Utiliser les données des médias sociaux pour le ciblage – Comment localiser et exploiter de vraies informations sur l’audience

L’un des aspects les plus passionnants de l’évolution du marketing des médias sociaux est le passage à des campagnes plus réactives et intelligentes basées sur des données et des informations sur l’audience. Pendant de nombreuses années, la norme marketing a été de diffuser le plus largement possible dans l’espoir d’atteindre le bon public. Mais maintenant, le social et la quantité accrue de données disponibles ont entraîné un changement important dans la façon dont nous abordons et utilisons les fonctions de sensibilisation.

Pourtant, même maintenant, quand les gens entendent cela, cela ne signifie toujours pas grand-chose pour eux. Nous savons tous que toutes ces nouvelles données sont disponibles, nous savons tous que les réseaux sociaux ont inauguré une toute nouvelle gamme d’audience et comportemental informations pour les marketeurs. Mais peu de gens savent comment faire utiliser eux, comment générer des informations exploitables et applicables à partir de la masse toujours croissante de tweets, de messages et hashtags.

Alors comment faire ? Comment trouvez-vous le message pertinent au milieu du bruit, ce déclencheur clé qui vous permettra d’atteindre le public le plus ciblé et le plus pertinent au bon moment ?

L’un des éléments clés à garder à l’esprit est que la traduction des données n’est souvent pas aussi complexe que vous ne le pensez – bien sûr, il faut du temps et des recherches pour trouver les bons déclencheurs, mais une fois localisés, il peut en fait y avoir un moyen simple de les actionner , comme le soulignent deux études récentes publiées respectivement par Twitter et Facebook.

Trouver le signal

Dans un post récent, Twitter a souligné comment le US Geological Survey (USGS) utilise les données de tweet pour suivre l’activité sismique à travers le monde. Lorsque le tremblement de terre du Sichuan en 2008 a frappé la Chine, c’est Twitter qui a fourni les premiers indicateurs de l’événement au reste du monde, qui a USGS réfléchir à la manière dont ils pourraient utiliser Twitter comme ressource de données dans leurs efforts de suivi.

Ce qu’ils ont découvert, c’est qu’ils le pouvaient absolument – Twitter s’est depuis avéré être un outil précieux pour suivre l’activité sismique. Mais plus que ça, c’est le chemin USGS a décomposé les données qui fournissent la meilleure leçon pour ceux qui cherchent à mieux utiliser l’analyse des données à leurs propres fins.

Alors d’abord, USGS suivi tous les tweets via l’API publique de Twitter (accessible à tous) qui mentionnait les mots « tremblement de terre » ou « quake ». Après avoir examiné ces résultats et les avoir comparés à l’activité réelle du séisme, ils ont établi que les personnes dans les régions touchées par le séisme ont tendance à garder leurs messages courts – il n’y a pas autant de temps pour créer des tweets complexes lorsque vous êtes au milieu d’une catastrophe potentielle.

Basé sur ceci, USGS éliminé tous les tweets de sept mots ou plus de leur pool de données. Les chercheurs ont également reconnu que les personnes partageant des liens ou commentant l’ampleur du séisme n’étaient pas non plus susceptibles de se trouver dans la zone du séisme, ils ont donc également supprimé les tweets contenant des liens et des chiffres.

Le résultat final leur a laissé un modèle simple pour suivre l’activité sismique via tweet – s’il existe un groupe régional de tweets (environ 14 mentions environ) de sept mots de moins, sans liens ni chiffres inclus, ils sont généralement indicatifs de un événement sismique réel – et ils alertent souvent l’équipe d’une telle activité bien avant tout moyen de suivi traditionnel.

Et l’élément clé de tout cela est la simplicité – bien qu’il ait fallu un certain temps aux chercheurs pour faire correspondre les comportements de Twitter à des événements réels, ils ont maintenant été en mesure de créer un modèle qui traduit des données complexes en quelque chose d’actionnable, un système d’alerte qui fonctionne en fonction de sur des déclencheurs très spécifiques, mais simples, et montre le USGS équipe où ils devraient être attentifs.

Dans le contexte de la marque

Alors, qu’est-ce que cela signifie pour votre marque et votre propre surveillance des médias sociaux ? le USGS exemple met en évidence ce qui peut être réalisé, ce qui peut être détecté grâce à l’analyse des données Twitter. Mais cela montre également comment vous pouvez le faire, comment vous pouvez affiner les données sociales aux déclencheurs pertinents et créer un système d’alerte pour vous garder en avance sur la tendance et vous concentrer sur les bonnes conversations. En utilisant un modèle analytique simple comme celui-ci, vous pourrez peut-être retrouver les questions exactes que les gens posent, puis les amener à acheter vos produits – et si vous découvriez qu’il y avait une question courante que les gens posaient sur Twitter juste avant de venir sur votre site ? Et s’il y avait un terme commun utilisé qui amènerait les gens à acheter vos produits ? Grâce à l’analyse des données, vous pouvez trouver cela, vous permettant d’identifier les conversations pertinentes que vous pouvez ensuite utiliser pour cibler vos publicités ou atteindre ces clients juste au bon moment.

