SlideShare une entreprise Scribd logo
1  sur  39
Télécharger pour lire hors ligne
LINGWAY e-Reputation
 Industrie pharmaceutique et
            santé
                  9 février 2012




www.lingway.com
Thèmes de cette réunion
- Comment se structure l'univers de la communication des
produits pharmaceutiques sur Internet ?

- Comment classifier et quantifier automatiquement le
discours des internautes sur les produits pharmaceutiques ?


- Comment les nouveaux outils peuvent-ils aider à planifier la
communication des laboratoires ?
Notre présentation
Méthodes et outils: Bernard Normier et Cécile Potier, Lingway
   Problématique
   La plateforme LINGWAY e-REPUTATION
   Exemples et démonstrations


Cas d’utilisation : Paul Séassal et Olivier Guerin image &
dialogue consultants
   Les médicaments mis sous surveillance par l’ AFSSAPS, focus sur les
   benzodiazépines
   Les études réalisées par / pour nos clients ne pouvant être montrées pour des
   raisons de confidentialité, cette étude de cas est réalisée par Lingway et I&D
   Consultants à des fins de démonstration
> Qui sommes nous ?
Une société spécialisée sur l’analyse des données textuelles
   Transformer une information non structurée en données utilisables par des logiciels

Une centaine de clients dans différents domaines
   Les brevets, l’information scientifique et technique, les ressources humaines
   AXA, Accor, Altran, Bull, La Poste, Manpower, etc.

Une offre e-Reputation lancée il y a un peu plus d’un an
   Clients directs : Toyota, Ministère de la Culture, AXA, Union Latine, etc.
   Agences: image & dialogue consultants, Occurrence, Touchvibes, LAWW etc .

Ce que nous ne sommes pas
   Des spécialistes de l’industrie pharmaceutique (certains de nos clients le sont)
   Des conseils en stratégie: notre rôle s’arrête au recueil et l’analyse des données
e-Réputation: un enjeu incontournable

Selon plusieurs études concordantes :

  Les 3/4 des français sont des internautes

  Les 3/4 des internautes consultent Internet avant d’acheter un
  produit

  La moitié des internautes consultent les avis des autres avant
  de choisir un produit
Une idée simple
Il « suffit » d’ observer ce qui se dit sur Internet
pour avoir une perception de l’opinion des
consommateurs, électeurs, influenceurs,…

Cette information est gratuite et spontanée

Donc on pourrait passer progressivement d’un
modèle d’études basé sur les sondages à un
modèle basé sur l’observation d’Internet et des
réseaux sociaux
Mais une réalisation (très) complexe
Que faut-il surveiller ?
   Qu’est-ce qu’un échantillon représentatif sur Internet ?

Comment analyser les contenus ?
   Informations hétérogènes, non structurées, difficiles à identifier,
   récupérer, trier, analyser

Faire « à la main » n’est plus possible
   Ou alors on est obligé de réduire à quelques centaines ou milliers de
   messages, non significatifs

Donc il faut analyser de très grands volumes d’information et
se faire aider par des logiciels
   Notamment pour identifier des « signaux faibles »
Ce qui est possible avec Lingway e-Reputation

Où en parle t-on ?
   Dans quels médias ? Quels réseaux sociaux ? Quel sites ?
   Quels blogs ? Quels forums ?
De qui parle t-on ?
   Quelles marques, produits, personnes, sociétés ?
De quels sujets ?
   Quelles thématiques ? Quelle actualité ? Quelles offres ?
Qui parle ?
   Quel internaute ? Quel bloggeur ? Quel journaliste ?
Quels jugements ?
   Quels avis ? Quelles recommandations ? Quelles tonalités ?
Liste de sources
www.xxx.com…

                                                                         Pages et
                                                                         messages
                                                                            non
                                                                         structurés

 MOTS CLES




                      Transformation en données structurées
                    personnes, lieux, marques, thèmes, tonalités,
                                      avis, etc.
                                                                    Analyseurs sémantiques
                                                                                =
                                                                    Logiciels + dictionnaires




