Challenges Client

• Améliorer la qualité de l’analyse des verbatims clients sur les services d’Engie
• Remplacer la solution existante
• Déployer une solution industrialisable et intégrer une classification multithématique, ainsi que l’analyse des sentiments

Approche méthodologique

Développement d’une solution complète intégrant des algorithmes de Data Science permettant de :

• Convertir les données qualitatives en données quantitative (encodage one hot),
• Découper les verbatims en lemmes et token lexicaux, filtrer les mots vides,
• Pondérer l’importance des termes selon la méthode TF-IDF,
• Réaliser des classifications multithématiques : prédire les thèmes, sous-thèmes pour chaque verbatim client
• Séparer les verbatims (POS, TFIDF moyen…),
• Prédiction de la tonalité : prédire pour chaque thème, sous thème, la tonalité (positive, négative, neutre) associée,
• Proposer les indicateurs pour vérifier que la solution donne de meilleurs résultats que la solution précédente,
• Fournir un indicateur d’estimation de la performance des prédictions (F-Score).

Résultats