Analyse sémantique pour la relation client : définition, étapes et clés de succès

“Les pépins de nos clients sont nos pépites” : c’est ce que nous disait Tiffany Sanfilippo, Responsable Pôle Services et Relation Clients TER Grand Est, dans le volume 2 de Secrets de DRC. 

Et c’est d’autant plus vrai à l’ère où les services clients regorgent de verbatims, d’avis clients, de tickets support, ou de commentaires sur les réseaux sociaux. Seulement, vous n’avez que deux yeux et un cerveau pour analyser des dizaines, parfois des centaines, de contenus.

Et si vous pouviez vraiment comprendre le sens profond des retours de vos clients, pour en extraire une valeur ajoutée pour améliorer leur expérience ?

C’est la promesse de l’analyse sémantique - une technique innovante, où la technologie se met au service de la compréhension de l’humain. Découvrez ici ce qu’il en est, et les bonnes pratiques pour l’utiliser comme levier d’optimisation de la relation client.

Analyse sémantique : définition et cadre

Pour commencer : une définition de l’analyse sémantique

On définit l’analyse sémantique comme une technique d’analyse du langage naturel, qui consiste à interpréter le sens d’un texte, au-delà des mots qui le composent. Cette méthode vise à comprendre ce que veut dire une phrase, une intention, une émotion, une opinion, ou une thématique exprimée. En somme, elle analyse le sens des mots dans un contexte donné.

En relation client, l’analyse sémantique est utilisée sur des contenus comme les tickets de support, les avis clients, les verbatims issus des enquêtes de satisfaction, ou encore les transcriptions d’appels.

Mais cette méthode est aussi utilisée dans d’autres domaines, comme le semantic search (ou recherche sémantique). Celle-ci qui exploite l’analyse sémantique pour proposer des résultats plus pertinents en creusant l’intention derrière la requête d’un utilisateur.

Dans le marketing, la recherche sémantique est utilisée en stratégie SEO. L’idée : améliorer le référencement naturel d’un site, en optimisant son contenu pour améliorer son positionnement sur les moteurs de recherche. Elle aussi utilisée dans la relation client, pour améliorer la réponse aux questions des clients dans un chatbot, ou la recherche dans une FAQ intelligente, par exemple.

Pour réaliser une analyse sémantique, on utilise généralement un outil appelé analyseur sémantique. Il s’agit d’une solution ou d’un algorithme d’intelligence artificielle capable d'interpréter les intentions, les sentiments et les concepts humains.

Quelles différences entre analyse sémantique et lexicale ?

Pour lancer votre projet d’analyse sémantique pour la relation client, il est intéressant de comprendre les différences entre “analyse sémantique” et “analyse lexicale”.

D’un côté, le lexique désigne les mots eux-mêmes, leur forme, sans prendre en considération leur signification dans un contexte donné. De l’autre, la sémantique prend en compte le sens linguistique des mots, ce qu’ils veulent dire lorsqu’ils sont combinés et pris dans un contexte spécifique. En somme, elle vient interpréter le langage.

D’où les différences entre analyse lexicale et analyse syntaxique : 

• L’analyse lexicale ou syntaxique est une analyse mot à mot, qui analyse les mots et les relations entre eux.
• L’analyse sémantique est une analyse du contexte et de l’intention dans le contenu. Elle permet d’obtenir une vision plus fine, plus subtile, de l’émotion humaine dans un verbatim - notamment en analysant sa tonalité.

Par exemple, dans un corpus de verbatims, en termes lexical, on pourra déterminer que le mot “retard” apparaît 120 fois dedans. Sémantiquement, on pourra comprendre que, dans 70 % des cas, le terme “retard” est associé à la livraison d’un produit, et que l’émotion rattachée à ce fait est négative. L’analyse sémantique pourra également comprendre que derrière les termes “livré en retard” et “retard de livraison”, la même intention se cache - malgré la différence lexicale entre ces deux groupes de mots.

