Intervention data science starter program - polytechnique

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License. @Médhi
analyse des
conversations du
web & e-influence
Data Science Starter Program - Polytechnique

2
Introduction

3
Plan de l’intervention
La veille digitale
analyse des conversations
autour de la fibre
Le marketing de l’influence
Twitter avec R
Facebook

4

5
C’est parti

6
La veille digitale

7
Talleyrand se mettait à
son balcon et écoutait la
rumeur de Paris
 un sens politique
exceptionnel,
 royaliste sous les rois,
 révolutionnaire sous la
révolution
 napoléonien sous napoléon
 républicain sous la
république
 a toujours eu un coup
d’avance sur les autres
– « Qui n’a pas les moyens de
son ambitions en a les
problèmes »

8
Aujourd’hui Talleyrand serait derrière son laptop et
analyserait les conversations
suivre et exploiter en temps
réel l’opinion des français sur
tout sujet,
 exemples : la
communication politique, le
lancement des offres de
produits ou de services
Trouver des insights
exploitables à partir des
conversations des internautes,
identifier noyaux de
conversations, des leaders
d’opinion, comprendre de
façon approfondie

9
1 037 693 messages publiés sur le web au sujet
d’Orange sur les douzes derniers mois
~80 000 messages par mois
~20 000 messages par semaine
~2 messages par minute

10
Qu’est ce que la veille
stratégique ?
La Veille est le processus par
lequel une entreprise collecte
des informations sur son
environnement pour
comprendre son
environnement, suivre sa
réputation, dégager des
opportunités.

11
Les différents format de la veille stratégique
veille
commerciale
veille
technologique
veille
marketing
veille juridique
veille
concurentielle

12
Pour qui l’analyser
Direction Marketing
 L’analyse du Buzz permet à une
direction Marketing de savoir en
temps réel ce que pense ses clients,
ses prospects, d’identifier les attentes
par rapport à ses produits et services
Direction de la Communication
 L’analyse du buzz permet à une
direction de la communication de
savoir comment est perçue une
marque,
Direction de connaissance clients
 rattachée aux directions marketing en
général, la direction de la
connaissance client peut compléter sa
connaissance des clients en prenants
leurs avis à la source
Quels secteurs d’activité : Tous

13
Exemple de veille pour un
lancement de produit : ex
HomeLive

14
Exemple de veille pour un lancement de produit : ex
HomeLive
• prendre le pouls des
conversations sur la
domotique
Avant le
lancement
commercial
• suivi des conversations
autour de HomeLive
(retours clients,
premiers tests, avis,
opinions, prendre les
retours du plan de
communication
Pendant le
lancement
commercial • identifier les problèmes
récurrents, les
améliorations
proposées par les
communautés
Après le
lancement
commercial

15
Les principaux
indicateurs

16
le volume de données
publiées sur le sujet
monitoré
Le volume doit être
observé sous forme
chronologique de façon à
repérer plus facilement
les pic de conversations
sur un sujet donné.
Indicateur 1 - Le Volume
Pic de conversations

17
Exemple avec Free Mobile
Quel est le pic de conversation ?

18
Exemple avec Free Mobile
Zoom sur la journée du 10/3/2015
Courbe de Buzz caractéristique avec pic la veille
Pic lors de la conférence de presse
Résilience après la conférence de presse

19
la part de
voix est le
volume de
retombées
classé par
marque.
Indicateur 2 - la Part de Voix

20
Indicateur 2 - la Part de Voix
Un exemple quelle est la part de voix de chacun des opérateurs sur
la journée du 10 Mars

21
Indicateur 3 - la Tonalité
La tonalité des messages
est analysée par des
moteurs sémantiques
capable de traiter des
milliers de messages à la
fois et capables de donner
la tonalité générale des
messages

22
Positive

"Je suis content
de l'arrivé de l'été"
Négative

"Gros #Fail ce
vendeur en boutique,
il m'a vendu le
mauvais produit"
Neutre

"Apparemment
Orange va sortir une
nouvelle offre 4G"
Ambivale
nt
"J'aime bien le débit
de la 4G mais je
n'aime pas le prix"

23
Un exemple : quel a été la tonalité associée aux messages publiés le
10/3

24
Indicateur 4 - la Source des retombées
Les retombées proviennent de sources extrêmement variée mais il
est possible de les catégoriser suivant les grandes familles suivantes.
Un exemple : quel a été la source principale des retombées
associées aux messages publiés le 10/3

