ANALYSE DU SENTIMENT
Pourquoi le sentiment est-il un moyen utile de faire de la publicité pour un produit ?
John Maynard Keynes a été l’un des premiers à incorporer le sentiment, ou, selon ses propres mots , « esprits animaux » (Keynes, 1936), dans les marchés financiers, et est considéré comme un pionnier dans le domaine de la finance comportementale. Keynes a montré qu’un agent rationnel ne fixe pas nécessairement le prix des titres en fonction de leur valeur fondamentale, mais plutôt de ce qu’ils croient que tout le monde pense que leur valeur est. En d’autres termes, un agent rationnel essaierait de prédire ce que la personne moyenne s’attendrait à ce que l’opinion moyenne soit.
En estimant le sentiment, nous sommes en mesure d’exploiter deux principaux biais du comportement humains. Tout d’abord, baser la décision de marketing sur ce que la majorité croit permet au système de comprendre le comportement dominant, c’est-à-dire ce que les gens ont majoritairement tendance à faire. Deuxièmement, le système exploite le fait que les humains ont une durée d’attention limitée. Personne ne peut traiter toutes les informations disponibles.
Le processus d’analyse du sentiment est tout d’abord effectué par un algorithme d’analyse du sentiment basé sur le traitement du langage naturel.
TRAITEMENT DU LANGAGE NATUREL
Le « Natural Language Processing » ou NLP, est une branche des sciences informatiques et de l’intelligence artificielle, évalué avec les interactions entre l’ordinateur et les langues humaines. En particulier, l’objectif de ce domaine est d’analyser de grandes quantités de données en langage naturel. Le NLP est un domaine dont l’intérêt augmente rapidement en raison du nombre croissant d’applications telles que les chat-bots ou la traduction automatique. Beaucoup d’érudits croient que toute la révolution des machines intelligentes est basée sur la capacité de comprendre l’interaction humaine sur le plan social. Cependant, les centres de recherche investissent massivement dans des algorithmes d’Intelligence Artificielle non-supervisés qui peuvent être utilisés dans les techniques d’apprentissage automatique. Ces algorithmes sont en mesure d’apprendre à partir de données provenant de différentes langues humaines, afin de prédire des résultats précis sur le sentiment ou l’opinion d’un utilisateur.
Comme nous l’avons vu plus haut, de nombreuses demandes d’analyse du sentiment, ou Opinion Mining, constituent les raisons pour lesquelles ce domaine de recherche est devenu si populaire au cours de la dernière décennie. Après la numérisation de nombreux types de texte, le domaine s’est rapidement développé et est devenu largement étudié en parallèle de l’exploration de données, de l’analyse du web et de la récupération de l’information. En fait, on pourrait dire que ce domaine s’étend de l’informatique aux sciences sociales.
Bien qu’il soit plus facile de dire comment vendre à une personne en particulier lorsqu’il lui parle individuellement, les annonceurs sont confrontés à la tâche plus difficile de cibler un grand nombre de personnes à la fois. Ainsi, de nombreux annonceurs ont négligé la façon dont le traitement du langage naturel est utile dans leurs campagnes de marketing.
Dans le monde du commerce électronique, les technologies de NLP peuvent être utilisées pour annoter automatiquement les catalogues de produits avec des étiquettes reflétant des attributs de produits supplémentaires tels que le type d’article, la catégorie, et ainsi de suite. Ces attributs ne peuvent pas être exclusivement inclus dans les métadonnées. Les entreprises qui souhaitent implémenter ces technologies doivent tenir compte de plusieurs facteurs lorsqu’elles prennent une décision, dont l’évolutivité, voire la flexibilité de l’intégration.
Cependant, l’analyse du sentiment n’est pas encore sans faille et de nombreux chercheurs croient que ses limites peuvent être difficiles à résoudre à l’aide des outils informatiques d’aujourd’hui.
TROUVER LE CONTEXTE
Quand il s’agit d’indicateurs de sentiment, certains mots auront plus de valeur que d’autres. En effet, les mots de sentiment, c’est-à-dire les mots qui sont couramment utilisés pour exprimer des sentiments positifs ou négatifs, seront les plus utiles dans l’analyse.
Tout d’abord, plusieurs mots ont une nature polysémique avec un sens associé à un sentiment positif, et un autre avec un sentiment négatif. En l’état, l’analyse est non seulement non crédible, mais aussi biaisée. En outre, on peut souvent tomber sur une forme interrogative ou une phrase n’exprimant aucun sentiment qui contient encore des mots associés à des sentiments positifs ou négatifs. Un autre défi de l’analyse des sentiments est de comprendre les subtilités de la langue. En effet, l’utilisation de l’humour et du sarcasme change radicalement le sens d’une phrase et ne peut pas être compris simplement en utilisant un lexique de sentiment.
Dans l’ensemble, toutes ces questions se réfèrent à la même caractéristique: le contexte. L’analyse des sentiments est un problème de NLP, mais aussi l’une de ses applications les plus populaires. Toutefois, dans l’analyse des sentiments, le système n’a pas besoin de bien comprendre le sens d’une phrase et se concentre uniquement sur les mots ou les groupes de mots. Néanmoins, le traitement du langage naturel a le potentiel de faire des progrès significatifs et un certain nombre de nouveaux modèles et méthodes sont le sujet de recherches poussées.
Il ne fait aucun doute que ce lien puissant peut être exploité pour fournir une expertise sociale et technique, et ainsi avoir une meilleure compréhension du marketing.