Ecouter sur Twitter facilite l'amélioration de ses produits

Par 30 septembre 2011
emoticons

Le site est un support idéal pour connaître l'opinion des utilisateurs sur une entreprise et les services qu'elle propose. D'où la nécessité de disposer des moyens rapides et automatisés permettant de collecter ces données.

Gérer sa réputation en ligne commence à être intégré par les marques. Ces dernières auraient également tout à gagner à profiter des informations collectées sur elles sur des sites comme Twitter pour améliorer leurs produits. Dans ce but, une équipe d'AT&T Labs, chapeautée par Narendra K. Gupta, a développé une méthode de filtrage autonome capable de repérer les tweets parlant d'une marque et d'en extraire des données afin de les classer. Le scientifique est parti du principe que les problèmes concernant les produits de sa société apparaissaient beaucoup plus vite sur la plate-forme de micro-blogging que dans les rapports d'incidents officiels. Quant aux événements mineurs, ils n'apparaîtraient pour leur part que sur le réseau social. Il a donc essayé de transposer les études effectuées sur les catastrophes naturelles à un domaine plus commercial, susceptible d'être exploitées par les entreprises.

Déterminer l'opinion ou les soucis d'un client

Les informations collectées concernaient les opinions des utilisateurs, les problèmes rencontrés, les questions posées ou les messages à caractère simplement descriptif. La méthode analyse le contenu de tweets en retirant automatiquement les "hashtags", corrigeant les excès de ponctuation ainsi que les abréviations et prend même en compte les émoticons exprimant des sentiments comme la joie, la tristesse ou la colère. Grâce à une base de données comprenant des mots-clefs fréquemment utilisés ou correspondant à la marque (ici une société de télécommunications) ainsi que des verbes et expressions exprimant une émotion, le système pourrait déterminer de quoi parle le tweet, le classer en différentes catégories (informations, questions, problèmes) et enfin mentionner si l'opinion de l'utilisateur est positive ou négative.

Un taux de réussite de 70%, sous certaines conditions

En utilisant cette méthode de correction et de champs lexicaux dynamiques, le système est capable de déterminer automatiquement ce dont parle un tweet et l'opinion du client avec un taux de réussite proche des 70%. L'étude précise néanmoins que la dernière étape, celle de la classification automatique des tweets, est encore en projet. Le scientifique insiste également sur le fait que les modes et les tendances de langage évoluant très rapidement sur ce type de réseaux sociaux, il est impératif de remettre à jour souvent la base de données contenant mots-clefs et corrections, sous peine de voir les résultats chuter.

Mentions légales © L’Atelier BNP Paribas