Comment évaluer si un data set ne donnera pas de résultats émotionnels exploitables ou intéressants ?

Comment évaluer si un data set ne donnera pas de résultats émotionnels exploitables ou intéressants ?

Les données écrites sont de nature variables. De par sa source, ou le moment de l'échange, le contenu sera plus ou moins riche de sens. 
Certaines données clients à caractère très transactionnel, tel qu'un email de demande au support par exemple, seront dépourvus d'émotions et dans ce cas, une partie de l'analyse pourrait devenir peu intéressante ou peu pertinente. Mais même à ce niveau, l'analyse émotionnelle peut permettre de filtrer les 2% de commentaires qui sont indicateurs d'émotions. 

En complément on peut également estimer la richesse et le niveau d'exploitabilité d'une source en estimant principalement 4 variables différentes:

  1. La longueur du verbatim...
  2. Le sujet discuté qui doit être un minimum valent (c'est-à-dire générant de la valence), engageant, ou mieux émotionnel...
  3. La question du verbatim doit être connue et en particulier la connotation émotionnelle si il y en a...
  4. Le discours direct est plus clair pour les algorithmes qu'un discours indirect: Une retranscription est possible mais comme si le client parlait directement et si possible pas en discours indirect qui va alourdir la syntaxe et le propos.
Si vous hésitez à analyser un batch de données, les équipes support sont disponibles pour réaliser gratuitement une étude de faisabilité sur vos données. Contactez-nous par email sur contact@qemotion.com avec un premier fichier de données, en indiquant vos questions et besoins, ainsi que vos coordonnées afin que nous puissions en discuter de vive voix.

Photo by Milan De Clercq on Unsplash




Tous droits réservés : Qemotion France SAS (2021)

A propos de Qemotion –

Nous proposons une solution d’expérience client nommée “Cxinsights.io”. L’objectif de notre solution SaaS est d’analyser les émotions dans les verbatims d’enquêtes ou les avis clients issus des plateformes en ligne dans le but d’identifier de nouveaux insights, identifier les irritants prioritaires et réduire le taux d’attrition.