Les nouvelles façons dont les spécialistes du marketing et les institutions politiques peuvent désormais récolter nos données sur les réseaux sociaux et nous diviser en groupes homogènes adaptés aux messages de masse personnalisés et ciblés ont été l'un des problèmes brûlants qui se sont déroulés à la suite des récents événements majeurs de Facebook et Cambridge Analytica. -Scandale des données. De nombreux articles ont déjà cherché à résumer les événements, Actions, participantes, et les points de vue – notamment ceux qui sont contraires à l'éthique. Cependant, notre attention a été attirée sur le fait qu'il existe actuellement peu de preuves empiriques de l'efficacité ou de l'impact réel des outils analytiques psychographiques utilisés par Cambridge Analytica (CA). C'est surprenant, considérant que la méthode a jusqu'à présent été présentée comme quelque chose que l'on pourrait appeler "l'arme marketing ultime".
Cet article est issu de notre expérience et de nos échanges avec des universitaires en études consommateurs et marketing, qui sont peut-être plus familiers avec le développement des méthodes et des pratiques d'étude de marché et de segmentation au fil du temps.
L'arme secrète :la segmentation psychographique
L'outil de segmentation psychographique utilisé par CA étend l'audience marketing traditionnelle ou l'analyse des électeurs au-delà de la simple « démographie » - par exemple, âge, genre, éducation – vers un profilage basé sur des traits de personnalité et des scores basés sur des valeurs. Combiné avec les « big data » des profils Facebook et des analyses statistiques améliorées par algorithme et des tactiques de marketing furtif, cette méthode est sans doute devenue un secret enviable du marketing numérique, notamment parmi les professionnels de la publicité et du marketing.
Alors qu'une grande partie du débat public sur l'affaire CA a porté sur la façon dont des quantités massives de données Facebook ont été obtenues et utilisées de manière contraire à l'éthique dans le but d'influencer le comportement des électeurs lors des élections américaines et du Brexit, relativement peu de choses ont été dites sur la méthode d'analyse exacte utilisée par l'entreprise et l'étendue de sa contribution aux résultats du vote. Selon un compte rendu détaillé de Michael Wade de l'IMD Business School, CA a pu identifier les profils de plus de 50 millions d'utilisateurs de Facebook en faisant correspondre deux approches et sources de données différentes. D'abord, les résultats de 270, 000 tests de personnalité obtenus grâce à une application Facebook de type quiz développée par le professeur de Cambridge Aleksandr Kogan. Seconde, les résultats étaient statistiquement liés aux « empreintes numériques du comportement humain » de ces répondants et aux profils de leurs amis Facebook (par exemple, "aime"), grâce à un modèle développé par un autre universitaire de Cambridge, Michal Kosinski.
Par conséquent, les informations psychographiques sur des millions de personnes ont été automatiquement dérivées des données de Facebook, sans le processus généralement fastidieux des questionnaires de personnalité qui nécessitent des centaines de questions pour chaque participant analysé. Cette sorte d'« ingénierie inverse » (comme l'appelle Wade) basée sur l'activité des utilisateurs de médias sociaux signifie que seulement une centaine de « j'aime » sur Facebook suffisent pour estimer les traits psychologiques d'une personne. Des informations telles que le goût, dire, Salvador Dalì ou Lady Gaga servirait d'indicateur d'un type de personnalité - par exemple, ouverture. La mise en œuvre de l'apprentissage automatique et la procédure d'analyse plus détaillée sont résumées dans une vidéo mettant en vedette Jack Hansom des élections SCL, société affiliée à Cambridge Analytica.
Alors que la méthode a été affirmée comme étant capable de produire « une analyse de personnalité d'une précision terrifiante », utiliser les likes Facebook comme indicateurs psychométriques présente des limites méthodologiques importantes. Par exemple, aimer une page Facebook n'est pas une action individuelle réalisée isolément, comme l'élaboration systématique d'un questionnaire. Au lieu, il s'agit d'un acte intrinsèquement social et symbolique – et doit être interprété dans le contexte de la plateforme et de son utilisation.
