Événements | SMWNYC | SMWLA | 9 min

Ce que l’IA ne vous dira pas : 3 règles pour transformer les données en insights pertinents

Don't forget to share this post!

blog-post-example-media

Promettre aux entreprises une meilleure connaissance-client grâce au social listening, c’est évidemment compter sur le recours à une intelligence artificielle puissante pour analyser des centaines de millions d’échanges quotidiens sur les médias sociaux.

Alors bien sûr, l’IA est indispensable pour rendre la social data intelligible et l’enrichir, mais elle ne remplacera pas - de sitôt- la finesse de l’expertise sectorielle et localisée d’un être humain doté d’intuition, en capacité de comprendre au delà de l’évidence quantitative.

C’était justement tout l’objet des interventions de Benjamin Duvall, notre US evangelist, aux Social Media Week de New York et Los Angeles, à savoir comment ré-envisager la proposition de valeur du social listening, en accompagnant la captation de donnée en masse d’un regard et d’une analyse humaine pour, enfin, tirer de véritables insights.

Linkfluence Chief Evangelist Benjamin Duvall at Social Media Week

Benjamin Duvall, Chief Evangelist Officer de Linkfluence à la Social Media Week de Los Angeles.

Pour une exploration en profondeur du potentiel - et des limites - de l’IA dans l’analyse de la social data, Benjamin s’est attaché à rappeler les trois principes qui permettent aux marques de faire de cette donnée massive et non-structurée, de pertinents insights pour rester en tête des préférences des consommateurs.

Et si tout ne tenait finalement qu’à la clairvoyance d’un regard humain affuté ?

Quelle couleur voyez-vous ?

Jetez donc un œil à cette photographie. De quelle couleur est le ciel ?

Beijing ‘Olympic blue’ sky

Ciel « bleu olympique » de Beijing

D’aucuns affirmeraient qu’il est bleu, ou bleu ciel pour les plus pointilleux. Une IA bien entraînée parviendrait sans doute à la même conclusion.

En réalité, les internautes chinois appellent cette nuance particulière de bleu le « bleu olympique » en référence au fait que le ciel bleu de Beijing ne soit que le résultat d’une injonction temporaire de l’État chinois à fermer les usines et diminuer le trafic routier en prévision de grands événements comme les JO, par exemple.

Avant l’avènement des médias sociaux, toute critique faite au gouvernement concernant l’environnement était perçue comme une atteinte à la cohésion sociale et entraînait généralement des conséquences fâcheuses pour les plus vindicatifs. Sauf que l’activisme écologiste s’est tellement fait entendre sur la plateforme sociale Sina Weibo, que la diminution de la pollution atmosphérique est devenue l’un des objectifs majeurs poursuivis par la Chine.

Ce que l’IA ne relèvera pas en revanche, c’est le courant social perturbateur que dissimule cette photographie ou son impact sur la culture et le mouvement pour un mode de vie sain en Chine.

Voilà ce que l’IA ne peut pas faire pour votre marque. Demandez-lui de repérer des photos d’un ciel dégagé au dessus de Beijing : pas de problème. Demandez à un logiciel d’exposer le contexte sous-tendu et les insights au sein de cette même photographie : votre demande demeurera sans réponse.

Et pourtant, les marques ont besoin d’insights, pas seulement d’observation sans valeur actionable.

La transformation digitale, encore et toujours

L’avènement des médias sociaux a bouleversé plus d’un aspect de nos sociétés et de nos cultures, y compris la façon dont les marques interagissent avec leur public et leurs consommateurs.

En outre, cet essor n’a fait que creuser l’écart entre deux catégories d’entreprise : celles qui gagnent et celles qui perdent.

Là où certaines marques ont perdu plusieurs centaines de millions de dollars suite à diverses crises sur les médias sociaux (Fonterra, KFC, et Apple par exemple), d’autres sont parvenues à tirer profit des médias sociaux (à l’image de Maybelline, SK-II et Nike).

À vrai dire, la Harvard Business Review présage que la plupart des entreprises de l’actuelle liste Fortune500 auront été remplacées d’ici dix ans et que la transformation numérique en sera évidemment l’un des facteurs principaux.

La réponse du marketing a été d’insister sur toujours plus de compréhension du comportement et des attentes des consommateurs. Pour ce faire, le social listening s’avère être un moyen incontournable, en extrayant du sens dans plusieurs centaines de millions de posts quotidiens sur les médias sociaux, issus de millions de sources, dans des douzaines de langues. Impossible de gérer ces quantités de data sans compter sur le soutien de l’IA.

AI Series - Measure your influencer impact with celebrity identification

Source: Série IA : Quand l’identification de célébrités vous aide à évaluer l’impact de votre influenceur, Linkfluence.

