Social intelligence : mythes et réalités

Au début de l'année 2022, Synthesio a estimé que cette année était "l'année de l'AICI". À bien des égards, cela s'est avéré vrai : nous avons vu un nombre croissant de clients adopter la combinaison de sources de données en ligne et hors ligne (comme social + enquête ou recherche), et l'écoute sociale a " grandi " encore plus. La valeur des données sociales a continué à dépasser les équipes de marketing social pour donner du pouvoir aux pros de la connaissance, de la marque et même de l'innovation. Et les entreprises ont alloué un budget plus important aux données sociales : Le Social Intelligence Lab a indiqué dans son rapport State of Social Listening 2022 que 33,5 % d'entre elles dépensent 100 K$ ou plus en outils de social data chaque année (contre 10 % en 2019).  

Mais malgré la croissance de la social intelligence, nous entendons encore beaucoup d'idées fausses sur ce qu'elle est et sur la meilleure façon de l'utiliser. Alors pour conclure 2022, nous aimerions dissiper certains des mythes les plus courants :

Mythe n°1 : ‘Les données sur les médias sociaux ne valent rien - ce ne sont que des données Twitter et elles ne m''apprennent rien.’

Realité : Les données Twitter peuvent parfois dominer les résultats, si vous les laissez faire. Et elles sont parfois très utiles pour les marques ; même le microblogging, texte court et doux, a de la valeur, surtout dans son volume. Mais les données Twitter ne sont pas adaptées à chaque question ou approche. Tout comme vous vous demandez comment constituer un bon échantillon dans le cadre d'un projet de recherche qualitative ou quantitative, il est important de tenir compte de votre "univers de données" lorsque vous recueillez des données sur les médias sociaux. Vous devez accéder à une grande variété de sources dans la plateforme que vous avez choisie avant de lancer un programme de recherche sur les médias sociaux. À plusieurs reprises, les blogs et les forums spécialisés sont plus perspicaces que Twitter (par exemple, les entreprises de soins de santé/pharma pourraient tirer davantage profit des communautés de santé Reddit ou des forums spécialisés comme MedHelp). Il est également essentiel de traiter les données provenant de diverses sources comme une masse hétérogène. Un tweet sur "Tesla", par exemple, aura une signification très différente de celle d'un compte rendu d'expérience d'utilisation de "Tesla" ou d'un message de "Tesla" dans un forum sur l'avenir de la mobilité. C'est là qu'interviennent les analystes expérimentés : ils peuvent donner vie à ces données, à peu près de la même manière que nous diviserions et rapporterions nos données d'enquête en comparant des groupes cibles, des critères socio-économiques ou attitudinaux.

Mythe n°2 : ‘L'intelligence sociale ne sert qu'à comprendre les efforts de RP et de marketing sur les médias sociaux et à gérer les crises.’

Realité : Les données et l'intelligence des médias sociaux peuvent être utiles dans ces cas-là, mais elles peuvent répondre à bien d'autres questions. Nous les avons utilisées de manière fiable dans de nombreux cas, notamment pour guider et compléter la segmentation et la compréhension de l'audience ; pour comprendre un paysage de marché et un contexte plus large ; pour comprendre les signaux des macro-tendances et plonger en profondeur dans les micro- et nanotendances ; pour faire ressortir les raisons pour lesquelles les gens s'engagent (ou non) avec certains produits et services ; pour comprendre les moments spécifiques de la marque qui constituent une expérience de marque ; et pour obtenir une image claire de ce qui fait tiquer les gens et de ce qui les énerve sur un large éventail de sujets. Il ne s'agit en aucun cas d'une liste exhaustive, mais ce sont des approches que nous avons adoptées à maintes reprises pour créer des informations exploitables.

Mythe n°3 : 'Il suffit de chercher ce qui est intéressant dans toutes les données des médias sociaux.’

Realité : Si l'on dispose de suffisamment de temps et d'argent, on peut finir par y arriver (tout en brûlant une quantité incroyable d'électricité), mais les ressources sont rarement illimitées. Comme le dit le proverbe : "Si l'on ne sait pas vers quel port on navigue, aucun vent n'est favorable." Par conséquent, il est essentiel de créer certaines limites autour de vos recherches, afin de savoir que vous avez trouvé quelque chose d'intéressant. Votre expertise humaine et votre connaissance du secteur vous aideront à définir des limites pertinentes.

