Comment les marques B2B peuvent-elles bénéficier du social listening ?
Par Melanie Corolleur25 avril
Basée à San Francisco, la startup MyHealthTeams crée des réseaux sociaux dédiés à des communautés de personnes confrontées à des maladies chroniques, telles que l’autisme, le cancer du sein, la sclérose en plaques, etc.
Elle a déjà permis la création de 37 réseaux répartis autour de 13 pays. L’objectif est de mettre en contact des personnes atteintes de pathologies similaires afin de partager des conseils, d’obtenir des adresses et, en fin de compte, d’améliorer sa santé.
Beth Schneider travaille dans le domaine des études de marché depuis plus de 35 ans. Elle a rejoint MyHealthTeams il y a quatre ans et se concentre désormais sur la recherche par sondage (survey research) et l’analyse du social listening.
Les données auxquelles elle a accès sont absolument fascinantes. Les réseaux sociaux de MyHealthTeams génèrent une multitude de données, offrant à Beth et son équipe de nombreux insights, même si l’obtention de ces derniers n’est pas toujours sans difficulté.
Avant d’adopter Brandwatch, Beth passait en effet beaucoup de temps à faire des analyses manuelles pour essayer d’identifier les thèmes des conversations. Or pour aller plus loin, défricher l’inconnu et gagner un temps précieux, l’équipe souhaitait implémenter une nouvelle technologie.
Trouver la bonne solution
« Ce que nous recherchions en priorité, c’était une nouvelle approche, afin de mettre facilement la main sur des insights exploitables et de quantifier les sentiments parmi les milliers de conversations se déroulant quotidiennement sur notre réseau social », explique Beth.
L’équipe a choisi une solution incluse dans Brandwatch Consumer Research, connue sous le nom d’API de téléchargement de données (Data Upload API). Les réseaux de MyHealthTeams étant fermés, les plateformes de social listening ne peuvent pas analyser les données de manière standard – à la place, l’équipe uploade donc les données qu’elle souhaite passer au crible. Grâce à l’API de téléchargement de données, les utilisateurs sont à même d’importer toutes les données textuelles qu’ils ont la permission d’analyser, comme les e-mails d’assistance, les journaux de chats, les commentaires des clients et les enquêtes. Ces données peuvent être stockées de manière sécurisée et privée au sein de leur compte Brandwatch.
Ayant déposé quelque 250 000 mentions textuelles anonymes, Beth a pu analyser les données rapidement, dénichant toutes sortes d’insights.
« En analysant les données importées sur la plateforme, nous avons très vite identifié des tendances inattendues, des insights passionnants et même des influenceurs. Il faut ajouter que les visualisations sont incroyables. Elles sont très simples à générer et à comprendre et, surtout, elles nous permettent de faire de nouvelles découvertes et de trouver d’autres domaines à explorer. Enfin, elles offrent un condensé très pratique des tendances les plus importantes. » – Beth Schneider, Director of Research, MyHealthTeams
Découvrir ce que nous ne savons pas
Les rapports produits par l’équipe de Beth ont permis à MyHealthTeams de confirmer ses principales hypothèses : celles-ci sont désormais étayées par des informations claires et fondées sur des données.
Néanmoins, l’équipe souhaitait également découvrir ce qu’elle ignorait des conversations qui se déroulaient sur ses réseaux. Mais avec autant de mentions, effectuer ce genre de recherche manuellement était incroyablement difficile.
C’était sans compter sur l’analyse de textes effectuée par IA fournie sur la plateforme : cette fonctionnalité a en effet permis à Beth et son équipe d’obtenir une vue d’ensemble de toutes les mentions, leur indiquant des thèmes, des pics de conversation et des domaines à explorer plus avant. Ils ont ainsi également mis la main sur de nouveaux sujets qu’ils n’avaient pas anticipés et identifié des personnalités influentes telles que des médecins dont les membres de la communauté parlaient.
« La plateforme est comme un phare », dit Beth. « Elle ne vous donne pas les réponses, mais vous indique où les chercheurs doivent jeter un coup d’œil. »
Sentiment intelligent
La possibilité de filtrer par sentiment est vraiment importante pour l’équipe et, en raison de la grande spécificité des conversations sur nos réseaux, ce domaine impliquait d’avoir à disposition un outil flexible pour bien faire les choses. Il ne s’agissait pas seulement des mots-clés susceptibles d’évoquer un sentiment particulier, mais bel et bien du contexte dans lequel ils apparaissent. La technologie d’apprentissage automatique de Brandwatch est réellement essentielle pour segmenter les données de cette manière.
Beth est une chercheuse expérimentée, et a passé une partie de son temps à « entraîner » la plateforme pour que celle-ci classe d’elle-même les mentions selon les catégories de sentiment. Une fois le système formé, son équipe a pu suivre l’évolution des tendances au fil du temps.
« L’outil est intelligent… et il nous fait nous sentir intelligents ! » explique Beth. « Il apprend très rapidement : grâce à lui, nous avons pu automatiser l’analyse des sentiments de manière très précise. »
Enthousiasme dans l’équipe
Beth indique qu’un réel enthousiasme règne au sein de l’équipe autours du potentiel de l’outil en termes de découverte d’insights à la fois profonds et utiles.
« L’API de téléchargement de données a eu un impact énorme sur notre travail », résume-t-elle.
Nous tenons à remercier Beth Schneider d’avoir partagé son expérience pour le blog de Brandwatch.