Search marketing et IA :
comment étudier vos audiences sur le web ?

twitterlinkedin

Le search marketing (SEM), alliance du search engine optimization (SEO) et du search engine advertising (SEA), est une porte d’entrée grande ouverte sur la compréhension d’un marché. Le constat est d’autant plus vrai depuis que l’intelligence artificielle (IA) a fait son apparition dans le domaine. Cependant, la démarche reste mésestimée par les dirigeants d’entreprises et les responsables marketing. Alors, comment tirer parti du search marketing et de l’IA pour être en phase avec votre marché ?

 

Search marketing et IA

Si nous avons déjà abordé la question de la relation entre IA et marketing de contenu, un rapide topo s’impose sur la relation entre IA et search marketing.  Car oui, les deux sont faits pour s’entendre, surtout depuis que Google a mis au point RankBrain ! Dévoilé en 2015, cet algorithme, responsable du référencement des pages web, est basé sur l’intelligence artificielle : il apprend automatiquement à partir de chaque nouvelle requête et navigation d’internautes, afin d’améliorer la pertinence des résultats, et ce pour chaque recherche.

Dit autrement, RankBrain a signé l’arrivée de la sémantique dans le monde du SEO ; car ce que fait l’algorithme, c’est analyser chaque mot-clé, ses formes, ses combinaisons et ses contexte d’usage ! Un mot-clé ne suffit pas, c’est désormais tout l’univers sémantique connecté à ce mot-clé qu’il faut mobiliser pour optimiser un texte SEO et séduire les moteurs de recherche.

Alors, vous vous demandez certainement quel est le lien avec l’étude des audiences sur le web ? En fait, c’est simple : avec l’apparition de l’intelligence artificielle et du SEO sémantique, nous assistons à la naissance d’outils qui permettent d’aller plus loin dans l’analyse des mots-clés et, in fine, d’amener notre compréhension de ce que recherchent les internautes… à un niveau supérieur de granularité !

 

Aller plus loin dans le « keyword research »

La plupart des outils SEO permettent seulement d’étudier des mots-clés à l’unité. C’est le cas du Google Keyword Planner, fréquemment utilisé pour constituer des listes de mots-clés et prendre la température sur un marché ciblé.  Ici par exemple avec le mot-clé « parfum femme », et plusieurs indications sur le volume de recherches mensuelles, la concurrence, les enchères au CPC, et l’ensemble des requêtes similaires.

 

search marketing IA

 

Pourtant, l’écueil d’une telle démarche est saillant : procéder à l’unité (autrement dit, effectuer des recherches sur un mot-clé A, puis un mot-clé B, puis un mot-clé C, etc.) ne permet pas d’obtenir une vision globale d’un marché. Finalement, qu’est-ce qui vous assure que les mots-clés A, B et C sont connectés ? Ont-ils une quelconque connexion sémantique sur votre marché ? Appartiennent-ils à des expressions nominatives ou verbales ? À quels concepts sont-ils associés, etc.

Pour récupérer l’ensemble des mots-clés en lien avec un marché, il est recommandé d’utiliser des outils SEO qui intègrent l’intelligence artificielle. Chez Soyuz, notre technologie SEO a cela d’innovant qu’elle est capable de récupérer toute la data sémantique du web sur un périmètre donné. La méthodologie est simple :

 

  1. Nous définissons, avec la marque, une dizaine de requêtes amorces (mots-clés les plus caractéristiques d’un marché)

 

  1. Notre outil SEO crawle les trente premiers résultats dans Google sur chacune de ces requêtes amorces et en extrait la data sémantique (mots-clés sujets, groupes de mots ou syntagmes récurrents, synonymes…) ; cette data est passée par le crible des algorithmes (notamment analyse syntaxique et clustering)

 

  1. La data sémantique forme un corpus, généralement entre 5,000 et 10,000 mots-clés, analysés ensuite à l’aide d’indicateurs fournis par l’outil

 

Grâce à l’intelligence artificielle, cet outil nous permet de récupérer tous les mots-clés qui gravitent autour d’un marché spécifique sur le web… à la fois les mots-clés de l’offre (mots-clés présents sur les pages du web) et les mots-clés de la demande (mots-clés recherchés par les internautes).

Poursuivons avec l’exemple du parfum : nous souhaitons comprendre quels sont les sujets d’attention de la demande sur ce marché. Nous définissions une dizaine de requêtes amorces, grâce à Google Keyword Planner, Ubersuggest, Semrush ou Moz, parmi lesquelles : « parfum femme », « parfum homme », « eau de toilette », « parfum luxe », etc.

