WebAnalytics: Tendances Social Media Monitoring

Le salon e-marketing Paris 2010 auquel inbenta a participé a accueilli cette année 200 exposants, 125 conférences et plus de 11 500 visiteurs.

Une des tendances qui a le plus retenu notre attention fut la tendance auprès des platformes de WebAnalytics a proposé des outils de « Social Media Monitoring » (SMM) ou encore de « Brand Monitoring ». Ces outils, principalement destinés aux entreprises, visent à mesurer et analyser ce qui se dit sur la marque de l’entreprise sur les principaux média sociaux tels que Twitter ou FaceBook et avoir ainsi une idée de la « e-reputation » de l’entreprise.

Si cette analyse est pertinente, elle permet de rendre compte des principales plaintes, louanges, problèmes, questions et besoins exprimés par la cible marketing de l’entreprise. En poussant l’analyse, il est également possible de connaitre les impacts positifs ou négatifs d’une nouvelle campagne marketing ou d’une situation de crise ou encore de l’influence de la concurrence. Ces informations sont très utiles pour aider à la prise de décision des différents acteurs d’une entreprise : Service clientèle, Service Communication et Marketing, Gestion d’une situation de crise, Service technique des produits ou services, …

Concrètement les outils de SMM proposés par les plateformes de Webanalytics permettent aujourd’hui de réaliser des analyses quantitatives/volumétriques sur ce qui se dit sur une marque sur internet. Cette analyse se fait en 4 étapes :

1. lister par catégorie des mots clefs à surveiller (nom de la marque, nom d’un produit/service, nom du secteur d’activité, mots liés à une nouvelle campagne marketing)
2. scanner les médias sociaux à la recherche de ces mots clefs
3. faire des analyses quantitatives sur l’apparition de ces mots clefs en fonction du temps et des différents types de supports (Twitter, Facebook, Blogs influents, forums, sites spécialisés..).

Certaines solutions SMM proposent également de réaliser la même analyse pour les concurrents de la société client afin de permettre à la société client de connaitre son positionnement face à la concurrence.

4) Suite à l’analyse quantitative de ces données, les plateformes de Webanalytics créent des nuages de tag par catégorie mettant en avant pour une période donnée les mots clefs les plus populaires (Exemple, catégorie « Produits »:  Xbox, PSP3, Sony PSP, Wii).

Cette analyse est très intéressante et permet de suivre dans le temps la popularité des différents mots clefs sélectionnés. Certaines solutions SMM permettent également de faire correspondre à des pics de popularité la sortie d’un produit d’un concurrent ou de l’annonce d’un futur partenariat/OPA d’un acteur important du marché (ceci grâce à des outils tels que Google Trends/Insight)

Ceci dit, en terme qualitatif ces informations ne sont pas du tout pertinentes et ne nous renseignent en rien sur la valeur de la popularité : s’agit-il d’une bonne ou d’une mauvaise popularité ? Quelles mesures prendre pour améliorer/dissimuler cette bonne/mauvaise popularité ?

Afin de pouvoir fournir cette information qualitative, qui a beaucoup plus de valeur que l’information quantitative, il faudrait pouvoir analyser le contexte dans lequel chaque mots clefs a été mentionné. « Je suis très satisfait de ma Xbox » n’a pas la même valeur que « Je ne suis pas du tout satisfait par Xbox ». Le concept du Traitement du Langage Naturel (TLN) permet d’interpréter le sens des phrases et son contexte. Ce concept permettrait lors de l’analyse de l’information extraite des medias sociaux de pondérer chaque mot clef d’une valeur positive ou négative et de fournir ainsi deux nuages de tag, un nuage de tag illustrant les mots clefs ayant une popularité positive et un nuage de tag illustrant les mots clefs ayant une popularité négative. Chaque bonne/mauvaise popularité serait expliquée par les principales plaintes, louanges, problèmes, questions et besoins exprimés par la cible marketing de l’entreprise et tournant autour du mot clef sélectionné.
Cette qualification de l’information rendue possible par le Traitement du Langage Naturel permettrait d’apporter une forte valeur ajoutée aux outils de Social Media Monitoring : cette solution existe ici.