       Base de
     données de
        textes
      enrichis et
      structurés
Analyse du contenu: exemple sur un forum
Contenu analysé, structuré automatiquement
Principes de la démonstration
  Le logiciel propose de nombreuses possibilités de
  paramétrage.
Pour cette démonstration:
• Sourcing
   •   La liste des 77 médicaments surveillés par l’Afssaps
   •   Une extension aux benzodiazépines et associés
   •   Pas de sourcing sur les noms de laboratoires, pathologies, etc.
   •   Twitter, Forums, blogs, presse en ligne
  Focus sur les verbatims
   •   Un document est « découpé » en autant de passages que de citations de
       médicaments
   •   Chaque commentaire constitue un document
   •   Chaque intervention dans un fil de discussion constitue un document
   •   >> objectif : une analyse fine au niveau de chaque médicament, une
       appréciation de l’impact en fonction du nombre de citations
1 – Où en parle t-on ?
    (les sources)

     Quels médias ?,
  Quels réseaux sociaux ?
       Quels sites ?
       Quels blogs ?
    Quels forums ? etc.
Nature des sources
Annuaire
Blog (généraliste , spécialisé) + commentaires
Media (généraliste , spécialisé)
Forum (généraliste , spécialisé) + fils de discussions
Organisation ou entreprise
Presse (nationale, régionale, spécialisée)
Réseaux sociaux (Twitter, facebook)
Sites d’avis ( Ciao, … )
Webzine (généraliste , spécialisé)
Domaines des sources
Automobile        Loisirs
Business          Mode
Divers            Musique
Economie          People
Finances          Politique et Société
Environnement     Santé
Hi-tech           Sciences
Les reprises, la propagation de l’influence
Sur Twitter
  Le RT ( re-tweets ) multiplient l’impact du tweet original
  Dans cette étude, chaque RT compte autant que le tweet
  original
  C’est un paramétrage du système

Forums
  La « longueur » d’une discussion est un indice de son impact
  Chaque intervention est comptée

Blogs et sites de presse
  Les commentaires sont un indice important de l’importance du
  texte initial
DEMONSTRATION : QUELLES SOURCES ?
Où en parle t-on ?
Où en parle-t-on ?
2 - De qui parle t-on ?
     (les acteurs)

   Quelles marques ,
  quels médicaments ?
  Quels laboratoires ?
          etc…
L’identification des noms propres
Ou « entités nommées »

Grâce à des listes ( « thesaurus »)
   De sociétés
   De médicaments
   De pathologies


Grâce à des règles contextuelles
   Parce qu’on ne peut pas tout prévoir dans les listes
   Le chiffre d’affaires de Blablabla SA a augmenté de…
   Le pdg de la sociéré Blablabla a annoncé que…
DEMONSTRATION : DE QUI PARLE T-ON ?
Pharma: de quels médicaments parle-t-on?
3 - De quels sujets parle t-on ?
        (LES THEMES)

Sur des thèmes connus (grille d’analyse)
     Sur des thèmes « découverts »
La grille d’analyse
Ou « plan de classement »

Organisée de façon hiérarchique

Chaque thématique est décrite par un ensemble de
termes qui deviennent des questions au moteur
sémantique

La mise à jour se fait en temps réél

Des alertes et des outils de diffusions peuvent être
associés.
Les thèmes découverts « à la volée »
Basé sur un extracteur de groupes nominaux

Permet d’identifier des thématiques émergentes

Les thèmes ainsi découverts peuvent être
recatégorisés dans des thématiques spécifiques à
l’application considérée.

