Les outils d'analyse Web sont presque aussi anciens que le Web lui-même, les premiers fonctionnant côté serveur, pour aider à surveiller l'utilisation des ressources, les modèles d'accès, etc. Les outils d'analyse sont devenus de plus en plus puissants pour mesurer et interpréter le comportement des utilisateurs sur le Web afin de déclencher le numérique. transformation dans des secteurs allant de la vente au détail à l’édition en passant par l’immobilier.
L’évolution des outils d’analyse depuis les débuts d’Internet a vu leur portée s’élargir dans plusieurs directions :
- Portée des données utilisateur et comportementales : profils utilisateur, suivi à travers les sessions avec cookies, référents, battement de cœur sur la page, cartes thermiques, suivi multi-appareils, qualité de l'engagement, etc.
- Portée des données de contenu (content intelligence) : URL, type de page (formulaires, listes, articles et commerce électronique), balises, catégories, objets et sujets dans le contenu, auteurs, etc.
- Fiabilité et qualité de la collecte : cookies de navigateur, SDK, WebSockets, création de profils multi-appareils, collecte et suivi d'événements personnalisés, suivi du commerce électronique et intégrations CRM, rapports en temps réel, etc.
- Portée des informations : conversions, objectifs, intérêts du public, filtres de contenu Evergreen et d'actualité, conseils d'optimisation basés sur l'IA, détection d'anomalies basée sur l'IA, etc.
Parmi ceux-ci, plusieurs sont fonction de l’évolution technique des langages informatiques, des navigateurs Web et des normes Internet, mais certains, comme l’analyse de contenu, la classification et l’exploration automatisée d’informations, ne sont possibles que grâce à l’apprentissage automatique et à l’IA.
Rôle de l'analyse dans la publication numérique
La publicité numérique représente une part toujours croissante des dépenses marketing au cours des deux dernières décennies. Selon une étude de l' Institut Lenfest sur les abonnements numériques , les revenus internationaux de Google provenant de la publicité ont dépassé tous les revenus (y compris les revenus imprimés et en ligne) générés par les journaux. Cela a conduit à des fermetures à grande échelle, à des réductions d’effectifs, ainsi qu’à l’essor des abonnements numériques en tant que principal moteur de revenus pour les agences de presse modernes.
Avec la publication numérique comme nouvelle norme, le Web Analytics (en particulier l'analyse de la publication) est l'interprète de la portée, de l'engagement, des profils de lecteurs et de presque tout ce qu'un éditeur ou un annonceur potentiel voudrait savoir sur les lecteurs avant d'investir des ressources dans des campagnes éditoriales ou publicitaires. . Même la décision d'opter ou non pour un abonnement numérique payant et les mécanismes de verrouillage du contenu nécessiteront une optimisation des données pour une conversion maximale avec une perte minimale de lecteurs, comme l' explique l'étude .
Rôle de l'IA dans l'analyse Web
L'IA est (certains diraient à juste titre) en plein essor, avec plusieurs de ses applications se rapprochant du « pic des attentes exagérées » dans le cycle de battage médiatique .
Puisqu’il se définit comme une mise à niveau ou une augmentation de l’intelligence humaine, ses applications peuvent potentiellement être aussi larges que l’imagination humaine elle-même – de la médecine à l’économie, en passant par le divertissement et au-delà.
L’analyse, ou du moins la disponibilité de grands volumes de données, collectées dans des conditions d’entrée prévisibles et avec les sorties résultantes et préférées, est le carburant sur lequel reposent les algorithmes d’apprentissage automatique et d’IA.
Étant donné que l'analyse consiste essentiellement à collecter, interpréter et découvrir des modèles dans les données, il s'agit d'un composant essentiel de la plupart des implémentations de l'IA. Par exemple, les résultats de recherche de Google évoluent en fonction de la précision et de l'utilité que les utilisateurs ont trouvés dans leurs résultats de recherche et les données pour ces commentaires sont générées par des analyses indiquant si les utilisateurs ont trouvé ce qu'ils cherchaient dans leur requête de recherche.
Applications de l'IA dans l'analyse pour les éditeurs
Presque tous les éditeurs ayant une portée raisonnable ont aujourd’hui une présence numérique, et les abonnements numériques apparaissent de plus en plus comme une source de revenus clé pour les publications de moyenne et grande taille. Dans ce contexte, voici 4 principaux défis auxquels les éditeurs numériques sont aujourd’hui confrontés et que les plateformes d’analyse dotées d’IA peuvent aider à relever, regroupés par principales parties prenantes :
- Segmentation de l'audience par centres d'intérêt et affinités thématiques
- Personnalisation à grande échelle – sur tous les canaux
- Comparaison éditoriale avec les pairs, identification et priorisation des opportunités
- Détection des valeurs aberrantes/Découverte d'informations à grande vitesse de données
Désormais, chacun d’eux est un cas d’utilisation d’action sur les données, plutôt que de simples analyses telles que nous les comprenions auparavant, mais c’est précisément la direction dans laquelle l’IA mène l’évolution de l’analyse : des informations exploitables. Examinons chacun d’eux plus en détail.
