«L’analyse des humeurs» est ma traduction libre – je trouve ça plus poétique! – de l’expression Sentiment Analysis. Pour simplifier, disons que la Sentiment Analysis consiste à analyser les contenus générés par les utilisateurs sur les médias sociaux (c’est la troisième catégorie à laquelle je faisais allusion dans un récent billet).

Le principe est simple : comme les consommateurs parlent spontanément des marques et des entreprises sur internet, pourquoi ne pas utiliser ces «conversations» à des fins de recherche marketing?

Les défis associés à cette démarche sont nombreux, par exemple :

• L’entreprise ou la marque doivent générer suffisamment de conversations sur internet pour que l’analyse en vaille la peine. Un petit commerce de quartier ne fait évidemment pas le poids à côté d’une multinationale qui vend des produits à la mode, en particulier des produits technos.
• Il faut ensuite repérer les conversations en question (où, sur le web, parle-t-on de votre entreprise, de votre marque ou de vos produits)?
• Dans le cas très probable où les conversations sont nombreuses, il faut penser à une méthode d’échantillonnage permettant de réduire la quantité d’information à analyser.
• Enfin, la codification des données est un défi en soi. Elle peut certes être faite par des codeurs, comme pour les questions ouvertes d’un sondage. Toutefois, la quantité impressionnante d’information, la rapidité avec laquelle les nouveaux contenus sont générés sur internet et la nécessité d’en tirer rapidement des conclusions rendent la tâche ardue.

Les technologies à la rescousse!

Il existe de plus en plus de logiciels ou d’applications dédiés au «monitorage» d’une marque ou d’un produit sur internet. À l’origine utilisés surtout pour surveiller sa e-réputation, ils ont maintenant la cote en recherche marketing. La firme britannique FreshMinds Research fait une analyse comparative très intéressante de 7 d’entre eux dans un livre blanc. Plus récemment, le blogue «Demain la veille» a publié une critique très détaillée de la plateforme Radian6, un produit canadien.

Les logiciels de Sentiment Analysis offrent des fonctionnalités diverses, allant du datamining (pour trouver les conversations pertinentes) à la codification des données (ils classent habituellement les données selon qu’elles sont positives, négatives ou neutres à l’égard d’une marque).

Or, la principale limite de l’analyse automatisée des sentiments est justement «l’automatisation» : les machines ne sont pas… humaines et ne peuvent décoder toutes les subtilités du langage, telles que les sarcasmes, oxymores et autres figures de style. Par ailleurs, tous les propos ne sont pas blancs ou noirs, comme le souligne à juste titre Visible Technologies dans un document très pertinent intitulé The myths about sentiment. Au bout du compte, la précision des résultats s’en trouve nécessairement affectée.

Cela dit, les technologies se perfectionnent. Trois chercheurs de l’Université Hébraïque de Jérusalem ont mis au point un algorithme pour détecter les commentaires sarcastiques (article en PDF). Ils l’ont appliqué à des revues de produits extraites du populaire site Amazon. L’analyse automatique est loin d’être aussi précise que l’analyse humaine, mais l’expérience est fort intéressante à lire…

À lire aussi sur ce blogue :

• Médias sociaux et recherche marketing (1) : état des lieux
• Twitter remplacera-t-il les sondages d’opinion? Bien sûr que non