Par ailleurs, le moteur sémantique permet de faire
des recherches sur n’importe quel thème nouveau
DEMONSTRATION : DE QUOI PARLE T-ON ?
         (LES THEMES)
Quelles thématiques associées à une marque ou produit ?
Quels thématiques associées à un sujet donné ?
4 – Quelles opinions ?
 (Thèmes / Tonalités)

        Quels avis ?
Quelles recommandations ?
    Quelles tonalités ?
L’analyse des tonalités suppose une analyse linguistique fine
DEMONSTRATION :

   QUELLES TONALITES ?
       QUELS AVIS ?
QUELLES RECOMMANDATIONS ?
Quelles tonalités sur quels produits ?
Quels avis liés au Subutex ?
Le point fort de LeR = l’analyse linguistique des contenus

Un accès facilité aux données primaires
   Tous les résultats sont vérifiables
Expansion sémantique multilingue basée sur
   Des dictionnaires généraux et spécialisés très complets dans de
   nombreuses langues
Extraction des entités nommées
   Déjà connues ou découvertes par le système
Catégorisation automatique
   Sur des thématiques connues ou découvertes par le système
Calcul automatique des tonalités
   A la pointe de l’état de l’art


Mais aussi, toutes les fonctions standard pour gérer la veille
Niveaux de prestations
Accès à la plateforme
  Mode SaaS


Paramétrage et support
  Périmètre de la veille, mot-clés, filtrage, etc.


Veille externalisée
  Rapports réguliers
  Quotidiens, hebdomadaires, mensuels
Tarification
Accès à la plateforme
  Abonnement 12.000 euros par an


Incréments
  en fonction des volumes > 100.000 « remontées »
  En fonction du nombre de langues suivies
  En fonction du nombre d’utilisateurs


Services et support
  Formation, paramétrage
  Veille externalisée en fonction du périmètre à surveiller
Des questions ?

Avant de passer à la présentation
       de l’étude de cas ?
Etude de cas:
les 77 médicaments mis
  sous surveillance par
       l’AFSSAPS

Contenu connexe

En vedette

Aprendizaje de L2 con la web social
Aprendizaje de L2 con la web socialAprendizaje de L2 con la web social
Aprendizaje de L2 con la web social
Esperanza Román
 
Presentac. Pipo 18 Julio 2008
Presentac. Pipo 18 Julio 2008Presentac. Pipo 18 Julio 2008
Presentac. Pipo 18 Julio 2008
Conchi Allica
 
Tecnologies de la informació i la comunicació
Tecnologies de la informació i la comunicacióTecnologies de la informació i la comunicació
Tecnologies de la informació i la comunicació
phidalg2
 
CierreañOelectivo08
CierreañOelectivo08CierreañOelectivo08
CierreañOelectivo08
arodrig2
 
Semo 2.0 atelier lingway
Semo 2.0 atelier lingwaySemo 2.0 atelier lingway
Semo 2.0 atelier lingway
Lingway
 
Rapport 2010 CDHP du Var
Rapport 2010 CDHP du VarRapport 2010 CDHP du Var
Rapport 2010 CDHP du Var
CCDH75
 
Comments and questionnaires
Comments and questionnairesComments and questionnaires
Comments and questionnaires
05kellye
 
Hispania romana (una selección de mapas)
Hispania romana (una selección de mapas)Hispania romana (una selección de mapas)
Hispania romana (una selección de mapas)
José I. Iglesia Puig
 
Essential question lesson
Essential question lessonEssential question lesson
Essential question lesson
lynnsmith1215
 

En vedette (20)

LINGWAY forum e-marketing/ e-réputation
LINGWAY forum e-marketing/ e-réputationLINGWAY forum e-marketing/ e-réputation
LINGWAY forum e-marketing/ e-réputation
 
Aprendizaje de L2 con la web social
Aprendizaje de L2 con la web socialAprendizaje de L2 con la web social
Aprendizaje de L2 con la web social
 
Presentac. Pipo 18 Julio 2008
Presentac. Pipo 18 Julio 2008Presentac. Pipo 18 Julio 2008
Presentac. Pipo 18 Julio 2008
 
Hubble (3)
Hubble (3)Hubble (3)
Hubble (3)
 
