Savez-vous gérer la connotation positive ou négative d'une question ? Et les contextes du propos ?

Je vois des symboles du type \_ ou _/ avant les commentaires clients. Pourquoi ?


Imaginez que, dans votre enquête, une question a une connotation négative (comme dans l'exemple plus bas). 
Imaginez que la réponse du client soit:      Price and coverage.    
Dans ce cas, l'émotion exprimée est négative, mais aucun marqueur ne viennent réellement des mots du client. Il/Elle reporte l'émotion de la question et n'ajoute aucune intensité émotionnelle propre à sa réponse.
Maintenant, imaginons la situation inverse: votre question a une connotation positive avec la même réponse. La tournure émotionnelle est donc dans ce cas inversée.

POUR RESUMER
Cela signifie que pour des réponses ou des phrases courtes, l'émotion d'une phrase peut être radicalement différente en fonction de la question. Dans ce cas, l'interprétation émotionnelle du propos dépend totalement de la question et non pas vraiment des mots de la réponse...




Pour être capable d'analyser correctement ces situations, Q°emotion peut demander d'ajouter la notion de connotation en amont du propos, en utilisant dans ce cas les symboles suivants:
  1. connotation négative:  \_          ( =ton descendant)
  2. connotation positive:  _/         ( =ton ascendant)
Lors de l'analyse émotionnelle, ces symboles peuvent être utiliser pour rééquilibrer le contexte émotionnel, surtout lorsque l'intensité du propos est faible.


IMPORTANT
Ces symboles auront un impact si et seulement si l'intensité émotionnelle du propos est faible ou très faible. Dans un cas différent, elles n'auront pas d'influence.  Ainsi, si le client qui répond à la question (Que pouvons nous améliorer dans l'expérience), dit: \_ rien tout est super! le symbole n'aura pas d'impact sur l'analyse (ici la joie).


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.