« SOCIAL INTELLIGENCE : COMMENT ECOUTER LES RÉSEAUX SOCIAUX EN PROFONDEUR GRÂCE À L’INFÉRENCE SOCIALE ET SÉMANTIQUE ? »

Face à l’évolution des réseaux sociaux et l’explosion de la sociale media data, les besoins des entreprises évoluent. Tirer un maximum d’enseignements actionnables pour leur développement et leur rentabilité est stratégique.

Le social listening tel qu’il est pratiqué aujourd’hui n’offre qu’une image superficielle des échanges qui s’y déroulent. Faire parler des statistiques de mesure d’indicateurs classiques ne suffit plus : elles ont un besoin vital de comprendre les mécanismes à l’œuvre dans la constitution des communautés et l’évolution des conversations. L’heure de la social intelligence a sonné.

L’étude des commentaires, au-delà de l’analyse de mots-clés et des relations entre les contributeurs, permet de mieux saisir la valeur ajoutée d’une écoute profonde, afin d’obtenir les insights pertinents pour la prise de décision stratégique.

C’est ce que permet le concept d’inférence sociale et sémantique.

Hier, le social listening…

Les indicateurs de performance traditionnels utilisés sur les réseaux sociaux sont quantitatifs. Les plateformes proposent des tableaux de bord actualisant des données de mention de marque. Leur captation est simple, large, mais peu qualitative :

 

· l’analyse est uniquement fondée sur les résultats de recherche à partir de mots-clés. Or, les mots peuvent être ambigus : le “bruit” doit être supprimé, et des mots utiles à l’analyse manquent ;

· le social listening brosse un tableau en temps réel, mais fournit peu d’information contextuelle sur les communautés, les mots des conversations employés par leurs participants, leur teneur émotionnelle et en opinions ;

· le social listening ne prend pas en compte le contexte initial d’une conversation, dictant likes, commentaires et partages. Et les commentaires ne contiennent pas les mots-clés initiaux. Quelle valeur a la captation d’une publication à travers le prisme d’un mot-clé biaisant la compréhension de la conversation ?

· les algorithmes effectuent des calculs simples : soit il n’y a pas d’agrégation de statistiques issues de différents réseaux sociaux, soit elle consiste en une addition.

 

Force est de constater que ces écueils ignorent la source riche d’enseignement que sont les commentaires. La captation d’information pertinente doit être bien plus large pour comprendre les échanges et la dynamique d’influence. Les entreprises ont besoin de s’appuyer sur une dimension qualitative des données pour piloter leur activité. L’inférence sociale et sémantique intervient pour répondre à ce besoin.

Aujourd’hui, la sociale intelligence : l’inférence sociale et sémantique

C’est pour en découvrir plus sur les consommateurs et leurs préoccupations que Bloom a conçu une plateforme de smart data sociale, et accompagne les marques pour résoudre leurs problématiques. Elle transforme les conversations qui s’y déroulent en mine d’information utile pour les entreprises.

Les commentaires composent environ 80% des données des réseaux sociaux. Ils reflètent précisément ce que pense l’opinion : il s’agit même du gisement de social media data le moins exploité, alors qu’il est le plus riche. Plus complexe à traiter, son analyse est pourtant fondamentale : il est essentiel de récupérer les conversations, point-clé pour comprendre la dynamique d’échange et d’influence.

Franchir cette étape implique un saut qualitatif :

· la donnée doit être contextualisée en fonction d’un objectif, correspondant à une problématique d’affaires, de stratégie, de décision, de développement ;

· Elle doit être purifiée pour être pertinente au regard de la problématique ;

· Elle doit être statistiquement agrégée avec rigueur.

Quand la donnée est prête, le concept d’inférence sociale et sémantique agit en révélateur :

· L’inférence sociale met à jour la dynamique des liens entre les acteurs participant à une conversation dans une communauté (partages, commentaires, likes…) ;

· L’inférence sémantique détecte les liens entre les mots utilisés dans les conversations, au-delà de la seule information fournie par la recherche sur un mot-clé :

o quels sont les mots souvent utilisés avec lui ?

o Quelle tournure l’inférence sémantique donne-t-elle à la conversation ?

o Quels sujets ignorés, mais pertinents pour l’entreprise, sont découverts grâce à cette écoute profonde des conversations ?

Les commentaires représentent 80% des données sur les réseaux sociaux, et pourtant c’est le gisement d’informations le moins exploité et le plus riche

Une émotion négative est-elle liée à la peur, la colère ou la déception?

 

La plateforme propose aussi un puissant outil affinant la compréhension des émotions qui émaillent ces conversations.

Par exemple, une émotion “négative” est-elle de la peur ou de la déception ? Estimer la nature de cette émotion a pourtant un impact différent en termes de communication et de politique produit de l’entreprise. Son analyse mérite de dépasser une catégorisation insuffisante en “positif, négatif, neutre”.

L’ensemble de ces traitements crée cette smart data et donne naissance à une véritable social intelligence, sur laquelle ancrer des décisions mieux informées pour le développement de l’entreprise.

(voir le portrait d’Alexander)