OX2 Web Analytics blog

[Ce billet est une traduction de l'article d'Adam Greco d'Omniture]

Pour ceux qui ont eu la chance d’assister à l’édition US de la conférence Omniture Summit 2009, vous aurez remarqué que les conversations autour des réseaux sociaux et de Twitter y allaient bon train. Dans ma présentation sur l’utilisation avancée de SiteCatalyst, nous avons évoqué comment utiliser Omniture SiteCatalyst pour mesurer la notoriété de votre marque dans des réseaux sociaux comme Twitter. Ce concept a apparemment été bien reçu par l’auditoire du Summit et j’ai eu l’occasion de le présenter lors de la session de fermeture. Ce billet vous décrira en détail ce concept – surtout pour ceux qui n’ont pas pu assister en personne à cet atelier du Summit.

AVERTISSEMENT PREALABLE: la technique décrite ci-dessous est purement expérimentale et n’est donc pas la démonstration d’un nouveau produit de la suite Omniture.

Commençons par une hypothèse

Tout a commencé alors que je me disais que Twitter était un outil sympa et qu’il serait vraiment génial de pouvoir s’en servir pour son propre marketing. En tant qu’ambassadeur d’Omniture sur Twitter (Omni_man), j’observe de nombreux utilisateurs qui parlent d’Omniture à longueur de journée sur Twitter. Parfois, les commentaires sont positifs, d’autres fois ils sont négatifs. En général, j’essaie de faire passer à mes collègues les “tweets” sur Omniture  que je trouve pertinents, mais ce travail est très souvent fastidieux.

C’est là que je me suis dit: “SiteCatalyst a une API d’insertion de données (Data Insertion API) qui est utilisée pour injecter des données externes dans SiteCatalyst et Twitter a une API associée au site search.twitter.com, donc si on associe les deux, ne pourrait-on pas envoyer de l’information de Twitter vers SiteCatalyst?” Ceci nous permettrait de réaliser toutes sortes d’intégrations assez pratiques, comme celles que je vais décrire plus loin.

J’ai donc mis un de nos consultants à contribution (merci Shawn Reed!) et, le lendemain, nous avions un prototype fonctionnel. Les fonctionnalités décrites ci-dessous prendront comme exemple Comcast (avec qui j’ai présenté au Summit) [NdT: Comcast est un fournisseur US triple-play par cable] mais ces exemples représentent des données de test et ne signifient pas que Comcast se sert effectivement de cette fonctionnalité. Pendant ma présentation, j’ai posé l’hypothèse suivante: vous êtes le responsable web analytics de Comcast et votre directeur marketing revient d’un séminaire ou il/elle a entendu parler de Twitter et croit désormais que Comcast doit être capable de mesurer ce que ses clients racontent sur les réseaux sociaux. Le directeur marketing organise sur-le-champ des équipes marketing et communication et éxige de pouvoir obtenir les informations suivantes:

1. Avec quelle fréquence Comcast est-il mentionné sur des réseaux comme Twitter?
2. Peut-on parler de pics (positifs ou négatifs) en terme de mots-clé associés à la marque? (sur la semaine, le jour ou l’heure)
3. Qui sont les personnes qui mentionnent Comcast le plus souvent et avec qui communiquent-ils?
4. A quel moment ces personnes parlent-elles des produits et/ou services de Comcast? Les responsables produit devraient être au courant!

C’est normalement à ce moment que le directeur marketing se tourne vers vous et vous demande ce que vous pouvez faire pour l’aider… Comment lui répondre? Pas sûr(e)? On va s’y prendre un problème à la fois…

Surveillance des commentaires liés à la marque

Comme il a été évoqué plus tôt, la clé du problème  repose dans l’utilisation de l’API Data Insertion pour SiteCatalyst et de l’API de Twitter. Pour ceux qui ne connaîtraient pas l’API Data Insertion pour SiteCatalyst, elle permet d’injecter des données dans SiteCatalyst en l’absence de marqueurs Javascript. En combinant cette API avec celle de Twitter, on peut ainsi définir un évènement de succès pour chaque “tweet” associé à un nom de marque en injectant les résultats d’une recherche sur “Comcast” (via l’API Twitter) dans SiteCatalyst. Ceci nous permettra de visualiser le nombre de commentaires Twitter liés à la marque Comcast, par mois, par semaine, par jour ou même par heure.

