Les marques grand public ont longtemps utilisé des groupes de discussion à l'ancienne, entretiens et sondages pour évaluer au mieux les désirs des consommateurs, désirs et besoins dans le cadre de processus allant du développement de produits, au marketing et aux ventes. Avec l'émergence de l'apprentissage automatique et de l'intelligence artificielle (IA), il y a un intérêt croissant pour la capacité d'exploiter ces solutions pour gagner du temps et de l'argent, et de générer des informations plus fiables sur les consommateurs.

L'apprentissage automatique peut aider à analyser le contenu généré par l'utilisateur (UGC), qui implique la collecte de données à partir d'avis en ligne, des médias sociaux, et blogs, qui fournissent des informations sur les besoins des consommateurs, préférences et attitudes.

Malgré le potentiel d'une meilleure information, les spécialistes du marketing ont exprimé des inquiétudes quant à la valeur des données UGC parce que l'échelle et la qualité de l'UGC rendent leur traitement difficile. Tant que les données sont accessibles, identifier les insights consommateurs nécessite que des êtres humains analysent les données, ce qui est difficile à faire à grande échelle.

Deux chercheurs du Massachusetts Institute of Technology (MIT) ont décidé de s'attaquer à ce problème grâce à des recherches conçues pour examiner le défi de savoir comment utiliser le CGU le plus efficacement possible pour identifier les besoins des clients de manière plus rentable et plus précise.

L'étude sera publiée dans l'édition de février de la revue INFORMS Sciences du marketing est intitulé « Identifier les besoins des clients à partir du contenu généré par les utilisateurs, " et est écrit par Artem Timoshenko et John R. Hauser du MIT.

Ils constatent que l'apprentissage automatique peut améliorer le processus d'identification des besoins des clients, tout en réduisant considérablement le temps de recherche, aider les marques de marketing grand public à éviter les retards dans la mise sur le marché des produits.

« Alors que de plus en plus de personnes se tournent vers le marché numérique pour rechercher des produits, partager leurs opinions, et échanger des expériences sur les produits, de grandes quantités de données UGC sont disponibles rapidement et à un faible coût incrémental pour les entreprises, " a déclaré Timochenko. " Dans de nombreuses catégories de marques, L'UGC est vaste.

Par exemple, il y en a plus de 300, 000 avis sur les produits de santé et de soins personnels sur Amazon seul. Si UGC peut être exploité pour les besoins des clients, il a le potentiel de mieux identifier les besoins des clients que les entretiens directs avec les clients."

Les autres avantages des données UGC sont qu'elles sont mises à jour en continu, qui permet aux entreprises de rester à jour avec leur compréhension des besoins des clients. Et contrairement aux entretiens clients, Les données UGC sont disponibles pour que la recherche revienne pour explorer davantage de nouvelles perspectives.

Pour mener leurs recherches, les auteurs de l'étude ont construit et analysé un ensemble de données personnalisé qui compare les besoins des clients pour la catégorie de soins bucco-dentaires identifiés à partir d'entretiens directs aux besoins des clients à partir des avis d'Amazon. L'ensemble de données a été construit en partenariat avec une société de conseil en marketing pour garantir la qualité standard de l'industrie des entretiens et des idées.

Les auteurs ont développé et évalué une approche hybride d'apprentissage automatique pour identifier les besoins des clients à partir de l'UGC. D'abord, ils utilisent l'apprentissage automatique pour identifier le contenu pertinent et supprimer les redondances. Les données traitées sont ensuite analysées par des êtres humains pour formuler les besoins des clients à partir de contenus sélectionnés.

"À la fin, nous avons constaté que l'UGC fait au moins aussi bien que les méthodes traditionnelles basées sur un ensemble représentatif de clients, ", a déclaré Hauser. "Nous avons pu traiter de grandes quantités de données et les réduire à des échantillons gérables pour un examen manuel. L'examen manuel reste une partie finale importante du processus, car les analystes professionnels sont les mieux placés pour juger de la nature contextuelle des besoins des clients. »