Gautam Kanumuru, PDG et co-fondateur de Yogi – Série d’entretiens

Vous avez précédemment travaillé sur le traitement automatique du langage naturel et Cortana chez Microsoft, puis vous avez aidé à diriger Clarke.AI jusqu’à son acquisition. Qu’est-ce qui vous a motivé à créer Yogi, et comment votre parcours a-t-il influencé la mission de l’entreprise ?

Ce qui m’a poussé à créer Yogi, c’est vraiment le potentiel du traitement automatique du langage naturel. Chez Microsoft et Clarke.AI, j’ai vu de mes propres yeux comment une amélioration relativement faible du traitement automatique du langage naturel – disons, une augmentation de 5 à 10 % des performances – pouvait débloquer des centaines de cas d’utilisation en aval. Mais j’ai également remarqué un écart entre ce qui semblait impressionnant dans une démonstration et ce qui apportait réellement de la valeur aux clients. Avec Yogi, nous nous sommes efforcés de combler cet écart. Nous voulions construire quelque chose qui puisse avoir un impact tangible et visible, comme des changements dans un produit sur une étagère de magasin que l’on peut retracer jusqu’aux insights générés par notre plateforme.

Au début de Yogi, quel a été le plus grand obstacle pour convaincre les marques de consommation de faire confiance à l’IA pour quelque chose d’aussi nuancé que le sentiment des clients ?

Le scepticisme venait de deux endroits : l’un était la technologie elle-même, et l’autre, c’était nous, une petite entreprise qui parlait à de grandes entreprises. Nous avons appris rapidement que ce n’est pas suffisant de parler de ce que votre produit peut faire, il faut le montrer. Cela signifiait offrir d’analyser des échantillons avant d’être demandé, répondre à des questions commerciales réelles sur le moment, et toujours apporter de la valeur dès le premier jour. Et nous avons également fait clairement comprendre que nous travaillerions pour résoudre tout problème après l’adoption. Ce type de fiabilité comptait.

Yogi utilise l’IA et le traitement automatique du langage naturel pour extraire le sentiment des avis de produits. Pouvez-vous nous expliquer comment votre plateforme traduit les commentaires bruts des acheteurs en insights granulaires et actionnables ?

Nous le voyons en trois étapes : agréger, organiser et analyser. Tout d’abord, nous agrégeons les commentaires des clients à partir de plusieurs canaux : les avis, les enquêtes, les tickets de support, et nous nous assurons qu’ils sont correctement associés au bon produit, au code produit et au détaillant. C’est plus difficile que cela n’y paraît. Par exemple, le même produit peut avoir des listes légèrement différentes sur plusieurs sites.

Ensuite, nous organisons les données. C’est là que notre deuxième couche d’IA lit les commentaires de la même manière qu’un humain. Elle identifie les sujets qui sont discutés, la façon dont ils sont décrits et avec quel sentiment, sans s’appuyer uniquement sur des mots clés.

Enfin, nous analysons. C’est là que nous présentons les insights à nos utilisateurs par le biais d’une interface très interactive. Nos outils les plus récents permettent même aux utilisateurs de poser des questions complexes comme « Comment ai-je performé par rapport à mes trois concurrents au cours de la dernière année ? » et d’obtenir une réponse en quelques secondes.

Qu’est-ce qui différencie les modèles d’IA de Yogi des outils d’analyse de sentiment génériques ? Y a-t-il des techniques spécifiques qui vous aident à capturer la nuance dans les commentaires des consommateurs ?

Yogi est comme le diplômé d’un doctorat en commentaires de consommateurs. Les modèles génériques, même les plus avancés comme ChatGPT, sont comme des étudiants très intelligents en licence : ils connaissent un peu tout. Nous avons affiné nos modèles spécifiquement pour cet espace, en utilisant notre propre ensemble de données et un prétraitement approfondi. Parce que nous ajoutons des couches de structure, comme le sentiment, les sujets et la cartographie des produits, nous fournissons un contexte riche autour de chaque pièce de texte que le modèle évalue.

