Survey-Magazine : Pouvez-vous nous parler de votre travail avec Intel sur l'écoute sociale. De quoi s'agit-il ?
Frank Buckler : C'était en décembre dernier, quand j'ai reçu un appel de notre client Intel Corp. Son objectif était de synthétiser les KPIs mesurés par des trackers de marque. L'intention est donc d'estimer les KPIs qu'un tracker de marque aurait mesurés en utilisant des données de conversation sociale. Dix mois plus tard, nous avons non seulement une réponse. Nous avons également présenté des détails sur la plus grande conférence Insights au monde lors de la conférence d'Esomar le 10 septembre.
L'écoute sociale peut-elle remplacer les enquêtes ?
Les conclusions de l'étude étaient doubles : "NON" - cela ne rendra pas l'enquête superflue. "OUI" - il peut vous aider à suivre vos principaux KPIs plus fréquemment (en fait en temps réel), à moindre coût, avec un accès à des audiences encore plus difficiles à atteindre. Il le fait en qualité d'enquêteur. Mais elle ne peut le faire qu'en s'appuyant sur les dernières techniques d'IA/ML. Le simple fait de compter les mentions est presque dénué de sens. Donc OUI, l'écoute sociale basée sur l'intelligence artificielle peut offrir ce que ni l'enquête ni l'écoute sociale n'ont été capables de faire jusqu'à présent.
Quelle source de données sociales avez-vous utilisée ?
Nous accédons à de nombreuses plateformes sociales différentes, de Facebook, Instagram, à Reddit et Twitter. Nous ajoutons également des blogs et des forums spéciaux si nécessaire pour un certain groupe cible. Il est intéressant de noter que même pour des publics B2B particuliers, cette approche peut avoir un sens. Parfois, ils sont plus accessibles que pour les entrevues sociales, plutôt que pour les entrevues en ligne.
S'agit-il d'une étude de faisabilité ou s'agit-il déjà d'une solution commerciale ?
Nous sommes en train de faire la quatrième étude avec lui et nous avons utilisé ces étapes pour en faire une solution standardisée et facilement disponible (more social-ai.co). Dans cette formation, nous formons une intelligence artificielle d'analyse de texte avec la connaissance du domaine des marques, afin qu'elle puisse lire avec une grande précision ce qui a été dit sur le social. Dans un deuxième temps, nous utilisons les informations quantifiées p o u r c o n s t r u i r e u n m o d è l e d'apprentissage machine afin de prédire ce qui a été mesuré dans le traceur de marque. Cette approche est tellement standardisée aujourd'hui qu'une première étude d'étalonnage est nécessaire pour mettre en place le modèle et prouver ses performances. Ensuite, il est appliqué en continu avec des cycles d'étalonnage annuels.