L’outil une fois lancé, il crawle exactement 558 pages web françaises et en a extrait 24 712 mots-clés. Ces données forment un corpus (le marché qu’on étudie). Il devient alors possible pour les consultants SEO et responsables marketing d’aller vers une compréhension plus poussée de leurs audiences, grâce à l’analyse des mots-clés.

 

 Aller plus loins dans le « keyword analyse » : derrières vos mots-clés, des audiences ! 

Les outils dotés d’intelligence artificielle identifient tout d’abord comment se structurent les mots-clés sur le marché étudié, entre :

 

  • Les syntagmes nominaux(groupe de mots dont le noyau est un nom) ; cette approche nominative est idéale pour déceler les grands sujets qui structurent un marché

 

  • Les syntagmes verbaux(groupe de mots dont le noyau est un verbe) ; cette approche verbale est utilisée pour déceler des actions, tout du moins des intentions de la part des internautes

 

Sur le marché du parfum, nous récupérons l’ensemble des syntagmes nominaux, nous séparons les pluriels des singuliers, les préfixes des suffixes ; ainsi nous pouvons identifier les premiers modèles de recherche (« commun pattern ») et sujets populaires structurant le marché. Ci-dessous un exemple avec le top 30 des syntagmes nominaux les plus populaires (> 3000 recherches mensuelles sur Google) sur le marché du parfum en France :

 

SEO sémantique

 

Nous distinguons d’ores et déjà plusieurs typologies de requêtes : des besoins préférentiels lorsque le nom de la marque est directement recherché (« Hermès »), des besoins sur les caractéristiques (« ambré »), des besoins d’inspiration (« idées ») ou encore des besoins de comparaison et d’achat (« boutique »). L’enjeu, bien sûr, n’est pas de s’arrêter à un seul échantillon de syntagmes… c’est l’ensemble des mots-clés du corpus qu’il faut déconstruire pour avoir une compréhension plus fine des recherches des internautes.

Chaque mot-clé est ensuite classé dans des catégories. Cette étape est grandement facilitée par les KPI que l’outil attribue à chaque mot-clé, parmi lesquels :

  • Un score sémantique (coefficient de pertinence basé sur le nombre d’occurrences du mot-clé et son nombre de variances sémantiques) ; cette approche permet d’identifier les mots-clés les plus pertinents sur un marché

 

  • Un score de concurrence (indice de compétitivité) ; cette approche permet d’identifier les mots-clés avec une forte intensité concurrentielle et les territoires sémantiques à préempter

 

  • Un score lexical (coefficient de similitude d’un mot-clé extrait par rapport aux requêtes amorces initiales) ; cette approche est importante pour voir dans quelle mesure un mot-clé donné s’éloigne ou se rapproche de notre marché

 

C’est à partir du score sémantique que nous pouvons construire des clusters (groupe de mots-clés avec une affinité sémantique forte, utilisés dans des contextes similaires). Ces clusters permettent de distinguer les différentes façons d’exprimer un besoin par les internautes sur un marché web. Pour le parfum, nous avons plusieurs cluster : choisir son parfum (et toutes les expressions clés afférentes); parfum pour la maison ; parfum & santé de la peau ; échantillon de parfum, etc.

Chaque cluster bénéficie d’un volume global de recherches (somme des volumes de recherche de chaque mot-clé constituant le cluster) et d’un score de concurrence organique (moyenne des scores de concurrence de chaque mot-clé constituant le cluster) ; il devient alors possible de mapper et visualiser chaque cluster, ou type de besoins, sur le marché étudié. Exemple ci-dessous d’une ébauche de mapping.

 

 cluster sémantique SEO

 

Au sein de chaque cluster, nous approfondissions l’analyse. Tout d’abord avec le score de concurrence, utilisé pour identifier les requêtes résolues ou non (requête pour laquelle il y a déjà beaucoup de contenus sur le web). Par exemple, sur le mot-clé « choisir parfum », dont le score de concurrence est très élevé, est déjà préempté par beaucoup d’acteurs du web et le besoin formulé par la demande bénéficie déjà, a priori, de nombreuses solutions. Le score de concurrence permet donc de prioriser les besoins des audiences et de saisir des opportunités de prise de parole pertinente pour la marque.

Enfin, le score lexical, quant à lui, est utilisé pour aller chercher au sein de chaque cluster (ou typologie de besoin si l’on préfère) les sujets qui se rapprochent ou s’éloignent le plus du marché. Il devient donc possible de distinguer rapidement les sujets centraux des sujets périphériques et de prioriser, là-aussi, en conséquence, les besoins des audiences.  

