Qu’est-ce que l’analytique des médias sociaux (Social Media Analytics )?

« L’analytique des médias sociaux est la capacité de recueillir et de trouver un sens dans les données recueillies à partir des canaux sociaux pour soutenir les décisions commerciales — et mesurer la performance des actions basées sur ces décisions par le biais des médias sociaux. » IBM source
Social Media Analytique implique l’utilisation de divers outils d’apprentissage automatique(Machine Learning),de science des données( Data Science), traitement du langage naturel (NLP), de visualisation de données) et techniques pour extraire des informations précieuses (comportement de l’utilisateur, préférences et tendances) à partir de tweets, de commentaires et de publications.
De nos jours, les entreprises et les chercheurs plongent dans l’analytique des médias sociaux pour comprendre les tendances, les opportunités, le développement de produits et prendre le pouls de ce que les gens pensent et ressentent.

C’est vraiment incroyable de voir à quel point nos interactions informelles en ligne sont une source d’informations qui peuvent façonner les produits, influencer les affaires et améliorer les stratégies de marketing. Voici quelques cas d’utilisation.

Développement de produits : Par exemple, une entreprise de bicyclettes pourrait détecter sur les plateformes de médias sociaux une tendance comme « À quel point les citoyens sont satisfaits de leurs nouvelles pistes cyclables qui ouvriront l’été prochain ». Par conséquent, une nouvelle opportunité de marché est identifiée : les services de location de vélos en ville, les magasins de vélos et les services de réparation. (classification de texte, analyse des sentiments, analyse des tendances, modélisation des sujets).

Santé publique : Par exemple, lors d’une saison grippale, les responsables pourraient suivre les mentions de « grippe » ou de symptômes sur leur plateforme de médias sociaux afin de prédire l’expansion plus rapidement (détection d’anomalies, analyse de séries chronologiques, reconnaissance d’entités nommées).

Service client : Par exemple, les compagnies aériennes disposant d’outils d’écoute sociale peuvent détecter plus tôt les plaintes concernant leur service et y répondre rapidement (classification de texte en temps réel, analyse des sentiments, reconnaissance d’entités nommées).

Réponse aux catastrophes : Par exemple, à partir des plateformes de médias sociaux, l’équipe d’urgence et les responsables ont pu suivre les mises à jour en temps réel des zones touchées et allouer des ressources (classification de texte en temps réel, analyse de réseau).

Domaines d’applications :

Analytique des médias sociaux vs analyse des médias sociaux

( Analytics vs analysis)

1-L’analyse des médias sociaux (Social Media Analysis) se concentre davantage sur l’examen des commentaires, des publications, des partages, etc. pour essayer de comprendre ce que les gens disent et ressentent à propos de votre produit, de votre marque, etc. Il essaie d’obtenir un instantané de l’opinion publique. Les médias sociaux sont sa source de données.
2-L’Analytique des médias sociaux (Social Media Analytics) se concentre sur la réponse à ces questions :
Que signifie le résultat de l’analyse pour notre avenir ?
Où devons-nous concentrer nos efforts pour obtenir les meilleurs résultats ?
Comment pouvons-nous utiliser ces informations pour améliorer notre produit/service ?

Exemple : Constater d’une augmentation des posts liés au ‘’burn-out’’ et au ‘’stress’’ (Analyse), ajout d’un nouveau module ‘’Bien-être’’ dans l’application, une collaboration RH et Marketing pour créer plus de contenu lié à l’équilibre entre vie professionnelle et vie privée work-life balance, etc. (Analytique).
Il se resume à l’un vous dit ce qui se passe et l’autre vous aidera à déterminer le prochain mouvement ou étape à prendre.

Exemple de chaîne de restaurants :
Analyse : Les avis recus des plateformes de media sociaux, montrent que les clients adorent le nouveau repas végétarien mais le trouvent très cher.
Analytique : La combinaison du résultat de l’analyse avec les données de l’étude de marché végétarien, avec les données de vente de differents endroits, aidera à optimiser les prix et l’expansion potentielle du menu a proposer aux clients.

Deep Dive dans les tweets qui mentionnent le Président Bassirou Diomaye Faye.

Dans cette étude, nous avons examiné un ensemble de données de 705 tweets de mars 2024 à Juillet 2024.En utilisant divers outils d’apprentissage automatique(Machine Learning) ,de science des données ( Data Science) et de traitement du langage naturel (NLP) pour tenter de découvrir certaines informations qui peuvent conduire au développement stratégique et à la prise de décision.

Techniques d’analyse des médias sociaux

Analyse linguistique : examine le langage utilisé dans le tweet pour obtenir des informations sur le comportement de l’utilisateur. Il est axé sur le nombre de mots, la structure des phrases etc.