Pour vous donner un exemple, un logiciel de social listening employant le procédé de computer vision sera capable de traiter et de classer automatiquement des images complexes mais aussi d’en identifier les scènes, les objets et les personnes.

Malgré tout, la computer vision la plus élaborée ne sera pas en mesure de déterminer le contexte plus profond et les nuances en filigrane d’une simple image.

À ce niveau-là, c’est à l’analyse humaine de faire le lien.

 

Question de contexte

Que les choses soient claires : l’IA est un outil formidable - et d’une infime précision - lorsqu’il s’agit de rassembler, de classer et d’analyser de grandes quantités d’information.

C’est la raison pour laquelle la plupart des marques ont déjà recours à des logiciels de social listening avec IA intégrée pour suivre leurs performances sur les médias sociaux et mettre en évidence les tendances émergentes.

Alors oui, les outils de social listening nous permettent de traiter et d’interpréter d’importants volumes de données. Mais ils ne peuvent que nous fournir des observations et non pas de véritables insights.

Par exemple, le social listening pourra vous indiquer qui dans le monde discute généralement de telle marque de sneakers mais aussi où se trouve ces personnes ainsi que quelques données démographiques. Et ce sont-là des observations très profitables.

Observation and insight, spotting risks and opportunities

Observation et insight, repérer les risques et les opportunités.

En revanche, ces observations ne vous indiqueront en aucun cas pourquoi telle campagne soutenue par telle célébrité aura généré une hausse des ventes dans un pays en particulier, ni la nature des risques liés à l’utilisation de matériaux non viables pour la réputation d’une marque.

Les observations permettent d’orienter les améliorations progressives. Les insights-consommateurs offrent aux marques la possibilité de détecter le prochain grand risque ou la prochaine opportunité. Et c’est ce qui peut faire la différence entre reproduire ce que font déjà les autres, ou les laisser loin derrière.

Alors, comment trouver ces insights ?

Trois règles pour transformer les données en insights pertinents

Comme nous avons déjà pu l’observer, le rôle de l’IA n’est aucunement à remettre en cause, tend elle se rend indispensable pour traiter et enrichir l’océan de données du web social. Mais elle ne fait pas tout : encore faut-il transformer les données en insights pertinents.

Nous avons donc listé trois points-clés à ne jamais oublier.

Règle #1: Soyez un marketeur avant d’être un geek

Dès 2011, le social listening était sur toutes les lèvres. Cette année-là, une entreprise de social marketing a été rachetée pour la modique somme de 340 millions de dollars, et une autre pour 689 millions de dollars, rien que ça !

À cette époque, le social listening se concentrait simplement sur le suivi des performances d’une marque et non pas sur des paramètres stratégiques tels que la brand equity.

Jetez un œil à nos précédentes études pour comprendre ce dont il s’agit :

Diagram

Des paramètres simples pour une analyse sans réelle profondeur : le volume de posts, la part de voix et le score de sentiment net. Et l’on remarque aujourd’hui à quel point ces KPIs basiques sont éloignés des considérations et instruments de mesure du marketing tels que la notoriété, la proximité, l’affinité ou l’intention d’achat.

Penchons-nous sur la marque de boissons énergisantes Red Bull pour voir ce qu’il arrive quand on dépasse le cadre des KPIs basiques du social listening d’alors.

Red Bull extreme sports hot air balloon brand strategy

Stratégie de la marque Red Bull : sports extrêmes et montgolfière.

La stratégie de marque de Red Bull est plutôt claire : associer ses produits à la prise de risque et aux sports extrêmes. Pour ce faire, la marque se doit d’illustrer ces attitudes et ce lifestyle.

Pour Red Bull, le social listening se concentre sur l’étude du résultat de cette stratégie et sur la manière dont la personnalité de sa marque est perçue par le public et les consommateurs. C’est ici qu’intervient l’analyse humaine, pour faire le lien entre de simples paramètres et des insights-consommateurs.

 

Linkfluence Social Brand Equity ADPR framework

Linkfluence Social Brand Equity cadre ADPR

Notoriété : Ma marque est-elle reconnue ? Est-elle visible, génère t-elle de l'attention sur les médias sociaux ?

Désirabilité : Ma marque est-elle désirable ? Est-elle présentée de façon positive, est-elle exposée favorablement sur les médias sociaux ?

Proximité : Ma marque est-elle attractive ? Génère t-elle de l’engagement, invite t-elle ses communautés à échanger ?

Alignement : La perception de ma marque est-elle conforme à l’image que nous souhaitons renvoyer ? Quel est l'écart entre la brand equity souhaitée et l'equity réelle visible sur les médias sociaux ?

Pour aider à faire ce lien justement et mesurer la social brand equity, nous avons mis au point notre cadre d’analyse ADPR qui se concentre sur la notoriété, la désirabilité, la proximité et l’alignement d’une marque.

