5 façons de trouver des insights cachés dans votre first party data

Voici 5 autres exemples qui illustrent comment cette technologie peut être bénéfique à votre entreprise.

5 façons de trouver des insights cachés dans votre first party data

  1. Obtenir une vue d’ensemble de tous vos points de contact clients

L’une des étapes les plus basiques (mais des plus importantes) pour donner un sens à vos données, est de tout mettre au même endroit afin de pouvoir analyser l’ensemble de la situation. Or cela est plus facile à dire qu’à faire, pour un certain nombre de raisons :

• Les données se trouvent sur diverses plateformes, généralement là où elles sont recueillies originellement
• Ces données sont parfois en silos et les autres équipes n’y ont pas forcément accès
• Une fois utilisées et transmises en vue d’atteindre leur objectif premier, les données ont tendance à être oubliées

Par exemple, l’équipe de service client a un objectif bien spécifique lorsqu’elle analyse des tickets d’assistance. Elle doit avant tout comprendre combien de problèmes sont résolus et à quelle vitesse. L’équipe produit examinera quant à elle les opinions en se focalisant sur les caractéristiques à améliorer.

Néanmoins, les autres équipes de l’organisation pourraient également tirer de précieux insights à partir de ces ensembles de données.

Les équipes marketing et web, par exemple, devraient être au courant des problèmes récurrents mentionnés dans les tickets d’assistance, via lesquels les clients manifestent leur mécontentement à propos d’un produit. Elles pourraient ainsi fournir de meilleures informations aux acheteurs potentiels.

Les équipes social media et de contenu pourraient s’inspirer des préférences exprimées par le public afin de créer et de promouvoir des études de cas sur ces questions.

Avec Brandwatch Consumer Research vous pouvez uploader toutes les données textuelles de première partie auxquelles vous avez accès et les analyser en même temps que les données sociales et autres données en ligne relatives à votre marque ou vos produits. Cela comprend des données telles que :

• Les tickets d’assistance
• Les transcriptions de journaux d’appels
• Les journaux de chats
• Les réponses aux enquêtes online et offline
• Les avis clients
• Les forums communautaires

Les outils d’analyse de sentiments et de sujets vous permettent de vous focaliser sur les interactions les plus positives ou les plus négatives de vos clients, qu’elles aient lieu lors d’appels téléphoniques, dans des emails envoyés au service clientèle ou sur les médias sociaux.

2. Comprendre ce qui motive les mentions positives ou négatives

L’analyse des sentiments et des émotions est un excellent point de départ pour segmenter les feedbacks de vos clients, surtout lorsque vous disposez d’une grande quantité de données. Mais pour réellement approfondir des domaines spécifiques, vous devez aborder le sentiment en identifiant et en étudiant ce qui génère les expériences positives ou négatives des consommateurs.

Les outils d’apprentissage automatique, tels que les Custom Classifier de Brandwatch, aident à identifier ce qui motive le sentiment exprimé, même lorsque les données ne sont pas structurées. En entraînant un algorithme avec des exemples, vous apprenez à celui-ci à identifier les commentaires négatifs ou positifs en contexte (même si le langage utilisé ne contient pas de signaux évidents de mots-clés). Cette approche peut se révéler beaucoup plus pratique qu’un simple tri par sentiment positif ou négatif, et vous donnera une compréhension plus nuancée des feedbacks des consommateurs.

Par exemple, sur un ensemble d’avis clients, vous pourriez entraîner un Custom Classifier de Brandwatch pour identifier les avis négatifs concernant :

• La qualité de votre produit
• Le processus de livraison
• Le prix
• La description du produit ou son adéquation aux usages visés lors de l’achat

Bien que chacun de ces éléments soit « négatif », il s’agit en fait d’informations très diverses et chacune nécessiterait une réponse distincte… peut-être même de la part de plusieurs équipes différentes.

3. Surveiller l’évolution des tendances

Une fois en possession d’une vue d’ensemble segmentée de vos données clients, vous pouvez commencer à suivre les thématiques clés dans le temps.

Cette démarche peut vous aider à quantifier l’impact de vos initiatives sur l’expérience client.

• Une nouvelle formation a-t-elle permis de réduire le nombre de tickets d’assistance relatifs à un produit ou un service particulier ?
• La sortie d’une nouvelle fonctionnalité a-t-elle accru les réactions positives concernant la facilité d’utilisation de votre produit/service ?
• Notre événement client a-t-il changé la façon dont les gens perçoivent nos produits ?

Cela peut également vous aider à comprendre les changements saisonniers :

• Les livraisons posent-elles plus de problèmes en hiver ?
• Vos clients manifestent-ils plus de problèmes de service à certaines heures ou certains jours de la semaine ?

4. Comparer la façon dont les consommateurs s’expriment en privé et en public

Si les données clients constituent une véritable mine d’insights, le fait de les combiner avec les opinions exprimées sur les médias sociaux peut permettre des découvertes encore plus intéressantes. Le fait d’analyser ces ensembles de données côte à côte met en lumière les problèmes cachés dans le parcours client et offre une compréhension nuancée de la manière dont différents groupes de consommateurs parlent de vos produits en privé et en public.

Les clients peuvent en effet se rendre sur les médias sociaux pour y faire part de motifs de joie ou de mécontentement différents de ceux abordés dans des messages privés. La découverte de problèmes qui n’apparaissent pas dans les tickets d’assistance mais sont partagés en ligne est un bon moyen d’identifier les dysfonctionnements de votre service clientèle. Cela peut signifier :

• Que les clients ne savent pas qu’ils peuvent obtenir de l’aide, ou qu’ils ne savent pas comment y accéder
• Qu’ils sont exaspérés par le manque de solutions
• Ou pire, qu’ils n’ont pas eu de réponse du tout

Quoi qu’il en soit, des améliorations sont à apporter.

Vous pouvez également obtenir une compréhension plus nuancée des différents groupes de clients en utilisant une variété de sources de données.

5. Valider les hypothèses social media à l’aide des données clients

Le fait de confirmer les corrélations entre les données online et offline peut s’avérer aussi utile que d’identifier les différences. Les données social media contiennent une multitude d’informations, mais elles ne sont pas structurées et peuvent se révéler extrêmement désordonnées : il devient alors très difficile de séparer les renseignements fiables sur les consommateurs des informations parasites. En comparant les données online et offline, vous mettez en lumière des corrélations qui vous aident à justifier les conclusions tirées à partir des sources sociales.

Le principal avantage de cette démarche est de renforcer la confiance autour de votre analyse et des informations tirées des conversations sur le social. Or ces dernières existent en grand nombre ; elles sont moins chères et plus facilement accessibles que de nombreuses sources traditionnelles de données d’études de marché et de consommation.