Dans cet article, vous allez apprendre comment l’intelligence artificielle est devenue accessible, et pourquoi vous devez l’utiliser au quotidien.
Ensuite, nous montrerons comment l’analyse de sentiment peut permettre d’augmenter vos ventes en améliorant le positionnement de notre produit ou service. Le code en Python sera partagé afin que vous puissiez essayer de reproduire cela chez vous.
Pourquoi cet article vous concerne-t-il ?
Les entrepreneurs web sont généralement des personnes débrouillardes. Ils touchent à tout. Ils n’hésitent pas à configurer leur WordPress ou leur Shopify ; ils conçoivent des visualisations sur Photoshop ou encore analysent les données de leurs activités sur Excel. Ils ont appris à reconnaître et dépasser la plupart de leurs croyances limitantes.
Pourtant, une perception bride le potentiel de beaucoup d’entre nous. Ce blocage mental consiste à se dire : « l’intelligence artificielle, je ne suis pas capable de l’utiliser ». Et je ne parle pas ici de développer des logiciels complexes, car cela demande en effet de l’expérience et beaucoup de temps. Je me réfère à l’écriture de scripts simples, qui peuvent apporter beaucoup de valeur ajoutée à votre travail quotidien. Car, au fond, vous pouvez rédiger ces morceaux de code, de la même manière que vous employez des formules dans une feuille Excel ou Google Sheet.
Vous êtes capables d’utiliser ces technologies. Et cet article va vous le démontrer. Car coder quelques lignes n’est pas plus difficile que de maîtriser les logiciels de bureautique employés par les entrepreneurs chaque jour. Mais je ne vais pas lister toutes les situations où de l’intelligence artificielle peut vous apporter de la valeur. Car les exemples sont trop nombreux et l’énumération ne se terminerait jamais. Nous allons plutôt nous focaliser sur un cas concret et l’appliquer de bout en bout. Vous allez voir.
Comment l’intelligence artificielle peut-elle améliorer vos ventes ?
Dans cet article, je veux vous présenter une technologie surprenante. Nous allons parler d’une méthode très simple et qui apporte pourtant beaucoup de valeur. Cette technique suscite de plus en plus d’intérêt : les recherches Google à son sujet augmentent chaque année — voir illustration. Cette technologie, c’est l’analyse de sentiment.
Ce sont des algorithmes qui détectent l’opinion des textes. C’est un peu comme un thermomètre qui mesurerait une température négative lorsqu’un message exprime de la colère ou de la déception, et positive quand un propos évoque de la joie ou de la gratitude.
L’analyse de sentiment permet d’augmenter vos ventes. Mais comment ?
Cette technologie a émergé en même temps que la croissance de l’usage des réseaux sociaux. Et elle permet de trier et extraire automatiquement de l’information depuis ces milliards de publications. Car comprendre l’opinion des gens à l’égard de certains sujets aide à prendre de bonnes décisions.
Mais cela vous semble sans doute encore un peu flou pour le moment. Et c’est normal, tout sera plus clair lorsque nous aurons vu un exemple concret. Dans quelques minutes, vous comprendrez comment cela fonctionne et vous pourrez le réaliser vous-même.
Regardez cette vidéo YouTube pour comprendre en détail les enjeux autour de cette technologie
Dans cette vidéo, nous expliquons en détail le fonctionnement surprenant des algorithmes d’analyse de sentiment. Nous présentons également les enjeux de vie privée auxquels on ne s’attend pas. N’hésitez pas à y jeter un œil.
Mais revenons à notre cas concret.
Voici comment analyser des produits concurrents
Mettons-nous dans la peau d’un entrepreneur qui vend des trépieds pour caméras. Et disons que nous sommes sur le point de concevoir un nouveau produit, petit et facile à transporter. Nous recherchons les caractéristiques de notre trépied et anticipons nos arguments commerciaux sur notre boutique Amazon ou Shopify. À ce stade, l’enjeu consiste à connaître nos clients potentiels : ce qu’ils aiment ou détestent dans ce type de marchandise.