Segmentation de l'audience par centres d'intérêt et affinités thématiques
Pour les équipes éditoriales et de développement d’audience, la capacité à regrouper et à visualiser les audiences en fonction de leurs affinités thématiques peut constituer un défi important à résoudre – ce qui est actuellement réalisé en utilisant une combinaison d’indicateurs démographiques tels que l’âge, le sexe, l’emplacement et les attributs de session tels que l’audience Facebook. , utilisateur régulier, catégorie politique visitée, etc. Un outil d'analyse qui marque automatiquement les histoires avec des sujets et mesure la qualité de l'engagement peut simplifier cet exercice et fournir une segmentation basée sur les intérêts du public beaucoup plus fiable.
Treemap des intérêts du public sur NativeAI Analytics
Cette segmentation peut être utilisée des manières suivantes :
- Les équipes éditoriales peuvent évaluer différentes cohortes pour prioriser les sujets dignes d'intérêt.
- Comprendre les affinités thématiques qui se chevauchent pour améliorer l'engagement des lecteurs
- Les équipes de développement d'audience peuvent identifier des audiences similaires et les sources de trafic qui fonctionnent le mieux pour identifier les lecteurs à fort engagement
- Les spécialistes du marketing numérique peuvent comparer les résultats des campagnes par engagement, et non seulement par volume de trafic.
Personnalisation à grande échelle – sur tous les canaux
La meilleure façon d'attirer, d'engager et de fidéliser les utilisateurs est de proposer une expérience personnalisée qui tire les enseignements du profil utilisateur, des signaux comportementaux et des choix déclarés par l'utilisateur. Grâce à des analyses capables de suivre des dimensions supplémentaires telles que la qualité de l'engagement, le type et le sujet du contenu utilisé, le canal, la campagne et l'appareil utilisé pour l'interaction à différents moments de la journée, il est possible de créer un moteur de personnalisation à fort impact capable d'apprendre les préférences de chaque utilisateur.
Une personnalisation réussie nécessite 3 facteurs :
- Collection d'attributs utilisateur
- Enregistrement du chemin de conversion
- Suivi du succès des conversions
Grâce à ces points de données, il est possible de former un modèle d'apprentissage automatique pour reconnaître des modèles et proposer des expériences personnalisées qui fonctionnent pour chaque utilisateur. En fait, les applications de lecture d’actualités personnalisées telles que Flipboard ou News360 comblent précisément cette lacune aujourd’hui en offrant une expérience personnalisée de l’actualité sur des sujets spécifiques. Pour une publication numérique comptant plusieurs millions d’utilisateurs chaque mois, la personnalisation des expériences peut constituer un défi de taille, basée uniquement sur des choix explicites des utilisateurs et des analyses basées sur l’IA, et peut combler cet écart.
Un moteur de personnalisation basé sur l'IA peut être utile pour :
- Recommandations de contenu pour améliorer la recirculation et la fidélisation de l'audience
- Encourager les lecteurs à se convertir en abonnement à la newsletter ou en abonnements payants
- Prévision de la probabilité de conversion pour chaque utilisateur et cartographie des paywalls personnalisés
- Choisir les bons canaux et le bon timing pour faire apparaître ces alertes – par e-mail, notifications push, web-modaux, bannières, etc.
Chez NativeAI, nous sommes actuellement en mesure de quantifier l'engagement et de reconnaître les intérêts du public et travaillons sur des recommandations de contenu. Il existe de nombreuses possibilités passionnantes dans cet espace, et nous sommes impatients d'aider les éditeurs à enrichir leurs propres moteurs de personnalisation avec ces données. (Divulgation : je travaille chez News360 et la d'analyse des éditeurs NativeAI présentée dans cet article est développée par News360)
Contenu de nos partenaires
Comparaison éditoriale avec les pairs, identification et priorisation des opportunités
Comme mentionné précédemment, les plates-formes d'analyse basées sur le traitement du langage naturel (NLP) peuvent classer le contenu par sujets et créer une hiérarchie de sujets connexes dans la taxonomie. De telles plates-formes peuvent doubler les informations sur le contenu et incluent toutes les fonctionnalités d'une plate-forme d'intelligence de contenu . Cela permet aux éditeurs de comparer leur mix de contenu avec celui de la concurrence pour identifier les lacunes ou les opportunités et renforcer les avantages concurrentiels. L'identification des sujets qui suscitent le plus d'engagement peut également aider les équipes éditoriales à rationaliser la priorisation des ressources de reporting.