 

Du search marketing à l’identification d’insights sur vos audiences 

Une fois les mots-clés clustérisés et analysés à l’aide des indicateurs mentionnés ci-dessous, nous voyons apparaitre les grandes typologies de besoins structurant le marché étudié. À cette étape, il devient nécessaire de se mettre à la place de l’internaute pour aller vers de l’interprétation ! Une méthode très simple pour y parvenir : se demander pourquoi

 

  • Pourquoi l’internaute utilise-t-il ce mot-clé ?
  • Pourquoi l’internaute utilise-t-il ce syntagme ?
  • Pourquoi l’internaute fait-il cette association de mots-clés ?
  • Pourquoi fait-il une différence entre un mot-clé A et A’ ?
  • Quelles sont ses attentes ?

 

Pour les mots-clés les plus stratégiques, il est toujours intéressant de croiser les données analysées avec Google Trends. L’objectif ? Comprendre comment évolue l’intérêt autour d’un mot-clé et surtout se demander pourquoi l’internaute utilise ce mot-clé à ce moment précis de l’année.

Croiser les mots-clés obtenus avec des feedbacks de terrain permet de consolider l’analyse. Effectivement, il est toujours intéressant de consulter ses équipes, notamment les sales managers, pour récupérer des retours clients et ainsi pousser l’interprétation de certains mots-clés un peu plus loin !

 

Passer à la construction de personas “keyword-driven”

Nous avons collecté les mots-clés sur un marché spécifique (celui du parfum par exemple) ; nous avons clustériser ces mots-clés selon leurs affinités sémantiques ; nous avons étudié chacun de ces clusters en profondeur, à l’aide d’indicateurs de performances ; nous avons consacré un temps au croisement des données et à leur interprétation ; nous pouvons désormais dresser un tableau récapitulatif des profils types (personas), en fonction des typologies de besoins identifiées.

Le tableau ci-dessus offre un exemple des éléments à préciser pour chaque persona. Sur le marché du parfum, l’analyse croisée des données pourrait, par exemple, nous permettre d’identifier un profil type « Healthy », pour lequel nous aurions :

 

 search marketing étude de marché

 

  • Activités : ils sont préoccupés par la toxicité des parfums industriels et leur impact sur la santé des individus

 

  • Sujets prioritaires : toxicité des parfums ; composition des parfums ; marques de parfums à proscrire ; parfums synthétiques ; marques de parfums bio, etc.

 

  • Keywords / clusters : parfum poison; phtalate parfum ; ingrédients dangereux parfum, Ici nous listons les mots-clés connectés aux sujets d’attention et identifions les clusters mobilisés

 

  • Volume %: les keywords du profil « Healthy » représentent x% du volume total de recherches sur le marché du parfum

 

  • Motivations: ici figurent les insights, qu’est-ce qui drive (consciemment ou non) le personas dans l’usage des mots-clés qui le caractérisent : pour les healthy, nous pourrions avoir par exemple la recherche d’une information à la fois scientifique et vulgarisée.

 

  • Etc. : le tableau peut être personnalisé pour centraliser davantage d’informations sur les personas. Par exemple : ajouter des infos sur le comportement des visiteurs arrivés sur le site via les mots-clés du personas (durée de la visite, taux de rebond, etc.) ; ajouter des données via Facebook Audience Insight, etc.

 

Conclusion

Une fois l’étude menée à son terme et le tableau des personas complété, nous ne pouvons qu’être convaincus : le search marketing et l’intelligence artificielle sont de beaux alliés !

Le premier est une ouverture sur le marché (quels mots-clés utilisent les internautes), le second donne une dimension scientifique à l’analyse (grâce à des algorithmes et indicateurs de performance).

Autrement dit, l’usage d’un outil SEO intégrant l’IA permet aujourd’hui de réinventer l’analyse de mots-clés et d’aller plus loin dans l’identification des besoins, jusqu’à donner la possibilité d’identifier des personas.

La démarche est indispensable pour quelconque marque qui souhaite développer une stratégie de marketing digitale pertinente ; mais attention toutefois ! la démarche ne se suffit pas non plus à elle-même ! Construire des personas solides, fidèles à la réalité du marché et aux spécificités de chaque audience, nécessitera, à un moment ou à un autre, de croiser les résultats de l’analyse de mots-clés avec d’autres sources de données, parmi lesquelles, par exemple, des données social listening, des données onsite ou encore des données CRM. D’où l’importance de personnaliser le tableau des personas, comme indiqué précédemment !

Vous souhaitez en savoir plus notre démarche, découvrir ou consolider votre connaissance de vos audiences sur le web, n’hésitez pas à contacter la team Soyuz ! 🙂

Elliot
Elliot Latil
Analyste chez Soyuz
Contactez-moi :-)