Nous voulons analyser un article concurrent : le trépied Joby. Le produit se vend beaucoup et il reçoit un grand nombre de commentaires sur Amazon. Le côté positif, c’est que si nous parvenons à tous les prendre en compte, nous disposerions d’une mine d’information. Mais le volume de texte est énorme et nous ne pouvons pas passer des journées à tout lire. Cela nous prendrait beaucoup trop de temps.
Bien entendu, certains logiciels aident à l’analyse de produits concurrents. Mais ceux-ci coûtent cher et ne proposent qu’un nombre limité de fonctionnalités. Donc une seule option demeure : écrire notre propre petit programme.
De quoi avons-nous besoin pour écrire un code qui travaille pour nous ?
Pour démarrer, nous n’avons besoin que de trois choses :
- un ordinateur
- une connexion internet
- un environnement de développement pour le langage de programmation Python
L’environnement de développement, c’est simplement le logiciel dans lequel nous allons écrire et exécuter le code. Nous pouvons utiliser VSCode, Jupyter, Pycharm, etc. D’ailleurs, nous ne devons pas nécessairement installer un logiciel sur l’ordinateur. Un outil comme Google Collab, par exemple, permet d’écrire et exécuter du code dans le navigateur. Pour les lecteurs plus techniques, vous pouvez consulter le code lié à cet article.
Comment collecter les commentaires Amazon ?
Récolter de l’information depuis un site web, cela s’appelle du scraping. Et c’est plus simple qu’on ne le croit. Il suffit de se familiariser avec quelques concepts essentiels. Nous allons voir ensemble comment cela fonctionne. Voici le code, nous allons l’expliquer ci-dessous.
Le scraping est réalisé en deux étapes
D’abord, nous téléchargeons la première page de commentaires du Joby, sous la forme de code HTML — le langage qui structure le contenu et la forme des pages web. Et pour télécharger la page web, nous utilisons la librairie requests. Une librairie, c’est une sorte d’extension que l’on peut intégrer à notre code pour réaliser des tâches complètes de manière simple.
Ensuite, nous extrayons les commentaires en ne gardant que le texte des balises span dont l’une des classes est review-text — une capture d’écran montre un exemple un peu plus bas. Et nous trions ces balises grâce à la librairie Beautifulsoup. Enfin, nous reproduisons cela pour la deuxième page de commentaire, puis la troisième, et ainsi de suite. Et lorsqu’il ne reste plus de commentaires, nous arrêtons.
Vous pouvez conserver vos codes et capitaliser ce travail. Le script que nous venons d’écrire peut être réutilisé à l’infini. Car ces quelques lignes en Python ne se limitent pas au trépied Joby et peuvent être employées avec n’importe quel autre produit. Et c’est l’un des grands avantages de concevoir ses propres algorithmes : on peut les garder et se construire une véritable mine d’or.
Voilà, nous avons collecté 2000 commentaires à propos du Joby, en quelques secondes. Nous stockons ces commentaires dans un objet Python qui s’appelle un data frame. Vous ne devez pas connaître ce concept dans le détail. Sachez juste que les data frames sont à Python ce qu’Excel est à la suite Office de Microsoft : on y trouve des lignes et colonnes, et nous pouvons réaliser diverses opérations pour transformer ces données — à la manière des formules Excel. Sauf que nous pouvons réaliser bien plus de choses, car aucun logiciel ne nous limite.
Amazon bloque le scraping industriel. Sachez que la boutique en ligne ne nous autorise pas à scraper de manière industrielle son contenu web. En revanche, le fait de collecter quelques pages avec une approche artisanale, comme dans cet exemple, ne pose pas de problème.
Pourquoi appliquer l’analyse de sentiment sur ces commentaires ?
Au fond, les commentaires Amazon sont classés entre une et cinq étoiles. Nous savons donc quand un client est mécontent. Mais cela ne suffit pas, car deux problèmes se posent. D’abord, le client choisit le nombre d’étoiles de manière subjective. Une personne peut écrire un commentaire positif et assigner trois étoiles, tandis qu’une autre peut critiquer le produit et pourtant mentionner quatre étoiles.
