Système de recommandation sémantique enrichi : application au domaine du e-marketing

Enriched semantic recommendation system : application to the e-marketing domain

• Auteur / Autrice : Baba Mbaye
• Direction : Ioan Roxin, Federico Tajariol
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'information et de la communication
• Date : Soutenance le 25/04/2022
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Lettres, Communication, Langues, Arts (Dijon ; Besançon ; 2017-....)
• Partenaire(s) de recherche : établissement de préparation : Université de Franche-Comté (1971-....)
• Partenaire(s) de recherche : Entreprise : Effet B
• Partenaire(s) de recherche : Laboratoire : Edition, Langages, Littératures, Informatique, Arts, Didactiques, Discours (ELLIADD) (Besançon)
• Jury : Président / Présidente : Stéphane Caro Dambreville
• Jury : Examinateurs / Examinatrices : Laurence Balicco, Loïc Lazar-Favory
• Jury : Rapporteurs / Rapporteuses : Imad Saleh, Sylvie Calabretto

Mots clés

Mots clés contrôlés

Exploration de données

Systèmes de recommandation (informatique)

Consommateurs -- Satisfaction

Marketing sur Internet

Systèmes d'information

Apprentissage automatique

Mots clés libres

Extraction de connaissances

Outil d'annotation sémantique

Système de recommandation

Interprétation d'information

Enquêtes mystères

Interpretation of information

Recommendation system

Semantic annotation tool

Knowledge extraction

Résumé

Cette thèse est ancrée dans les champs des sciences de l’information et de la communication, de l’ingénierie des connaissances et appliquée au domaine du e-marketing et plus précisément aux enquêtes mystères. Une enquête mystère est une visite en point de vente effectuée par un enquêteur. La visite en point de vente a pour but de mesurer la qualité de l’accueil, la qualité du conseil et le respect des consignes de vente. Les rapports produits par les « enquêtes mystères » et les études de satisfaction sont des notes, des classements et des verbatims issus de questions ouvertes et fermées. Les commanditaires des enquêtes utilisent ces rapports pour définir des plans d’actions pour améliorer la qualité et l’efficacité du service, allant des changements organisationnels jusqu'à la mise en place de formations spécifiques pour augmenter les compétences du personnel. Ainsi, l’enjeu de cette thèse est d’exploiter les technologies du web sémantique et de l’apprentissage automatique pour mettre en place un système de recommandation capable d’analyser et de partiellement interpréter les données collectées. Pour ce faire, nous nous intéressons à l’élaboration et l’expérimentation de nouvelles approches d’annotation sémantique de données. La mise en place de ce système d’interprétation nécessitera une base de connaissances qui sera alimentée par ces annotations(métadonnées). Nous utilisons aussi les technologies de l’apprentissage automatique pour enrichir le traitement de la recommandation, pour améliorer la pertinence de la prédiction et pour classifier automatiquement les items à recommander pour mieux guider l’expert dans sa prise décision finale sur les axes à améliorer au sein des points de vente.

This thesis is anchored in the fields of Information and Communication Sciences, knowledge engineering and applied to the field of e-marketing and more precisely to mystery shopping. A mystery survey is a point-of-sale visit carried out by an investigator. The purpose of the point of sale visit is to measure the quality of the reception, the quality of the advice and the respect of the sales instructions. The reports produced by « mystery surveys » and satisfaction studies are notes, rankings and verbatim reports based on open and closed questions. Survey sponsors use these reports to define action plans to improve service quality and efficiency, ranging from organizational changes to the implementation of specific training to increase staff skills. Thus, the challenge of this thesis is to exploit the technologies of the semantic web and automatic learning to set up a recommendation system capable of analyzing and partially interpreting the collected data. To do this, we are interested in developing and testing new approaches to semantic annotation of data. The implementation of this interpretation system will require a knowledge base that will be fed by these annotations (metadata). We also use machine learning technologies to enrich the recommendation processing, to improve the relevance of the prediction and to automatically classify the items to be recommended in order to better guide the expert in his final decision making on the areas to be improved within the points of sale.