Analyse des avis clients d'un palace parisien : une méthode quantitative


Dans un article publié en mars 2021 dans la revue Annals of Operations Research (Akeb et al., 2021), Hakim Akeb, enseignant-chercheur à l’ISC Paris, Aldo Lévy, enseignant-chercheur à l’ISC Paris et Professeur émérite au CNAM et Mohamed Rdali, doctorant au CNAM, se sont intéressés à l’étude des opinions laissées en ligne par les clients non-résidents d’un grand palace mondialement connu. L’objectif principal est de connaître la cause des avis négatifs émis par ce type de clientèle.

avis client, avis en ligne, opinions en ligne, e-reputation, palace, trip advisor, machine learning, text mining, opinion mining, ISC Paris, Hakim Akeb, Aldo Levy

AVIS SUR INTERNET

Le développement des services offerts sur Internet, grâce au web 2.0 et aux réseaux sociaux, fait que l’information circule plus vite (trop vite ?). Les consommateurs n’hésitent pas à laisser un avis sur Internet et ceci même lorsqu’ils achètent un produit des plus banals. D’un autre côté, les marchands et autres acteurs proposant des services doivent développer des stratégies leur permettant de communiquer et gérer les messages at opinions laissés sur différents sites web, ceci afin de maîtriser leur e-réputation (Wang et al., 2016).

ANALYSE DES SENTIMENTS

Cette discipline, appelée en anglais Sentiment Analysis ou encore Opinion Mining, est une discipline qui sert à analyser des sources textuelles afin de déterminer les sentiments exprimés. L’analyse des sentiments a connu un grand développement avec l’abondance des données sur les réseaux sociaux (Twitter, Facebook, Instagram, etc.) et autres sites de recommandations comme Booking ou encore Trip Advisor. Ces données sont alors devenues une « mine d’or » pour les chercheurs car cela leur a permis de développer et/ou d’implémenter plusieurs modèles d’analyse de données basés essentiellement sur l’analyse textuelle (Text Mining). Les méthodes les plus récentes se basent notamment sur l’apprentissage automatique (Machine Learning).

PERIMETRE DE NOTRE ETUDE

Dans notre étude, nous nous sommes intéressés aux avis laissés par les clients non-résidents d’un grand palace sur Trip Advisor sur la période allant de janvier 2014 à décembre 2019, soit six ans. Le choix de la clientèle non-résidente tient au fait que ces personnes dépensent souvent beaucoup d’argent pour aller visiter le palace, boire un verre, déjeuner ou dîner sur place, etc. Elles sont alors très sensibles au moindre « faux pas » concernant l’accueil, le service, le rapport qualité prix, etc. Ceci n’est pas toujours le cas pour les clients résidents qui louent une chambre ou une suite pour au moins une nuit.

METHODOLOGIE D’ANALYSE DES OPINIONS

La plate-forme Trip Advisor permet aux internautes de rédiger des avis et de noter une prestation, un service, un voyage ou un séjour selon plusieurs critères. Pour les hôtels, le site permet d’évaluer les critères suivants (sur une note de 1 = horrible à 5 = Excellent) : Note globale, Qualité/Prix, Service, Literie, Chambres, Propreté et Localisation. Pour notre étude, nous avons retenu (en plus bien sûr de la note globale) les critères Qualité/Prix, Service, Propreté et Localisation auxquels nous avons ajouté les critères suivants : Édifice-Cadre, Nourriture, Confort et Accueil.

Et plus de ces critères, les internautes peuvent indiquer la date du séjour et le type de séjour (en famille, entre amis, en couple, pour affaire ou en solo).

Noter d’une part que seule la note globale est obligatoire sur Trip Advisor. Il nous est alors apparu nécessaire d’analyser le commentaire textuel laissé par l’internaute afin de déterminer si les critères ci-dessus ont été évalués positivement (4/5 ou 5/5) ou négativement (moins de 4/5). Ces deux nombres représentent alors une « polarité ».