Tecnologies de la informació i la comunicació
Tecnologies de la informació i la comunicacióTecnologies de la informació i la comunicació
Tecnologies de la informació i la comunicació
 
CierreañOelectivo08
CierreañOelectivo08CierreañOelectivo08
CierreañOelectivo08
 
Les formats audio pour les nouveaux medias
Les formats audio pour les nouveaux mediasLes formats audio pour les nouveaux medias
Les formats audio pour les nouveaux medias
 
Catherine Damesin - Comment un territoire devient-il une destination touristi...
Catherine Damesin - Comment un territoire devient-il une destination touristi...Catherine Damesin - Comment un territoire devient-il une destination touristi...
Catherine Damesin - Comment un territoire devient-il une destination touristi...
 
e-learning
e-learninge-learning
e-learning
 
Semo 2.0 atelier lingway
Semo 2.0 atelier lingwaySemo 2.0 atelier lingway
Semo 2.0 atelier lingway
 
Rapport 2010 CDHP du Var
Rapport 2010 CDHP du VarRapport 2010 CDHP du Var
Rapport 2010 CDHP du Var
 
Production pour les 4 écrans
Production pour les 4 écransProduction pour les 4 écrans
Production pour les 4 écrans
 
Comments and questionnaires
Comments and questionnairesComments and questionnaires
Comments and questionnaires
 
OpenEdition Freemium
OpenEdition FreemiumOpenEdition Freemium
OpenEdition Freemium
 
Livre blanc du peering en France
Livre blanc du peering en FranceLivre blanc du peering en France
Livre blanc du peering en France
 
Hispania romana (una selección de mapas)
Hispania romana (una selección de mapas)Hispania romana (una selección de mapas)
Hispania romana (una selección de mapas)
 
La balance
La balanceLa balance
La balance
 
Essential question lesson
Essential question lessonEssential question lesson
Essential question lesson
 
el defecto de la mujer
el defecto de la mujerel defecto de la mujer
el defecto de la mujer
 
Expérience 13 - Internaliser sa régie publicitaire
Expérience 13 - Internaliser sa régie publicitaire Expérience 13 - Internaliser sa régie publicitaire
Expérience 13 - Internaliser sa régie publicitaire
 

Similaire à Pdj pharma partie lingway

Content analytics slideshare aproged
Content analytics slideshare aprogedContent analytics slideshare aproged
Content analytics slideshare aproged
Aproged
 
Veille analyse-des-reseaux-sociaux-livre-blanc
Veille analyse-des-reseaux-sociaux-livre-blancVeille analyse-des-reseaux-sociaux-livre-blanc
Veille analyse-des-reseaux-sociaux-livre-blanc
Alex Suter
 
Présentation socialmention 2
Présentation socialmention 2Présentation socialmention 2
Présentation socialmention 2
Noëmie Douard
 
Présentation X-PRIME Groupe - eRep day 2011
Présentation X-PRIME Groupe - eRep day 2011Présentation X-PRIME Groupe - eRep day 2011
Présentation X-PRIME Groupe - eRep day 2011
X-PRIME GROUPE
 
Présentation socialmention
Présentation socialmention  Présentation socialmention
Présentation socialmention
Noëmie Douard
 

Similaire à Pdj pharma partie lingway (20)

Lingway salon Documation 2011
Lingway  salon Documation 2011Lingway  salon Documation 2011
Lingway salon Documation 2011
 
LINGWAY - Opinion mining: exemples d'applications
LINGWAY -  Opinion mining: exemples d'applicationsLINGWAY -  Opinion mining: exemples d'applications
LINGWAY - Opinion mining: exemples d'applications
 
Astrolab - Service Social Media Intelligence
Astrolab - Service Social Media Intelligence Astrolab - Service Social Media Intelligence
Astrolab - Service Social Media Intelligence
 
Opinion Mining
Opinion MiningOpinion Mining
Opinion Mining
 
Réputation et monitoring - Concepts & outils
Réputation et monitoring - Concepts & outilsRéputation et monitoring - Concepts & outils
Réputation et monitoring - Concepts & outils
 
Référentiel et Moteur de Recherche
Référentiel et Moteur de RechercheRéférentiel et Moteur de Recherche
Référentiel et Moteur de Recherche
 
Content analytics slideshare aproged
Content analytics slideshare aprogedContent analytics slideshare aproged
Content analytics slideshare aproged
 
Text mining, sentiment analysis, big data.
Text mining, sentiment analysis, big data.Text mining, sentiment analysis, big data.
Text mining, sentiment analysis, big data.
 
