En matière de ciblage publicitaire, réseau proche ou éloigné ne ferait pas forcément la différence

Les cercles d'amis et les préférences génèrent des données qui permettent aux publicitaires de mieux cerner les individus, mais pour cela se contenter d'un échantillon peut sembler suffisant.

Dans le cadre d'un ciblage publicitaire sur les réseaux sociaux, utiliser toutes les données contenues sur le réseau d'amis proches d'un individu ou seulement une partie de ce réseau offrirait des résultats pratiquement identiques. C'est ce que rappelle une étude menée par Amit Sharma, Mevlana Gemici et Dan Cosley, chercheurs à l'université Cornell aux États-Unis, s'appuyant sur les réseaux sociaux égocentriques des individus (réseaux constitués d'un individu et de ses amis les plus proches), et sur le niveau de proximité d'un utilisateur avec ses amis. Un résultat qui peut sembler intéressant pour les marketeurs, qui n'auraient donc pas la nécessité soit d'étudier tout le réseau, soit de déterminer au préalable les amis proches des utilisateurs de réseaux sociaux avant de proposer des publicités personnalisées en fonction de leurs goûts.

Des mesures spécifiques

Pour explorer cela, les chercheurs ont donc mis au point un ensemble de mesures caractéristiques de la localité d'un réseau qui diffère selon le degré de préférence des utilisateurs sur les réseaux sociaux. Ils ont utilisé trois ensembles de données : deux de Facebook (un pour les préférences filmographiques, un pour les préférences musicales), et un de Twitter (en fonction de l'utilisation de hashtag). A partir de ces données, les chercheurs ont calculé dans un premier temps la similarité entre les goûts des différents individus composant un réseau et l'utilisateur potentiellement ciblé. Ainsi, dans le cas où un individu apprécie un artiste, ce goût serait similaire à 0,040 avec un ami proche tandis qu'il atteint 0,023 avec un autre membre de son réseau. De même, concernant un film, on note une similitude entre deux amis proches de 0,20 contre 0,13 pour des membres éloignés, mettant en évidence, selon les chercheurs la faible différence entre les préférences des différents membres d'un même réseau.

Améliorer les recommandations

Ceux-ci ont ensuite mesuré la possibilité qu'une préférence soit recommandée par un seul individu du réseau d'un utilisateur. Ainsi, celle-ci atteint 1,19 pour un membre éloigné contre 1,16 pour un ami proche dans le cas d'un artiste et 1,20 contre 1,28 pour un film. Toutefois, si ces résultats semblent plutôt proches, les chercheurs rappellent tous leurs calcules n'indiquaient pas que n'importe quel individu d'un réseau peut être ciblé par le biais de ses liens faibles. Ainsi, lors de la mesure de ce qu'ils appellent la « pénurie » (sparsity), c'est-à-dire la densité de notations issues des réseaux égocentriques contre le réseau dans son ensemble. Les chercheurs ont trouvé que i l'on prend les films, l'individu a 87% de notations en commun avec l'un de ses amis, tandis qu'il n'en a que 0,02% avec les autres.