Sur la période allant de janvier 2014 à décembre 2019, nous avons comptabilisé 623 commentaires rédigés par des clients non-résidents de l’hôtel. Ces commentaires ont été rédigés dans plusieurs langues, essentiellement en anglais et en français. Nous obtenons ainsi une matrice contenant 623 lignes (avis) et 8 colonnes (critères évalués par les clients). Il est alors devenu possible d’appliquer différentes méthodes statistiques pour essayer de comprendre la cause des avis négatifs.

avis client, avis en ligne, opinions en ligne, e-reputation, palace, trip advisor, machine learning, text mining, opinion mining, ISC Paris, Hakim Akeb, Aldo Levy

RESULTATS OBTENUS

> Pourcentage des opinions négatives
− 63% des opinions concernant le critère qualité/prix sont négatives. C’est d’ailleurs le critère le plus mal noté. En effet, les clients non-résidents s’attendent à une grande qualité de service et ne tolèrent aucun « faux pas » de la part des serveurs notamment.
− 30% des opinions concernant le service sont aussi négatives. Ce qui n ‘est pas acceptable pour un établissement de ce standing.
− L’accueil est aussi montré du doigt avec 39% d’opinions négatives.

> Critères influant sur la note globale sur TripAdvisor
Une analyse de corrélation a montré que la note globale est très corrélée avec le critère qualité/prix (à +67%), avec la qualité de service (+82%) et la propreté (+57%).

> Influence du type de séjour sur la note globale
Notre étude n’a montré aucune relation entre ces deux variables.

> Impact financier des mauvaises opinions
L’étude a montré que ces mauvaises opinions n’ont pas eu d’impact financier. Par exemple, sur la période 2014 à 2016, nous avons observé une diminution du pourcentage des opinion négatives mais aussi une baisse du chiffre d’affaires.
Sur la période 2017 à 2019, nous avons constaté une augmentation du pourcentage des opinions négatives mais en même temps une augmentation du chiffre d’affaires.

RECOMMANDATIONS

Steve Culp (senior managing director d’Accenture Finance & Risk Services) déclare que « les réseaux sociaux ont gagné en popularité et en importance plus rapidement que les capacités de gestion des risques que la plupart des entreprises peuvent actuellement gérer » (Accenture, 2014). Les réseaux sociaux peuvent avoir des conséquences négatives en termes d’image de marque, de stratégie, de risques juridiques et de marché (Accenture, 2014).

Il est alors logique pour toute entreprise d’évaluer et de gérer ces risques. Pour notre étude, nous pensons que le community manager (poste clé pour ce type d’entreprise, c’est-à-dire un hôtel de luxe) peut aider la direction de l’entreprise à affiner la politique d’investissement concernant la formation des employés en fonction des commentaires et des retours des clients non-résidents sur Internet. Cela peut se faire en mettant en place un système de reporting combinant l’évolution des opinions avec plusieurs données financières. Les tableaux et graphiques ainsi créés seraient d’un grand intérêt pour l’hôtel et peuvent être utilisés pour des questions financières et de gestion des risques.

Bibliographie

Accenture. (2014). A comprehensive approach to managing social media risk and compliance.  https://www.accenture.com/_acnmedia/Accenture/Conversion-Assets/DotCom/Documents/Global/PDF/Technology9/Accenture-Comprehensive-Approach-Manag ing-Social-Media -Risk-Compliance.pdf

Akeb H., Lévy A. et Rdali M. (2021), A quantitative method for opinion ratings and analysis: an event study, Annals of Operations Research, publié en ligne en mars 2021, https://doi.org/10.1007/s10479-021-04023-1

Wang T., Wezel F. C. et Forgues B. (2016). Protecting market identity: When and how do organizations respond to consumers’ devaluations. Academy of Management Journal, volume 59(1), pp. 135–162. https://doi.org/10.5465/amj.2014.0205

Nous utilisons des cookies pour vous offrir la meilleure expérience en ligne. En acceptant, vous acceptez l'utilisation de cookies conformément à notre politique de confidentialité des cookies.

Paramètres de confidentialité sauvegardés !
Paramètres de confidentialité

Lorsque vous visitez un site Web, vous acceptez le dépôt et la lecture de cookies et l'utilisation de technologies de suivi nécessaires à leur bon fonctionnement. Vous avez le contrôle pour personalisé les cookies.

Veuillez noter que les cookies essentiels sont indispensables au fonctionnement du site, et qu’ils ne peuvent pas être désactivés.

Pour utiliser ce site Web, nous utilisons les cookies suivant qui sont techniquement nécessaires
  • wordpress_test_cookie
  • wordpress_logged_in_
  • wordpress_sec

Refuser tous les services
Accepter tous les services