Autre exemple : si, dans un avis client, l’expression “pas top” apparaît, une approche lexicale peut analyser “pas” comme négatif, et “top” comme positif séparément. A contrario, une approche sémantique peut analyser l’expression “pas top” dans son ensemble, et la classer comme négative.

Pourquoi faire de l’analyse sémantique en relation client ?

Si le monde de la relation client s’est emparé de l’analyse sémantique, c’est pour optimiser ses processus et ses méthodes. Avec l’explosion du volume de données textuelles à sa disposition, votre service client dispose d’une mine d’or pour aller plus loin dans l’analyse de ses verbatims, de ses tickets, de ses avis clients et de ses commentaires sur les réseaux sociaux.

Grâce à l’analyse sémantique, vous pouvez notamment : 

• Comprendre les émotions et besoins implicites de vos clients. Cette technique vous permet d’obtenir une meilleure compréhension de vos clients, d’améliorer votre connaissance client, en lui apportant de la nuance grâce à l’identification des intentions des clients. 
• Détecter vos irritants clients principaux, pour améliorer l’expérience client au global. L’analyse sémantique vous aide à détecter des éléments comme la récurrence d’un problème, ou bien une perception négative de votre entreprise, par exemple.
• Regrouper les retours similaires automatiquement. L’analyse sémantique permet de synthétiser un ensemble de verbatims ou d’avis clients, pour détecter les tendances de satisfaction ou d’insatisfaction. Grâce à cette synthèse, vous pouvez ensuite faire une segmentation client, et adresser les différentes problématiques de manière personnalisée. Par exemple, vous pouvez lancer des campagnes de fidélisation auprès de vos clients satisfaits, ou des campagnes de réengagement auprès de ceux à haut risque de churn.
• Prioriser vos actions correctives. En détectant les éléments qui nuisent le plus à votre relation client ou à votre image de marque, vous optimisez votre relation client de manière rationnelle et structurée.

« Les questionnaires de satisfaction sont une matière très riche. 44% des clients qui répondent au questionnaire dématérialisé laissent un verbatim. On y trouve bien sûr des statistiques, mais aussi un potentiel marketing énorme pour le développement de nouvelles offres. » - Melika Venot, Directrice Qualité et Études d’OGF, dans le volume 4 de Secrets de DRC

Comment faire une analyse sémantique pour améliorer votre relation client ?

Découvrez maintenant les cinq étapes pour réaliser votre analyse sémantique.

1 - Collecter les données à analyser

Tout d’abord, rassemblez les données textuelles issues des interactions de vos clients avec votre marque. 

Ces données peuvent provenir de plusieurs canaux : 

• Les tickets de votre support client
• Vos avis clients 
• Vos transcriptions d’appels ou de chats
• Les commentaires sur vos réseaux sociaux
• Les emails et messages reçus depuis vos formulaires de contact

Plus vous rassemblez un grand nombre de contenus, plus vous aurez de chance de découvrir des tendances intéressantes. Collectez ces données sur une période suffisamment longue pour détecter des tendances fiables.

« Il faut oser tout écouter du client, car c’est à ce prix-là qu’on capture l’essence de son attente. » - Sébastien Passedouet, Directeur Relation Client chez Automobile Club de l’Ouest, dans le volume 3 de Secrets de DRC

2 - Nettoyer les textes

L’objectif de cette deuxième étape ? Faciliter l’interprétation des textes en se concentrant sur les éléments porteurs de sens.

Typiquement, pour nettoyer des contenus et les préparer à être analysés sémantiquement, vous devez :

• Supprimer les caractères spéciaux, les emojis… 
• Passer le texte en minuscules
• Procéder à une lemmatisation, soit le fait de ramener les mots à leur forme de base - par exemple, le terme de “reçus” devient “recevoir”
• Supprimer les mots vides (appelés stop words) comme “le”, “et”, “donc”... 

Pour éliminer ce “bruit” dans un grand volume de texte, vous pouvez passer par un code informatique spécifique, ou bien utiliser des outils de data cleaning dédiés. Notez également que certaines solutions d’analyseurs sémantiques se chargent de cette étape automatiquement lorsque vous importez vos données brutes.

