Pourquoi le monde du marketing a besoin de plus de recherche de corrélation

Est-ce que plus de tweets d’une URL conduisent à des classements de recherche plus élevés sur Google ? Les articles plus longs obtiennent-ils plus de partages sur Facebook ? Les e-mails contenant des images ont-ils des taux d’ouverture inférieurs ?

Ces questions, et des centaines d’autres que les spécialistes du marketing se posent constamment, peuvent trouver une réponse mathématique grâce aux données de corrélation. Pourtant, il semble qu’il y ait un biais malheureux contre les corrélations, en particulier dans la communauté SEO. Une partie de cela a à voir avec la maxime bien connue “corrélation n’est pas causalité”. C’est éminemment vrai.

Cependant, j’adore connaître la corrélation, même lorsqu’elle est totalement déconnectée de la causalité, et je suis surpris que de plus en plus de spécialistes du marketing s’opposent à l’acquisition de cette connaissance. Après tout, nous utilisons constamment des observations basées sur la corrélation dans notre vie quotidienne, les scientifiques l’utilisent fréquemment pour découvrir des hypothèses potentielles et proposer des expériences pour les tester.

Par exemple, je me soucie personnellement moins de ce que Google utilise réellement comme éléments de classement dans son algorithme massif que des types de sites et de pages qui ont tendance à bien fonctionner. À mon avis, il est beaucoup plus fascinant d’apprendre que, par exemple, les articles qui apparaissent dans les résultats de Google Actualités sont beaucoup plus susceptibles d’avoir des images provenant à l’origine de l’éditeur d’actualités que de découvrir que l’algorithme utilise une exponentielle facteur de décroissance sur la fraîcheur basé sur les entrées d’un certain ensemble d’utilisation de compte de confiance. Le premier est passible de poursuites ; les seconds beaucoup moins.

Nous pouvons appliquer cela à la sensibilisation par e-mail, aux relations publiques, aux conférences lors de conférences, à l’optimisation du taux de conversion (une pratique basée presque entièrement sur la corrélation) et à pratiquement toute autre pratique quantifiable dans notre travail.

Voici quelques exemples d’excellents travaux dans le domaine du marketing qui exploitent les données de corrélation :

• Série de Dan Zarrela sur la science des médias sociaux, la science des retweets, la science du timing et la science du marketing Facebook

• Le projet d’algorithme ouvert de Mark Collier

• Données de corrélation dans la propre étude des facteurs de classement de SEOmoz

• Ce que Mike King a appris en analysant 300 000 e-mails de sensibilisation avec Buzzstream

Je ne comprends pas pourquoi ce travail est critiqué comme étant “juste une corrélation; ne veut rien dire” plutôt que d’être considéré comme “génial; de nouvelles données de corrélation sur lesquelles former des hypothèses vérifiables”. Oui – corrélation n’implique pas causalité. Mais cela montre une relation, et ces relations peuvent constituer la base de suppositions et de tests. Je trouve difficile d’expliquer pourquoi ce travail ne devrait pas être fait et partagé, mais le parti pris est clairement là.

Bien sûr, il y a toujours le danger de présenter une recherche de corrélation qui est ensuite mal interprétée ou mal utilisée, comme les gens de PHDComics l’ont brillamment illustré ci-dessous :

Mais, je préfère risquer un malentendu et disposer des données plutôt que de ne pas enquêter sur les liens entre les choses dans le monde du marketing par peur.

Voici quelques idées de recherche basée sur la corrélation que j’aimerais voir quelqu’un mettre en place :

• Corrélation entre un sujet/une phrase/une marque tendance sur Twitter et un volume de recherche en hausse sur Google

• Corrélation entre les partages Facebook, les Tweets et les partages Google+ pour les URL dans divers secteurs (où certains réseaux sont-ils potentiellement plus forts/plus faibles, quelles sont les valeurs aberrantes, etc.)

• Corrélation entre le montant du financement et les revenus/la croissance/le succès dans toutes les industries (je pense que cela serait fascinant pour les entrepreneurs)

• Corrélation entre les types de boutons de partage utilisés sur un site et la quantité de partages reçus

• Corrélation entre le nombre d’abonnés par e-mail à un flux RSS et les classements/partages sociaux du contenu de ce flux

• Corrélation entre les classements de recherche et l’inclusion de flux RSS dans l’ensemble (les URL incluses dans les flux ont-elles tendance à être plus performantes que celles qui ne le sont pas ?)

• Corrélation entre le sentiment (positif, négatif, neutre) du contenu sur divers sites et leur succès dans les médias sociaux

• Corrélation entre les partages sociaux et le trafic

• Corrélation entre le score de Klout et le trafic généré vers les URL partagées (pour voir si Klout s’aligne sur la quantité de trafic généré par les tweets/partages de cette personne)

• Corrélation entre le fait d’avoir un témoignage, une adresse physique, une adresse e-mail et/ou un numéro de téléphone sur la page et un classement supérieur/inférieur dans les résultats de recherche de Google

Si vous ou votre équipe vous sentez confiant, capable et enthousiaste à l’idée de faire ce travail, mais avez besoin d’un financement ou d’un soutien à la publication, nous serions ravis de discuter. Envoyez-moi simplement un e-mail (rand suivi du @ et seomoz dot org).

ps Consultez l’excellent “Mathographique” du Dr Pete sur la corrélation par rapport à la causalité pour en savoir plus sur la différence et les nuances.