Compte tenu de l'exactitude des prévisions de CA, deux autres points doivent faire l'objet d'un examen critique. D'abord, si l'analyse psychographique est pertinente pour obtenir des informations marketing. Seconde, le contenu publicitaire micro-ciblé via des techniques psychographiques a la capacité de manipuler efficacement l'esprit des gens.
Une arme du passé ?
Dans les études de marketing et de consommation, techniques de segmentation du marché ont évolué du fait qu'elles ne sont tout simplement pas efficaces, ni autrement possible pour un spécialiste du marketing d'essayer d'influencer tout le monde à la fois, avec le même message. Par conséquent, le ciblage d'un sous-groupe spécifique - celui qui serait plus susceptible de réagir de la manière souhaitée au message marketing visé - devient la pratique et la théorie de la communication marketing. Cependant, the logic for choosing the effective segmentation and targeting criteria has changed importantly over the years, not least due to technological changes and possibilities.
Despite the work of theorists in the early 20th century – for example, Thorsten Veblen and Max Weber, who recognised that consumption behaviour is closely tied with social structures (and vice versa) – the marketing scholars and practitioners in the post–World War II mass-media era have relied heavily on individualist and behavioural psychological paradigm. It is fair to say this has been the golden age of psychographic market segmentation in which target group has been profiled and expressed in terms of their personality traits or value system scores (for example, the VALS system).
Cependant, the personality/value-based measurement has consistently been challenged for its ability to predict actual behaviours, such as specific product, brand or environmental choice (Wedel and Kamakura 2000 and Rokka and Uusitalo 2008). Seconde, these approaches precisely assume that behavioural patterns are shaped by differences in "global" psychological states or values (openness, conscientiousness, extraversion, agreeableness and neuroticism) that are thus "necessarily devoid of any influence of sociohistorical context" (Holt 1997, 327). Mettre différemment, an abstracted and universalized personality type cannot capture the complexity and cultural sensitivity of consumer lifestyle choices, symbolic expression and tastes.
This shift in thinking put an end to wider application of psychographic methods long ago, at least in the field of marketing and consumer research. Au lieu, four decades of work have testified the importance of sociocultural perspectives that are much more sensitive to the social and symbolic systems that shape our lifestyle-relevant choices and tastes (Arnould and Thompson 2005 and Holt 1997). This perspective is also shared by researchers in the Lifestyle Research Centre of EM Lyon. An analysis of Facebook likes from this standpoint would be understood more as the analysis of individuals' lifestyle associations and networks governed by socially established expressions of taste. Main difference of the psychographic segmentation to this form of socio-cultural lifestyle analysis would be its lack of connection to society and its cultural currents.
A 'magic bullet'?
A second issue evoked in the CA debate is the manipulative power of big data–based psychographic approaches that bear rather naïve assumptions about how communication and advertising work.
In the 1930s – the heyday of totalitarian propaganda – the dominant theory for interpreting the effects of mass media on population described political messages as "magic bullets" that, once they reached the targeted audience, would have immediate persuasive power. This arguably simplistic view was rejected a decade later by Paul Lazarsfeld and colleagues at Columbia University. Their empirical work relativized the power of political propaganda, demonstrating that message effects are largely mediated by interpersonal relations and collective interpretations – for instance, political views are also discussed and formed during family dinners and not simply absorbed from the media (Neuman and Guggheneim 2011). Similar considerations also resonate widely in advertising and marketing research. Par exemple, there exists a body of academic literature that indicates that, based on empirical evidence, advertising does not increase or reduce alcohol consumption (Tikkanen and Aspara 2017).
Cependant, with the rise of big data–based psychographic segmentation, the old "magic bullet" thesis has apparently gained new popularity. Cambridge Analytica's bragging of 'psychological warfare" stands as a case in point. We still have little or no evidence of the extent to which such campaigns can persuade people to change their mind about even simple product or brand choices – much less to vote differently.
We cannot argue there is no value in, nor evidence of, the ability of psychometric segmentation to achieve marketing goals. Par exemple, a recent study found a 40% increase in advertising click-through-rate. Cependant, its actual effects on consumption or voting behaviour have yet to be demonstrated.
Cet article a été initialement publié sur The Conversation. Lire l'article original. 