De nombreuses plateformes d’IA ont du mal avec le contexte ou le sarcasme dans les avis des clients. Comment Yogi aborde-t-il les défis des données non structurées et émotionnellement complexes ?

Nous les abordons grâce à une formation continue et à l’input des utilisateurs. Notre modèle s’améliore en ingérant continuellement des exemples de sarcasme, d’ambiguïté ou de langage évoluant. Nous permettons également aux utilisateurs de signaler des interprétations problématiques, que nous pouvons ensuite réintégrer dans notre processus de formation. Cette affinage ne nécessite pas des millions d’exemples, juste une poignée d’exemples ciblés peut améliorer de manière significative les performances.

Comment Yogi aide-t-il les entreprises à détecter les problèmes de produit, à suivre les changements de sentiment et à réagir en temps réel ? Pouvez-vous partager une histoire de réussite ?

Tout à fait. De manière générale, nous voyons une multitude de cas d’utilisation, mais trois catégories principales. Premièrement, l’innovation de produit : les entreprises utilisent Yogi pour explorer de nouvelles catégories et identifier les besoins non satisfaits avant de lancer un nouveau produit. Nous avons eu des clients qui ont commencé à utiliser Yogi deux ans avant la sortie d’un produit pour façonner tout, de la formule au conditionnement.

Deuxièmement, la qualité du produit : si une équipe change un composant – disons, une pièce dans une machine à café – ils peuvent suivre le sentiment post-lancement pour voir si les plaintes augmentent. Cela s’applique à travers les secteurs, y compris la beauté, l’alimentation et l’électronique.

Troisièmement, l’analyse stratégique : nous avons vu des marques utiliser Yogi pour évaluer les acquisitions potentielles en analysant les commentaires des consommateurs sur les produits ciblés. C’est un niveau de diligence que ils n’avaient pas accès avant.

Yogi est maintenant utilisé pour optimiser les pages de détails de produits, aligner les messages marketing et même suivre les problèmes d’expédition. Comment le produit a-t-il évolué pour prendre en charge autant de flux de travail ?

C’est tout à fait centré sur le client. Nous croyons que les commentaires des consommateurs sont pertinents pour chaque équipe dans une entreprise, du produit aux ventes au support. Donc, lorsque nous voyons nos utilisateurs tirer des insights pour un nouveau but, nous nous demandons : Yogi peut-il s’adapter pour prendre en charge ce cas d’utilisation de manière native ? C’est ainsi que nous avons grandi. Nous n’avons pas construit pour le marketing ou la chaîne d’approvisionnement à l’origine, mais ces équipes ont vu la valeur et ont demandé des fonctionnalités. Nous avons écouté.

Comment aidez-vous les entreprises à surveiller les concurrents et à détecter les perturbateurs avant qu’ils ne deviennent des menaces ?

Nous exploitons les sources publiques comme les avis et les évaluations pour suivre les produits concurrents en temps réel. Notre plateforme utilise des alertes et un « flux d’insights » pour signaler lorsqu’il se passe quelque chose d’inhabituel, comme une augmentation soudaine de sentiment positif pour un produit d’un concurrent. Nos clients n’ont pas besoin de surveiller tout cela manuellement. Yogi scanne constamment et fera surface de tout ce qui est notable sans être sollicité.

Où voyez-vous l’avenir des insights de consommation basés sur l’IA dans les 3 à 5 prochaines années, et quel rôle Yogi jouera-t-il dans ce paysage ?

Deux changements clés sont en route. Premièrement, l’automatisation. Les tâches qui prenaient des semaines, comme compiler une comparaison de concurrents, sont réduites à des heures ou même des minutes. Bientôt, un utilisateur pourrait poser une question à Yogi et obtenir un rapport ou une présentation entièrement formatés en retour.

Deuxièmement, l’émergence de nouveaux types d’analyse. L’IA permettra des investigations rapides et itératives qui étaient autrefois trop coûteuses ou prenantes, comme des insights de type groupe de discussion à partir de données publiques. Nous croyons que Yogi est bien positionné pour mener la charge sur ces deux fronts : accélérer la recherche et permettre de nouveaux flux de travail.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Yogi.