content scoring

Pour mesurer réellement la capacité d’engagement de vos contenus, pensez « Content Scoring »

Compter le nombre de vues ou évaluer le taux de rebond ne suffit plus en 2018. Optimiser la performance des contenus suppose une mesure bien plus qualitative centrée sur la consommation effective des assets et sur le comportement des audiences.

Quelle performance attendre de la production de contenus ? Pour beaucoup de responsables marketing, répondre à cette question revient à se pencher sur une boule de cristal. En l’occurrence, un ensemble de données dites « web analytics », mais qui s’avèrent dans les faits difficiles à exploiter. Et pour cause : mal nettoyées et faiblement corrélées, ces données remontent la plupart du temps des indicateurs communs à eux seuls peu pertinents (nombre de pages vues, nombre de sessions, taux de rebond). Une situation paradoxale tant il semble urgent d’adosser la stratégie de contenus à une mesure fiable.

Plusieurs évolutions concourent de fait à rendre la mesure de la performance des contenus indispensable. Tout d’abord, la baisse de l’engagement sur les réseaux se poursuit, notamment sur Facebook, ce qui conduit les marques à revoir leur rythme de production ou les formats proposés dans l’espoir de minimiser cette baisse. Ensuite, la mise en conformité des sites web avec le RGPD, notamment la mise en place des pop-in d’activation des cookies, se solde par une perte partielle de données – ce qui rend encore plus précieuses celles effectivement récupérées. Enfin, les fenêtres d’attention de l’audience sont aujourd’hui tellement convoitées qu’il importe de maximiser les chances de succès avec des contenus finement optimisés. Un « Test & Learn » continu impossible à mettre en œuvre sans une mesure fiable.

Résultat, l’enjeu ne se résume plus à comptabiliser l’audience (en termes de pages vues ou de sessions) mais à évaluer l’engagement de cette audience avec les contenus marketing produits et les performances relatives des contenus. Une mesure plus qualitative que quantitative essentielle pour piloter le content marketing : pour quelles étapes du tunnel de conversion produire des contenus ? Quels sont les formats les plus engageants ? Voilà pourquoi Wedia défend depuis longtemps la notion de content scoring. Comment mesurer l’engagement de l’audience vis-à-vis de contenus textuels mais aussi (audio)visuels ? Deux catégories de KPI (Key Performance Indicator) peuvent être privilégiées : celle qui mesure la fidélité et celle qui évalue la consommation effective des contenus.

Mesurer la fidélité de son audience consiste à examiner la régularité des visites comme le comportement lors de ces visites sur les différents canaux (sites web, blogs, réseaux sociaux), par exemple le nombre de contenus consommés par session, une donnée plus fiable et moins ambigüe que le temps passé ou le taux de rebond. Quant à l’évaluation de la consommation réelle des assets, elle peut s’appuyer sur l’analyse des taux de complétion. Pour un contenu web textuel, il s’agit de mesurer quel pourcentage de la page a été scrollé par l’utilisateur. Pour une image, le téléchargement de la version haute définition ou un clic pour zoomer par exemple sont des actions intéressantes à tracer tandis que pour un contenu vidéo, l’attention se porte sur la durée de visionnage effective (et non sur le nombre de fois où la séquence a été lancée).

Les solutions Wedia ont d’emblée été conçues pour produire ce type de métriques. Le module Enterprise Video Platform (EVP) historise ainsi le taux de complétion des vidéos, ce qui permet d’analyser ce taux à l’échelle globale des assets, par contenu ou pour une catégorie précise (vidéos attachées à une campagne par exemple).

Toutes ces données alimentent un scoring des contenus, vital pour le pilotage de la production. Pour identifier les formats ou les sujets les plus engageants pour les audiences, mais aussi les meilleures combinaisons. Par exemple : quel canal (réseau social, newsletter, site) apporte le meilleur engagement pour un type de contenu ?

Ce scoring peut aller bien plus loin afin d’estimer le retour sur investissement des contenus. Dans un contexte e-commerce BtoC, il semble opportun de lister les contenus qui influencent le montant du panier ou la mise au panier elle-même. Dans un contexte BtoB, disposer d’une vue claire des contenus qui déclenchent le remplissage d’un formulaire de génération de leads s’avère tout aussi précieux. En somme, l’objectif ici est de parvenir à une mesure de l’attribution : ne pas évaluer seulement la performance « absolue » des contenus, mais leur contribution au revenu, à la génération de leads ou à l’atteinte de tout autre objectif quantifiable.

Parvenir à un tel content scoring, qualitatif et orienté attribution, appelle plusieurs prérequis. Il s’agit d’être en capacité de :

  1. Collecter les données, idéalement via un tag ou code qui permet d’historiser en temps réel l’ensemble des actions sur les contenus (vue, défilement, clic, partage…).
  2. Enrichir les données, c’est à dire les étoffer de sources tierces (des données e-commerce, ou méta-données du DAM par exemple) pour gagner en pertinence et lisibilité/compréhension.
  3. Stocker les données de manière sécurisée, en ayant l’assurance qu’elles ne seront pas exploitées par des tiers à des fins commerciales ou publicitaires. Et avec un historique suffisant pour nourrir des comparaisons ou leur appliquer des algorithmes IA de type machine learning ou deep learning (voir plus loin).
  4. Calculer des métriques et les agréger selon des dimensions personnalisées en fonction du métier. Une personnalisation qui dépend aussi de la capacité à catégoriser ou taguer les contenus selon des critères multiples.
  5. Restituer les mesures sous des formes visuelles (datavisualisation) digestes afin de faciliter l’analyse.
  6. Exporter les données pour nourrir si besoin d’autres datalakes ou tableaux de bord. La mise à disposition d’API pour interroger les données apporte ici une grande souplesse.
  7. Recourir à l’intelligence artificielle pour explorer des corrélations, détecter des anomalies, voire produire des vues prédictives.

Dans la pratique, ces services composent une chaîne de traitements de la donnée articulés autour d’un datalake dédié à la mesure de la performance. C’est en tout cas ainsi que Wedia a architecturé ses solutions : comme une « data factory » capable de soutenir le cycle d’amélioration continue de vos contenus marketing.



Demande de démo
Recevez notre newsletter
Suivez-nous
Contactez-nous
consectetur ut in id, nec risus. eleifend