Technologie

La technologie propriétaire de MoodSights combine plusieurs expertises majeures pour exploiter les données du search des consommateurs et les transformer en insights anticipatif de leur comportement

  • 01.Text Mining
  • 02.IA & Algorithmes
  • 03.Statistiques
  • Ce premier ensemble d’expertise englobe 3 sous-parties : le Natural Language Processing (NLP), l’Analyse sémantique et la capacité Multi-langues.

    • Le Natural Language Processing (NLP) est utilisé pour des tâches telles que la détection des rubriques, la détection de la langue, l’extraction de phrases clés et la classification des mots et combinaisons de mots.
    • Analyse sémantique. L’analyse sémantique est majeure dans le cadre de l’analyse des requêtes, car beaucoup d’homonymes ou erreurs sont utilisés par les consommateurs. Par exemple, amende et amande, Londre / Londres, vacanses / vacances.
    • L’ensemble de ces technologies sont actuellement exploitables pour toutes les langues indo-européennes et peuvent être, à terme, adaptées aux langues arabes et asiatiques.
    Cette deuxième branche regroupe les savoir-faire suivants : Analyse de la compréhension des intérêts / préoccupations, Production en masse et à grande vitesse, Maillage de géolocalisation.

    • Al / Algorithmes. Automatisées et déployées à grande échelle, ces technologies permettent à MoodSights de traiter d’énorme quantité d’informations, de les mettre régulièrement à jour, dans des délais très rapides et avec des coûts de production très attractifs par rapport à des méthodes plus classiques.
    • Géolocalisation. En s’appuyant sur les données issues des datasets des moteurs de recherche, MoodSights géolocalise de façon variable (de la commune à un pays), les mots clés et combinaisons de mots utilisés par les consommateurs.
    Cette dernière brique regroupe l’ensemble des expertises quantitatives de MoodSights : Calcul des méta données et construction des tendances, Back-tests et contrôles de cohérence, constructions des Scores.

    • Méta données. MoodSights est capable de différencier les recherches générales sur une marque (je cherche des informations basiques sur beIN, comme le programme de la soirée par exemple) vs. des recherches plus spécifiques qui induisent qu’un consommateur / internaute est en phase de préachat / pré-abonnement (je cherche des informations sur les prix, les types d’offres de beIN, je compare avec les concurrents,…).
    • Dans le cas d’un score d’attractivité générale de la marque, on prendra en compte les 2 types de recherches. Dans le cas d’un score d’intention d’achat / abonnement, on ne retiendra que le second type de recherches.