Mais encore une fois, peut-être que tendre la main avec une annonce peut sembler un peu intrusif. Peut-être que si vous identifiez les termes exacts qui amènent les gens à effectuer un achat, leur envoyer un tweet disant « hé, nous les vendons » pourrait ne pas obtenir le résultat souhaité – et alors ? Que faites-vous si vous êtes capable d’identifier les déclencheurs les plus courants, mais qu’atteindre un message marketing à ce stade n’est pas la meilleure option ? La réponse : vous utilisez ces résultats comme prochain point de recherche.

Apprendre le processus

Dans un récent article sur Facebook IQ, des analystes de Ipsos Media CT a examiné comment les gens s’y prennent pour acheter une nouvelle voiture et comment ils recherchent les options disponibles avant de prendre une décision. Ce qu’ils ont découvert, c’est que les gens commencent leur processus de recherche environ six mois avant de faire un achat, mais ont réduit leur choix à environ deux voitures le mois dernier avant de passer à l’étape suivante. Les chercheurs ont également découvert que les personnes à la recherche d’une voiture sont touchées par la plupart des publicités et des ciblages publicitaires liés à la voiture lorsqu’elles sont en ligne au cours du mois dernier, ce qui est largement inutile car elles ont déjà réduit leur choix à deux à ce stade.

Alors pourquoi cela arriverait-il ? La logique suggérerait que les gens se concentreraient de plus en plus sur leurs options de voiture et sur ce qu’ils recherchent à mesure qu’ils se rapprochent de l’achat. Cela signifie probablement qu’au cours du dernier mois avant d’acheter une voiture, les gens effectuent plus de recherches et posent plus de questions environ les détails spécifiques – vous pouvez imaginer si vous aviez décidé d’acheter un Mazda3, par exemple, que vous puissiez accélérer vos recherches pour plus de détails sur cette voiture dans ce dernier tronçon avant de signer sur la ligne pointillée, en lisant autant de critiques et d’opinions que possible pour renforcer et justifier votre réflexion. À un algorithme non entraîné, qui enregistrerait vos actions en tant que comportements d’intérêt et augmenterait la probabilité que vous soyez touché par des publicités pour des voitures et des produits automobiles – mais l’algorithme ne traite que le volume de recherche, pas les spécificités de votre recherche, et les annonceurs le feraient utiliser cette activité comme un indicateur d’intérêt potentiel, et ainsi, vous frapper avec des publicités.

Le premier point serait que les algorithmes deviennent beaucoup plus intelligents et beaucoup plus avancés – si vous étiez un annonceur utilisant, disons, des publicités Facebook, vous êtes en fait en mesure de cibler de manière beaucoup plus ciblée que sous l’intérêt général des  » ou  » automobile « , et les utilisateurs devraient utiliser ces options avancées autant qu’ils le peuvent.

Mais le deuxième point serait que vous devez faire vos recherches et comprendre les points de déclenchement qui non seulement amènent les gens à acheter vos produits, mais qui conduisent les gens en pensant de faire un achat avant cela. Maintenant, cela peut sembler être un objectif de données à grande échelle que vous devez prendre en compte – vous étendez maintenant les correspondances potentielles au-delà des étapes immédiates avant l’achat aux nombreuses étapes possibles qui pourraient être suivies pour y parvenir – mais le processus est généralement le même, mais d’une manière plus étendue.

Par exemple, disons que vous vendez des chaussures de basket-ball. Grâce à l’analyse des données, vous êtes en mesure d’identifier que les personnes qui utilisent les termes « basketball » ou « bball » et « chaussures » dans un tweet, accompagnés d’un point d’interrogation, sont celles qui achètent le plus souvent des chaussures dans votre magasin. (vous pouvez le faire en fonction de vos listes de courrier électronique, comparées à celles qui ont effectué un achat). Vous pouvez ensuite étendre l’ensemble de données pour ces personnes afin d’analyser leurs 500 tweets précédents avant celui-ci, et peut-être que parmi cet ensemble de données, vous trouverez un mot commun, ou un ensemble de mots, et vous pouvez identifier une période commune autour du moment où cette requête initiale est tweeté. Cela pourrait être un bon point de déclenchement, un point de données indicatif que vous pouvez utiliser pour cibler des publicités – imaginez si, lorsqu’une personne envisage d’acheter de nouvelles chaussures de basket-ball, vous pouviez la cibler avec des publicités alors qu’elle est dans le processus initial de réflexion qu’est-ce qu’ils pourraient vouloir ? Ce type de ciblage avancé peut vous offrir un excellent moyen d’atteindre les gens et de leur présenter vos produits avant même qu’ils ne réalisent qu’ils cherchent à effectuer un achat.

C’est ainsi que le ciblage avancé peut être utilisé, et est utilisé par un nombre croissant d’entreprises. Et le fait est que ce n’est pas aussi complexe ou intimidant que cela puisse paraître, au départ. Oui, cela prend du temps et de l’analyse, mais tout ce processus est tout à fait faisable, même par quelqu’un sans une certification avancée en mathématiques du MIT et en utilisant des ressources accessibles au public. De plus, c’est là que se dirige le nouveau monde du marketing. Nous avons plus accès à plus de données et d’informations que n’importe quelle génération qui nous a précédés : 90 % des données mondiales ont été créées au cours des deux dernières années. Vous avez plus que jamais la capacité de localiser, d’analyser et de cibler en fonction des comportements et des intérêts réels du public. En prenant le temps d’apprendre comment, vous pourriez vous mettre en avant de la tendance croissante des données.

Image principale via Shutterstock