3 - Utiliser un analyseur sémantique 

Vous l’avez lu plus haut : un analyseur sémantique est un outil capable de comprendre le contenu d’un texte bien au-delà du simple comptage de mots.

Choisissez un logiciel de text mining qui associe des techniques avancées d’intelligence artificielle, de traitement automatique du langage naturel (NLP) et de machine learning (apprentissage automatique).

Le text mining (ou “fouille de textes”) désigne l’ensemble des techniques qui permettent d’extraire automatiquement des informations pertinentes à partir de données textuelles brutes. C’est ce qui permet notamment de repérer des sujets récurrents dans les verbatims et de classer automatiquement les messages clients.

Associé au machine learning et au NLP (Natural Language Processing) d’une intelligence artificielle, le text mining permet de reconnaître automatiquement les sentiments ou intentions derrière les textes.

Certains logiciels incluent également des moteurs de semantic search, capables d’identifier des liens de sens entre des expressions différentes, ou de classer les messages par proximité sémantique.

Concrètement, vous pouvez vous tourner vers des logiciels comme : 

• SentiOne
• Chattermill
• Keatext
• MeaningCloud… 

‍« L’IA vient écouter, mais également analyser et suggérer des plans d’actions, pour aider à découvrir les plus gros irritants et les business potentiels de l’entreprise. Et ce, en industrialisant le tout. » - Suzana Cerqueira, Directrice des Services & Expérience Client de DSC, filiale de Saint-Gobain Distribution Bâtiment France, dans le volume 3 de Secrets de DRC

4 - Identifier les thématiques, sentiments, intentions

À cette étape, votre outil va analyser le champ sémantique de votre corpus, et va transformer ce flux de messages en une cartographie claire de vos enjeux clients.

À l’issue de votre analyse sémantique, vous obtiendrez une vision : 

• Des thématiques récurrentes dans vos textes, pour identifier les phases du parcours client qui peuvent contenir des irritants.
• Des sentiments et émotions qui y dominent, pour identifier les points de friction majeurs vécus par vos clients
• Des intentions de vos clients, ce qu’ils cherchent à faire (se plaindre, obtenir une réponse, annuler une commande, faire un retour…), ce qui vous permet d’analyser les réponses à leur apporter et les urgences à résoudre en priorité

Voilà une bonne base pour travailler à une meilleure expérience client !

« Le retour d’un client peut parfois être négatif ou émotionnellement chargé. Mais un client qui nous contacte nous offre une opportunité de “transformer le pépin en pépite”. C’est un moyen d’identifier les irritants profonds que l’entreprise doit adresser. » - Tarik Khouader, Responsable Relation Client & Opérations Retail de la Branche horlogerie et bijouterie des Galeries Lafayette, dans le volume 4 de Secrets de DRC

5 – Visualiser les tendances 

La dernière étape consiste maintenant à transformer votre analyse en insights actionnables.

Selon l’outil utilisé, vous pourrez visualiser vos résultats sous forme de : 

• Nuages de mots (pour les thématiques) : celui-ci vous permet de cibler les processus à améliorer en priorité.
• Courbes de tendances - par exemple, la hausse des insatisfactions sur un point précis. De quoi détecter les pics d’insatisfaction et surveiller l’évolution des perceptions de vos clients dans le temps.
• Cartes de chaleur (ou heatmaps) par catégorie ou canal : elles vous aident à repérer quels canaux de communication ou quelles phases de votre relation client doivent être optimisés.

Certaines solutions vous permettent également de déterminer le Net Sentiment Score de votre marque. Il s’agit de la différence entre les émotions positives et négatives associées à votre produit, votre service ou votre marque au global. Surveillez ce KPI du service client au fil du temps pour visualiser l’impact des optimisations que vous avez mises en place.

Les bonnes pratiques pour utiliser votre analyse sémantique à bon escient

Ne vous arrêtez pas en si bon chemin, et utilisez la richesse sémantique qui se trouve dans vos données textuelles avec finesse grâce aux clés de succès suivantes.

