Exemple de cas d'usage de l'IA générative en marketing : l'analyse des avis clients

L'IA générative au service du marketing : l'exemple des avis clients

Nota bene : le présent article a été conçu en collaboration avec notre partenaire expert en IA générative : Benoît Gaillard. Nous vous invitons d'ailleurs à vous abonner à sa newsletter sur LinkedIn dédiée à l'IA.

L'identification d'un cas d'usage marketing adapté à l'IA générative : l'analyse d'avis clients

L'IA générative en général, et ChatGPT en particulier, excellent dans la capacité à analyser des textes pour en extraire le sens général comme les nuances. Nous avons donc rapidement identifié parmi les cas d'usage marketing celui du "sentiment analysis" dont les entreprises ont un besoin impérieux pour estimer leurs forces et leurs faiblesses à travers les avis de leurs clients postés sur les réseaux sociaux, sur Google, sur les sites d'avis vérifiés comme Truspilot ou bien encore sur Tripadvisor lorsqu'il s'agit du secteur du travel.

On sait que les avis clients ont une très forte incidence sur l'achat de produits et de services, or s'il est facile de les recueillir, il est beaucoup plus compliqué d'en tirer des enseignements stratégiques à partir de centaines ou de milliers d'avis, de surcroît dans des langues différentes. A partir de ce constat, il est soit possible d'entreprendre une fastidieuse analyse manuelle ou bien d'utiliser des outils payants. Or, avec lorsque l'on maîtrise le "prompt engineering"sur ChatGPT on peut réaliser cette tâche en quelques minutes et sans avoir à investir dans la licence d'un outil dédié.

Nous avons donc voulu illustrer un premier cas d'usage dans le registre des avis clients autour de l'analyse des commentaires laissés par les clients d'hôtels sur Tripadvisor. Nous avons par ailleurs poussé cette approche un peu plus loin en faisant réaliser à ChatGPT une analyse comparée entre deux hôtels concurrents.

La mise en oeuvre : définition des étapes du process, de l'objectif à atteindre, des livrables

La maîtrise de ChatGPT passe avout tout par la maîtrise du "prompt engineering" dont nous avons confié la rédaction à notre partenaire (voir le nota bene plus haut). Celui-ci maîtrise un savoir-faire développé de manière empirique par l'usage poussé de ChatGPT en mode itératif. Ce savoir-faire a été acquis au prix de centaines d'heures d'entrainement sur une large variété de LLM dont celui d'OpenAI. Nous proposons à nos client de bénéficier de ce savoir-faire à travers une bibliothèque de prompts sous la forme d'un playbook conçu an partenariat avec notre expert, et destiné à adresser des dizaines de cas d'usage spécifiques au marketing.

A ce sujet, nous continuons à collecter les besoins des entreprises afin d'enrichir nos cas d'usage et offrir à termes un outil répondant aux besoins exprimés par les entreprises de toutes tailles et pour lesquels l'IA générative offre une valeur ajoutée certaine. C'est pourquoi tous les cas d'usage que nous avons répertoriés ont été testés et restestés par un comité d'experts.

N'hésitez pas à contribuer à cette démarche d'identification des besoins des entreprises en remplissant ce questionnaire.

Dans le contexte de notre travail de prompt engineering qui suppose expertise et temps passé au développement, nous ne rendons pas publiques nos prompts mais les tenons à la disposition des entreprises désireuses de les utiliser.

Le livrable : l'analyse des avis clients de deux hôtels et leur mise en perspective à travers la comparaison des deux établissements

Nous avons d'abord sélectionné arbitrairement deux hôtels concurrents à Genève dans le même quartier : l'hôtel Novotel Genève Centre et l'hôtel Royal et nous avons endossé le rôle de consultant pour le compte du Novotel. Puis nous avons entamé un processus de prompt engineering sur ChatGPT par itérations successives jusqu'à obtenir les résultats souhaités en termes de pertinence par rapport à l'objectif fixé dans ce cas d'usage. A partir des itérations et donc des tests réalisés, nous avons obtenu in fine le « prompt parfait » qui nous permet aujourd'hui de reproduire la même démarche pour n'importe quel hôtel ou bien même toute entreprise recueillant des avis clients.

A la date de l'analyse, le premier hôtel disposait de 1710 avis et le second de 1123 avis sur Tripavisor. Ces avis ont été rédigé initialement dans 20 langues (anglais, français, chinois (simpl.), chinois (trad.), portugais, italien, espagnol, allemand, russe, japonais, arabe, suédois, coréen, néerlandais, grec, polonais, danois, indonésien, hébreu, turc, finnois). A noter que ChatGPT a réussi à interpréter ces différentes langues directement, sans que nous ayons eu à traduire préablablement les textes.

Le premier livrable consiste à identifier les différentes catégories de commentaires à partir des occurrences d'avis clients les plus fréquentes. La première colonne permet d'identifier la situation de chacun des deux hôtels par rapport à des catégories de sujets répétitifs parmi les avis clients, et la seconde colonne offre une illustration à travers des verbatims significatifs. Il s'agit donc ici non seulement d'identifier les forces et les faiblesses des deux hôtels respectifs dans chaque catégorie de services, mais aussi de pouvoir classer les avis dans des catégories qui sont particulièrement pertinentes par rapport aux milliers d'avis répertoriés sur Tripadvisor.

Le second livrable obtenu sur ChatGPT permet d'identifier les points de similitude et les points de différenciation des deux hôtels. Il permet donc non seulement de valider ce sur quoi le Novotel est à la parité avec son concurrent mais aussi les points d'attention le concernant et les points sur lesquels il détient un avantage concurrentiel dont il peut faire usage dans sa communication.

Le troisième livrable permet de disposer d'un plan d'action structuré pour travailler les points d'amélioration au sein du Novotel spécifiquement au regard de son concurrent. Ces points d'amélioration ont été construits à partir des étapes précédentes, attribués à des services responsables et ChatGPT a identifié pour chacun d'eux les KPIs à mesurer pour estimer les résultats du plan d'action.

Conclusion : comment ChatGPT peut devenir votre "Customer success manager" ?

La question est un brin provocatrice car il ne s'agit pas de remplacer une fonction mais de l'assister en lui faisant gagner un temps précieux et en lui apportant la pertinence dont l'IA générative est capable. Le cas d'usage que nous avons présenté dans cet article illustre en effet comment il est possible d'obtenir de la part de l'IA un résultat qualitatif grâce à une bonne maîtrise de la rédaction des prompts et du processus d'itérations. L'IA remplace alors avantageusement une analyse manuelle qui aurait demandé ici un temps considérable pour des milliers d'avis dans de nombreuses langues, ou bien un outil payant dédié à ces tâches. 

Nous travaillons actuellement à répertorier le maximum de cas d'usage possibles dans le domaine du marketing. Si vous voulez contribuer à ce projet et nous aider à identifier tous les cas d'usage pertinents en marketing, n'hésitez pas à remplir ce questionnaire.

Pour chacun de ces cas d'usage, nous développons en collaboration avec nos experts en IA des prompts testés et validés de manière à pouvoir les proposer aux entreprises n'ayant ni le savoir-faire, ni même la connaissance des usages réellement adaptés à l'IA générative. 

Vous pouvez d'ors et déjà nous solliciter pour une analyse des opportunités de l'IA générative dans votre structure ainsi que pour du prompt engineering si vous avez identifié des besoins compatibles avec l'IA générative.