Presentation metiers tal_fev2011
Presentation metiers tal_fev2011Presentation metiers tal_fev2011
Presentation metiers tal_fev2011
 
Ateliers du web/veille - Cantine numérique rennaise
Ateliers du web/veille  - Cantine numérique rennaiseAteliers du web/veille  - Cantine numérique rennaise
Ateliers du web/veille - Cantine numérique rennaise
 
Veille analyse-des-reseaux-sociaux-livre-blanc
Veille analyse-des-reseaux-sociaux-livre-blancVeille analyse-des-reseaux-sociaux-livre-blanc
Veille analyse-des-reseaux-sociaux-livre-blanc
 
Presentation linked in-2011-11-09
Presentation linked in-2011-11-09Presentation linked in-2011-11-09
Presentation linked in-2011-11-09
 
La collaboration pour quoi faire
La collaboration pour quoi faireLa collaboration pour quoi faire
La collaboration pour quoi faire
 
Spotter Presentation2008 F Rv3
Spotter Presentation2008 F Rv3Spotter Presentation2008 F Rv3
Spotter Presentation2008 F Rv3
 
Spotter Presentation2008 F Rv2
Spotter Presentation2008 F Rv2Spotter Presentation2008 F Rv2
Spotter Presentation2008 F Rv2
 
Présentation socialmention 2
Présentation socialmention 2Présentation socialmention 2
Présentation socialmention 2
 
Présentation X-PRIME Groupe - eRep day 2011
Présentation X-PRIME Groupe - eRep day 2011Présentation X-PRIME Groupe - eRep day 2011
Présentation X-PRIME Groupe - eRep day 2011
 
2011 05 26 Anticipez les évolutions de votre environnement pour adapter votre...
2011 05 26 Anticipez les évolutions de votre environnement pour adapter votre...2011 05 26 Anticipez les évolutions de votre environnement pour adapter votre...
2011 05 26 Anticipez les évolutions de votre environnement pour adapter votre...
 
Présentation socialmention
Présentation socialmention  Présentation socialmention
Présentation socialmention
 
Techniques documentaires et veille stratégique
Techniques documentaires et veille stratégiqueTechniques documentaires et veille stratégique
Techniques documentaires et veille stratégique
 