Mais pourquoi s’arrêter en si bon chemin? SiteCatalyst a un système d’alertes intégré qui vous permet d’être prévenu par e-mail ou sur votre téléphone portable si un évènement de succès dépasse un certain seuil ou si cet évènement évolue dans une certaine proportion (positive ou négative). Pourquoi ne pas tirer parti de cette fonctionnalité pour recevoir une alerte (ou envoyer une alerte à d’autres personnes) dès que votre marque est mentionnée sur Twitter 25% de plus que l’heure précédente ou si l’utilisation de la marque baisse de jour en jour de manière significative? Ce système vous permettrait de garder une oeil sur ce qui se passe sur Twitter sans y être connecté de façon permanente! Dans la capture d’écran ci-dessous, vous verrez un évènement de succès appelé “Brand Twitter Comments” ainsi que l’alerte qui s’y rapporte:

Qui parle de vous sur  Twitter?

Votre directeur marketing voulait savoir qui parlait le plus de vous et de votre marque sur Twitter. Avez-vous des fans inconditionnels de votre marque? Avez-vous au contraire des clients mécontents et qui n’hésitent pas à le faire savoir à la moindre occasion? Avez-vous des employés qui ne suivent pas vos consignes et diffusent des informations incorrectes ou incomplètes sur votre entreprise?

L’avantage de l’API, c’est qu’on peut s’en servir pour récupérer le nom de l’utilisateur de Twitter associé à chaque tweet. Dans notre prototype, nous nous sommes débrouillés pour  extraire le nom de l’auteur du tweet ainsi que leurs destinataires, le cas échéant. Cependant, en plaçant l’auteur et le(s) destinataire(s) dans des variables de conversion (eVars), nous avons pu segmenter l’évènement de succès ”Brand Twitter Comments” par auteur pour voir qui parlait le plus de votre marque sur Twitter. Nous avons même poussé le procédé un peu plus loin en créant une sous-relation de conversion entre l’auteur et les destinataires pour que le rapport d’évènement de conversion soit segmentable de l’un vers l’autre et vice versa (sauf dans les cas ou il n’y a pas de destinataires bien entendu).

Ceci nous a permis de voir qui parlait avec qui et d’identifier les membres de communautés virtuelles qui se sont ainsi formées. Bien sûr, il est très utile de pouvoir contacter ces communautés pour obtenir des retours d’expérience ou des suggestions mais également de leur demander de parler des produits et services de l’entreprise lors d’une future campagne de promotion. Une fois ces utilisateurs mieux identifiés, vous pourriez utiliser une classification SAINT pour les regrouper en groupes aux noms plus parlants: “Clients”, “Concurrents”, etc.

Voici un aperçu du rapport que nous avons créé:

A la recherche de mots-clé pertinents

La dernière chose que nous avait demandé le directeur marketing était d’identifier, en plus de notre nom de marque, les mots-clé utilisés sur Twitter se rapportant à nos produits et services. Par exemple, si quelqu’un tweet  avec le mot “Comcast” mais utilise aussi le mot “débit”, il est très vraisemblable que le tweet soit en rapport avec notre offre d’accès à Internet haut débit et cette information peut intéresser notre responsable produit Internet. De la même manière, si un tweet contient non seulement “Comcast” mais aussi des mots comme “TiVo” ou “DVR” [NdT: TiVo est un enregistreur numérique programmable], il est très probable que l’auteur exprime son opinion au sujet de l’enregistrement numérique d’émissions de télévision – ce qui intéresserait le reponsable produit concerné, bien évidemment. Donc, vous avez potentiellement des millions d’occasions de savoir ce que vos clients pensent de vous, mais qui se permettre d’éplucher manuellement chacune de ces discussions pour en retirer la substantifique moëlle?

