Comment la Business Intelligence peut servir les réseaux sociaux

Les réseaux sociaux, fournissent actuellement peu d’outils permettant d’analyser de manière pertinente – c'est-à-dire selon les critères et le ressentis propres à chacun - la qualité des autres participants ou de leurs contributions.

Qu'il s'agisse de sites communautaires, de sites de rencontres ou de sites de partage participatif, les réseaux sociaux ont connu un succès fulgurant auprès des internautes. Revers de la médaille, au lieu de favoriser l'épanouissement personnel, l'abondance des propositions de contenus et de contacts est telle qu'elle pourraient nous encourager à pleurer la brièveté de l'existence, sauf à ce que ces réseaux nous aident à classer par niveau d'opportunité la longue liste des possibilités qui s'ouvrent à nous.

Initialement vouées à la compétitivité des entreprises, comment les technologies de Business Intelligence peuvent-elles servir cette démarche ?

 

 

La BI dans l'entreprise

 

Dans le monde de l'entreprise, la Business Intelligence fournit des capacités de reporting et d'analyse quasi indispensables à la compétitivité, tout en reposant sur des technologies de plus en plus standard.

Le reporting permet à l'entreprise de connaître ses chiffres de base (combien de ventes pour chaque produit, quelles marges réalisées, etc.).

L'analyse croisée lui permet ensuite de visualiser l'influence des principales variables (chiffre d'affaires par pays, par ligne de produit, par vendeur, en fonction des saisons, etc.).

Dans la même optique, les algorithmes de segmentation automatique (en anglais « clustering ») donnent la possibilité de diviser une population de clients en groupes homogènes auxquels l'entreprise pourra s'adresser de façon distincte.

Issue des dernières avancées technologiques, l'analyse prédictive va ensuite s'appuyer sur l'ensemble des informations connues sur un individu pour calculer les risques et les opportunités commerciales qu'il représente pour l'entreprise : on lui calcule un « score » de risque ou d'appétence à l'aide d'un algorithme prédictif de type réseaux bayésiens ou réseaux de neurones.

Enfin, les indicateurs de performance fournis en permanence aux directions permettent de diffuser de façon intuitive la nature et l'évolution des facteurs clés de réussite. 

 

Dans le domaine de l'entreprise, ces services sont en passe d'atteindre un degré de banalisation et légitimité qui les rend incontournables. Quel rôle et quel niveau de maturité la BI peut-elle revendiquer dans les réseaux sociaux en matière d'analyse ?

 

 

La BI dans les réseaux sociaux

 

Les réseaux sociaux, fournissent actuellement peu d'outils permettant d'analyser de manière pertinente - c'est-à-dire selon les critères et le ressentis propres à chacun - la qualité des autres participants ou de leurs contributions.

Dans un monde idéal, l'utilisateur pourrait pourtant se construire des indicateurs personnalisés capables de l'orienter dans la jungle des offres :

-         sur le plan qualitatif pour mieux cerner les caractéristiques distinctives des personnes et des contenus auxquels il est sensible,

-         sur le plan quantitatif pour « scorer » les toutes meilleures opportunités à ne pas manquer au regard de ces caractéristiques.

Actuellement on se contente de recommandations maison fondées sur le « goût des autres » ou sur l'exploration de similitudes superficielles, tandis qu'on pourrait utiliser l'ensemble de ce que l'on sait de lui et des choses qui lui plaisent pour cerner ses « appétences » au moyen d'outils standard réputés pour atteindre cet objectif de façon optimale.

 

Prenons l'exemple d'un site de rencontres

Une fois défini le filtre limitant le périmètre de ma recherche (âge, sexe, etc.), le site me recommande des interlocuteurs. Sur quelles sortes de « score » cette recommandation s'appuie-t-elle ?

Première approche, les membres « les plus populaires » au global : non seulement cela ne veut pas dire qu'ils me plairont, mais essayez donc de communiquer avec une personne qui reçoit 200 messages par jour...