Pdj pharma partie lingway

  • 1. LINGWAY e-Reputation Industrie pharmaceutique et santé 9 février 2012 www.lingway.com
  • 2. Thèmes de cette réunion - Comment se structure l'univers de la communication des produits pharmaceutiques sur Internet ? - Comment classifier et quantifier automatiquement le discours des internautes sur les produits pharmaceutiques ? - Comment les nouveaux outils peuvent-ils aider à planifier la communication des laboratoires ?
  • 3. Notre présentation Méthodes et outils: Bernard Normier et Cécile Potier, Lingway Problématique La plateforme LINGWAY e-REPUTATION Exemples et démonstrations Cas d’utilisation : Paul Séassal et Olivier Guerin image & dialogue consultants Les médicaments mis sous surveillance par l’ AFSSAPS, focus sur les benzodiazépines Les études réalisées par / pour nos clients ne pouvant être montrées pour des raisons de confidentialité, cette étude de cas est réalisée par Lingway et I&D Consultants à des fins de démonstration
  • 4. > Qui sommes nous ? Une société spécialisée sur l’analyse des données textuelles Transformer une information non structurée en données utilisables par des logiciels Une centaine de clients dans différents domaines Les brevets, l’information scientifique et technique, les ressources humaines AXA, Accor, Altran, Bull, La Poste, Manpower, etc. Une offre e-Reputation lancée il y a un peu plus d’un an Clients directs : Toyota, Ministère de la Culture, AXA, Union Latine, etc. Agences: image & dialogue consultants, Occurrence, Touchvibes, LAWW etc . Ce que nous ne sommes pas Des spécialistes de l’industrie pharmaceutique (certains de nos clients le sont) Des conseils en stratégie: notre rôle s’arrête au recueil et l’analyse des données
  • 5. e-Réputation: un enjeu incontournable Selon plusieurs études concordantes : Les 3/4 des français sont des internautes Les 3/4 des internautes consultent Internet avant d’acheter un produit La moitié des internautes consultent les avis des autres avant de choisir un produit
  • 6. Une idée simple Il « suffit » d’ observer ce qui se dit sur Internet pour avoir une perception de l’opinion des consommateurs, électeurs, influenceurs,… Cette information est gratuite et spontanée Donc on pourrait passer progressivement d’un modèle d’études basé sur les sondages à un modèle basé sur l’observation d’Internet et des réseaux sociaux
  • 7. Mais une réalisation (très) complexe Que faut-il surveiller ? Qu’est-ce qu’un échantillon représentatif sur Internet ? Comment analyser les contenus ? Informations hétérogènes, non structurées, difficiles à identifier, récupérer, trier, analyser Faire « à la main » n’est plus possible Ou alors on est obligé de réduire à quelques centaines ou milliers de messages, non significatifs Donc il faut analyser de très grands volumes d’information et se faire aider par des logiciels Notamment pour identifier des « signaux faibles »
  • 8. Ce qui est possible avec Lingway e-Reputation Où en parle t-on ? Dans quels médias ? Quels réseaux sociaux ? Quel sites ? Quels blogs ? Quels forums ? De qui parle t-on ? Quelles marques, produits, personnes, sociétés ? De quels sujets ? Quelles thématiques ? Quelle actualité ? Quelles offres ? Qui parle ? Quel internaute ? Quel bloggeur ? Quel journaliste ? Quels jugements ? Quels avis ? Quelles recommandations ? Quelles tonalités ?
  • 9. Liste de sources www.xxx.com… Pages et messages non structurés MOTS CLES Transformation en données structurées personnes, lieux, marques, thèmes, tonalités, avis, etc. Analyseurs sémantiques = Logiciels + dictionnaires Base de données de textes enrichis et structurés
  • 10. Analyse du contenu: exemple sur un forum
  • 11. Contenu analysé, structuré automatiquement
  • 12. Principes de la démonstration Le logiciel propose de nombreuses possibilités de paramétrage. Pour cette démonstration: • Sourcing • La liste des 77 médicaments surveillés par l’Afssaps • Une extension aux benzodiazépines et associés • Pas de sourcing sur les noms de laboratoires, pathologies, etc. • Twitter, Forums, blogs, presse en ligne Focus sur les verbatims • Un document est « découpé » en autant de passages que de citations de médicaments • Chaque commentaire constitue un document • Chaque intervention dans un fil de discussion constitue un document • >> objectif : une analyse fine au niveau de chaque médicament, une appréciation de l’impact en fonction du nombre de citations