25
Indicateur 5 - les Principaux sujets abordés
Nuage de mots clés
Les grandes catégories de retombées

26
Etude de cas :
l’analyse des conversations
autour de la Fibre

27
Analyse des conversations autour de la fibre
optique sur le mois de janvier 2015
Pic de conversation
pour Orange & Bouygues

28
Zoom sur Bouygues

29
Analyse

30
Analyse

31
Fibre: part de voix des opérateurs.
 Les Hauts-de-Seine
réclament 45M € à
SFR Numéricable pour
leur retard sur la
construction du
réseau fibre.
 Bouygues
augmente le débit
de sa fibre, qui
passe à 1Gb/S en
FTTH
 Lancement des
offres Labox TV
Fibre par SFR
 Viralisation d’un tweet
dans lequel un
Youtuber indique être
abonné à la fibre
Orange.

32
Fibre : forum de discussions
Forum hardware représente >
50% du volume des
conversations entre le 1/1 et
le 30/4/2015

33
Learnings

34
Et si vous choississez
de passer à coté du
Social Media
Intelligence ?
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0
International License.

35
Vous avancez à
l’aveuglette

36
Orange Social Hub

37
Twitter avec R
source https://github.com/famibelle/TwitteR
#Get the twitteR package from the CRAN
install.packages("twitteR")
#load the library
library(twitteR)
#load all the needed twitter authentication
setup_twitter_oauth(apikey, apisecret, token,
tokensecret)
Tweets <- searchTwitteR(
"polytechnique", # words to look for
n = 1337) # number of tweets to collect
Tweets <- do.call("rbind", lapply(Tweets, as.data.frame))

38
A Minimum Viable Twitter Analysis Tool
https://medhi.shinyapps.io/TwitteR/

39
Le marketing de l’influence

40
Network analysis
Characterize relationships
among nodes in a graph or
a network, understand the
communities, the influence
of nodes on the others,
understand how information
travels in the network.
Example:
 identify key opinion leaders
in a social network,
 identify the information flows
in a large company

41
Le marketing de
l’influence
Comment cibler la bonne
personnes qui saura au
mieux relayer vos
messages de marque ?

42
Quelques définitions
Les liens
• Les liens entrants
• Les liens sortants
les nœuds

43
La portée
le nombre de personnes qui
verront le message
aka Reach
la pertinence
niveau de relation
des messages
avec le sujet

44
Impressions
Reach
• nombre de fois
que le
message s’est
affiché
• le nombre de
personnes qui
ont vu le
message

45
Les caractéristiques de l’influence digitale
Faire le bon ciblage.
Pertinence
Portée

46
Comment faire pour diffuser mon message ?
En ciblant les nœuds
d’une communauté

47
Communauté
d’influence
nœud isolé
point de passage de la
communauté

48

Etude de cas : le réseau des influenceurs sur la big data
source http://www.traackr.com/

50
Quel est le réseau d’influence de Vijay ?
Qui est ce que Vijay influence ?

51
Qui est influencé par Vijay ?

52
Demonstration
http://www.traackr.com/

Klout : un indicateur de votre score d’influence

54
Twitter avec R

55
Twitter avec R
#Get the twitteR package from the CRAN
install.packages("twitteR")
#load the library
library(twitteR)
#load all the needed twitter authentication
setup_twitter_oauth(apikey, apisecret, token,
tokensecret)
Tweets <- searchTwitteR(
"polytechnique", # words to look for
n = 1337) # number of tweets to collect
Tweets <- do.call("rbind", lapply(Tweets, as.data.frame))

56
A Minimum Viable Twitter Analysis Tool

57
Facebook

58
Focus Facebook – rappel quelques chiffres clés
Utilisateurs actifs mensuels (MAU, janvier 2015) : 1,393 milliard.
Statuts partagés chaque seconde : 4100
Likes distribués chaque minute : 1,8 million
Likes distribués chaque jour : 4,5 milliards
Contenus partagés chaque jour : 4,75 milliards
Messages envoyés chaque jour : 10 milliards
Données échangées chaque minute : 350 giga-octets
Temps passé sur Facebook : 6h45 par mois en moyenne.

