2.1.3 Illustration avec trois cas d'usage 2.1.3.1 Le
tourisme
Stalidis, Karapistolis et Vafeiadis (2015)95
développent une étude portant sur le tourisme où les
données résultant de personnes interrogées ont
été traitées puis classifiées pour
95 George Stalidis, Dimitrios Karapistolis, Athanasios
Vafeiadis, Marketing Decision Support Using Artificial Intelligence and
Knowledge Modeling: Application to Tourist Destination Management,
Procedia - Social and Behavioral Sciences, Volume 175, 2015, Pages 106-113,
ISSN 1877-0428
55 / 112
L'intelligence artificielle au sein des services
marketing
les insérer dans un réseau de neurones
artificiels donnant des recommandations automatiquement en fonction de
requêtes de clients potentiels ou effectifs.
Ces dernières portaient essentiellement sur des
destinations et les retours d'expériences de chaque voyageur
questionné, ayant pour ultime but de recevoir des informations sur
l'image de la ville perçue par ses touristes, et les raisons de leur
voyage ainsi que leurs retours sur ce dernier.
2.1.3.2 Le sarcasme sur le réseau social Twitter
Nous pouvons également évoquer le
développement d'une IA dotée d'une intelligence permettant de
détecter le sarcasme dans la sémiotique à partir de 5000
tweets extraits de la plateforme Twitter à travers d'autres
requêtes (Mukherjee et Kumar Bala, 2017)96, et classées
entre trois formes de réponses selon leur sémantique : positives,
neutres ou négatives. La sémiotique est une combinaison de la
syntaxe, sémantique et le pragmatique correspondant à la
recherche en ligne sur internet97. Cette méthode est une
intelligence artificielle (Lolli, 2013) puisqu'elle prend en compte les besoins
et les sens des requêtes émanant de l'utilisateur.
Cette expérience est applicable à l'ensemble des
textes et pas seulement réduit à un réseau social : on
pourrait l'imaginer sur un forum interne d'une entreprise ou encore lors
d'événements comme une sortie de produit, par exemple.
Cet usage nous montre ainsi les avancées
considérables d'outils pour les marketeurs en matière
d'étude de la réaction des consommateurs ou clients, ainsi que
dans le marketing comportemental plus globalement.
96 Shubhadeep Mukherjee, Pradip Kumar Bala, (2017)
"Detecting sarcasm in customer tweets: an NLP based approach",
Industrial Management & Data Systems, Vol. 117 Issue: 6, pp.1109-1126
97 C·neyt Dirican, The Impacts of
Robotics, Artificial Intelligence on Business and Economics, Procedia -
Social and Behavioral Sciences, Volume 195, (2015), Pages 564-573, ISSN
1877-0428
56 / 112
L'intelligence artificielle au sein des services
marketing
2.1.3.3 Automatic Idea Detection System
Proche de celle évoquée par Mukherjee et Kumar
Bala98, « l' automatic idea détection system »
(système de détection automatique d'idées)
développé par Christensen99 génère
automatiquement un catalogue d'idées dans un premier temps survenus de
suggestions ordonnées par des humains. Il ferait partie
intégrante d'un système d'assistance intelligent pour les
marketeurs. Mais au-delà de l'assistance, ce dernier peut
s'avérer tout aussi utile dans une fonction d'analyse.
Christensen en fait la preuve avec une démonstration du
potentiel d'un système d'automation spécifique où
l'intelligence donne sa suggestion sur la faisabilité, la
nouveauté et la valeur d'une idée. L'idée a
été publiée en amont sur les réseaux sociaux ou
bien dans des communautés d'utilisateurs. Elle concerne une entreprise
donnée au préalable et les données scrutées
proviennent de réseaux sociaux ciblés et des citations de
personnes.
Au-delà de la complexité du système mis
en place du fait de sa nature semi-structurée voire nulle, ces derniers
ont classé les données et détecté que 67% des cas
examinés automatiquement par la machine étaient en
adéquation avec les résultats obtenus par l'analyse des
professionnels. Ce résultat peut être paru comme mitigé
tant il est encore loin de la perfection, mais ce dernier montre bien la
puissance de ce système pouvant être suffisamment fiable dans
l'utilisation que des marketeurs pourraient en avoir dans un but de recherche,
de prise d'information et non de prise de décision.
98 Shubhadeep Mukherjee, Pradip Kumar Bala, (2017)
"Detecting sarcasm in customer tweets: an NLP based approach",
Industrial Management & Data Systems, Vol. 117 Issue: 6, pp.1109-1126
99 Christensen K, Scholderer J, Hersleth SA, et al.
How good are ideas identified by an automatic idea detection system?
Creat Innov Manag. 2018 ;27 :23-31
57 / 112
L'intelligence artificielle au sein des services
marketing
| 
