La Classification Automatique du Feedback Client et son impact sur la Prise de Décision Stratégique dans le E-commerce et le Marketing Digital

Abstract

Cette recherche étudie l’impact de la classification automatique des retours clients sur la prise de décision stratégique et opérationnelle dans le e-commerce et le marketing digital. Face au volume croissant des commentaires, l’analyse manuelle devient inefficace. L’étude propose donc d’automatiser cette tâche grâce aux techniques de Traitement du Langage Naturel (TALN). L’objectif est de développer un système capable de classifier les commentaires clients en temps réel, selon leur tonalité (positive, négative, neutre) ou leur contenu (frustration, satisfaction, description). Cela permet de transformer des données brutes en informations exploitables, utiles pour la stratégie d’entreprise. Le cadre théorique insiste sur le rôle clé de l’information dans la réduction de l’incertitude. La classification automatique rend les textes non structurés quantifiables grâce à des techniques comme le prétraitement du texte (nettoyage, lemmatisation, vectorisation) et des modèles de classification (lexiques, apprentissage automatique, réseaux neuronaux, modèles hybrides). L’étude utilise des données issues de commentaires Amazon et privilégie le modèle VADER, bien adapté aux textes courts et informels. Ce modèle combine un lexique validé humainement et des règles grammaticales pour une détection fine des sentiments, avec des performances remarquables Enfin, la classification automatique permet une meilleure compréhension des clients, révèle tendances et signaux faibles, et segmente les utilisateurs selon leurs sentiments. Ces analyses influencent les décisions stratégiques (produits, marketing, ventes) et opérationnelles Text minig, opinion mining,text analysis,classification des textes