59
Comment Facebook fait pour savoir quoi publier sur
votre TimeLine ?

60
Facebook sait quoi publier sur votre newfeed grâce
aux Math
 Chaque utilisateur de
Facebook est connecté à ses
amis au travers de lien.
 Ces Liens sont appelés Edge
et possède un indice de
pondération plus ou moins fort
en fonction des liens que vous
avez avec vos amis.
 Plus vous likez, commentez,
partagez les contenus de vos
amis, plus le lien sera fort.
 Mais attention, cette relation
n’est pas réciproque

61
EdgeRank – Comment l’algorithme de Facebook
décide de mettre une publications sur votre compte

62
Définition des variables de la formule du Edge
Rank
Pour chacun de ses utilisateurs Facebook procède à un calcul et définit
un indice de pondération qui décide dans quel ordre il mettra l’action d’un
ami de l’utilisateur. Plus le poids est important, plus la publication sera en
haut du newsfeed.
Affinity = the relationship between you and each individual fan. That is,
how often a fan views and interacts with your Facebook page and
individual posts. Plus, how much you engage with your fans: Facebook
rewards you for building relationships!
Weight = typically, photos receive the highest weight, followed by videos,
links, status updates and apps. Manual posts receive more weight than
posts by apps.
Decay/Time = the more recent your post, the higher your EdgeRank
score. A popular piece of content will stay for a longer period of time in
the News Feed of your fans.

63
Les Vrais Insigths / sous le capot
Le Reach, ou la Portée représente le nombre de personnes uniques qui ont été
exposées à une publication de la page.
Ces insights sont moins connus mais sont de premières importance pour les
marque.
Le Reach/Portée représente l’audience de la page.
Organic Reach
• La portée naturelle de la publication
Paid Reach
• la portée payée de la publication
Viral Reach
• la portée virale de la publication
« Le Reach est un secret jalousement
gardé par les marques, si vous
connaissez le Reach, vous connaissez
le budget social media de la marque »
« qui contrôle le Reach contrôle
Facebook »

64
Exemple d’Insights
Achat d’audience
Reach de la publication
Reach moyen par type de
publication

65
Sachez le !
Lorsque que vous
faites une
publication sur une
page, il n’y a que
5% des personnes
qui verront votre
contenu.

66
Insights Facebook – encore des insights
Number of fans
Like
Comments
Shares

67
Lifetime: Total number of times your video was viewed for more than 3 seconds.
(Total Count)
Lifetime: Number of times your video started automatically playing and people
viewed it for more than 3 seconds. (Total Count)
Lifetime: Number of times people clicked to play your video and viewed it
more than 3 seconds. (Total Count)
Lifetime: Total number of times your video was viewed for 30 seconds or
viewed to the end, whichever came first. (Total Count)
Lifetime: Number of times your video started automatically playing and people
viewed it for 30 seconds or to the end, whichever came first. (Total Count)

68
Lifetime: Number of times people clicked to play your video and viewed
it for 30 seconds or to the end, whichever came first. (Total Count)
Lifetime: Total number of times your video was viewed to 95% of
its length. (Total Count)
Lifetime: Number of times your video started automatically
playing and people viewed it to 95% of its length. (Total Count)
Lifetime: Number of times people clicked to play your video and
viewed it to 95% of its length. (Total Count)
Lifetime: The number of impressions of your Page post. (Total Count)

69
Lifetime Percentage of auto-...
Lifetime: Total number of times your video was viewed to 95% of
its length. (Total Count)
Lifetime: Number of times your video started automatically
playing and people viewed it to 95% of its length. (Total Count)
Lifetime: Number of times people clicked to play your video and
viewed it to 95% of its length. (Total Count)
Lifetime: The number of impressions of your Page post. (Total Count)

70
Prédire Facebook
Comment prédire le Reach d’une publication Facebook
A quel moment faut il publier un post sur Facebook ?
Quelle est la bonne fréquence de publication
Peut on modéliser le Reach ?
Il y a t’il une saisonalité dans le reach des publications ?
Quel est le meilleur format (vidéo, texte, photo, etc)

71
Des Questions ?

72

Intervention data science starter program - polytechnique

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Ähnlich wie Intervention data science starter program - polytechnique

Ähnlich wie Intervention data science starter program - polytechnique (20)

Mehr von Medhi Corneille Famibelle*

Mehr von Medhi Corneille Famibelle* (7)

Kürzlich hochgeladen

Kürzlich hochgeladen (13)

Intervention data science starter program - polytechnique

Hinweis der Redaktion