L’US Geological Survey (USGS) est une organisation gouvernementale qui suit les tremblements de terre et leurs impacts à travers le monde. L’USGS fournit des informations sur l’activité sismique via le National Earthquake Information Center (NEIC), qui est le point culminant des données glanées à partir d’environ 2 000 capteurs sismiques, dont la majorité sont basés aux États-Unis.
Mais en 2008, lorsqu’un séisme massif de magnitude 8,0 a frappé la province du Sichuan en Chine, c’est Twitter qui a fourni les premiers indicateurs au monde entier de l’événement. Bien sûr, avec la plupart de leurs données provenant des États-Unis, l’USGS n’a pas été trop surpris par les données provenant de Twitter, mais cela les a fait réfléchir – peut-être que les données de Twitter pourraient être utilisées comme indicateur supplémentaire dans leurs recherches pour aider à mieux détecter et évaluer les impacts des tremblements de terre dans le monde, leur permettant de réagir plus rapidement à de tels événements.
Cela a lancé l’USGS sur une enquête pour voir comment les utilisateurs de Twitter discutent des tremblements de terre et des activités connexes afin de déterminer l’applicabilité de ces données pour leurs recherches. Ce qu’ils ont découvert, c’est que le pouls de l’activité en temps réel de Twitter pourrait, en fait, affiner et améliorer leurs processus de collecte de données – et leurs apprentissages fournissent des pistes de réflexion intéressantes pour tous ceux qui cherchent à utiliser les données de Twitter, comme indiqué dans un nouvel article sur Le blog de données de Twitter.
Affiner les données
Deux membres du personnel de l’USGS, Paul Earle et Michelle Guy, ont commencé à travailler avec API publique de Twitter – les données accessibles à tous – pour déterminer si les données Twitter peuvent être utilisées pour détecter et vérifier les rapports de tremblements de terre et leurs impacts, en faisant correspondre l’activité Twitter avec leurs propres sources pour former des liens définitifs entre les tweets et les événements sismiques réels. Grâce à leurs recherches, ils ont découvert que les habitants des régions touchées par les tremblements de terre ont tendance à garder leurs messages courts – ils n’ont pas autant de temps pour rédiger des missives détaillées.
Sur cette base, l’équipe a pu affiner sa recherche sur Twitter, en filtrant les tweets de plus de sept mots. L’équipe a également reconnu que les personnes partageant des liens ou la taille du tremblement de terre étaient moins susceptibles de proposer des rapports de première main, elles ont donc également filtré ces tweets (tout tweet comprenant un lien ou un numéro). Le flux final filtré, basé sur ce travail, a fini par être un indicateur important et précieux du moment où les tremblements de terre se produisent, dans le monde.
Ce qui est le plus intéressant ici, c’est la façon dont l’USGS a filtré ses flux de données pour trouver les informations les plus pertinentes. L’un des principaux obstacles au succès du marketing des médias sociaux est que malgré les flux de données en constante expansion circulant sur les réseaux sociaux, la capacité de filtrer ces informations en informations exploitables et ciblées peut sembler impossible, peut être difficile à prendre en compte, en particulier pour les personnes. débutant dans le domaine. Toutes ces informations sont inutiles si vous ne pouvez rien en faire, et cela est particulièrement vrai pour Twitter, qui a eu du mal à communiquer sa proposition de valeur aux non-utilisateurs qui la voient souvent comme un flux incontrôlable et sans fin de la plupart du temps non pertinent. contenu.
Mais c’est dans la capacité de filtrer que d’informations que réside le véritable succès des médias sociaux. Et qui plus est, en prenant l’exemple de l’USGS, les moyens de le faire ne sont pas aussi complexes qu’il y paraît au premier abord. La clé consiste à trouver le bon point de déclenchement, les conversations pertinentes au milieu du bruit afin de mettre en évidence les conversations pertinentes – les informations sur lesquelles vous devez vous concentrer et agir. L’USGS a trouvé quelques améliorations de données intuitives et simples pour permettre cela, et il est important de noter qu’elles ne sont pas très compliquées. Le processus qu’ils ont suivi est logique, examinant les spécificités des données dont ils ont besoin – pas toutes les données disponibles. Et il fonctionne.
Lors de l’évaluation de vos propres données, cet exemple fournit un point de référence intéressant à suivre, pour commencer par une conversation plus large, puis la réduire aux points vraiment pertinents, en se concentrant sur les références qui se rapportent à ce que vous devez vraiment savoir. Les données sociales peuvent être accablantes, mais comme indiqué ici, il existe des moyens de les rationaliser et de localiser les conversations les plus importantes pour alimenter vos besoins de reporting et de suivi.
