| Info |
|---|
Activité → Analyse de texte |
...
Pourquoi Feedier utilise l’IA ?
Dans la Plateforme Feedier, une partie des données traitées sont des données non structurées (les feedbacks textuelles). L’analyse de ces dernières peut être fastidieuse.
Aujourd’hui, Feedier emploie l’intelligence artificielle (IA) pour ces analyses concernant 3 types d'analyse :
Configuration générale
L’IA Feedier utilise le contexte de l’entreprise pour permettre à nos modèles d’apporter des résultats qui ont du sens avec le contexte opérationnel.
Accéder à la page de votre organisation (role Admin)
Ajouter un nom de l'organisation
Ajouter un description de l'organisation
Il est important de compléter le champ Description dans la page “Entreprise”. Cette description doit être courte est généraliste. Elle peut venir directement du site internet ou de la page Wikipédia.
Tâche 1 : Analyse des sentiments
Chaque verbatim analysé est assigné à un sentiment : Positif, Neutre ou Négatif.
Sentiment | Explication | Taux de sentiment |
|---|---|---|
| Le verbatim est lié à une émotion positive de la part du client : Joie, Confiance, Sérénité, Admiration. | [95%-100%] |
😐 | Le verbatim n’est pas lié directement à une émotion ou cette dernière n’est pas suffisamment fortement exprimée pour être catégorisée. | 50% |
😠 | Le verbatim est lié à une émotion négative de la part du client : Colère, Mépris, Tristesse, Dégoût. | [1%-5%] |
| Note |
|---|
Le verbatim est analysé avec la question. Il est donc important de poser la bonne question pour avoir une analyse qui a du sens. Exemples de mauvaises questions : “Question Texte“, “Q Texte“, “Avis“, |
| Info |
|---|
Comment est calculé le taux de sentiment pour une thématique ? C’est la moyenne des taux de sentiments de chaque verbatim lié à une thématique. |
Voici quelques exemples :
| 10 | 10 | 15 | 5 |
|---|---|---|---|---|
😐 Nombre de neutres | 0 | 10 | 10 | 10 |
😠 Nombre de négatifs | 0 | 10 | 5 | 10 |
Taux de sentiment | ~ 100% | ~ 50% | ~ 66% | ~ 40% |
Tâche 2 : Détection des entités
Avec Feedier, les “entités” qui sont extractées des verbatims sont ajoutés en tant qu’attribut.
Attribut | Explication |
|---|---|
| La valeur correspond à un nom personnel. La valeur peut contenir le nom, le prénom ou les deux. |
| La valeur correspond au nom d’une entreprise qui est du domaine public. |
| La valeur correspond à des produits de l’entreprise qui ne sont pas forcément du domaine public, mais sont détectés comme étant des produits mentionnés par le client. |
| La valeur correspond à un lieu physique. |
| Note |
|---|
Il est possible que les modèles ne détectent pas 100% des entités et/ou il y est une marge d’erreur. N’hésitez pas à nous remonter ces informations à l'équipe support@feedier.com. |
| Info |
|---|
Il est possible de changer les libellés (Nlp Brand) affichés sur le tableau de bord depuis la page Attributs. |
Tâche 3 : Détection des thématiques
Les thématiques permettent de regrouper les verbatims selon des sujets communs. Une fois les thématiques créées, il est possible de :
Suivre l'évolution des thématiques
Organiser les thématiques par sous thématique
Filtrer les thématiques en fonction des différents filtres Feedier
| Au niveau des bonnes pratiques pour la création des thématiques et la pertinence des résultats : |
|---|---|
| Il est fortement recommandé de ne pas utiliser les mots clés en plus de l’IA dans la reconnaissance des thématiques. |
| Il est fortement recommandé d’utiliser des courtes thématiques qui encapsulent une idée à la fois. |
Uniquement les administrateurs et les éditeurs ont la possibilité de créer/ modifier/ supprimer un thème.
...
Vous pouvez toujours revenir en arrière pour ajouter ou supprimer des mots du sujet.