Les premiers usages académiques de l’analyse des réseaux sociaux datent du début du vingtième siècle. Cependant, la grande nouveauté est de pouvoir mener cette analyse à très grande échelle. Auparavant, elle était réalisée sur des réseaux réduits de 20, 30 voire 40 personnes. Aujourd’hui, grâce à la puissance technologique des nouvelles bases de données, elle peut être effectuée sur des échelles de millions d’individus en même temps. Des mises à jour sont effectuées, ce qui offre une fluidité de travail incomparable.

L’ARS permet de déterminer quels sont les individus les plus influents et les plus actifs au sein d’un groupe donné. Dans le cadre d’une étude réalisée pour un opérateur téléphonique par exemple, il sera intéressant de savoir notamment qui reçoit ou émet le plus grand nombre d’appels téléphoniques. Si l’un des individus du groupe adopte un nouveau produit (comme écouter de la musique ou aller sur le web via son téléphone mobile), il en parlera autour de lui et pourra influencer son entourage à suivre son exemple. Reste à déterminer à quel point l’influence de cet individu aura un impact sur le groupe. L’ARS permet notamment de mieux comprendre la structure du taux de churn (taux de résiliation du contrat) et l’adoption des nouveaux produits. Les produits classiques exploités par les opérateurs téléphoniques se limitant à la voix et aux messages écrits, les fournisseurs auront tendance à aller vers des produits plus sophistiqués tournés vers les fichiers musicaux et le web, c’est-à-dire vers encore plus de divertissement. Les fournisseurs s’intéressent beaucoup à la manière dont ces nouveaux produits vont être adoptés. Une analyse des réseaux sociaux aura toute sa place dans ce cas.

L’ARS, l’alternative aux méthodes « classiques » qui fournissent des résultats incomplets
Dans l’industrie des télécommunications, les principaux problèmes rencontrés sont souvent abordés par des méthodes analytiques « classiques » qui incluent notamment l’analyse des appels passés et reçus par l’utilisateur d’un téléphone mobile. Ces données sont regroupées pour prédire par exemple, le taux de churn et le comportement face à l’achat. Cependant, ces méthodes ne fournissent pas la plupart du temps, les résultats escomptés pour un ciblage précis.

Ces méthodes « classiques » ignorent également souvent l’importance de toutes les interactions qu’un client peut avoir avec un autre et comment il peut l’influencer. En examinant ces interactions, l’analyse qui en résulte tend à se limiter à la seule analyse des personnes appelées, ce qui se concentre uniquement sur le nombre de personnes qu’un client appelle, ou qui l’appelle, qu’elles soient ou non chez le même opérateur.

L’ARS est une méthodologie analytique qui va au-delà de l’analyse du cercle d’appels. Elle offre en effet la capacité de quantifier la force et l’influence de chaque personne au sein d’un réseau de clients d’un opérateur téléphonique. Identifier les leaders de ce réseau va être l’une des bases de l’ARS. Elle peut en effet se révéler très intéressante pour qui cherche à vendre un nouveau produit. Par exemple, si un abonné est le communicant central d’un cercle d’amis, son choix d’utiliser un opérateur plutôt qu’un autre peut avoir plus d’impact sur les personnes qui l’entourent que si elle n’était qu’un participant périphérique et isolé. Si cette personne change d’opérateur, cela pourra peut-être inciter son entourage à faire de même. L’ARS va également au-delà de ce cercle direct pour identifier le réseau étendu de relations parmi les clients. Les amis d’amis feront alors partie de l’analyse.

Cette méthode peut paraître inquisitrice mais en réalité, il n’en est rien. Cette analyse reste en effet anonyme. On ne tient pas compte du numéro de téléphone, mais plutôt d’une référence qu’on attribuera au client sur lequel porte l’analyse. Un client dont la référence sera le numéro un sera alors en relation avec un client 2, 3 ou 4, sans qu’il existe aucun moyen d’identifier les différents interlocuteurs. On sait simplement qu’ils sont en train de communiquer. Au final, seuls des attributs permettant de déterminer les scores d’influence ou de susceptibilité d’adoption du produit seront mis à jour.


Et l’entrepôt de données dans tout ça ?
Le plus grand défi pour les opérateurs télécom apparaît lors de la mise en place des systèmes d’ARS. Il faut en effet qu’ils soient sûrs de disposer d’outils appropriés pour analyser efficacement leur réseau entier, peu importe sa taille. Un entrepôt de données peut alors assurer des résultats d’ARS valides même dans les plus grandes bases de données.

Les opérateurs téléphoniques ont fait des efforts considérables pour trouver des méthodes efficaces d’analyse du comportement et des préférences de leurs clients afin de mieux vendre des services et des produits et d’empêcher ces clients de changer d’opérateur. Cependant, les méthodes les plus utilisées pour analyser et prédire les tendances du comportement dans l’industrie IT, une industrie en perpétuelle évolution, échouent souvent lorsqu’il s’agit d’exploiter au mieux les capacités des outils et de la technologie modernes.

L’ARS constitue alors une méthode analytique se concentrant sur la façon dont les relations sont établies et sur la façon dont elles contribuent à influencer les individus au sein des groupes sociaux. Elle émerge rapidement comme une discipline prépondérante pour prédire et influencer le comportement d’un client d’un opérateur téléphonique. Cette méthodologie, associée à la puissance analytique et d’information d’un entrepôt de données d’entreprise, offre aux dirigeants de la téléphonie et de nombreuses entreprises des ressources inimaginables pour déterminer comment attirer et fidéliser des clients sur le long terme.

Les autres secteurs d’activité ne sont pas oubliés par l’ARS
Très pertinente, cette technique peut s’avérer intéressante pour d’autres secteurs d’activité.

Les opérateurs téléphoniques ont, grâce à leurs données et l’analyse de celles-ci, une connaissance très approfondie des individus qui communiquent entre eux, passent des appels ou en reçoivent. Ils obtiennent ainsi un tissu de données considérable et une description extrêmement détaillée des liens sociaux au sein de cette communauté.

Les opérateurs téléphoniques ne sont cependant pas les seuls à avoir recours à l’ARS. Les entreprises du secteur bancaire utilisent notamment cette technique, même si elles s’intéressent plutôt aux aspects de fraude qu’aux aspects d’upsell ou d’adoption de produit. Elles tentent, par exemple, de déterminer quels sont les gens qui ouvrent des comptes bancaires à des fins frauduleuses.

Dans ce cas précis, les établissements bancaires analysent les réseaux sociaux car ces personnes essaient de se construire une identité apparemment légitime. Pour ce faire, elles utilisent régulièrement un éventail d’identités. Lors de l’ouverture frauduleuse d’un compte, le fraudeur en question peut être identifié s’il utilise ses anciennes identités. Un réseau social de fraudeurs pourra alors être repéré.

Une société de vente aux enchères en ligne exploite également cet aspect-là des choses pour repérer les utilisateurs frauduleux, qui tentent de se construire des identités légales en exploitant toujours le même réseau de fraudeurs.

Biographie Edouard Servan Schreiber, Assistant Directeur des Analyses Avancées Teradata France
Agé de 37 ans, Édouard Servan-Schreiber est un mathématicien français qui a rejoint Teradata en 2006 en tant qu‘assistant-directeur des analyses avancées. Il a obtenu une maîtrise (B.S.) de mathématiques appliquées de l'Université Carnegie Mellon à Pittsburgh, puis, en 2000, un doctorat ès sciences en informatique de l'Université de Berkeley, où sa recherche se concentrait sur les protocoles de communication en réseau