Aider un développeur de jeux vidéo de premier plan à automatiser l'analyse des retours clients
Réduction des coûts et du temps passé sur la récupération manuelle de sujets/thèmes et la classification.
Réduction des coûts et du temps passé sur la récupération manuelle de sujets/thèmes et la classification.
- DéfiAnalyse des retours clients coûteuse et chronophage
- SolutionCollecte et analyse automatisée des avis
- Technologies et outilsPython, Kafka, Elasticsearch, Celery
Client
Wargaming est un développeur et éditeur de jeux international avec une audience de plus de 150 millions.
Défi : Analyse chronophage des retours clients
Les joueurs sont très actifs sur les réseaux sociaux et divers forums, où ils publient des retours sur les nouvelles sorties de jeux. Leurs actions génèrent des milliers de pages de contenu précieux, qui jouent un rôle important dans le développement des produits.
Cependant, une telle quantité de données textuelles non structurées ne peut pas être traitée manuellement de manière efficace. C'est pourquoi la principale préoccupation du développeur de jeux vidéo était liée à la quantité de travail que le département de recherche sociale devait effectuer manuellement pour copier tous les commentaires des canaux en ligne et en définir le sentiment et les sujets. Ces textes contiennent des informations précieuses sur différents aspects du jeu, tels que les développeurs, l'interface, la tarification, le moteur, les bugs, etc.
Il était important pour le client de pouvoir surveiller chacun de ces aspects séparément et d'exporter des rapports dans un format pratique pour le département de recherche sociale.
Solution : Collecte et analyse automatisée des avis
En travaillant en étroite collaboration avec le client DataSqueeze, l'équipe a construit un outil d'analyse des retours clients qui permettait de télécharger et d'analyser rapidement tous les avis de YouTube et des forums.
L'outil a combiné tous les avis dans une base de données, où l'on pouvait facilement trouver les textes nécessaires et les sentiments sur chaque sujet, à une date particulière, et les exporter au format CSV. La solution était alimentée par des modèles NLP sur mesure entraînés pour comprendre l’argot spécifique au jeu en question. Les modèles ont joué un rôle crucial dans la solution puisque les joueurs utilisent leur propre argot, dont une partie est vraiment difficile à comprendre si l’on n’en fait pas partie.
Avec l’aide de l’outil, l’équipe du client dispose de toutes les informations nécessaires dès la mise en ligne de la nouvelle version et peut réagir aux retours de ses joueurs le plus rapidement possible, évitant un processus complexe de récupération des avis.
Résultat : Réduction du temps et du coût de l'analyse des retours clients
La solution DataSqueeze a permis au développeur de jeux vidéo de réduire les coûts et le temps consacrés à la récupération manuelle des sujets et à la classification de tous les avis et commentaires en ligne. Le client a constaté une amélioration significative tant dans le processus de travail du département de recherche sociale que dans la qualité des enseignements quelques mois après le déploiement de la solution DataSqueeze. Surtout, la solution a contribué à réduire le biais lié aux perceptions individuelles de l'information, améliorant la fiabilité des décisions prises à partir des données.