Le Big Data, une affaire qualitative

Partager

Tweet

Partager

Partager

Email

Commentaires

Chaque jour, 3,3 milliards de requêtes sont effectuées sur Google, soit 100 milliards par mois. Plus impressionnant encore, 15% d’entre elles sont de nouvelles requêtes (soit 500 millions par jour). En tant qu’experts du marketing digital, un tel constat doit nous amener à nous interroger : comment rester pertinent face à ces requêtes en constante évolution et se démarquer des concurrents ?

Face à ce nombre de requêtes toujours plus massif, il est nécessaire d’adopter une approche visant à appréhender, classifier et exploiter de grandes quantités de données. C’est ici que le Big Data, appliqué à la sémantique, prend toute son importance. Le traitement de ces immenses quantités de données sémantiques permet en effet plusieurs choses :

• Explorer, en profondeur et de manière exhaustive, les champs sémantiques porteurs sous-exploités ou inexploités par une marque et ses concurrents
• Adopter une approche customer centric en identifiant de manière continue et automatique les requêtes/concepts réellement utilisés par ses cibles
• Mettre en place une gouvernance éditoriale afin « d’éviter la cannibalisation » au sein d’une galaxie multi-sites
• Identifier des influenceurs dans son domaine, analyser les contenus qu’ils utilisent afin de leur proposer des contenus qu’ils s’approprieront et diffuseront
• Développer des contenus engageants et performants en identifiant les thématiques à traiter par rapport aux attentes préssenties des clients/prospects (Trends Topics)

Ainsi, il devient possible, grâce au Big Data Sémantique, d’identifier des concepts porteurs inexploités et de déterminer des axes d’évolution et d’amélioration continue de la présence et de la visibilité digitales d’une marque, dans le but d’attirer davantage de visiteurs et de prospects.

Les champs d’exploitation du Big Data Sémantique

Les utilisations du Big Data Sémantique sont multiples. Sur les moteurs de recherche, une analyse en profondeur des contenus, mots-clés et expressions utilisés, ira enrichir aussi bien une stratégie SEO (référencement naturel) que SEA (référencement payant).

Sur les médias sociaux, en analysant les expressions utilisées par ses abonnés, les conversations entre utilisateurs, les interactions avec ses clients, une marque peut être en mesure de travailler et affiner sa stratégie SMO (présence social media).

Enfin, l’ensemble de ces données sémantiques identifiées, scorées, hiérarchisées, sont un formidable matériau pour les équipes d’innovation, de marketing stratégique et de marketing pour inventer et promouvoir les produits et services répondant aux besoins réels des consommateurs.

Big Data SEO

L’analyse Big Data offre une cartographie complète de l’univers sémantique et concurrentiel d’une marque. A partir de cette analyse, il devient possible de définir une stratégie éditoriale performante et de multiplier le nombre de mots-clés stratégiques par 10 (ex : « mutuelle santé ») et les expressions longue traîne par 100 (ex : complémentaire santé obligatoire).

Big Data SEA

La profondeur sémantique des résultats d’une analyse Big Data permet d’identifier de nouvelles requêtes et des mots-clés longue traine représentant un grand potentiel de trafic et sur lesquels la concurrence SEA n’est pas aussi intense que sur les mots-clés cœur de cible. En exploitant ces nouvelles expressions, les CPC deviennent compétitifs et la stratégie SEA de la marque, performante.

Big Data SMO

Une analyse Big Data SMO peut être menée à partir de deux approches. D’une part, la marque peut adopter une vision brand centric, si elle souhaite travailler sa stratégie social media en analysant son e-reputation. L’autre porte d’entrée retenue peut être product centric, si l’objectif de la marque est de connaître le ressenti des internautes sur un produit ou un service en particulier. Une fois menées, ces deux analyses suivent une méthodologie commune et ont pour objectif d’enrichir la stratégie social media de la marque.

Exploiter les synergies entre chaque levier

Bien entendu, ces trois champs d’exploitation ne sont pas cloisonnés. Ils communiquent entre eux, se nourrissent. Ainsi, une analyse Big Data SMO fera remonter des questions, des besoins client formulés sur les réseaux sociaux qui pourront enrichir la stratégie de contenus du site, et inversement.

Les applications du Big Data à la sémantique commencent juste à se dessiner et la tendance ne semble pas fléchir. A l’ère de la data comportementale et du marketing prédictif, une analyse customer-centric exhaustive capable d’identifier de nouvelles requêtes, de nouveaux besoins client puis de les hiérarchiser est un atout précieux pour les marques.

Auteur : Philippe Le Meau, Directeur général d’Activis

***

(c) Ill. DepositPhotos