Plus tôt cette semaine, All Facebook a publié un article sur un rapport de DDB et OpinionWay examinant les raisons pour lesquelles les utilisateurs de Facebook « n’aiment pas » les pages de marque.
Les principales conclusions, telles que rapportées par All Facebook (le rapport semble avoir été retiré de SlideShare, je ne peux donc pas y accéder) :
- La marque ne m’intéressait plus (49 %) ;
- L’information disponible n’était pas intéressante (46 %) ;
- L’information était publiée trop souvent (36 %) ;
- La marque a publié des informations que je n’ai pas appréciées (27 %)
- Les informations n’étaient pas publiées assez souvent (14 %).
Données intéressantes et utiles.
Ce tableau de suivi dans le post, cependant, est presque inutile.
Pourquoi ce tableau est-il inutile ?
Parce que la taille de l’échantillon est trop petite pour ce type de segmentation.
Les données originales sont utiles parce que l’analyse est menée à un niveau agrégé, plus de 630 répondants. À cette taille d’échantillon, nous envisageons une marge d’erreur de 3,9 % à un niveau de confiance de 95 %. Cela signifie que, bien qu’il puisse y avoir des variations entre les meilleurs résultats, ils sont utiles à un niveau élevé.
Creusez au niveau d’un pays comme le tableau ci-dessus, cependant, et les choses commencent à s’effondrer. Avec une taille d’échantillon de 78, compte tenu du nombre d’utilisateurs de Facebook aux États-Unis (155 746 780 selon Facebook), la marge d’erreur pour les chiffres américains est supérieure à 11 % à ce même niveau de confiance. Il n’y a pas que les États-Unis non plus – la marge d’erreur pour les chiffres de la France est supérieure à 8,5 %. Malgré cela, il n’y a aucune mention de ces détails sur la publication ou les commentaires; juste une hypothèse que les chiffres sont corrects.
C’est un excellent exemple de la raison pour laquelle je pense que les mathématiques sont une compétence essentielle pour les professionnels des relations publiques.
Les professionnels des relations publiques doivent comprendre la différence entre les statistiques valides et celles non valides, afin de pouvoir tirer parti des informations utiles (comme celle en haut de cet article) et ignorer les éléments inutiles (comme la répartition régionale ci-dessus). De plus, ils doivent savoir ce qui est nouveau et ce qui n’est pas nouveau, afin qu’ils puissent prendre une décision éclairée sur ce qu’il faut présenter comme premier et ce qu’il faut conseiller à leurs clients de transmettre sur la promotion.
Êtes-vous à l’aise de lire entre les lignes en matière de statistiques ? Si ce n’est pas le cas, il est peut-être temps de se rafraîchir.
