Comprendre : transformer les données en informations exploitables
Publié par L'Expérience Client, par InMoment le | Mis à jour le
Pour tirer le meilleur parti des données des clients ou employés et les transformer en expérience riche et unique, de nouvelles méthodes sont requises, telles que l'Analyse de Texte. Sans celle-ci, difficile de savoir ce qui va bien, ce qui doit être amélioré et, peut-être le plus important, pourquoi.
Pour avoir des retours fiables, les questionnaires et autres enquêtes standardisées auprès des clients laissent à désirer. En effet, ceux-ci fournissent un score, et non un contexte ou des informations sur ce qui s'est réellement passé, ou encore ce qui doit être amélioré et ce que le client a ressenti. Dans le cadre d’un programme d'expérience client (CX) ou employé (EX), l'objectif de l'analyse de texte est la capacité à traduire rapidement les données en amélioration commerciale. Le but de l'analyse de texte, en effet, n'est pas de lire chaque commentaire reçu par l’entreprise, mais de comprendre et de faire ressortir les grands thèmes en fonction des commentaires individuels et des sentiments qui en émanent. Seul un haut niveau de qualité de ces retours permettra de pouvoir prendre des mesures adéquates et concrètes pour résoudre les problèmes majeurs des clients ou des employés. Une analyse en temps-réel permet d’identifier tout de suite les points critiques car celle-ci permet la détection des anomalies, l’étude des causes profondes et l’identification des tendances émergentes. « La richesse des données textuelles est inestimable pour déterminer la cause première d'une bonne ou d’une mauvaise expérience, et pour nous donner une meilleure compréhension de l’impact émotionnel généré auprès du client », note Derek Eccleston, Consultant CX chez InMoment. « Les marques doivent prendre en compte cette valeur avec la méthodologie adaptée ».
En outre, l’analyse de texte permet de réduire les coûts et le temps de traduction des retours clients ou employés, puisqu’ils n’ont plus à être traités un par un manuellement. Les entreprises gagnent en rapidité et en agilité, et donc améliorent l'expérience (XI) globale des clients et employés. Une entreprise en forte croissance, avec des velléités d’expansion mondiale, fait généralement appel à des traducteurs indépendants pour analyser ses retours clients issus de multiples marchés, perdant ainsi du temps, avec un délai d’attente de 24 à 48h, et de l’argent. Cependant, avec la traduction automatique, une recherche de modèles et de tendances parmi des millions de documents se fait de manière optimale car on élargit l’interprétation à des phrases entières dans un large contexte plutôt qu’au mot à mot, le tout grâce à un réseau de neurones intelligents. Cette solution s’avère plus précise, plus exploitable, plus rentable, évolutive, et, surtout, beaucoup moins chère.
Prenons l’exemple concret d'une solution d'analyse de texte multilingue réussie avec Tiffany & Co., l'une des plus grandes marques de luxe au monde. La société américaine souhaitait une meilleure compréhension des expériences spécifiques à chaque marché à l'échelle de l'entreprise. Mais avec plus de 1,5 million de commentaires clients recueillis chaque année dans les nombreux pays dans lesquels elle opère, la tâche s’annonçait difficile. Tiffany & Co. a choisi d’utiliser la solution InMoment en 18 langues, pour ses 300 magasins et détaillants agréés, sa plate-forme de commerce électronique, ainsi que son centre de service client. Son objectif : utiliser rapidement les commentaires pour identifier les points de vente performants et les employés exceptionnels, détecter les opportunités potentielles, et comprendre les moteurs spécifiques de la satisfaction des clients dans chaque région, marché et magasin. La solution InMoment traduit en anglais tous les commentaires, puis les analyse à l'aide d'environ 150 balises personnalisées. On peut ainsi en tirer des informations sur le sentiment des clients, qui s’affichent ensuite à travers une multitude de rapports et de tableaux de bord en anglais et/ou dans la langue d'origine des commentaires, afin d’en faciliter l’interprétation.
InMoment propose des modèles d’analyse de texte personnalisés en couches (custom layered models), issus à la fois de la précision de modèles personnalisés, et de l'efficacité de modèles sectoriels, et fournit ainsi des résultats sur mesure, précis, efficaces et très abordables. Avec cette personnalisation poussée, répondant à des besoins spécifiques, les données de l’expérience client ou employé recueillies représentent alors un véritable atout pour l’entreprise utilisatrice.
Ressources :