Le second problème, c’est qu’une bonne étude de la concurrence ne doit pas se limiter à une seule source d’information. Nous devrions aussi récupérer, par exemple, les tweets et les publications Facebook. Or ces commentaires sur les réseaux sociaux n’ont pas de note. Du coup, l’analyse de sentiment permet d’utiliser un outil de mesure unique et objectif lorsque l’on agrège des avis provenant de différentes sources.
Comment calculer les sentiments des commentaires du Joby ?
Nous n’avons qu’à réaliser deux étapes, dont voici le code :
D’abord, on importe notre modèle d’analyse de sentiment depuis la librairie VaderSentiment. L’algorithme Vader a été spécialement conçu pour les réseaux sociaux par des chercheurs du Georgia Institue of Technology.
Ensuite, on utilise numpy pour appliquer le modèle sur la colonne text et stocker les résultats dans une nouvelle colonne sentiment. La librairie numpy permet ici de réaliser des opérations sur des colonnes de data frame. Voici le résultat :
Et ces sentiments donnent des renseignements très utiles.
Une fois les opinions des clients identifiées, quelques techniques de data visualisation permettent de révéler des informations très intéressantes. Par exemple, en une ligne de code, nous pouvons observer la distribution des commentaires selon le sentiment. Et nous voyons ici que 85% des clients tiennent des propos positifs.
Qu’est-ce que les clients n’aiment pas dans le Joby ?
Pour répondre à cette question, nous devons analyser la distribution des mots, selon si le client s’exprime de manière positive ou négative. Je ne vais pas détailler le code ici. Pour les technophiles, il se trouve dans le lien mentionné plus haut.
L’approche consiste à compter, pour chaque terme, le nombre de commentaires favorables et réprobateurs. Voici les dix éléments qui déplaisent le plus aux acheteurs :
“Loose, broke, screw” : ce sont les points faibles du Joby. Lorsqu’il utilise le mot loose, le client blâme le produit une fois sur deux. Et c’est beaucoup lorsqu’on sait qu’en tirant un commentaire au hasard, il n’a que 15% de chance de critiquer le trépied. Bref, sans aller plus loin dans les statistiques, retenons que cette méthode permet, en fin de compte, de lister ce que les clients aiment ou détestent dans l’objet.
Ainsi, nous découvrons que les acheteurs du Joby critiquent la mollesse des pieds, qui ne supportent parfois pas le poids de caméras et provoquent des chutes. Il parlent aussi de certaines pièces qui se cassent, des joints et pas de vis qui s’abîment, etc.
De plus, nous pouvons visualiser ces données sous la forme d’un nuage de points. Dans le graphique ci-dessous, l’axe vertical reprend l’intensité de l’opinion, et l’axe horizontal le nombre de clients concernés.
Voilà comment, en quelques minutes, nous avons obtenu des renseignements clés pour notre futur produit.
Grâce aux données récoltées, nous pouvons par exemple décider de positionner notre produit comme ceci : « Notre trépied se tient de manière ferme et porte vos caméras les plus lourdes sans les laisser tomber. ». Ce positionnement s’appuie sur l’analyse de 2000 commentaires, nous pouvons donc nous y fier.
Voilà, j’espère que cet article a pu vous convaincre que ces technologies peuvent vous apporter beaucoup. Bien sûr, si vous n’êtes pas familier avec la programmation, ces quelques lignes de codes peuvent vous décourager.
Pourtant, écrire un script basé sur de l’intelligence artificielle n’est pas plus difficile que de maîtriser la plupart des logiciels du quotidien. Et ce n’est qu’une question d’habitude. Très vite, cette nouvelle manière de travailler deviendra une seconde nature et vous en tirerez des bénéfices infinis.
Pour aller plus loin, découvrez
- Le guide complet pour créer un site ecommerce
- Comment trouver une niche rentable en ecommerce ?
- 15 exemples de sites ecommerce réussis en 2023
- Comment gérer une boutique en ligne gratuitement ?
