Comment utiliser les données pour améliorer votre visibilité sur YouTube

1 décembre 2020 - 10  min de lecture - par Billy Leonard
Accueil > SEO Technique > Données et boost de visibilité sur Youtube

Il y a une phrase qui compte beaucoup dans ma vie (professionnelle). C’est devenu un peu un mantra pour moi, surtout en travaillant dans le domaine du contenu et de la création. Et c’est la suivante :

« Sans données, vous êtes juste une autre personne avec une opinion »
W. Edwards Deming

Nous sommes à l’ère des données. Les données sont censées avoir plus de valeur que l’or, et nous créons des données chaque fois que nous interagissons avec quelque chose. Cela signifie qu’il n’y a aucune raison de ne pas utiliser de données lors de la création d’une stratégie, même si c’est pour quelque chose que nous considérons généralement comme « créatif », comme YouTube.

La création d’une stratégie YouTube axée sur les données est la clé pour obtenir de la visibilité et faire en sorte que votre contenu soit vu. Mais l’utilisation des données doit vraiment être la base de ce que vous faites. Il ne suffit pas de se contenter d’essayer d’intégrer les mots clés après coup.

Si nous examinons les études sur les facteurs de classement de YouTube – comme celle de Backlinko – nous pouvons constater que les « optimisations SEO » classiques, comme l’optimisation des balises de titre et des descriptions de vidéos, n’ont que peu ou pas d’effet sur les classements.

Nous devons plutôt nous concentrer sur la construction de nos vidéos en gardant les données à l’esprit. Mais quel type de données devrions-nous chercher à intégrer ?

Selon moi, il y a trois types de données qui sont importantes lors de la création de contenu pour YouTube.

 

Type de donnéesCe que cela signifieComment nous l’obtenonsComment nous l’utilisons
• Données de haut niveau sur les mots-clés• Thème + données thématiques pertinentes• Recherche de mots-clés sur YouTube• Idée, titre et résumé
• Données granulaires sur les mots-clés• LSI + mots-clés à longue traîne• Recherche thématique + générateurs LSI• Scénario + description vidéo
• Données visuelles• Objets, décors, actions, style d’animation, visuels• Recherche vidéo• Storyboard

 

Voyons un peu plus en détail chacun de ces types.

Trouver des sujets et des titres efficaces avec des données de haut niveau sur les mots-clés

Ce type de données est destiné à vos idées, titres et résumés vidéo.

Pour obtenir ces données, suivez un processus similaire à tout bon processus de recherche par mots-clés, mais en utilisant un outil qui peut collecter les données de YouTube pour vous. Ahrefs ou keywordtool.io sont de bons endroits pour commencer.

Une fois que vous avez collecté tous vos mots-clés, vous devriez (avec un peu de chance) pouvoir les classer dans des thèmes plus larges pour une analyse plus approfondie. C’est ce que nous faisons également, mais pour ajouter un contexte plus large, nous superposons aussi d’autres indicateurs et nous représentons le tout sous forme de graphique à bulles – comme ceci :

Les trois indicateurs que nous avons représentés ici sont les suivants :

  1. Le volume de recherche – il est indiqué par la taille de la bulle. Nous obtenons cela d’Ahrefs.
  2. Engagement – il s’agit du nombre moyen de visionnages de vidéos pour ce mot-clé.
  3. Difficulté – il s’agit d’un script personnalisé qui nous indique à quel point il est difficile de se classer dans ce domaine.

En créant le graphique de cette façon, nous obtenons des zones dans lesquelles travailler et des zones clairement à éviter. Il est également bien accueilli par les clients, ce qui est toujours un point positif.

Nous commençons dans le coin supérieur gauche pour les gains rapides, car ce sont des catégories à fort engagement et à faible difficulté. À l’inverse, nous évitons les domaines en bas à droite, car il s’agit de catégories à faible engagement et à difficulté élevée.

La collecte de ces indicateurs à grande échelle peut prendre beaucoup de temps. Nous utilisons notre outil de machine learning, Solomon, pour le faire à notre place, mais cela peut être fait à la main.

Une fois que vous avez collecté toutes les données et créé le graphique, il devient alors facile d’explorer chaque catégorie et d’examiner les requêtes qui sont similaires et qui peuvent être regroupées dans une seule vidéo. Cela devrait ensuite alimenter les titres et les résumés de vos vidéos.

Nous intégrons ces données de façon structurée. En ce qui concerne les titres de vidéos, qui sont les catégories dans lesquelles nous utilisons normalement ce type de données, nous avons chez Croud la structure suivante.


Dans l’image ci-dessus, la partie ‘Hook’ est celle de l’Hameçon, vient ensuite l’Explainer, puis les informations sur l’émission et enfin les informations sur la chaîne.

