Les outils de social média promettent de l’insight livré sur un plateau. Mais ces chiffres, plus particulièrement ceux liés à l’engagement, peuvent très vite prendre des allures de miroir aux alouettes… Nous savons à quel point il est facile d’assimiler un «like» ou un «share» à un réel engagement. D’où l’importance de l’analyse humaine pour décrypter ce qui se niche derrière le « buzz » et obtenir un aperçu différent de la situation.
D’après un document transmis aux autorités boursières par le site de micro-blogging lui-même, Twitter disposerait de 23 millions de comptes actifs alimentés par des «bots» c’est-à-dire des comptes utilisateurs pilotés sans aucune action additionnelle discernable de la part d’un usager. Cependant, si 8,5% des comptes ont recours à des applications tierces automatisées, cela ne signifie pas forcément que tous ces comptes relèvent de la supercherie ou du spam. Il existe en effet de nombreux fils Twitter – notamment ceux des sites médias – mis à jour automatiquement dans le but de relayer des informations. Et le phénomène est loin de se cantonner à Twitter… Connaissez-vous Instagress? Il s’agit d’une application bot pour Instagram qui permet de liker, follower ou unfollower de manière automatique…
Ces pratiques peuvent sérieusement fausser la notion d’engagement. Et même si les principaux réseaux sociaux ont créé des structures spécialisées pour combattre les «bot-like activity», il est parfois rude de déceler toutes les pratiques automatisées en faisant la part de l’utile et de l’action spam.
Récemment nous avons travaillé sur l’efficacité d’une campagne social media pour une marque. Nous avons remarqué que certains utilisateurs de Twitter en Asie du Sud-Est avaient partagé une vidéo postée sur YouTube par une marque bien connue, dans le cadre d’une campagne. Comptes sociaux allant au-delà d’un profil Twitter – une présence sociale inexistante en dehors de Twitter est souvent révélatrice d’un bot – et nombre raisonnable de followers d’allure «authentique»: tout portait à croire qu’il s’agissait d’utilisateurs réels, s’engageant de façon naturelle avec le contenu d’une marque.
Mais nous avons décidé de regarder plus en profondeur. En étudiant leur activité sur Twitter, nous avons remarqué que la plupart des contenus partagés par ces utilisateurs appartenaient à d’autres campagnes de marques renommées. Du reste, ces internautes ne semblaient pas avoir des centres d’intérêts bien définis: ils étaient capables de parler bain de bouche un jour et huile de moteur le lendemain… Et bizarrement, leurs followers avaient tendance à adopter un comportement similaire.
Toutefois, l’activité était assez sporadique, de l’ordre d’un ou deux tweets par jour, et un engagement généralement limité à une fois par campagne. De quoi brouiller les pistes lorsque l’on sait que les messages répétés sur des campagnes individuelles traduisent souvent une activité payante ou l’utilisation de bots.
Mais malgré tout, nous restions incapables de déchiffrer les motivations de ces utilisateurs quant au partage de contenus. Une de nos théories fut alors de penser qu’ils tentaient de bâtir leur communauté en partageant des marques en vogue…
Ce qu’il en ressort de cet exemple c’est que ces utilisateurs n’avaient pas d’intérêt particulier pour cette campagne de marque. Leur engagement s’est fait à l’encontre du spontané, bien loin des motivations d’un potentiel consommateur et encore plus de celles d’un fan de la marque. En somme un engagement factice… Une conclusion à laquelle nous n’aurions jamais pu aboutir si nous n’avions pas analysé ces profils en détail.
La leçon de tout cela n’est pas tant de se méfier à tout prix de la data, mais plutôt de prendre le temps de bien la comprendre avant de prendre des décisions stratégiques. Vous n’obtiendrez peut être pas les résultats que vous espériez mais vous obtiendrez les informations dont vous avez besoin.