C’est alors que je me suis intéressé à une autre application de la fonctionnalité de recherche intégrée à SiteCatalyst. Puisque tous les tweets sont injectés dans SiteCatalyst, il devient facile de faire une recherche par mot-clé pour retrouver tous les commentaires qui contiennent le mot clé en question. Imaginons que l’on stocke les tweets contenant “Comcast” dans une variable de conversion (eVar) et qu’on cherche le mot-clé “TiVo”. SiteCatalyst isolerait alors les tweets concernés et on pourrait enregistrer la recherche et planifier un envoi récurrent des résultats par e-mail aux responsables produit concernés (tous les jours, semaines, mois, etc.) Comme çà, personne dans votre entreprise n’aura vraiment besoin de s’intéresser à Twitter de près ou de loin mais l’information pertinente en provenance de Twitter leur sera envoyée automatiquement et régulièrement. Et le meilleur dans tout çà, comme il n’y a pas de limite ni au nombre de recherches effectuées ni au nombre de rapports pré-enregistrés, vous pouvez littéralement créer des centaines de rapports en fonction des mots-clé à analyser et ensuite envoyer les résultats à plusieurs groupes de collaborateurs grâce aux listes de diffusion. La capture d’écran ci-dessous vous montre un exemple des tweets injectés dans SiteCatalyst avec une recherche sur le mot-clé “TiVo” et un surlignage du mot-clé dans les tweets trouvés.

Comme vous pouvez le voir, si vous avez de bonnes notions de SiteCatalyst, y compris une bonne connaissance des APIs, des variables de conversion, des sous-relations, de la recherche et des rapports pré-enregistrés, vous pourrez sans doute épater votre directeur marketing en répondant à toutes ses questions! Préparez vous à devenir une star des web analytics

Suivi de plusieurs marques

Nous avons exploré le suivi de plusieurs marques. En effet, il n’y a pas de raison pour que Comcast ne se serve pas de cette méthode pour garder un oeil sur ses concurrents ou sur ses filiales grâce à Twitter, histoire de les comparer entre eux. Ceci nécessiterait l’utilisation de davantage d’eVars et/ou d’évènements de succès mais nous y sommes arrivé dans le cadre de notre prototype.

Et maintenant?

Comme je l’ai expliqué au début de cet article, toute cette réflexion autour de Twitter n’a eu lieu que dans le cadre d’une expérience mais, comme vous avez pu le voir, ce concept a un énorme potentiel. Omniture va continuer de creuser ce sujet et nous vous encourageons à en faire de même. Nous espèrons partager davanatge d’informations à ce sujet sur le forum Developer Connection. Nous allons également contiuer à explorer d’autres pistes du même goût mais je vous encourage à nous laisser vos commentaires et vos suggestions sur ce billet pour voir comment développer ce concept.

Si vous avez une question à propos de SiteCatalyst ou d’Omniture? Avez vous besoin de mesurer votre site web mais que vous ne savez pas comment vous y prendre? Avez-vous des trucs et astuces que vous souhaitez partager avec nous? N’hésitez pas à nous laisser un commentaire sur ce billet ou par e-mail à insidesitecatalyst@omniture.com et je ferai de mon mieux pour y répondre via notre blog pour que tout le monde puisse en profiter.  Si vous êtes sur Twitter, vous pouvez me suivre à http://twitter.com/Omni_man.

A propos du traducteur

Julien Coquet est responsable Web Analytics chez LBi et consultant senior certifié Omniture SiteCatalyst (blog | Twitter)