Analyse des sentiments : à l’aide de techniques de traitement du langage naturel (NLP) telles que l’analyse des sentiments, nous avons pu classer les tweets comme « très négatifs », « négatifs », « neutres », « positifs », « très positifs ». Il permettra de comprendre le sentiment général à l’égard du Président Bassirou Diomaye Faye sur Twitter.

1. Modélisation thématique : Elle nous permet d’identifier à partir du contenu du tweet les principaux thèmes abordés en relation avec le Président Bassirou Diomaye Faye à l’aide d’algorithmes. Ces résultats pourraient l’aider à adapter sa stratégie de communication.

1. Segmentation des tweets : aide les groupes à tweeter en fonction de leurs caractéristiques (longueur des mots, taux d’engagement moyen, longueur moyenne des mots) en fournissant des informations pour mieux cibler les efforts de communication.

1. Analyse du style d’écriture : fournit des informations sur le comportement et les préférences de l’utilisateur en fonction des caractéristiques de l’écriture (nombre de mots, structure des phrases et complexité linguistique).

1. Analyse de l’engagement : Analyser des indicateurs tels que les retweets, les likes, les commentaires pour comprendre l’impact réel du contenu et la façon dont les gens interagissent avec celui-ci. Cela pourrait aider à optimiser les stratégies de médias sociaux.

1. Détection de la toxicité : Cette technique permet d’évaluer la qualité globale du contenu et d’identifier les contenus et les interactions préjudiciables.
2. Classification des émotions : Cette analyse nous permet d’obtenir un aperçu des réactions émotionnelles des utilisateurs envers le président Bassirou Diomaye et des sujets spécifiques. Les émotions sont classées comme suit : ‘colère’, ‘joie’, ‘tristesse’ et ‘optimisme’.

1. Cosine Similarity for Hashtag Similarity Heatmap : avec un modèle de langage pré-entraîné (comme FlauBERT), nous pouvons générer des hashtags embeddings qui seront utilisées pour calculer la similarité cosinus. Avec la carte thermique, nous pourrons voir rapidement quels hashtags sont similaires. Cette technique pourrait également être utilisée pour identifier des tweets similaires, regrouper les tweets en fonction de l’émotion ou du contenu, etc.

Analyse de la diversité des opinions : aide à comprendre les diverses opinions exprimées au sein des communautés détectées par rapport à l’émotion du contenu du tweet.

Techniques d’analytique des médias sociaux

Analyse des fausses nouvelles : détection des fausses nouvelles et de la désinformation.

Détection de bot : Identification d’un bot à l’aide du Machine Learning.

Clustering : Cette technique est utilisée pour regrouper les utilisateurs ou les tweets en fonction de leurs caractéristiques et identifier les clusters présentant des similitudes.

Détection d’anomalies : elle est utilisée pour identifier des pics inhabituels dans les mesures d’engagement et/ou le sentiment qui peuvent indiquer une situation critique ou des opportunités.

Analyse du réseau : En cartographiant les interactions des utilisateurs, nous pouvons identifier les influenceurs et les communautés clés au sein de l’ensemble de données. Les informations peuvent être utilisées pour cibler les influenceurs clés, établir des partenariats stratégiques et jeter un coup d’œil à la diffusion de l’information.

Analyse en chambre d’écho : Elle nous permet d’examiner des communautés d’utilisateurs qui interagissent les uns avec les autres et partagent des opinions similaires.

Détection de super diffuseurs : Identification des utilisateurs qui jouent un rôle clé dans la diffusion de l’information sur Twitter. Comprendre comment la propagation du message pourrait aider à la communication efficace.

Continuez à apprendre, continuez à essayer

Keep on learning,keep on trying.

N’hésitez pas à lire et à télécharger le rapport complet ici.

Conclusion

L’analyse des tweets du Président Bassirou Diomaye faye montre le pouvoir de l’analytique des médias sociaux (Social Media Analytics ) pour comprendre l’opinion publique, trouver des sujets clés et des influenceurs. En combinant diverses techniques, nous sommes en mesure d’extraire des informations précieuses qui orientent la planification et la prise de décision en matière de communication stratégique.

À mesure que les médias sociaux continuent d’évoluer, le besoin d’une analytique efficace des médias sociaux augmentera. En exploitant les données des plateformes de médias sociaux, les entreprises, les organisations, les politiques et les individus peuvent obtenir un avantage concurrentiel et établir une relation plus forte avec leur public, ce qui pourrait conduire à un meilleur service à la clientèle et entraîner des changements percutants

L’analytique des médias sociaux est devenue une source d’innovations.

Pour en savoir plus sur les résultats de cette étude, veuillez consulter le rapport complet disponible ICI.

Alioune Diop,Technical Architect