Approche la plus courante, les membres « compatibles » avec mon profil : en réalité c'est généralement un score de ressemblance qui implique deux limites importantes dans ce contexte. Premièrement, ce n'est pas parce qu'une personne me ressemble que je vais l'apprécier. Deuxièmement, si le calcul de ressemblance utilise des critères banals et peu discriminants (vous aimez le cinéma ?, la nature ? les dîners entre amis ?), les ressemblances le seront aussi.

Enfin certain sites positionnés haut de gamme propose une recommandation basée sur une forme de segmentation prédéfinie : voici le groupe de personnes dans lequel vos réponses vous placent, et voici par conséquent les groupes avec lesquels vous pourriez bien vous entendre.

 

La limite la plus flagrante ? On ne me demande pas mon avis sur les personnes, les conversations ou les interactions qui m'ont plu et on me prive par la même occasion de plusieurs types d'indicateurs :

-         Des indicateurs qualitatifs de type « analyses croisées » : quelles caractéristiques ressortent le plus souvent chez les personnes qui me plaisent? C'est pourtant l'un des premiers types d'analyse qu'une entreprise fera pour cerner les personnes qui se laisseront séduire ou non par ses produits.

-         Des indicateurs qualitatifs de type « segmentation automatique » : dans quels groupes de personnes suis-je susceptible de retrouver la plus grande partie des personnes qui me plaisent et auxquelles je plais ? C'est pourtant la première démarche de l'entreprise qui veut adapter son discours à chaque type de « cible ».

-         Un « scoring  d'appétence » à base l'analyse prédictive : étant donné les caractéristiques des personnes qui m'ont plu, quelles sont celles qui ont la plus forte probabilité de me plaire ? Dans les métiers de la distribution, de la banque, de l'assurance et des télécommunications, ces méthodes quantitatives sont utilisées  avec grand succès (et grande discrétion) pour distinguer par un score plus ou moins élevé les bons chalands de ceux qu'il est peu rentable ou dangereux de poursuivre de ses assiduités !

 

 

En se privant de ces indicateurs et en en privant l'utilisateur, les sites de réseaux sociaux brident fortement la capacité explicative et prédictive des recommandations exprimées.

 

Le gâchis est d'autant plus grand que, dans le cas d'un réseau social, même quand on pense avoir peu d'information sur ce qu'est ou sur ce qu'aime l'utilisateur, on peut en déduire :

-          Du réseau formé par les contacts des gens qu'il contacte  (ou qui l'ont contacté),  une branche du data mining appelée « link analysis » utilisée par exemple Google pour calculer le pagerank d'un site : quelque part au bout de la chaîne je peux caractériser un individu à travers ce que je sais des contacts, de ses contacts, de ses contacts (etc.)

-          De ce que l'utilisateur écrit (une branche du data mining appelée text mining, permettant un scoring sur du texte libre, là encore utilisé par Google)

-          De ce qu'il fait sur le site (durée, horaire ou séquence de ses visites sur les pages du site ou de ses membres)

 

 

Une prévision simple à réaliser

 

Les entreprises ont tout naturellement commencé par mettre en oeuvre leurs applications de production avant de mesurer et d'accroître leurs performances avec la Business Intelligence. Les réseaux sociaux commencent tout naturellement par proposer des capacités de communication et de mise en relation basiques avant d'autoriser l'utilisateur à en mesurer et à en augmenter l'efficacité.

 

Le temps de l'Internet s'écoulant plus rapidement que celui de l'entreprise, on ne va probablement pas attendre longtemps avant d'assister à un rattrapage important qui favorisera, comme de coutume sur le net, les plus rapides et les plus imaginatifs.

Ces concepts sont mise en pratique sur le site http://www.mescorrespondances.com/ développé par Winsight, filiale BI de Winwise.