, qu'elle soit positive, négative ou neutre. Si vous cliquez sur le résultat, vous pourrez voir plus de détails.
Analyse des sentiments des avis en ligne à l'aide de quelques mots codés
L'approche précédente était intéressante pour connaître le sentiment exprimé dans les évaluations individuelles.
Mais ne serait-il pas utile de connaître le sentiment global suscité par des centaines de critiques différentes ?
Avec Lettria, vous pouvez analyser le sentiment global entre les avis, et vous pouvez analyser le sentiment global pour différents mots de vos avis.
De cette façon, vous pouvez savoir ce que pensent vos clients à propos d'aspects spécifiques de votre produit ou service.
Pour cela, nous aurons besoin de Python, du SDK Lettria Python et d'une clé d'API Lettria.
Vous pouvez en savoir plus sur le SDK Lettria Python ici. Vous trouverez votre clé API dans la section « Clé API » de votre projet.
Démarrage du projet
Définissons d'abord la clé API et créons un nouvel objet NLP appelé nlp. Nous allons également réinitialiser les données qu'il contient.
Charger des avis en Lettria
Chargons d'abord l'ensemble de données des avis dans un dataframe de pandas, puis supprimons tous les produits autres que le produit « Boat Rockerz 255 ».
Remarque : nous ne sommes en aucun cas affiliés ou liés à BoAT, c'est juste à des fins éducatives et didactiques.
Nous analyserons également les 100 meilleures critiques pour les besoins de ce didacticiel, mais vous pouvez en analyser autant que vous le souhaitez avec Lettria.
Nous allons ensuite créer une liste contenant uniquement le corps de révision et l'appeler reviews_list.
Enfin, nous ajouterons les données au NLP via la fonction add_documents ().
Cela transmet la liste complète au Lettria NLP et traite toutes les données de votre projet.
Notez que c'est cette étape qui consomme des crédits sur votre compte Lettria. Mais n'ayez crainte, vous disposez de 3000 crédits gratuits pour essayer Lettria ! C'est suffisant pour faire de nombreuses analyses et en savoir plus sur la Lettria.
Analyse du sentiment des mots
Toutes vos données de texte sont maintenant chargées et analysées par Lettria. Nous pouvons utiliser différentes fonctions pour obtenir des informations à ce sujet.
Pour en savoir plus sur le sentiment global associé à différents mots, utilisons word_sentiment ().
Le tag « phrase » signifie que nous examinons le sentiment au niveau de la phrase. Vous pouvez également choisir « sous-phrase » si vous souhaitez plus de granularité.
Si nous en voyons le résultat, nous verrons que nous avons un dictionnaire avec tout un tas de mots différents comme clé, et le sentiment associé à ces mots comme valeurs.
C'est très bien, mais nous devons trouver un moyen d'extraire uniquement le sentiment pour des mots spécifiques. Faisons-le avec l'extrait de code ci-dessous.
De cette façon, vous pouvez saisir n'importe quel mot. Vous devrez le saisir avec son PostAG pour qu'il corresponde à la clé.
Tracer le sentiment
Une fois cela fait, nous utilisons matplotlib pour créer un graphique de base des mots et des sentiments qui leur sont associés.
Vous avez maintenant une idée plus visuelle de ce que pensent vos clients des différents aspects de votre produit, grâce à leurs avis.
Conclusion
Il s'agit d'une analyse de base, mais le but de ce didacticiel est de vous montrer la puissance du traitement du langage naturel avec Lettria.
Vous pouvez utiliser le SDK pour effectuer des analyses beaucoup plus avancées, et le meilleur, c'est que vous n'avez besoin que d'un seul outil pour le faire.
Dans les prochains didacticiels, nous aborderons d'autres cas d'utilisation différents.
