La vidéo devient un volet décisif de la publicité digitale. Pour
certains publics cible, la vidéo est la principale – voire parfois seule
source d'information. Facebook est le premier à avoir misé sur la vidéo.
Les coûts de production d'une vidéo demeurent beaucoup plus élevés que
pour les contenus textuels ou basés sur l'image, d'où l'attention portée
à la qualité dans la création de contenus vidéo.
En la matière, les professionnels se trouvent vite confrontés à une
question essentielle : « Comment s'assurer que le temps et l'énergie
investis dans le montage vidéo offrent le meilleur retour sur
investissement ? ». L'eye-tracking (note de la rédaction: technique de
suivi du regard, appelée aussi oculométrie) et les logiciels d'analyse
du comportement facial sont les deux outils qui permettent d'y répondre.
Les outils d'eye-tracking varient – comme tous les outils – en fonction de leur degré de précision et de leur prix. En général, plus l'outil est précis et rapide, plus la qualité de l'analyse est élevée. Le deuxième aspect à prendre en compte est la mobilité de l'outil. Certains peuvent être fixés à un ordinateur portable pour une analyse en extérieur sur le terrain, d'autres nécessiteront un environnement de laboratoire avec un pc dédié. Il s'avère crucial d'investir dans la mise en place et l'interprétation des données en ce qui concerne l'eye-tracking. Chaque projet ayant recours à ces outils nécessite du temps, d'une part pour la mise en place et d'autre part pour vérifier que le mouvement oculaire de l'individu soit correctement analysé. Par exemple, est-ce que les sondés portent des lunettes ? Parfois, cela peut causer des difficultés dans l'exactitude des données. Les outils d'eye-tracking nécessitent parfois d'être ajuster à plusieurs reprises, même avec les plus avancés. L'avantage des études utilisant l'eye-tracking est qu'il est facile de produire des « gaze plots ». Un gaze plot est la représentation graphique sous forme de cercles du parcours emprunté par l'œil lorsqu'il est soumis à un stimuli – qu'il s'agisse d'une vidéo publicitaire dans notre cas, d'une image ou d'un site Web. Ce type de représentation permet de répondre aux questions Where, When et How long. Il est donc possible sur la base uniquement de ces données, d'obtenir un certain nombre de réponses. La taille d'un cercle montre la durée passée à regarder un point particulier. La séquence de fixation est souvent numérotée 1, 2, 3... etc. Cela donne un aperçu du processus de réexion et de ce qui est considéré comme important ou intéressant par l'utilisateur.
Le nombre de jeux de données qui sera nécessaire pour dresser une analyse concluante peut aussi varier. En matière d'UX pour site Web par exemple, il suffit de sonder 5 utilisateurs du groupe cible pour identifier environ 85% des problématiques clefs d'un site Web. Tripler le nombre de participants à 15 augmentera la possibilité à 100%. Ces données peuvent ensuite être combinées à d'autres, de nature qualitative obtenues à partir de focus group, ce qui permettra d'améliorer le stimulus – objet de l'étude. Le nombre de personnes sondées devrait augmenter en fonction de la complexité de la tâche demandée. Un échantillon de 50 personnes semble correct pour viser une plus grande précision des résultats. L'analyse de contenus vidéo et la compréhension des messages clefs mériteraient de recruter un nombre plus grand d'individus (que dans l'exemple du site Web cité précédemment) – voire plus de 20 participants. Il est important également que les personnes sondées soient représentatives du groupe cible et différent l'une de l'autre, en fonction de groupes d'âge et d'autres paramètres tels que l'affinité de la marque, etc. Une fois que nous savons quel type de contenu a été regardé, pendant combien de temps et dans quelle séquence, nous devons analyser l'impression suscitée par le contenu. Des groupes de discussion ainsi que des questionnaires auto-administrés avant et après l'étude permettent d'aller plus loin dans l'analyse de l'impact des stimuli. La technique de la conversation à haute voix, où l'on demande aux participants de dire ce qu'ils voient ou ce qu'ils pensent lorsqu'ils sont exposés aux stimuli, est une autre option.
Cependant, ces méthodes s'appuient sur la pensée active de l'individu et se concentrent sur l'activité d'une manière non naturelle. Un moyen moins intrusif et sans doute plus précis de saisir leurs impressions est d'avoir recours à un logiciel d'analyse du comportement facial. L'un des principaux avantages de l'analyse du comportement facial est qu'elle peut être utilisée en parallèle à d'autres outils. Elle implique uniquement un enregistrement vidéo du visage de l'individu pendant qu'il est exposé au stimulus. Les outils de lecture du visage permettent de combiner la vidéo du stimulus avec l'enregistrement de l'écran ainsi que du visage du sujet pour une analyse plus précise.
Des débats existent sur le nombre d'émotions que nous pouvons identifier, mais les 8 de base (la joie, la tristesse, l'acceptation, le dégoût, la peur, la colère, la surprise et l'anticipation) sont suffisantes pour la plupart des spécialistes marketing. Ces émotions permettent d'identifier l'impact qu'une vidéo peut avoir sur le public cible et de voir quelles sections, si nécessaire, doivent être éditées et lesquelles pourraient être retenues.
Semblable aux outils d'eye-tracking, les lecteurs de visage nécessitent un certain temps d'installation et disposent d'une variété d'options. Les deux émotions que les webmarketers cherchent à provoquer en particulier sont la surprise et le bonheur. Ces deux émotions sont dominantes dans les vidéos virales qui sont relayées en ligne par les utilisateurs et non diffusées par une publicité payante. Plus il y a de chances que votre contenu en ligne soit relayé, plus le retour sur investissement sera élevé.
En résumé, les publicitaires spécialisés dans les vidéos en ligne devraient envisager d'utiliser les données d'eye-tracking pour identifier si les messages clés sont vus et compris et faire face aux lecteurs pour évaluer si le contenu provoque la réaction émotionnelle voulue de surprise et de bonheur ! Des benchmarks internes avec une comparaison des contenus vidéo précédents ainsi que les propres contenus diffusés par des concurrents peuvent donner un aperçu du type de contenu vidéo qui fonctionne pour un public cible. La plupart des campagnes de vidéos virales réussies reposent sur d'autres canaux qui jouent le rôle de levier tels que les médias sociaux, la publicité payante et l'optimisation pour les moteurs de recherche. Les vidéos au contenu optimisé ont les meilleures chances d'aller plus loin et de montrer un meilleur retour sur investissement.
