De la programmation de posts, au reporting en passant par la gestion des interactions sur les réseaux sociaux, comment l'IA vous aide à mieux comprendre et engager vos audiences.
L’analyse du sentiment (ou de la tonalité), aussi appelé opinion mining, est une notion beaucoup évoquée mais souvent mal comprise.
Il s‘agit du processus qui permet de déterminer la tonalité émotionnelle qui se cache derrière une série de mots. Cette analyse est utilisée pour mieux comprendre la perception, les opinions et les émotions exprimées dans une mention en ligne.
L’analyse du sentiment est extrêmement utile en veille des medias sociaux car elle permet d’obtenir une vue d’ensemble sur l’opinion du public au sujet de certains thèmes. Les outils de veille tel que Brandwatch Analytics, rendent ce processus plus rapide et plus facile que jamais auparavant grâce à leurs capacités d’analyse en temps réel.
Les utilisations de l’analyse du sentiment sont à la fois vastes et puissantes. La possibilité d’extraire des insights à partir des données du web social est une pratique qui est largement adoptée par les entreprises à travers le monde.
Il a été démontré que les changements de tonalité sur les medias sociaux sont en corrélation avec les changements du marché boursier.
L’administration de Barack Obama a utilisé l’analyse du sentiment pour mesurer l’opinion publique face à différentes réformes et campagnes en préparation des élections présidentielles de 2012.
Être en mesure de rapidement comprendre les attitudes des consommateurs et de réagir en conséquence a été extrêmement utile pour l’équipe canadienne d’Expedia qui a observé une hausse soudaine des avis négatifs quant à la musique utilisée dans l’une de leur publicité télévisée.
Quelques semaines après la première diffusion, plus de la moitié des discussions sur le web social à propos de la campagne étaient négatives.
Plutôt que de se résigner à un échec, Expedia a pu réagir de manière informée et amusante en diffusant une nouvelle version de la publicité qui montrait le coupable, un violon, se faire détruire.
Mais l’analyse du sentiment reste une science inexacte.
Le langage humain est complexe. Apprendre à une machine comment analyser les nuances grammaticales et/ou culturelles, l’argot et les fautes d’orthographe qui sont choses communes en ligne est un processus difficile. Apprendre à une machine comment le contexte peut influencer la tonalité est encore plus difficile.
Les humains sont relativement intuitifs quand il s’agit d’interpréter la tonalité d’un texte. Prenons cette phrase par exemple : « Mon vol a été annulé. Super ! »
La plupart d’entre nous saurons interpréter que la personne est sarcastique. Nous savons qu’en règle générale le retard ou l’annulation d’un vol est une expérience peu plaisante. En appliquant cette compréhension contextuelle à cette phrase, nous pouvons facilement identifier le sentiment négatif associé.
Sans compréhension contextuelle, une machine qui analyse cette phrase prendra en compte le mot « Super » et l’identifiera comme une mention positive.
Vous souvenez-vous de la scène de Terminator 2 dans laquelle un jeune Jon Connor apprend à T-800 des phrases à la mode des années 90 comme le fameux « Hasta la vista, baby » ?
Elle n’est pas loin de la réalité. Le processus est plus ou moins le même pour un expert linguiste qui doit expliquer à une machine comment effectuer une analyse du sentiment basique.
Le langage évolue, c’est pourquoi le dictionnaire utilisé par les machines pour comprendre le sentiment continu d’évoluer lui aussi.
Avec l’utilisation grandissante des medias sociaux, le langage évolue plus vite que jamais auparavant. Les limites de 140 caractères, le besoin d’être succinct et les memes ont transformé la manière dont nous communiquons en ligne. Bien entendu cela engendre de nombreux challenges.
Chez Brandwatch, nous utilisons un procédé se reposant sur des règles qui aident notre logiciel à mieux comprendre comment le contexte peut impacter le sentiment.
Nous prenons tous les mots et les phrases qui sous-entendent un sentiment positif ou négatif, et nous appliquons des règles qui prennent en compte le contexte et son impact sur le sentiment. Nos règles sont soigneusement élaborées pour aider notre logiciel à savoir que la première partie de la phrase suivante est positive et la seconde négative :
« Je veux trop un burger. Je suis grave ! »
L’exemple ci-dessus montre que l’analyse du sentiment a ses limites et que cette fonction ne peut pas être fiable à 100 %.
Tout comme n’importe quel procédé automatisé il y a des risques d’erreur, et l’œil humain est souvent nécessaire pour s’assurer de la justesse de l’analyse. Avec Brandwatch, nos utilisateurs ont la possibilité de redéfinir le sentiment attribué à une mention s’ils pensent que la catégorisation automatique est inexacte.
Au-delà de la fiabilité, il est important de reconnaître que la communication humaine ne se classe pas qu’en 3 catégories, positive, négative et neutre ; la notion de sentiment peut être bien plus complexe.
Bien qu’il soit difficile de spéculer sur l’évolution d’un système relativement immature, la majorité s’entend sur le fait que l’analyse du sentiment doit aller au delà d’une échelle à une dimension positive ou négative.
Tout comme les positions des politiques qui ne peuvent pas toujours être qualifiées de droite ou de gauche, il existe certains sentiments qui ne peuvent pas être placés sur un simple baromètre.
À l’avenir, pour réellement comprendre et capturer toute la gamme des émotions humaines qui peuvent être exprimées par les mots, une dimension pluridimensionnelle plus sophistiquée est nécessaire.
Est-il possible de mesurer le scepticisme, l’espoir, l’anxiété, l’enthousiasme ou le manque de ce dernier ? Jusqu’à que cela soit possible, l’analyse du sentiment est et restera unidimensionnel.
Les entreprises deviendront de plus en plus conscientes des différentes utilisations possibles de l’analyse du sentiment dans leur secteur respectif. Ce qui contribuera à la croissance du marché des services et des technologies permettant d’appliquer l’analyse du sentiment aux pratiques de l’entreprise (par exemple les outils d’intelligence qui assistent les analystes et les traders à prendre de meilleures décisions).
Nous observerons un tournant dans la perception de l’analyse du sentiment et de sa fiabilité. Les utilisateurs deviendront plus familiers avec l’idée qu’il est difficile de répliquer les performances humaines avec l’analyse automatique de textes.
Les insights qu’il est possible d’obtenir grâce aux grandes quantités d’informations (des millions de Tweets) deviendront plus importants que les inquiétudes sur la pertinence de l’analyse d’une mention unique (un Tweet).
À la place, l’accent sera mis sur les méthodes permettant de rendre les résultats interprétables et actionnables. D’ici là, nous nous assurerons de rendre notre analyse du sentiment aussi précise et facile à comprendre que possible.
Recevez les dernières tendances, des guides pratiques et des conseils d'experts directement dans votre inbox. Abonnez-vous à notre newsletter pour recevoir tous les insights en avant-première.
Vous êtes déjà client ?Connectez-vous pour accéder à vos produits et vos données Falcon à partir de l'onglet 'Login' en haut à droite de votre écran.Nouveau par ici ?Vous trouverez les produits Falcon dans la partie 'Gestion des réseaux sociaux' dans le menu 'Nos solutions'.
Brandwatch acquired Paladin in March 2022. It's now called Influence, which is part of Brandwatch's Social Media Management solution.Want to access your Paladin account?Use the login menu at the top right corner.
