• 8 heures
  • Moyenne

Ce cours est visible gratuitement en ligne.

course.header.alt.is_video

course.header.alt.is_certifying

J'ai tout compris !

Mis à jour le 28/04/2022

Déterminez les types de données à analyser

Maintenant que votre tableau de bord est construit, voyons avec quel type de données le remplir.

Pour rappel, il existe deux types de données : des données quantitatives et des données qualitatives

Découvrez les données quantitatives

L'analyse quantitative, c'est l'analyse chiffrée des données (nombre de "likes", de clics, de followers, etc.). Ces chiffres peuvent être représentés sous forme de somme, pourcentage ou probabilité.

Les données quantitatives sur les réseaux sociaux

Vous pouvez observer un grand nombre de données chiffrées sur ce dashboard. Parmi les informations que vous y trouverez, certaines reviendront souvent sur les différents outils.

  • Le reach (la portée, en français) :

Dans notre cas, on peut dire qu’un million de personnes ont été atteintes via nos publications Facebook.

Les règles de diffusion des publications deviennent de plus en plus sévères avec les comptes de marque. Selon HubSpot, en 2021, une publication atteint en moyenne 10,71 % de l'audience totale de sa page, tandis qu'une publicité atteint jusqu'à 28,1 % en moyenne.

Impression d'écran de la page statistique de Facebook, où  est représenté dans un tableau, la couverture des dernières publications
Exemple de données tirées des statistiques Facebook. On y voit en orange la couverture (ou la portée) organique et payée.
  • Le taux d'engagement :

Une autre donnée souvent importante à analyser est l'engagement, et le taux d'engagement.

Impression d'écran de la page statistique de Facebook, où  est représenté dans un tableau, l'engagement des dernières publications
Données du taux d’engagement tirées des statistiques Facebook. On y retrouve dans la colonne de droite le taux d’interaction (ou taux d’engagement).

Découvrez les données qualitatives

Analyser le sentiment, c'est analyser l'émotion derrière les mentions générées par une marque. Elles se mesurent souvent en termes de positivité et de négativité.

Comme mentionné dans le chapitre précédent, analyser le sentiment requiert une technologie plus avancée que l'analyse quantitative. C'est pour cela qu'il est difficile de trouver des outils qui analysent le sentiment gratuitement.

Comment faire alors ?

Je vous partage un petit hack ! 

Ceci n'est pas à 100 % précis, mais au moins il est gratuit. Il s'appelle Twitter Advanced Search

Twitter Advanced Search permet de faire des recherches avancées autour d'un sujet, d'une marque ou d'un hashtag. De manière détournée, nous pouvons analyser le sentiment autour d'une marque.

Impression d'écran de la recherche sur Twitter. On recherche ici l'émoji :(
Exemple de Twitter Advanced Search

Prenons l'exemple d'Udacity, un des concurrents d'OpenClassrooms en matière de cours en ligne. Je voulais savoir quels étaient les commentaires négatifs liés à leur marque. J'ai donc associé un smiley négatif “” à leur @handle afin de voir les résultats générés.

J'ai ainsi pu obtenir une liste de mentions Twitter avec un sentiment négatif.

Message de Wilder sur Twitter mentionnant udacity
Message de Wilder sur Twitter

Wilder : "Udacity : Bonjour, je me suis inscrit aujourd'hui pour un programme. La paiement n'a pas fonctionné une première fois, puis a finalement marché. J'ai la référence de la transaction. J'ai reporté le problème à votre support, mais toujours pas de réponse pour l'instant :("

Impression d'écran du message de Nassime sur Twitter mentionnant udacity
Message Nassim sur Twitter

Nassim : "Votre position dans la file d'attente est 6990. :( @audacity #workspaceVM".

Il semblerait que la plupart des résultats négatifs aient été liés au fonctionnement de leur plateforme.

Les données quantitatives et qualitatives sont essentielles et complémentaires pour comprendre la notoriété, mais également l’opinion autour d’une marque ou d’un produit. 

