Razorfish expérimente un nouveau social score, le SIM

Razorfish vient de publier un nouveau livret blanc sur le social marketing (Fluent) où il est question d’une nouvelle variante de social scoring (le “Social Influence Marketing Score“, SIM) : Fluent, the Social Influence Marketing Report.

La première partie de ce livret blanc est plutôt banale (toujours les mêmes chiffres et réflexions sur les “nouveaux” consommateurs devenus hermétiques aux publicités traditionnelles et qui s’informe sur les médias sociaux) et présente une énième définition des “nouveaux influenceurs” :

Trois types d’influenceurs sont présentés ici :

• Les influenceurs-clés qui sont reconnus par la communauté comme des experts au travers de leurs blogs / tweets ;
• Les influenceurs sociaux qui s’expriment au travers de leur social graph (Facebook…) ;
• Les influenceurs connus qui sont dans le cercle privé d’un acheteur potentiel (famille, ami proche…) et qui sont le plus à même de participer à une décision d’achat.

Mais la partie qui nous intéresse le plus est celle qui concerne le social scoring, thème que j’ai déjà eu l’occasion d’aborder plusieurs fois sur ce blog (Mon social score est de 93, et alors ? et Social scoring : le Saint Graal des médias sociaux) et qui visiblement plait toujours autant à la profession (What’s Your Brand’s Social Score?).

Shiv Singh présente ainsi une nouvelle formule permettant d’évaluer l’implication d’une marque au sein des médias sociaux et surtout de comparer cette implication avec les autres marques du secteur. Ce score est fondé sur le  “Net Sentiment” pour la marque et pour le secteur (qui lui même est évalué en fonction de l’analyse sémantique des conversations) :

• Net Sentiment = (Positive + Neutral Conversations – Negative Conversations) / Total Conversation
• Sim Score = Net Sentiment for the Brand / Net Sentiment for the Industry

Voici un exemple avec le calcul du SIM Score de General Motors :

GM a donc un SIM Score de 5 qui peut être comparé avec les autres acteurs de l’industrie automobile :

Et on peut même calculer les écarts entre les parts de voix offline et online :

Bon… tout ça commence à faire beaucoup de chiffres, donc beaucoup d’approximitations et interprétations. Je me demande si l’effort à fournir pour collecter / compiler / calculer / analyser tout ces chiffres n’est pas une perte de temps. Je me doute bien que les annonceurs ont besoin de chiffres pour justifier des budgets mais là nous sommes à la limite de ce qu’il est possible d’industrialiser (donc dans des ordres de coûts raisonnables) et ce qu’il faut produire à la main (donc avec un budget conséquent).

Le reste du livret blanc est composé d’article plus ou moins partisans (car rédigés par des personnes qui bénéficient fortement de l’implication des annonceurs dans les médias sociaux), mais il y a tout de même des notions intéressantes comme celle du “Last Quarter Mile” où les médias sociaux sont considérés comme le dernier kilomètre (le dernier maillon) entre une marque et ses cibles.

Encore une fois l’intention est bonne, mais ce score est beaucoup trop dépendant de la fiabilité des données de base, donc de l’écoute des médias sociaux (une pratique difficilement industrialisable). Ceci étant dit, la simplicité de la formule en fait ce que nous avons de mieux sur l’étagère…