- Qui a fait ça ?
- Que s'est-il passé ?
- Quand l'ont-ils fait ?
- Où l'ont-ils fait (sur quelle chaîne) ?
Il existe des limites très évidentes. Les données sont historiques, stagnantes et rapidement dépassées. Elles tendent à être basées sur des rapports internes ou des études de groupes de discussion qui sont coûteux, demandent beaucoup de temps et de ressources et comportent généralement de nombreux biais inhérents qui sont difficiles à éliminer des résultats. En outre, l'intelligence économique traditionnelle a tendance à se limiter à un ensemble de données ou à une question particulière à analyser.
Les plateformes d'écoute sociale sont apparues comme un moyen de surveiller les mentions et les conversations sur les médias sociaux pour obtenir les commentaires des clients, les mentions directes et les discussions liées à des mots clés, des sujets, des concurrents ou des industries spécifiques, et l'idée est d'utiliser ces informations pour effectuer des analyses et trouver de meilleures façons de répondre aux besoins des clients. Toutefois, à l'instar de la veille commerciale traditionnelle, les plateformes d'écoute sociale ont tendance à être plutôt quantitatives et limitées à la base de consommateurs qui sont engagés sur Twitter, Facebook, Instagram et autres, mais ce sont les informations qualitatives qui font vraiment la différence.
Le5e W : le pourquoi
La recherche qualitative permet de comprendre le pourquoi.
Elle met à jour les opinions, les pensées et les sentiments des consommateurs et conduit à des moments de réflexion dans le processus de prise de décision qui informe de nouveaux concepts, produits et stratégies de marketing. Comprendre le "pourquoi" permet de mieux s'aligner sur le consommateur afin de mieux répondre à ses besoins, d'améliorer son expérience et de favoriser la fidélité à la marque. Obtenir cette compréhension à partir de sources en ligne a été un défi pour les dirigeants d'entreprise. Le monde en ligne est vaste, sans fin, non structuré, en constante évolution, sarcastique, plein d'hyperboles, d'émotions et d'emojis, et déconnecté. Il faut des capacités uniques pour se frayer un chemin dans ce fouillis. Tel est l'avenir.
Skai moteur de l'avenir de l'intelligence économique
La plateforme primée de Skai englobe les principaux composants d'un tissu de données : la couche de collecte des données, la couche de classification des données et la couche d'accès aux données, qui sont toutes configurables pour répondre aux besoins de l'entreprise. Plus de 13 000 sources de données sont connectées et harmonisées par le moteur analytique, qui extrait le contexte et le sentiment et génère des informations qui sont présentées dans plus de 100 modèles et applications analytiques prêts à l'emploi.
Les informations générées par la plateforme étant extrêmement précises et contextualisées, elles permettent de raccourcir les cycles de développement des produits, de réduire les délais associés à la veille commerciale et au positionnement concurrentiel, et de maximiser l'efficacité des décisions commerciales et des stratégies de marketing, ce qui rapproche les marques de leurs clients et leur donne un avantage décisif pour prévoir les tendances et y réagir.
Les nouvelles fonctionnalités qui couvrent l'ensemble du parcours des données, telles que le regroupement de produits de commerce électronique, l'auteur, l'affiliation et l'affinement de la marque, l'intégration de la base de données et une alerte quotidienne, permettent aux entreprises d'intégrer Skai de manière transparente dans leurs piles technologiques de veille stratégique existantes, tout en faisant émerger des informations actionnables hautement détaillées et prédictives dans un plus large éventail de cas d'utilisation, augmentant ainsi l'impact de l'analyse dans l'ensemble de l'entreprise.
Les nouveaux moteurs NLP et d'apprentissage automatique (auto ML) améliorent la collecte et la classification des données et permettent de relever des défis uniques en matière d'analyse de données externes, tels que le regroupement de produits, l'auteur, l'affiliation et l'affinement de la marque.
Le regroupement de produits est une fonctionnalité qui permet d'identifier des produits identiques mais portant des noms différents chez différents e-commerçants, ce qui évite de fausser les résultats de l'analyse. Avec une précision de reconnaissance supérieure à 90 %, les entreprises peuvent configurer cette fonctionnalité et adapter les résultats de l'analyse prédictive à leur activité. Cela se traduit par une prise de décision plus anticipée qui réduit les risques et maximise les résultats de l'entreprise.
Les capacités d'affinement de l' auteur, de l'affiliation et de la marque font partie d'un ensemble de nouvelles fonctions de reconnaissance d'entités nommées (NER) qui permettent des modèles de représentation précis pour identifier avec exactitude les auteurs, les institutions de recherche et les marques de produits de grande consommation au sein d'un grand dépôt. Le modèle compare les auteurs et les marques de chaque nouvel article de recherche, brevet ou essai clinique et détermine s'il y a correspondance ou si le modèle de représentation doit être augmenté.
L'ouverture élargie de la plateforme grâce à la nouvelle intégration du Data Mart offre une connexion directe aux ensembles de données connectées et classifiées de Signals Analytics pour que les organisations puissent effectuer des analyses dans leurs propres environnements de veille stratégique.
L'extension de la connectivité et de l'ouverture de la plateforme aide nos clients à s'éloigner des projets d'analyse lourds, tout en répondant à leur besoin d'être guidés par les données et précis dans leur processus de prise de décision.
-------------
*Cetarticle de blog a été publié à l'origine sur Signals-Analytics.com. Kenshoo a acquis Signals-Analytics en décembre 2020. Lire le communiqué de presse.
Plus de détails