Valider les résultats humainement

Ces dernières années, la technologie d’IA NLP progresse vite. Mais elle reste parfois aveugle aux sous-entendus (notamment à l’ironie) ou encore à certaines tournures de phrases ou formulations locales ou générationnelles.

Même si les outils d’analyse sémantique sont puissants, le point de vue et l’interprétation humains restent donc indispensables.

Elle vous permet notamment de : 

• Valider la pertinence des thématiques et des sentiments détectés
• Repérer les erreurs d’interprétation : ambiguïtés, ironie…
• Ajuster les modèles ou les mots-clés selon votre contexte métier

Prévoyez donc une phase d’échantillonnage où vos collaborateurs (agents, analystes, managers) relisent des extraits de votre corpus pour les comparer avec les résultats de l’IA.

« L’IA est particulièrement utile pour des tâches comme l’analyse des conversations, afin de s’assurer que les process sont bien respectés. Par exemple, l’IA peut analyser 100 % des appels - ce qu’un humain ne pourrait jamais faire. Toutefois, pour interpréter ces données et en tirer des conclusions pertinentes, il est indispensable d’avoir un humain derrière l’outil. » - Hanane Benhamed, Directrice commerciale pôle BtoC chez Santiane, dans le volume 4 de Secrets de DRC

Croiser l’analyse sémantique avec des données quantitatives 

Pour enrichir les enseignements de votre analyse sémantique, il est crucial de croiser le qualitatif (verbatims) avec des indicateurs chiffrés.

Rassemblez tous les KPI pertinents de votre service client, comme vos indicateurs de satisfaction (CSAT, NPS, Customer Effort Score…), la durée moyenne de traitement de vos tickets, ou encore le volume de tickets par motif de contact. Puis vérifiez les éléments analysés par votre outil.

Grâce à ce croisement, vous pouvez prioriser les sujets à fort impact sur votre service client. Par exemple, une thématique peu fréquente mais très mal évaluée par vos clients peut révéler un problème critique à traiter rapidement.

« On associe les indicateurs typiques de la satisfaction client à des mesures via des solutions digitales, ainsi qu’à l’analyse des données opérationnelles et de vente, comme le churn client. Cela nous permet d’avoir une approche rationnelle de l’expérience client. » - Laurent Blanchet, Business Excellence Director chez Essilor, dans le volume 1 de Secrets de DRC

Segmenter l’analyse par profil, canal ou moment du parcours client

Les irritants ou attentes de vos clients ne sont pas les mêmes selon qu’ils sont nouveaux ou récurrents, qu’ils vous contactent par mail ou par téléphone, ou bien selon la saisonnalité dans laquelle ils vivent leur expérience.

Segmentez votre analyse pour comparer les perceptions de vos selon les contextes. Ainsi, vous pouvez personnaliser les actions correctives ou la communication à envisager par la suite.

Mettre à jour régulièrement les modèles et les corpus analysés

Les attentes de vos clients évoluent, vos produits changent, de nouvelles expressions apparaissent dans le langage. Bref : le monde bouge, et votre méthode d’analyse sémantique doit suivre ce mouvement !

Veillez donc à ce que les modèles d’IA de vos outils soient réentraînés régulièrement, s’ils utilisent le machine learning. Actualisez également vos référentiels thématiques, ainsi que vos corpus de texte analysés. Le tout fera gagner en pertinence vos prochaines analyses sémantiques.

Mesurer l’impact de votre analyse sémantique

Comme tout projet d’amélioration, il est important de mesurer les résultats de votre analyse sémantique.

Posez-vous les questions suivantes : 

• Votre taux de résolution au premier contact s’est-il amélioré ?
• Votre volume de réclamations diminue-t-il ?
• Le score de satisfaction progresse-t-il sur les points que vous avez travaillés ?

Rappelez-vous que l’analyse sémantique, comme levier d’optimisation de la relation client, est un travail de longue-traîne. Équipez-vous des bons outils, et apprenez à les manier pour faire des mots de vos clients un levier concurrentiel !