La référence des professionnels
des communications et du design

L’émotion: la prochaine tendance en étude de marché

Audrée Lapierre Directrice de la création et cofondatrice, FFunction

Les gens ressentent d’abord et réfléchissent ensuite. Les marketeurs le savent depuis longtemps, mais capturer et analyser quelque chose d’aussi insaisissable que l’émotion peut poser problème. Voici ce que nous avons appris de nos recherches. 

La plupart des spécialistes du marketing numérique mesurent la réponse du public simplement: les mentions «j’aime» et les abonnés sont leur gagne-pain, et dirigent plusieurs décisions d’affaires, dont certaines cruciales. Lorsqu’ils analysent les émotions de leurs consommateurs, ils le font souvent par la simple dichotomie positif/négatif.

Tout d’abord, les mentions «j’aime» et les abonnés sont de médiocres indicateurs des émotions ressenties par les adeptes d’une marque. Le web contient un large éventail d’émotions: commentaires dithyrambiques au sujet des plus récentes fonctionnalités d’un iGadget, tweets colériques concernant l’utilisation malavisée de la police Helvetica dans le nouveau logo d’une entreprise, etc. Analyser les émotions ajoute donc de la substance.

Nous sommes sur le point d’adopter des méthodes plus sophistiquées qui produisent des résultats plus nuancés, avec des algorithmes capables de détecter divers états émotifs.

Mais pourquoi est-ce important?

Les avantages de l’analyse des sentiments pour les spécialistes du marketing

  • Comprendre ce que les gens pensent et ressentent et pourquoi
  • Saisir les arguments de vente uniques d’une marque, identifier les lacunes du marché
  • Développer un argument accrocheur qui interpelle un public clé
  • Aligner les critères psychographiques avec les émotions pour créer des personas qui pourraient inspirer des campagnes spécifiques
  • Joindre une conversation en cours qui passionne le public

Enseigner à un algorithme comment comprendre l’amour
Plusieurs outils d’analyse de sentiments permettent déjà aux spécialistes du marketing de comprendre les attitudes des consommateurs envers une marque. À ce chapitre, l’analyse des sentiments est semblable à d’autres systèmes d’exploration de données: c’est un algorithme qui utilise le traitement automatique du langage naturel ou l’analyse textuelle pour numériser des corpus de textes tels que la section «commentaires» d’un site de nouvelles, puis chercher des mots spécifiques associés aux émotions positives ou négatives. Par exemple, un tweet incluant le mot «frustré» serait classé comme «négatif».

Nous sommes sur le point d’adopter des méthodes plus sophistiquées qui produisent des résultats plus nuancés, avec des algorithmes capables de détecter divers états émotifs.

Mais pour enseigner un large éventail d’émotions à des machines, nous devons d’abord décrire de quelle façon ces émotions sont liées.

La roue de Plutchik est la meilleure façon d’organiser le spectre des émotions et leurs nuances. Les recherches de Robert Plutchik, professeur émérite au Collège de médecine Albert Einstein, ont révolutionné les théories de l’émotion. Selon Plutchik, il y a huit émotions de base: colère, peur, tristesse, dégoût, surprise, anticipation, confiance et joie.

Roue des émotions de Plutchik

La roue de Plutchik, créée en 1980, organise ces huit émotions et leur degré d’intensité (contrariété < colère < rage). Comme les couleurs, les émotions de base peuvent être combinées infiniment pour créer d’autres émotions (par exemple, confiance + peur = soumission).

Les théories de Plutchik offrent une base solide pour comprendre et schématiser les émotions afin d’enseigner à un algorithme comment toutes les pièces du casse-tête humain s’emboîtent.

Capturer l’émotion: analyse textuelle, reconnaissance faciale et internet des objets
À ce stade, les émotions sont largement analysées grâce au traitement de texte, mais plusieurs sociétés comme Affectiva, Emotient et Realeyes utilisent la reconnaissance faciale pour détecter les expressions de l’utilisateur. D’autres, comme Beyond Verbal, emploient la reconnaissance vocale. Contrairement à l’analyse textuelle, l’analyse des expressions faciales ou de la voix a le potentiel de détecter le langage corporel ou les intonations vocales qui révèlent l’attitude réelle d’une personne, même si elle exprime verbalement une opinion différente.

Alors que l’internet des objets s'accélère et que de plus en plus de données sont recueillies par nos téléphones, nos maisons et nos voitures, la technologie d’analyse augmentera également. 

Il existe certains obstacles évidents à l’analyse des émotions: les humains sont de loin supérieurs aux algorithmes pour comprendre les subtilités du langage et des expressions, comme le ton, le contexte, l’ironie et le sarcasme. Ce n’est pas ce qu’on dit qui importe, mais la façon dont on le dit. Puisque l’analyse de données à grande échelle sera inévitablement accomplie par des machines, nous devons leur enseigner à reconnaître les nuances, et les développeurs doivent chercher à créer des solutions plus sophistiquées. En même temps, les connaissances colossales qui découleront des larges banques de données (comme des millions de commentaires sur Reddit) éclipseront toute inquiétude au sujet de la fiabilité du ton à un niveau granulaire (comme un seul commentaire).

Ce n’est pas ce qu’on dit qui importe, mais la façon dont on le dit.

Imaginez découvrir ce dont votre clientèle potentielle discute et à quel point cela les préoccupe. Accoler ces critères psychographiques à des émotions pourrait inspirer des idées de campagne. Par exemple, apprendre qu’un large groupe de votre public s’extasie devant Arcade Fire pourrait mener à la commandite d’une tournée. Ce niveau de compréhension peut être utilisé pour forger des alliances de marques et pour évaluer le succès potentiel des campagnes. 

Bientôt, les spécialistes du marketing ne se contenteront plus d’identifier un public ou ce dont ils parlent, mais seront en mesure de comprendre ce qui, véritablement, leur tient à coeur. 

---

Les opinions exprimées dans cette tribune ne sont pas nécessairement celles d’Infopresse.

comments powered by Disqus