Mythe n°4 : ‘Personne ne parle de ce sujet très spécifique et, par conséquent, l'intelligence sociale ne peut pas aider à la recherche'

Realité : Parfois, nous pouvons être un peu trop spécifiques dans nos exigences. Ce n'est pas rare dans le domaine de la recherche sur les marques. Cela ne veut pas dire que les données des médias sociaux n'ont aucune valeur - en fait, elles peuvent nous aider à nous imprégner davantage de la réalité des consommateurs. Les consommateurs peuvent ne pas parler d'un produit de marque spécifique - par exemple une marque spécifique de petits pois surgelés ou de tomates en conserve - mais ils parleront de sujets très pertinents, tels que la façon dont ils cuisinent à la maison, leurs saveurs et plats préférés, et ce qu'ils aspirent à apporter à leurs repas.

Mythe n°5 : ‘La social intelligence est rapide et pas chère’

Realité : Elle peut être plus rapide et moins chère que les méthodologies plus traditionnelles, c'est certain. Elle peut également vous donner une idée plus précise de ce qui fait bouger les gens, car elle n'est pas guidée. Et les progrès de l'IA, comme notre modélisation thématique, rendent le chemin entre les données et les informations encore plus court. Mais comme il faut plusieurs niveaux de raffinement pour préparer un ensemble de données solide et pertinent ainsi qu'un aperçu dirigé par l'homme, une bonne intelligence sociale et de bonnes analyses nécessitent un certain niveau d'investissement.

Mythe n°6 : ‘L'IA fait tout‘

Realité : L'analyse de toute donnée non structurée serait incroyablement limitée sans l'IA. En premier lieu, il serait presque impossible de trouver les données que nous voulons examiner. Le pouvoir que nous avons en tant qu'êtres humains est de pouvoir trouver un sens et une importance aux facteurs que l'IA porte à notre attention. L'IA est puissante et peut nous montrer des modèles que nous n'aurions peut-être pas remarqués nous-mêmes. Mais il faut un être humain pour dire pourquoi c'est important, en supposant que ce soit un être humain qui comprenne la question et la catégorie et le sujet plus larges. La définition des attentes en matière d'intelligence artificielle est un conseil essentiel que nos clients nous ont donné lors de notre table ronde sur la mise à l'échelle de l'intelligence sociale. 

Mythe n°7 : ‘Tous les outils sont égaux’

Realité : Chaque outil a ses avantages et ses inconvénients et il y a toujours des compromis à faire en fonction de ce que vous voulez faire. Il existe de nombreux facteurs différents à prendre en compte, en fonction de ce qui est le plus important pour vous et votre organisation - l'approvisionnement en données, le niveau de nettoyage, la facilité d'utilisation, les widgets intégrés, le volume de données, le niveau d'analyse et d'IA intégré, la couverture linguistique et géographique, etc. Qui plus est, ces éléments changent constamment. Il peut être difficile de s'y retrouver, mais il est important d'examiner régulièrement les besoins par rapport à ce que vous pouvez obtenir.

Mythe n°8 : ‘Il est très simple de devenir un expert en social intelligence’

Realité : Comme toute démarche de recherche, un peu de connaissances peut être dangereux. Vous ne pouvez pas devenir un expert dans tous les aspects de l'intelligence sociale et de l'analytique. Mais il est possible pour un esprit vif et curieux d'apprendre à tirer le meilleur parti des données non structurées et à réaliser des recherches et des analyses de données de médias sociaux valables et fiables.

Il est également de plus en plus accessible (et important) pour les non-experts d'utiliser les informations issues des données sociales dans leur travail quotidien. Certains de nos clients ont mis en place des tableaux de bord en libre-service permettant à leurs pairs de consulter les indicateurs clés ou de vérifier rapidement ce que les consommateurs disent sur un sujet particulier. D'autres ont lié les indicateurs clés de performance de l'écoute sociale à leurs indicateurs de vente et autres indicateurs clés de performance de l'entreprise.

Mais l'intelligence sociale exige une rigueur de recherche (surtout lorsqu'il s'agit d'analyser des sources de données multiples ou d'appliquer des modèles prédictifs !), c'est pourquoi beaucoup de nos clients optent pour une approche hybride, combinant la technologie SaaS avec des services d'experts.

Vous souhaitez en savoir plus sur la façon dont Synthesio et Ipsos peuvent vous aider à obtenir l'image la plus complète, la plus précise et la plus prédictive des consommateurs et des sociétés ? Demandez une démo avec notre équipe dès aujourd'hui !