Hors-Série IA 2020

Maîtriser les données numériques en étude de marché : une compétence primordiale

Compétences numériques

L'enseignement des études de marché reste fondamental dans les écoles de commerce et à l'Université. Les profils d'étudiants capables de réaliser des études dans divers secteurs demeurent très recherchés. Il convient donc de continuer à les former pour qu'ils soient à même d'appréhender la problématique étude, recueillir l'information, la traiter et proposer des recommandations. Traditionnellement, les enseignants-chercheurs expliquent aux étudiants comment réaliser une veille documentaire, une étude qualitative et une étude quantitative. Toutefois, avec la montée en puissance de la data disponible sur les sites web, sur les forums de discussions, sur les blogs ou encore sur les réseaux sociaux, il est essentiel pour les enseignants-chercheurs en marketing de former les étudiants à l'analyse des données numériques.

Ces données numériques sont diverses revêtant plusieurs formats. Il peut s'agir d'images Instagram, de tweets, de commentaires, de messages dans les forums, de vidéos. Les données sont donc à la fois qualitatives (un avis, une requête, une idée exprimée en texte) mais aussi quantitatives (métrics: nombre de likes sur le mois de mars, nombre de followers, géolocalisation). Dans le cadre d'une étude de marché, ces données clés permettent au chargé d'études de caractériser la notoriété, la réputation/e-réputation, l'image d'une marque/d'une personnalité, de détecter des tendances de consommation ou des idées proposées par les consommateur (l'User Generated Content), enfin, de repérer rapidement le risque de diffusion d'un bad buzz.

Le chargé d'études aura donc le choix de mobiliser une approche qualitative, quantitative ou mixte en combinant les deux pour aider à la décision.

C'est en prenant en compte l'importance de la web data que nous avons construit notre cours d'études de marché cette année. Après avoir expliqué ce qu'était la veille documentaire, l'étape suivante était la présentation et le travail en profondeur de l'étude qualitative. L'objectif étant de réaliser un focus sur la veille digitale en utilisant la méthode qualitative netnographique.

L'approche netnographique

Robert Kozinets, Full Professor à l'Université de Caroline du Sud, est considéré comme le « créateur » de la netnographie. Il est l'un des premiers chercheurs en marketing à avoir proposé un cadre pour utiliser la netnographie. En étudiant les travaux de Kozinets, Bernard (2004) propose ainsi la définition suivante : « [la netnographie est] une méthode d'enquête qualitative qui utilise Internet comme source de données en s'appuyant sur les communautés virtuelles de consommation. Elle analyse essentiellement – mais pas uniquement – les actes de communication des membres d'une communauté virtuelle de consommation en cherchant à leur donner sens ». Kozinets a par exemple étudié la communauté Star Trek en participant à des conventions dédiées à cette culture mais aussi au travers des nombreux messages sur les forums et blogs postés par les consommateurs (Kozinets, 2001). En 2002, il publie un article dans le prestigieux Journal of Marketing Research (cité plus de 3 600 fois selon Google Scholar) dans lequel il explique le process méthodologique.

La netnographie est une méthode qui peut s'adapter à de nombreux sujets captivants pour les étudiants « millenium ou Digital Native » : crowdfunding, stratégie de marque, influenceurs, musique, bouche à oreille électronique, DNVB. Des travaux de recherche se sont ainsi intéressés aux fans d'Alpha Romeo (Cova, Pace et Skalen, 2015), au wedding planning (Nelson et Otnes, 2005), au régime (Bradford, Grier et Henderson, 2017).

Cette année, nos étudiants ont travaillé sur le festival Hellfest. Ce cas s'avère très intéressant puisqu'il combine de nombreux aspects qui peuvent être étudiés par les étudiants : notoriété du festival, expérience de consommation, logistique, typologie des artistes/spectateurs, sous-culture gothique/hardcore, …

Véritable phénomène, ce festival dispose par ailleurs d'une forte communauté puisque les 180 000 places du Hellfest se vendent en une journée. C'est un point crucial pour réaliser une netnographie.

Afin que les étudiants puissent collecter les données, nous avons d'abord expliqué la démarche. Il s'agit en premier lieu de trouver des thématiques qui « parlent » en observant le nombre de sujets et de personnes qui commentent une discussion, en vérifiant l'actualité et les updates de celle-ci puis en identifiant des débats entre internautes. Kozinets préconise de s'intéresser aux « hot topics », ces sujets qui sont sources de très nombreuses discussions, interactions, tensions entre les individus.

