Loading

Brand awareness grâce à la data sémantique by DATAMARKETING

Introduction

Les mots sont des éléments clés pour comprendre les intérêts des personnes et leur offrir des résultats qui correspondent à leurs besoins réels. Ces sont des datas non structurées (ensemble des données textuelles ou sémantiques) provenant de multiples sources qui nécessitent un processus spécifique pour être exploitables.

L’analyse sémantique (aussi connu comme text mining ou text analytics) est une technique d’analyse qui se fait sur la sémantique des phrases (et leur contexte) utilisés par les internautes dans leurs recherches et échanges sur internet. Cette analyse permet aux marques de comprendre les intentions et intérêts des internautes, les acteurs présents et les acteurs les plus performantes dans son écosystème. De plus, en éliminant les ambiguïtés dans les requêtes de recherche et verbatims, les marques peuvent déterminer les sujets d'intérêt à investir, optimiser leur contenu et se rendre visible auprès de leurs audiences sur le web.

Il y a différents motifs pour lesquels une marque emploie l’analyse sémantique. Cela peut faire partie d’une stratégie de visibilité, dont le but est de se positionner sur les requêtes ayant trait à son activité, en première page des résultats Google; d’une stratégie de e-réputation afin de découvrir ce qui se dit déjà sur la marque sur les divers forums, blogs, médias sociaux, etc. et prendre des actions en faveur de son image; d’une stratégie de communication, qui vise à mieux comprendre les sujets d'intérêts et supports de consommation pour créer des campagnes engageantes et performantes; ou pour trouver de nouvelles idées ou des tendances à saisir.

Comment une étude d’analyse sémantique est réalisé ?

Tout d’abord on s’appuie sur des technologies d’analyse sémantique web; des logiciels qui s'appuient sur le machine leqrning et les algorithmes d'intelligence artificielle pour analyser des textes et associer un sens à chaque mot . Ces technologies utilisent des crawlers (“agents de recherche web” ou “robots”), en charge d’explorer des sites et des contenus internet. Ils surveillent, indexent et analysent les sites et contenus. Il existe différent types de crawlers dont certains spécialisés dans l’analyse sémantique.

Quand une étude d’analyse sémantique est lancée, il faut définir en premier lieu des requêtes amorces. Les requêtes amorces sont des mots-clés ou expressions qui représentent le mieux l’écosystème sémantique de la marque, son activité, ses produits et services.

Une fois définies, les requêtes amorces sont injectés dans la technologie d’analyse sémantique. Ils orientent les crawlers pour collecter uniquement les expressions pertinentes à cet écosystème. Par exemple, si le client est une marque d’équipement sportif, les requêtes amorces à injecter dans l’outil d’analyse sémantique seront “matériel sportif”, “accessoires d'entraînement”, “salle de fitness”, “programme de musculation”. (expressions croisées).

Une fois (les mots-clés) injectés, le crawl “lis” tous les mots du contenu web pour capter le sens réel des textes et mieux distinguer entre les expressions appartenant à ce contexte et celles qui ne le sont pas, comme pourrait être le cas de “matériel de construction”.

Les résultats du crawler permettent de rapprocher les expressions (associées aux requêtes amorces) à leur volume de recherche. A travers les verbatims, on est capable d’identifier leur contexte d’utilisation, ce qui permet de détecter des sujets porteurs par la demande (internautes) et voir comment ils sont traités par l’offre (contenu web). On retrouve également les pages et les sites positionnés par ces mots clés dans les recherches de Google, ce qui permet de faire du benchmarking et identifier les bonnes pratiques et stratégies utilisées par les sites.

Par ailleurs, cela permet d’identifier les grandes thématiques abordées pour cibler l’axe de communication d’une campagne ou simplement un contenu à développer sur un blog ou un site web.

Netflix en France: une campagne de marque et de contenu 100% data-driven

Afin de montrer comment l’analyse sémantique est utilisée par les entreprises, voici l'exemple de Netflix.

Netflix, leader mondial du divertissement en ligne, est un des meilleurs exemples des sociétés data-driven. Son succès provient principalement de sa culture axée sur la donnée; l’un des atouts les plus connus de Netflix est son système de recommandation, basé sur le data mining et le machine learning. Elle s’appuie sur les analytics pour sélectionner des films, créer du contenu et prendre des décisions aussi importantes que l’entrée dans un nouveau marché.

L’introduction de Netflix sur le marché français en 2014 n’a pas été facile. Face à une concurrence française, aux strictes réglementations françaises et européennes, et aux conventions sociales, le seul moyen pour la marque de réussir en France était de devenir pleinement pertinente. Pour ce propos, la marque a fait appel à Ogilvy Paris pour mener une recherche qui consistait à analyser deux années de conversations sur le web, afin de pouvoir se plonger dans la mentalité des français(es).

Voici comment le “text mining”, dans le cadre du lancement d’une campagne de brand awareness a été utilisé pour analyser les échanges relatifs à l’offre Netflix:

Comme vu dans la vidéo, à partir d’un “modèle de sujets” (système du traitement de langage naturel) basé en algorithmes de machine learning, ils ont été capables d’extraire des sujets leur permettant de convertir les conversations quotidiennes en idées qui refléterait une opportunité réelle pour Netflix (X). Les insights tirés de l’étude ont servi pour orienter la stratégie de la campagne, dès sa planification jusqu’à son exécution créative.

Le résultat: un brand awareness (online et offline) réussi.

Bibliographie:

  1. https://zetaglobal.com/blog-posts/understanding-semantic-analysis-title-totally-meta/
  2. https://www.searchenginejournal.com/updated-tips-for-optimizing-content/262701/
  3. https://www.forbes.com/sites/jaysondemers/2018/01/19/why-and-how-semantic-search-transformed-seo-for-the-better/#4f9debe97eca
  4. https://www.expertsystem.com/natural-language-process-semantic-analysis-definition/
  5. http://www.ladn.eu/non-classe/la-data-vous-inquiete-faites-confiance-a-la-semantique/
  6. https://comcorp.fr/en/big-data-semantique-pour-une-strategie-de-communication-plus-efficace/

Credits:

Created with images by FabyGreen - "quotes carpe diem word diem inspiration saying"

Report Abuse

If you feel that this video content violates the Adobe Terms of Use, you may report this content by filling out this quick form.

To report a Copyright Violation, please follow Section 17 in the Terms of Use.