Prenons un exemple concret : imaginez une marque dont les publications sur Facebook génèrent en moyenne 100 à 200 commentaires (donnée quantitative) sur chacune de ses publications produit. Notre premier réflexe serait de se dire qu’elle bénéficie alors d’un très bon engagement. Plutôt positif du coup, non ?  Sauf qu’en y regardant de plus près, la majorité des commentaires ont une tonalité plutôt négative : “c’est trop cher”, “je ne suis pas fan”, "bof" (donnée qualitative)...

Vous comprenez à présent l’intérêt de mêler les deux ?

Différenciez les retours négatifs, positifs ou… neutres !

Il existe plusieurs outils, comme Crimson Hexagon  qui intègrent une fonctionnalité d’outil de sentiment automatisé. 

Ils fonctionnent grâce à l'analyse de marqueurs textuels permettant la classification d'une phrase comme étant soit positive soit négative. Par exemple :

  • “Je n'aime pas le thé” = négatif ;

  • utilisation d’emoji tel que 😡 ou 🤮 = négatif.

C’est une technique utile qui a cependant des limites, puisqu'elle n'analyse pas l'intensité et ne prend pas en compte les nuances :

  • “Je n'aime pas trop le thé” = moins négatif ; 

  • utilisation d’emoji “😈” ou “😉” = ne permet pas de détecter l’ironie, le cynisme. 

Il y a donc également un composant qui permet à un individu de former l’algorithme en attribuant soi-même un sentiment aux commentaires suivis.

Capture d’écran de l’outil Engagor où l’utilisateur a la possibilité de définir lui-même le sentiment d’un commentaire.
Ici, j’attribue un sentiment positif.

L’objectif de ce travail est par la suite d’obtenir un découpage entre les commentaires à tonalités positive, négative et neutre comme sur l’exemple ci-dessous :

Capture d’écran de l’outil Engagor montrant la répartition du sentiment des commentaires sur une période donnée (ici sur trois mois de publication).
Répartition du sentiment des commentaires sur une période de trois mois de publication

Une autre raison pour laquelle nous pourrions utiliser ces plateformes est de comprendre la nature des conversations générées :

  • Quels sont les sujets les plus discutés

  • Existe-t-il un vocabulaire ou des mots-clés spécifiques pour parler de la marque ? 

Pourquoi ne pas illustrer ce que vous avez retenu avec un nuage de mots 

Les nuages de mots sont un outil visuel populaire qui est utilisé pour comprendre le contenu.

Capture d’écran de l’outil Engagor avec un nuage de mots
Nuage de mots mettant en avant les mots-clés les plus utilisés lors de la mention de la marque

Tout ce que les nuages de mots font est de dire “Prenons un échantillon de commentaires, et comptons littéralement le nombre de fois que différents mots sont utilisés”. Lors de la représentation visuelle, la taille du mot va être en fonction de la fréquence à laquelle ce mot est utilisé. Les mots plus gros correspondent donc aux mots qui sont utilisés plus fréquemment dans les réponses.

En résumé

  • L’analyse quantitative repose sur l’analyse des données chiffrées de vos performances sur les réseaux sociaux (portée moyenne, taux d’engagement, nombre moyen de commentaires sur une publication, etc.). Ces données sont disponibles via l’interface de Facebook Statistics, Twitter Analytics ou encore de dashboards tels que Hootsuite.

  • L’analyse qualitative s’intéresse à l’analyse du sentiment des données textuelles et visuelles (quelle est la tonalité des commentaires reçus ?). 

  • Un sentiment peut être analysé de manière positive, négative ou neutre.

  • Les  sujets les plus discutés et/ou le vocabulaire spécifique employé peuvent être mis en évidence grâce à un nuage de mots. 

Vous commencez à comprendre le travail que peut représenter l’analyse de toutes ces conversations en ligne ! Si vous devez vous focaliser sur certaines d’entre elles, il s’agira bien sûr de prioriser l’analyse des conversations de vos clients. Eh oui, qui de mieux placé pour donner son avis ? 

Et si vous obteniez un diplôme OpenClassrooms ?
  • Formations jusqu’à 100 % financées
  • Date de début flexible
  • Projets professionnalisants
  • Mentorat individuel
Trouvez la formation et le financement faits pour vous
Exemple de certificat de réussite
Exemple de certificat de réussite