Calculer et interpréter la part de voix

La part de voix mesure la part d’une marque dans la visibilité totale d’un marché ou d’un thème défini.

Pour le calcul de base, divisez les mentions de la marque par le total des mentions de cette marque et des concurrents sélectionnés, puis exprimez le résultat en pourcentage. Le calcul n’a de sens que si le groupe de concurrents et les sources couvertes sont correctement définis.

Formule de base

Si une marque compte 2 000 mentions et que le total incluant cette marque et trois concurrents atteint 10 000, sa part de voix est de 20 %.

Ce taux à lui seul n'a aucune signification positive ou négative.

Groupe de concurrents

Inclure des concurrents très petits ou peu pertinents peut gonfler artificiellement l’indicateur. Le groupe doit refléter le marché réel.

Couverture des sources

Utiliser uniquement X, uniquement les actualités ou toutes les sources sociales produit des valeurs différentes. Indiquez clairement les sources couvertes dans le tableau de bord.

Part de voix par thème

Calculez la part pour un produit ou un thème précis plutôt que pour la visibilité globale. Cela peut montrer les thèmes où la marque est plus forte que ses concurrents.

Interpréter avec le sentiment

Une part de voix élevée peut résulter d’une crise. Présentez séparément les thèmes positifs, négatifs et à risque.

Différence avec la part de la recherche

La part de voix mesure la part des conversations ou de la visibilité numériques. La part de recherche mesure la demande de recherche liée à la marque par rapport aux concurrents. Ce sont deux indicateurs différents.

Tendance

Les changements dans le temps plutôt que le pourcentage d'un seul mois devraient être interprétés en même temps que les périodes de campagne, de lancement et de crise.

Établir la qualité des données et le dispositif de mesure

Même une analyse avancée ne permet pas de décisions fiables avec des données médiocres. Pour la formule de base, le groupe de concurrents et la couverture des sources, définissez les sources couvertes, la fréquence de collecte, le traitement des doublons et la mesure des erreurs de classification. Les changements de sources ou de requêtes pouvant perturber les comparaisons historiques, conservez des configurations de collecte versionnées.

Les projets de classification automatique nécessitent une validation humaine par échantillonnage aléatoire. La qualité peut être mesurée séparément pour les thèmes, le sentiment, l’association des entités et la gravité. L’arbitrage entre précision et rappel dépend du cas d’usage : les alertes de crise doivent éviter de manquer des cas critiques, tandis qu’une file opérationnelle volumineuse peut nécessiter peu de faux positifs. Choisissez des mesures adaptées à la décision métier plutôt qu’un seul taux global d’exactitude.

Relier les enseignements aux actions

La valeur d’un projet analytique se mesure aux décisions prises plus vite ou avec plus de justesse, et non au nombre de graphiques. Chaque constat important peut être associé à une équipe, une action proposée, une priorité, une date et un résultat. Des réclamations croissantes sur l’emballage peuvent aller à la qualité, un sujet négatif en forte hausse à la communication, un nouveau vendeur et une anomalie de prix à l’équipe marketplace. Vérifier l’évolution du même indicateur après l’action crée une aide à la décision en boucle fermée.

Liste de contrôle analytique en production

La couverture des sources est-elle documentée ?
Les versions des requêtes et taxonomies sont-elles enregistrées ?
Les filtres de doublons et de spam sont-ils définis ?
Les résultats des modèles sont-ils vérifiés sur des échantillons examinés par des personnes ?
Un score de confiance ou un indicateur de qualité est-il enregistré ?
Les changements de tendance sont-ils distingués des changements de source ?
Un responsable des actions est-il désigné pour chaque constat ?
L’impact est-il remesuré après action ?

Contrôler les biais de couverture et les écarts de mesure

Les données collectées ne représentent pas nécessairement tout l’environnement numérique. Les limites des API, contenus supprimés, comptes privés, requêtes changeantes, différences de langue et restrictions d’accès peuvent créer un biais de couverture. Pour la formule de base, le groupe de concurrents et la couverture des sources, documentez les sources incluses et les données systématiquement exclues. Afficher ces limites aide la direction à distinguer le comportement réel des clients des changements de couverture.

Modifier la taxonomie, les requêtes, le modèle ou le fournisseur de données peut entraîner une dérive des indicateurs. Un nouveau modèle de sentiment peut changer la part négative sans évolution réelle de la perception de marque ; ajouter une plateforme peut augmenter le volume de mentions. Enregistrez les changements importants avec leur date et leur version. Si possible, faites fonctionner brièvement les deux méthodes en parallèle et mesurez l’écart.

Confiance, échantillonnage et registre de décisions

Un résultat automatique ne doit pas être tenu, à lui seul, pour une vérité définitive. Des scores de confiance peuvent être associés aux entités, thèmes, sentiments, anomalies et niveaux de gravité. Des échantillons aléatoires périodiques vérifiés par des personnes peuvent révéler une dégradation silencieuse du modèle. Documenter les données, la version du modèle et le signal analytique fondant les décisions à fort impact permet de les réévaluer. L’analyse devient ainsi une aide à la décision auditable plutôt qu’un simple reporting.

Documenter la couverture et les lacunes connues
Conserver des versions datées des requêtes et taxonomies
Comparer les résultats lors des changements de modèle
Placer les dossiers à faible confiance dans une file de vérification
Réévaluer la qualité par des échantillonnages périodiques vérifiés par des personnes
Distinguer les ruptures du tableau de bord des changements de source
Enregistrer les données et versions fondant les décisions critiques

L’approche analytique B10 Digital Agency

B10 Digital Agency considère l’écoute sociale et l’analyse non comme une simple production de tableaux de bord, mais comme une aide à la décision combinant collecte, taxonomie, résolution d’entités, NLP, détection d’anomalies, validation humaine et gestion des actions.

Questions fréquentes

Comment calculer la part de voix ?

Divisez la mesure de visibilité choisie pour la marque par le total de cette même mesure pour la marque et les concurrents sélectionnés, puis exprimez le résultat en pourcentage.

Une part de voix élevée est-elle toujours positive ?

Non. Une crise peut aussi augmenter la visibilité.

Le nombre de concurrents influe-t-il sur le résultat?

Oui. Le groupe de concurrents doit donc être cohérent et pertinent pour l’activité.

La part de voix et la part de recherche sont-elles identiques ?

Non. L’un mesure la part des conversations ou de la visibilité, l’autre celle de la demande de recherche.

Transformer les données en enseignements exploitables

Découvrez l’analyse de données et l’écoute sociale de B10 Digital Agency pour transformer réseaux sociaux, avis, données concurrentielles et signaux numériques en modèles de décision mesurables.

Découvrir l’analyse de données et l’écoute sociale →