  • 13. 1 – Où en parle t-on ? (les sources) Quels médias ?, Quels réseaux sociaux ? Quels sites ? Quels blogs ? Quels forums ? etc.
  • 14. Nature des sources Annuaire Blog (généraliste , spécialisé) + commentaires Media (généraliste , spécialisé) Forum (généraliste , spécialisé) + fils de discussions Organisation ou entreprise Presse (nationale, régionale, spécialisée) Réseaux sociaux (Twitter, facebook) Sites d’avis ( Ciao, … ) Webzine (généraliste , spécialisé)
  • 15. Domaines des sources Automobile Loisirs Business Mode Divers Musique Economie People Finances Politique et Société Environnement Santé Hi-tech Sciences
  • 16. Les reprises, la propagation de l’influence Sur Twitter Le RT ( re-tweets ) multiplient l’impact du tweet original Dans cette étude, chaque RT compte autant que le tweet original C’est un paramétrage du système Forums La « longueur » d’une discussion est un indice de son impact Chaque intervention est comptée Blogs et sites de presse Les commentaires sont un indice important de l’importance du texte initial
  • 18. Où en parle t-on ?
  • 20. 2 - De qui parle t-on ? (les acteurs) Quelles marques , quels médicaments ? Quels laboratoires ? etc…
  • 21. L’identification des noms propres Ou « entités nommées » Grâce à des listes ( « thesaurus ») De sociétés De médicaments De pathologies Grâce à des règles contextuelles Parce qu’on ne peut pas tout prévoir dans les listes Le chiffre d’affaires de Blablabla SA a augmenté de… Le pdg de la sociéré Blablabla a annoncé que…
  • 22. DEMONSTRATION : DE QUI PARLE T-ON ?
  • 23. Pharma: de quels médicaments parle-t-on?
  • 24. 3 - De quels sujets parle t-on ? (LES THEMES) Sur des thèmes connus (grille d’analyse) Sur des thèmes « découverts »
  • 25. La grille d’analyse Ou « plan de classement » Organisée de façon hiérarchique Chaque thématique est décrite par un ensemble de termes qui deviennent des questions au moteur sémantique La mise à jour se fait en temps réél Des alertes et des outils de diffusions peuvent être associés.
  • 26. Les thèmes découverts « à la volée » Basé sur un extracteur de groupes nominaux Permet d’identifier des thématiques émergentes Les thèmes ainsi découverts peuvent être recatégorisés dans des thématiques spécifiques à l’application considérée. Par ailleurs, le moteur sémantique permet de faire des recherches sur n’importe quel thème nouveau
  • 27. DEMONSTRATION : DE QUOI PARLE T-ON ? (LES THEMES)
  • 28. Quelles thématiques associées à une marque ou produit ?
  • 29. Quels thématiques associées à un sujet donné ?
  • 30. 4 – Quelles opinions ? (Thèmes / Tonalités) Quels avis ? Quelles recommandations ? Quelles tonalités ?
  • 31. L’analyse des tonalités suppose une analyse linguistique fine
  • 32. DEMONSTRATION : QUELLES TONALITES ? QUELS AVIS ? QUELLES RECOMMANDATIONS ?
  • 33. Quelles tonalités sur quels produits ?
  • 34. Quels avis liés au Subutex ?
  • 35. Le point fort de LeR = l’analyse linguistique des contenus Un accès facilité aux données primaires Tous les résultats sont vérifiables Expansion sémantique multilingue basée sur Des dictionnaires généraux et spécialisés très complets dans de nombreuses langues Extraction des entités nommées Déjà connues ou découvertes par le système Catégorisation automatique Sur des thématiques connues ou découvertes par le système Calcul automatique des tonalités A la pointe de l’état de l’art Mais aussi, toutes les fonctions standard pour gérer la veille
  • 36. Niveaux de prestations Accès à la plateforme Mode SaaS Paramétrage et support Périmètre de la veille, mot-clés, filtrage, etc. Veille externalisée Rapports réguliers Quotidiens, hebdomadaires, mensuels
  • 37. Tarification Accès à la plateforme Abonnement 12.000 euros par an Incréments en fonction des volumes > 100.000 « remontées » En fonction du nombre de langues suivies En fonction du nombre d’utilisateurs Services et support Formation, paramétrage Veille externalisée en fonction du périmètre à surveiller
  • 38. Des questions ? Avant de passer à la présentation de l’étude de cas ?
  • 39. Etude de cas: les 77 médicaments mis sous surveillance par l’AFSSAPS