L'étudiant a ensuite le choix de réaliser une observation participante (en étant membre de la communauté et en participant aux discussions) ou non participante (en ayant un regard extérieur). Il doit finalement sélectionner le média qui lui permettra de recueillir l'information correspondant à sa problématique : groupes Facebook, # Twitter, profil Instagram, blogs, forum privé, vidéos Youtube. Puis il est ensuite nécessaire de collecter les données. Le travail ici consiste à copier/coller (manuellement) les verbatims et photos/vidéos recueillies et à les compiler dans des fichiers Excel ou Word pour ensuite les analyser. Lors de cette étape, nous leur montrons rapidement quelques outils contribuant à automatiser la veille à l'instar des flux RSS, de Tweetdeck, des opérateurs booléens, de Feedly et de la recherche avancée sur Google. Ces outils ancrent la recherche sur un mot clé particulier pour récupérer en temps réel ce qui se dit sur le sujet étudié. C'est également l'occasion de leur présenter des méthodes pour « aspirer » les données directement via des logiciels de programmation comme R ou Python. A titre d'exemple, NodeXL permet, avec la version gratuite, d'aspirer tous les # relatifs à un mot clé dans Twitter. Notre cours d'étude de marché n'a pas vocation à former des analystes « social media » mais il nous paraît essentiel de sensibiliser les étudiants en école de commerce à l'importance du traitement de ces données numériques.

Finalement, l'étudiant passe à la phase d'analyse, étape clé pour comprendre ces données et les interpréter. C'est l'opportunité de pratiquer le codage manuel des propos recueillis, comme on le fait avec les entretiens semi-directifs, mais aussi d'utiliser le logiciel open source de text mining Iramuteq afin de réaliser, en confirmatoire, des analyses statistiques textuelles. Nous évoquons l'intérêt de ce logiciel dans le numéro de novembre de ce magazine (Duchemin et Sohier, 2018).

L'intérêt de mobiliser la netnographie vise à travailler sous un nouvel angle le sujet de leur étude de marché. En effet, il est demandé aux étudiants de réaliser des entretiens semi-directifs et une netnographie. Ils sont ainsi encouragés à recueillir et à confronter deux sources de données afin de nuancer, renforcer, segmenter leur analyse pour conclure leur étude.

En plus de cet intérêt porté à la netnographie, nous expliquons de manière très synthétique comment réaliser un reporting social media puisque la netnographie est centrée sur des données qualitatives. En étude de marché, il est fondamental de pouvoir mesurer et proposer des tendances.

Reporting Social Media

Notre enseignement mobilise les bonnes pratiques du reporting (proposées par l'entreprise Digimind) pour expliquer comment créer un rapport fiable et complet en se basant sur le modèle POEM (Paid-Owned-Earned Media). Les étudiants s'intéressent dans un premier temps aux performances « médias possédés » pour identifier l'évolution du nombre des indices sociaux (followers, publications, interactions). L'objectif ici est de définir le positionnement de la marque par rapport à ses concurrents.

L'étudiant va ensuite travailler sur les médias gagnés, en s'attachant aux expressions récurrentes, aux # populaires, pour déceler des tendances, comprendre l'impact d'une campagne de communication, étudier les répercussions d'une décision politique. Il peut ensuite étudier l'évolution des discussions afin de voir s'il existe des « pics de discussions » qui peuvent être source d'informations. Une importance est aussi accordée au média numérique dans lequel est posté l'information (blog, Facebook, Twitter) afin de savoir où une marque doit communiquer pour être optimale. L'étudiant peut alors étudier qui est à l'origine de ce message dans un objectif de segmentation (profilage consommateur) ou d'objectif stratégique (les influenceurs et ambassadeurs de marque). Finalement, c'est par le SERM (Search Engine Reputation Management) que l'étudiant peut comprendre la notoriété d'une marque.

La dernière étape de la collecte consiste à comprendre comment la marque est perçue. Ce qui se dit sur la marque, les retweets, les indicateurs statistiques reflètent-ils une perception négative ou positive ?

En compilant ces éléments, l'étudiant est donc en mesure de quantifier des informations et de les mettre en perspective au regard d'une problématique étude spécifique.

En guise de conclusion, nous pouvons dire que nous avons comme objectif d'adapter notre enseignement aux comportements des « milleniums », cette génération née dans un contexte très digital. Prendre l'option de les sensibiliser aux enjeux de la transformation numérique et des sources d'informations diverses et puissantes du web nous semble être une compétence primordiale pour tout étudiant en marketing (et encore de commerce). Ceci leur permet de prendre du recul et de plus facilement intégrer et appliquer les nouveaux process rattachés aux start-up : growth hacking, market fit, design d'expérience client, Digital Native Vertical Brand, retail direct to consumer (Lipskier, 2018). n