Avec plus d’une décennie d’expérience dans le domaine de l’édition à
The Globe and Mail
Shengqing Wu, directrice des données et de l’analyse chez
Viafoura
L’Agence européenne pour la sécurité maritime (AESM) est particulièrement bien placée pour fournir des informations remarquables sur la façon dont les données servent et soutiennent les nombreux éléments mobiles d’une organisation de presse. Ayant été le témoin direct de l’évolution d’un secteur autrefois dominé par la presse écrite, qui s’est de plus en plus tourné vers le numérique, Shengqing – un brillant analyste de données – est également doté d’une vision nuancée que seule l’expérience des rédacteurs et des analystes dans les salles de presse peut apporter.
Nous avons rencontré Shenqing pour discuter de la manière dont les éditeurs abordent les données par rapport à la manière dont ils devraient les aborder.
devraient
comment ils devraient l’aborder, pourquoi la simplification des données permet d’obtenir les informations les plus sophistiquées.
que diable
un entonnoir d’audience générationnelle ?
Évolution des données, de l’édition et de l’analytique en général
Shen, comme nous le savons, le monde des données est en perpétuelle croissance. En partie grâce à l’évolution des technologies et des capacités d’apprentissage, mais aussi en raison des changements culturels et de la façon dont les consommateurs se comportent en fonction de leurs expériences vécues. Au fil des ans, quels sont les changements que vous avez observés dans la façon dont les données sont acquises et utilisées dans l’édition ?
OIl est évident qu’au cours des dernières années, les éditeurs sont devenus beaucoup plus sophistiqués en termes de données, de stratégies de manipulation des données en général et de compréhension de leur public. La clé est d’essayer d’étudier les données comportementales de l’entreprise. Maintenant, cela est également lié au modèle économique de [the publisher’s], n’est-ce pas ?
Bien.
Il y a dix ans, peut-être 99 % des éditeurs de médias dépendaient de la publicité – si nous parlons de revenus numériques, ils dépendent de la publicité – mais de nombreux éditeurs ont commencé à se transformer en modèle d’abonnement. Ce modèle permet aux éditeurs d’avoir accès au comportement du public. Ce type de données, les données comportementales, est devenu plus important que jamais car tous les éditeurs veulent que leur public prenne l’habitude, par exemple, de lire trois fois par semaine ou plus.
Ce qui est logique pour toute publication, mais spécifiquement pour les éditeurs numériques, non ? Plus un lecteur visite le site, plus il passe de temps sur ses pages, ce qui signifie plus de points de données.
Ces signaux de données sont très précieux.
C’est l’une des choses que nous faisons chez Viafoura.
nous prenons ces points de données et ces signaux à partir de choses comme les commentaires, les ” likes “, les questions-réponses, et nous appliquons l’apprentissage automatique et les processus de langage naturel pour obtenir des informations contextuelles avancées.
Et ensuite ces données deviennent quoi, exactement ?
Des données déclaratives, ce que propose Viafoura. En gros, ce que les gens disent, comment ils se sentent, quelle est leur opinion… Grâce à leurs données, ils nous disent directement ce qui les intéresse en lisant un article.
Analytique : La simplicité donne des résultats sophistiqués
Les choses continuent à évoluer et à changer, la disparition (bien que perpétuellement reportée) des cookies, les nouveaux comportements des consommateurs, les nouvelles technologies qui modifient la façon dont nous consommons notre contenu et, et, et… La liste est longue.
Dans cette optique, si j’étais un éditeur et que je regardais le tableau de bord d’analyse des données de ma plateforme d’expérience numérique (DXP), y a-t-il des indicateurs clés que je pourrais suivre pour avoir une idée précise de la santé de mon entreprise ?
L’essentiel. L’essentiel. Comportement de consommation des articles, total des commentaires, des choses comme ça. Nous recommandons de les passer en revue, mais…
J’avais le sentiment qu’il y avait plus que ça… !
Nous croyons en une approche axée sur l’utilisateur ou sur le segment. La segmentation des utilisateurs jouera un rôle essentiel. C’est un moyen de visualiser les segments d’utilisateurs qui aident l’entreprise, leurs performances, et de pouvoir comparer un segment à un autre.
Qu’y a-t-il de si utile dans le fait de pouvoir comparer différents segments d’audience ?
Disons que vous avez un segment qui est excité par la politique, et un autre qui est plus excité par les nouvelles des célébrités. Et alors ? Et puis quoi ? En étant capable d’aller dans un tableau de bord et de comparer ces deux segments différents de diverses manières, nous pouvons trouver des modèles de comportement.
Combien de temps un segment passe-t-il généralement à lire, quels sont ses intérêts communs, quels sont les intérêts exclusifs des différents segments, etc. Ainsi, alors que le segment axé sur les célébrités est plus intéressé par le shopping et que le segment d’audience à tendance politique a tendance à apprécier les lectures sur les finances personnelles, il peut y avoir des similitudes que nous trouvons par comparaison et qui deviennent des informations comportementales précieuses.
En étant capable de comparer les similitudes et les différences entre deux segments d’audience qui atterrissent sur le même site, un éditeur pourrait en fait en apprendre beaucoup sur le type de contenu qu’il pourrait utiliser plus ou moins et peut-être retenir plusieurs segments en personnalisant leurs expériences.
Bien.