Comparaison du mix de contenu avec les éditeurs concurrents
Voici quelques applications dérivées qui pourraient également être importantes pour les équipes éditoriales :
- Mesurer la rapidité de publication des sujets à forte valeur ajoutée et comparer avec la concurrence, puisque les articles sur le même sujet, chez tous les éditeurs, peuvent être étiquetés et automatiquement regroupés.
- Rapports d'engagement et de trafic filtrés par auteurs, sujets et balises propres à l'éditeur
- Marquage automatisé des articles, basé sur le NLP, sur les CMS de l'éditeur avant la publication
- Optimisation des titres et prédiction du CTR
- Évaluations du type/format de contenu – persistant ou actualités, images ou infographies ou vidéos.
Rapports Analytics filtrés par auteurs
Détection des valeurs aberrantes/Découverte d'informations à grande vitesse de données
L'un des défis les plus difficiles pour une entreprise axée sur les données, que ce soit dans les médias ou dans le marketing de contenu, est de découvrir des informations à partir des grands volumes de données disponibles, à temps pour agir en conséquence, et avoir un impact clair sur les campagnes ou les campagnes. exécution. En d’autres termes, les analyses doivent fournir des informations exploitables en temps réel plutôt qu’a posteriori pour la prochaine campagne.
La mise en place d'un pipeline de données avec entreposage, modèles de collecte, filtrage, stockage et traitement nécessite des efforts importants, mais la dépense est justifiée si le résultat a un impact instantané et démontrable. L'IA peut simplifier cette tâche qui nécessite actuellement une intervention manuelle, en signalant des anomalies dans le comportement des utilisateurs, le trafic ou même le contenu.
Certaines applications de ce type pourraient inclure :
- Diagnostic et optimisation des campagnes promotionnelles : par exemple, vous pouvez recevoir des alertes lorsque des campagnes Facebook payantes peuvent générer un trafic élevé avec un engagement inférieur à la normale.
- Promotions suggérées – Un article ou une vidéo particulier peut fonctionner correctement auprès d'un segment d'audience important. Le recommandateur d'IA pourrait inciter l'équipe de développement du public à en faire la promotion auprès du public cible spécifique afin de maximiser la portée. Cela pourrait fonctionner encore mieux lorsqu'il est intégré aux dépenses programmatiques
- Alertes de quotient viral – L'analyse du contenu peut évaluer le quotient viral d'un article ou d'une vidéo et, en fonction de ses performances, dans la première heure de publication, elle peut aider à fournir des informations sur la façon d'assurer la propagation virale.
L’avenir s’annonce prometteur, mais que pouvons-nous utiliser dès maintenant ?
Même si beaucoup de ces applications sont potentiellement fantastiques et peuvent simplifier nos défis éditoriaux et de développement d'audience, nous pourrions évidemment bénéficier d'une gratification instantanée. Voici quelques applications activées par l’IA que vous pouvez utiliser dès maintenant :
- Recevez des alertes sur les bizarreries du trafic de votre site Web, grâce au panneau Google Intelligence qui distille et partage automatiquement des informations.
- Vous pouvez même poser des questions à Google Intelligence , par exemple demander « De quels endroits viennent nos nouveaux lecteurs ? » en anglais simple pour obtenir des rapports et des informations.
- d'optimisation pour vos campagnes sur AdWords
- Créez et optimisez une copie marketing par e-mail et sur les réseaux sociaux avec Phrasee
- d'analyse du mix de contenu et d'opportunités sur NativeAI
- Personnalisation des e-mails d'abonnement à grande échelle avec Sailthru, que Business Insider a mis en œuvre avec succès
Les possibilités d'IA, d'apprentissage automatique dans l'analyse et de solutions déclenchées par l'analyse sont infinies et, à mon avis, nous sommes au bord d'un boom. Chez NativeAI, nous envisageons toutes ces possibilités et travaillons à faire de certaines d'entre elles une réalité pour les éditeurs numériques. Nous sommes ravis de voir de nombreux autres acteurs du domaine de l'analyse, de l'optimisation des abonnements et de la personnalisation résoudre des défis connexes et aimons la vitesse de l'innovation dans ce secteur.