Correspondance réalisable
Comme indiqué dans le Message Twitter:
« Alors que j’étais au bureau de l’USGS à Golden, Colorado, en train d’interviewer Michelle et Paul, trois tremblements de terre se sont produits en un temps relativement court. En utilisant les données de Twitter, leur système a pu détecter une réplique au Chili en une minute et 20 secondes – et il n’a fallu que 14 Tweets du flux filtré pour déclencher une alerte par e-mail. Les deux autres tremblements de terre, au large de l’île de Pâques et de l’Indonésie, n’ont pas été captés car ils n’ont pas été largement ressentis.
Encore une fois, ce n’est pas le volume de données sur lequel l’équipe s’appuie, c’est la pertinence de l’information – il suffit de 14 tweets pour fournir une mesure indicative de l’activité sismique. En considérant que 500 millions de tweets sont envoyés par jour, il peut être facile de se laisser emporter par l’ampleur de celui-ci, de se perdre dans l’impossibilité d’essayer de traduire tout cela en quelque chose d’actionnable. Mais la clé n’est pas de tout traduire, c’est de l’affiner jusqu’au plus petit point pour permettre une analyse efficace.
Grâce à leurs recherches, l’USGS a été en mesure de faire exactement cela, prouvant, au fil du temps, qu’ils peuvent glaner les données dont ils ont besoin à partir de correspondances très spécifiques – c’est la clé que tous les spécialistes du marketing et les analystes devraient chercher à atteindre. Comment affinez-vous vos données jusqu’à leurs éléments les plus pertinents et les plus exploitables ? Quels points communs existent au sein de vos données qui signalent les informations clés ?
Ce raffinement est à nouveau souligné dans les notes complémentaires de l’article :
« L’USGS surveille les tremblements de terre dans de nombreuses langues, et les mots utilisés peuvent donner un indice sur la magnitude et l’emplacement du tremblement de terre. Le Chili a deux mots pour les tremblements de terre : terremoto et temblor ; terremoto est utilisé pour indiquer un tremblement de terre plus important. Celui-ci au Chili a commencé avec des gens qui ont demandé s’il s’agissait d’un terremoto, mais d’autres ont réalisé qu’il s’agissait d’un tremblement de terre.
Comme le note l’équipe de l’USGS, les données de Twitter augmentent leur propre travail de détection des tremblements de terre ressentis. S’ils reçoivent des rapports sur un tremblement de terre dans une zone peuplée mais pas de Tweets à partir de là, c’est un bon indicateur pour eux qu’il s’agit d’une fausse alarme. »
Le détail compte énormément dans l’analyse des données, et les informations exploitables que vous glanez sur les réseaux sociaux dépendront de la façon dont vous pouvez affiner les conversations en données pertinentes. En ce sens, le terme « grandes données » peut être trompeur dans un sens analytique, car ce sont plutôt les « petites données » qu’elles contiennent qui sont pertinentes (bien que sans la grande échelle, une grande partie de celles-ci ne seraient pas pertinentes).
Exploiter le pouvoir de la perspicacité
L’étude de cas de l’USGS fournit un exemple perspicace de la façon dont les données sociales peuvent être utilisées et de l’importance de suivre les bonnes informations pour convertir les données sociales en quelque chose de pratique. La première étape du processus consiste à déterminer ce que vous devez savoir exactement. Dans ce cas, l’équipe a commencé par des mentions de tremblements de terre, puis a affiné les données en croisant les messages pour leur pertinence. Pour votre entreprise, vous suivez peut-être toutes les mentions de votre nom de marque (ce que vous devriez être), peut-être toutes les mentions de votre secteur d’activité, tous vos mots-clés cibles d’une manière ou d’une autre. Suivez trop et vous n’obtiendrez probablement jamais beaucoup d’informations, car vous vous imposerez une tâche colossale en surveillant toutes ces mentions chaque jour. Mais en affinant, en élaborant les messages clés que vous devez suivre qui sont réellement exploitables et pertinents pour vos intérêts commerciaux, vous pouvez concentrer vos efforts sur les conversations et les mentions qui comptent le plus.
Peut-être que vous vendez des pneus de voiture – cela vaut-il la peine de suivre les mentions de «pneus de voiture» ou de trouver des conversations sur les «voyages en voiture» ? Si vous vendez du café, est-ce que plus de gens achètent du café en fonction de mentions spécifiques de ce terme, ou vaut-il mieux se concentrer sur les personnes qui commencent à travailler tôt ? Et si c’est le cas, quels termes utilisent-ils sur les réseaux sociaux pour les mettre en avant ? Bien qu’il ne s’agisse que d’exemples rudimentaires, vous avez compris : vous disposez de plus de données que jamais concernant les comportements et les actions. Trouver les conversations clés qui mènent à votre marque pourrait être d’une immense valeur pour vos efforts de marketing globaux.
