Série de billets de blog sur la science des données
Chez Wisemetrics, nous avons collecté une énorme quantité de données sur les réseaux sociaux depuis plus d’un an et nous avons pensé qu’il était temps de partager certaines informations que nous en tirons. Cet article fait partie d’une série d’articles de blog sur la science des données que nous espérons que vous trouverez intéressants.
Nous savons que c’est court
La durée de vie des publications Facebook est connue pour être très courte. Plusieurs études ont montré que la plupart des interactions avec un message se produisent dans les premières heures (voir par exemple de belles études réalisées par Edgerank Checker’s, Optim.al, Sotrender.
Ayant la main sur les bonnes données, nous avons décidé de jeter un coup d’œil à cette chose de la vie. Et oui, nous avons constaté, comme d’autres, que 75 % de l’engagement se produit dans les 5 premières heures. Mais nous avons également examiné les impressions et l’audience.
Combien plus court peut-il devenir?
Sur le graphique ci-dessous, nous présentons l’engagement, l’impression et la portée médians, au fil du temps avec un intervalle de confiance de +/-5% (pour montrer la variance entre les publications)
Les impressions sont encore plus courtes que l’engagement, avec seulement 2h30 pour atteindre 75% de son maximum, et La portée est encore pire : 75 % de votre audience voit votre message en moins de 2 heures !
Est-ce que ça peut empirer ? Bien si vous vous souciez le plus de vos fans, il ne faut que 1 h 50 pour qu’un post Reach atteigne 75% de son potentiel (non représenté sur ce graphique).
Il y a pas mal de différences entre les messages, mais pendant une courte période, tous les messages montrent le même comportement, et il ne faut que 30 minutes pour qu’un message obtienne 50 % de sa portée mondiale.
La modélisation
L’idée derrière l’examen des progrès des publications au fil du temps est de pouvoir prédire, dès que possible, si une publication échouera ou dépassera toutes les attentes pour ajuster les efforts de gestion de la communauté (par exemple : se précipiter pour publier une nouvelle publication ou attendre un un peu plus).
En termes de modélisation, la forme log-log des posts progresse dans le temps est une belle découverte. Cependant, même si tous les messages semblent partager une forme commune, la variance est très importante (comme nous avons pu le voir avec les grands tubes de notre graphique initial). En utilisant un ajustement log-log linéaire, nous ne pouvions donc pas mapper chaque message dans une catégorie « comme d’habitude » ou « killer-post » simplement en examinant les performances dès les premières minutes d’un message.
En allant plus loin, grâce à une approche d’apprentissage automatique basée sur des dérivées de la courbe (vitesse d’augmentation) pour prédire le point final, nous obtenons enfin des résultats corrects, mais ce n’est toujours pas tout à fait convaincant. Il doit être couplé à des modèles prédisant une performance post avant même sa publication. Mais c’est une autre histoire.
Plats à emporter
De nombreuses marques se soucient de la portée des fans, parfois plus que de l’engagement. Optimiser le timing de votre publication est donc obligatoire.
Le nouveau Insights de Facebook permet de voir quand ses fans sont sur Facebook. C’est un début, mais comme indiqué ici, cela ne vous aidera pas à rivaliser avec d’autres publications.
La meilleure chose à faire est d’analyser en profondeur l’historique de vos publications, ainsi que celui de vos pairs et concurrents, en examinant des dizaines de facteurs à la fois, et de prédire le moment optimal, rien que pour vous (bonne nouvelle, cela peut être fait grâce à l’apprentissage automatique) .