Par exemple, pour la question de l’alignement, nous sommes en mesure d’identifier les termes et les sentiments associés à une marque en ligne avant de faire appel à des nos équipes Insights pour déterminer à quel point ils sont conformes - ou non - à la brand equity souhaitée.

Aussi utiles que soient les données, il faut nécessairement se recentrer sur l’intérêt marketing de la collecte, en la rattachant à un cas d’usage concret.

Règle #2: Transformez les observations en insight grâce à un modèle hybride

Nous considérons actuellement que très peu d’applications d’IA pourraient fonctionner sans expertise humaine. Il faudra par exemple du temps pour que l’IA soit capable de résoudre prévisiblement des problèmes créatifs et cognitifs complexes tels que des questions d’ordre éthique ou moral.

Cependant, en associant le pouvoir de l’IA à l’expertise humaine, nous sommes déjà en mesure de résoudre des problématiques de cet ordre.

La courbe de maturité IA est un bon moyen de considérer l’utilisation croissante de l’IA :

Competitive advantage diagram

Diagramme d’avantage concurrentiel.

Cette courbe nous aide à envisager l’IA du point de vue de son résultat : descriptif, prédictif et prescriptif. Le social listening traditionnel que l’on connaît reste fixé sur l’étape (descriptive) de détection, avec quelques innovations tout de même en termes d’analyse prédictive.

Désormais, l’IA nous permet par exemple de rassembler les followers d’un compte Twitter en fonction de leurs intérêts communs :

AI in social listening

L’IA dans le social listening.

À noter toutefois que ce type d’analyse, bien qu’utile au community management et au ciblage, ne permettra pas de tirer des insights avancés.

Pour un exemple plus abouti, regardons ensemble l’analyse des tendances et de popularité d’une liste d’ingrédients, qui suit :

Analysis of ingredient trends and popularity

Analyse des tendances et de la popularité d’ingrédients sur une période donnée.

Ici, l’IA est utilisée pour envisager la légère croissance de popularité visible sur certaines saveurs et certains ingrédients. Il ne s’agit pas seulement du suivi de tendances déjà observables, il est aussi question d’aller au-delà de ces tendances en comprenant et en interprétant les préférences de consommation et les besoins non-satisfaits.

Et pour y parvenir, impossible de ne compter que sur un logiciel : un modèle hybride mettant le cerveau humain à contribution, est indispensable.

Règle #3: Vérifiez votre maturité digitale et préparez votre transformation

Vos outils de social listening répondent peut-être aux besoins actuels de vos équipes social marketing mais à terme, votre entreprise pourrait être exposée si vous ne parvenez pas à vous adapter aux comportements des consommateurs, qui changent vite, à l’image de l’éco-système digital dans sa globalité.

Chaque marque exige donc de ses solutions de social listening qu’elles évoluent avec le temps, de manière à adapter la social intelligence aux besoins de ses utilisateurs.

Par où commencer ? En évaluant votre propre maturité digitale.

Digital maturity model

Exemple de maturité d’une social intelligence

Ce graphique est une version résumée de notre matrice de maturité en social intelligence. Aux premiers stades, nous débutons avec quelques applications typiques telles que le content marketing et le community management. En avançant jusqu’à l’extrémité du spectre, nous obtenons des insights consommateurs utiles à la prise de décision.

Chaque entreprise se doit de connaître sa position sur l’échelle de maturité. C’est pour elles un moyen de développer progressivement leurs compétences au fil du temps et de nuancer une confiance aveugle qui leur laisserait penser qu’elles sont plus à l’aise “numériquement-parlant” qu’elles ne le sont réellement.

L’IA a ses limites - comptez sur l’expertise humaine pour faire le reste

Comme nous l’avons vu, les outils de social listening fondés sur l’IA sont devenus indispensables au paysage du marketing moderne. Grâce à leur utilisation, les marques ont désormais accès à des insights issus de millions d’échanges quotidiens sur les médias sociaux et à des moyens plus efficaces d’établir un contact avec leurs clients.

Et pourtant, si l’IA est puissante, elle ne fait pas tout.

Pour tirer parti des outils de social listening, l’expertise humaine est essentielle car c’est elle qui aide à faire les liens nécessaires et qui fournit le contexte indispensable à la bonne compréhension des risques et des opportunités.

C’est la raison pour laquelle nos trois règles sont si importantes. Alors n’oubliez pas. En termes de social intelligence, il vous faudra :

  • Être un marketeur avant d’être un geek.
  • Utiliser un modèle hybride pour passer de l’observation à l’insight.
  • Vérifier votre maturité digitale et préparer votre transformation.

Et si vous voulez voir comment Benjamin raconte cette belle histoire, c’est par ici que cela se passe

Don't forget to share this post!