Je l’ai. Plus tôt, vous avez mentionné qu’il y a les ” bases ” de ce qu’il faut rechercher sur un tableau de bord analytique ; le temps sur la page, le nombre de commentaires, le temps passé dans la section des commentaires, etc… Y a-t-il des choses que vous avez remarqué qui sont négligées parce qu’elles semblent trop évidentes, mais qui sont en fait des signaux de données précieux qui mènent à des informations plus riches ?
Typically what we suggest is that
Parfois, nous utilisons des exemples de ces mesures de conversion avec de nouveaux clients pour leur montrer à quel point un utilisateur plus engagé est précieux pour les résultats de leurs données.
Je vois, donc c’est en regardant les mesures de conversion comme un KPI que vous dites que nous sommes capables de discerner exactement où et quand le contenu réalise des choses qui contribuent à atteindre les OKRs de croissance de l’audience ou à ajouter de la valeur à l’espace publicitaire numérique.
Soit dit en passant, pour ceux qui suivent cette conversation, ces moments d’échange de valeur sont les cas où les utilisateurs décident d’offrir leurs informations en échange de l’expérience proposée. Ce sont des sources d’informations incroyables qui permettent non seulement de définir la stratégie de contenu, mais aussi de créer une communauté, d’apporter des modifications à la conception, d’améliorer la visibilité du site lui-même, et bien d’autres choses encore.
Il s’agit de connaître les utilisateurs, non ? Un autre élément à prendre en compte dans ces mesures de conversion est de garder un œil sur l’endroit où ces conversions se produisent à proximité des choix de conception, des produits et de leurs caractéristiques. Par exemple, chez Viafoura, nous sommes en mesure de travailler avec nos clients et de dire avec certitude : “le starter d’engagement que nous avons mis en place a un taux de conversion de XX%”.
Cela signifie qu’avec ces données, ils peuvent renforcer les points de conversion les plus faibles ou tirer des enseignements des points de conversion gagnants ! Lorsque les données ont un sens, tout a un sens.
Est-ce que les
entonnoirs générationnels
la nouvelle norme ?
Avant de conclure, il y a encore une chose sur laquelle nous espérions vous interroger : il semble qu’il y ait une conversation naissante dans le secteur sur l’élaboration de plusieurs entonnoirs d’audience pour une publication ou une marque, ce qui n’est pas inédit à ce jour, mais plus précisément sur l’idée d’élaborer générationnel entonnoirs. Autrement dit, des entonnoirs qui visent à répondre aux comportements très différents qui existent aujourd’hui sur un même marché.
La génération Z ne se comporte pas du tout comme les baby-boomers en matière de consommation de contenu médiatique – ou de consommation en général, semble-t-il – ce qui rend le concept d’entonnoirs multiples très logique à mes yeux. Par exemple, certains éditeurs ont choisi de proposer des options de paiement “au coup par coup” pour les personnes qui ne souhaitent pas d’abonnement, mais uniquement le contenu situé derrière le paywall. Cette stratégie est davantage axée sur la génération Z, qui a tendance à résister aux abonnements et à éviter les nouvelles, tandis que la génération X et les baby-boomers ont encore une approche comportementale plus traditionnelle et habituelle de la consommation de contenu – imaginez-les en train de lire le journal avec un café, alors que la génération Z recherche intentionnellement un contenu axé sur ses intérêts.
Ma question est la suivante : constatez-vous un changement important dans le comportement des consommateurs et, par conséquent, un intérêt accru des éditeurs pour cette approche diversifiée de l’entonnoir ?
Pour l’instant, pas beaucoup, pour être honnête.
Comme je l’ai déjà mentionné, nous préférons adopter une approche axée sur les segments – ce type de réflexion s’inscrit donc dans ce cadre. Utiliser les données pour observer des modèles, établir des connexions, créer des profils d’audience segmentés afin d’aider les clients. Lorsque nous comparons différents segments, nous sommes en mesure de discerner ces modèles et de superposer les données pour révéler ce type d’indicateurs. Donc, ce dont vous parliez –
Entonnoirs générationnels ?
Oui, c’est généralement suffisant pour nous permettre de créer des segments spécifiques qui tiennent compte des données démographiques sur l’âge et d’autres signaux de données, mais ce n’est pas comme “Voici notre modèle d’abonnement pour la génération Z”.
Je vois. Je suppose qu’il est alors plus pertinent de considérer le segment d’audience dans son ensemble, en tenant compte de l’âge, mais surtout de ce que toutes les données nous disent de manière holistique.
Oui, mais aussi – il y a des modèles spécifiques à l’âge qui sont super importants, ils ne peuvent pas définir ou mériter un entonnoir entier à eux seuls.
D’accord, alors c’est un “restez à l’écoute pour plus de détails” en ce qui concerne les entonnoirs générationnels ! Merci Shen. Cette conversation a été incroyablement instructive et je vous remercie pour votre temps !
Bien sûr. A tout moment !
Observer, analyser, apprendre, répéter.
Au fil du temps, le monde des données continue de se transformer et d’évoluer. Ce qu’il faut retenir, c’est que les données sont, qu’il s’agisse des cookies qui disparaîtront bientôt en 2024 ou des modifications apportées au suivi de site à site, le langage que nos publics utilisent pour nous guider vers leur fidélité et nous aider à créer des expériences de contenu significatives pour eux. Tant que nous ne perdons pas de vue l’humanité dans les données, il y aura toujours quelque chose à apprendre.
