Analyse éditoriale de données, nouvelle métrique pour les contenus
Étiquettes : conversion, gestion de projet, inbound marketing, marketing de contenu, stratégie de contenu, stratégie éditoriale
L’analyse éditoriale de données, une nouvelle tendance à surveiller en 2017? Un shift indispensable selon le dernier rapport Reuters. Explications.
Une nouvelle étude de l’Institut Reuters prêche pour le développement d’une approche d’analyse de données sur-mesure pour la prise de décision éditoriale, alignée sur ses objectifs spécifiques. Sa priorité: atteindre les gens durablement, maîtriser les enjeux de contenu à la lumière de l’économie de l’attention. Intégrer une grille d’analyse de données non tyrannique, en résonance avec la stratégie de contenus.
Analyse de données et éditorial, une question de priorités
Dans les réunions de planning éditorial, les données de trafic et autres résultats analytics sont aujourd’hui omniprésents. Ces métriques sont devenues cruciales dans la prise de décision éditoriale, que ce soit à l’échelle des grandes entreprises, des médias d’information, des annonceurs ou des startups. Désormais, le comportement des audiences est placé au centre des préoccupations et des stratégies de contenu.
C’est une bonne chose! Mais une utilisation traditionnelle de ces outils et techniques est-elle vraiment pertinente pour le marketing de contenu? Les chiffres sont-ils analysés et interprétés correctement par les comités de rédaction? Selon une nouvelle étude publiée par l’Institut Reuters auprès de 30 startups, journaux et radiodiffuseurs, l’analyse de données est malheureusement souvent circonscrite à l’optimisation court terme des pages vues et du nombre d’utilisateurs uniques. Un peu court, comme dirait l’autre.
Cependant, quelques organisations sondées sortent du lot! Elles ont développé une démarche d’analyse de données pour l’éditorial. C’est-à-dire, une approche personnalisée alignée sur les priorités éditoriales, en support plus qu’en porte-à-faux de la stratégie de contenus.
Analyser des données pour l’éditorial: les 3 fondamentaux
[pullquote]En éditorial, l’analyse de données ne peut être entièrement façonnée par des priorités publicitaires, commerciales ou technologiques. Elle doit au contraire éclairer des décisions durables, évolutives et contextualisées. [/pullquote]De manière générale, toute analyse de données doit être adaptée au secteur, aux tendances et aux organisations. C’est encore plus vrai pour l’éditorial! Les conclusions du rapport Reuters montrent ainsi trois grandes spécificités:
- L’éditorial a ses priorités éditoriales. Les contenus ont des rôles et des objectifs spécifiques, liés à l’ADN et au discours de marque, aux supports de diffusion, aux modes d’acquisition et de conversion.
- L’éditorial travaille à court, moyen et long terme. Les contenus touchent les audiences de manière immédiate, mais construisent aussi un storytelling, une relation… et un cycle vertueux de fidélisation.
- L’éditorial évolue continuellement. Les contenus suivent le rythme d’un environnement médiatique en mutation, ainsi que le rythme des habitudes de lecture cross- et transmedia.
Conclusion? En éditorial, l’analyse de données ne peut être entièrement façonnée par des priorités publicitaires, commerciales ou technologiques. Elle doit au contraire éclairer des décisions durables, évolutives et contextualisées.
Comment mettre en place une démarche analyse éditoriale de données?
Les recommandations du rapport Reuters pour mettre en place une approche d’analyse de données adaptée à l’éditorial vont dans le sens d’une meilleure intégration des parties prenantes, et d’une nécessité de créer sur-mesure.
Voici quelques pistes:
- Démocratiser les données à l’aide d’interfaces conviviales
- Créer des critères et KPI dédiés spécifiquement à l’organisation et la culture
- Intégrer des paramètres qui sous-tendent les priorités éditoriales sur le long terme
- Mettre en place des modèles d’analyse agiles et évolutifs
- Développer une culture de données axée positivement sur la curiosité et l’intérêt
- Impliquer les rédacteurs et les équipes à tous les niveaux
Bien sûr, les données ne racontent jamais l’histoire complète. Et même les meilleures approches se retrouvent tôt ou tard confrontées à un éventail de problèmes liés à la qualité des données, et à leur accès. C’est pourquoi une analyse éditoriale de données pertinente et fonctionnelle doit conforter la décision éditoriale plus que la diriger.
Elle doit se concentrer sur l’analyse des meilleures données quantitatives et qualitatives disponibles, sans introduire une tyrannie de chiffres. Une condition sine qua non pour rester dans la course à l’attention!
Le rapport complet est disponible sur reutersinstitute.politics.ox.ac.uk.
Une démarche d’analyse éditoriale de données, judicieux? Inutile? Qu’en pensez-vous?
Source: The next step: Moving from generic analytics to editorial analytics, niemanlab.org.