Les différents éléments sont :

  • L’Hameçon – l’Hameçon est ce qui intéressera la plupart des gens et vous permettra d’avoir le plus de créativité possible. Soyez bref et percutant et, surtout, gardez le devant de la scène. C’est la partie du titre qui a le plus de chances de vous faire cliquer et doit également inclure les mots-clés que vous visez. Nous utilisons cinq types d’accroches différentes dans nos titres.
  • Explainer – L’Explainer est comme un slogan, ou ce qui vient après les deux points dans le titre d’un mauvais film. Il vous permet de donner un peu plus de détails et de glisser quelques mots clés supplémentaires qui intéressent encore le spectateur.
  • Informations sur l’émission – Les informations sur l’émission sont davantage destinées aux moteurs de recherche, mais elles peuvent aussi fournir des informations importantes à l’utilisateur, surtout si vous avez plusieurs émissions différentes sur une seule chaîne ou une structure par épisodes pour votre récit.
  • Informations sur la chaîne – Comme pour les informations sur les émissions, les informations sur les chaînes sont davantage destinées aux moteurs de recherche, mais elles peuvent également être rassurantes pour l’utilisateur. Il s’agit généralement du nom de la marque ou du nom de la chaîne s’il y a plusieurs chaînes.

Utilisation de données granulaires de mots-clés pour créer d’excellents scripts

Ce type de données est destiné à vos scripts et descriptions de vidéos.

Lorsqu’il s’agit de créer vos scripts, vous devez vraiment les traiter comme des contenus on-page et utiliser la méthode que vous utilisez actuellement pour créer du contenu bien optimisé. Il n’est pas nécessaire de réinventer la roue ici.

Chez Croud, nous utilisons le plugin SEMRush Writing Assistant de Google Docs pour créer nos scripts, puis nous les comparons aux données que nous avons recueillies, y compris les mots-clés LSI pertinents.

Cependant, il y a une chose que je veux vraiment souligner ici, c’est l’importance d’un script. Toutes les vidéos ont besoin d’un script, je ne saurais trop insister sur ce point. Même les vidéos où votre hôte fait un peu de hors-piste (c’est-à-dire toute vidéo où j’apparais !) ont besoin d’un script. Celui-ci peut servir de point de départ pour la vidéo, mais il est impératif qu’il soit utilisé de manière à ce que vous soyez sûr que tous vos sujets sont couverts de manière suffisamment détaillée et que les mots clés appropriés sont abordés.

Il y a une raison pour laquelle c’est très important. Comme pour Google, nous ne comprendrons jamais vraiment comment fonctionne l’algorithme de classement de YouTube – mais nous pouvons en déduire des choses à partir d’autres propriétés de Google. Par exemple, le produit Google Cloud Speech montre que Google dispose de la technologie nécessaire pour convertir la parole de votre vidéo en texte, que nous savons qu’il peut ensuite analyser.

Cela signifie-t-il que Google recherche des mots-clés dans votre script ? Très probablement. C’est pourquoi votre script est si important, afin de vous assurer que vous couvrez les sujets de manière suffisamment approfondie et détaillée pour pouvoir être bien positionné.

Vous devriez également utiliser ce type de données dans vos descriptions de vidéos. La longueur optimale des descriptions sur YouTube se situe entre 300 et 350 mots, et nous utilisons la structure ci-dessous.

  1. Phrases d’introduction – il doit s’agir de 2 à 3 phrases qui attirent l’attention.
  2. Description détaillée de la vidéo – 200 mots pour expliquer la vidéo plus en détails.
  3. CTA – tout CTA pertinent, y compris des lectures complémentaires, des ressources, etc.
  4. Liens – liens vers des profils de réseaux sociaux, etc.

Créer des storyboards réussis avec des données visuelles pertinentes

Ce type de données est destiné à vos story-boards (et vos briefs créatifs/business cases si nécessaire !).

Cette étape est souvent négligée, mais il est extrêmement important de rechercher les thèmes et les éléments communs aux meilleures vidéos de votre catégorie ou de votre niche. Pour cela, il vous suffit de regarder les vidéos et de noter ce que vous voyez.

Par exemple, dans l’image ci-dessus, nous pouvons voir que quatre objets clés sont présents:

  1. Le texte – qui explique les avantages du produit
  2. Le produit – il est bien visible
  3. Les mains – cela indique que le produit est utilisé, ce qui est important pour les produits technologiques sur YouTube
  4. Les bâtiments – on peut voir qu’il s’agit de bâtiments urbains.

Vous devriez visionner autant de vidéos que possible et commencer à faire des recherches sur ces thèmes et les utiliser pour construire vos propres story-boards vidéo. Ce travail peut être incroyablement long, mais il existe des moyens de le réaliser à grande échelle.

Nous avons trouvé un moyen d’y parvenir en utilisant l’outil Google Video AI pour analyser les vidéos à grande échelle. (C’est ainsi qu’ils vous font acheter leurs produits !) L’IA Google Video dispose de modèles de machine learning qui reconnaissent automatiquement les objets, les lieux et les actions dans la vidéo.

Cela signifie que vous pouvez l’utiliser pour vérifier les vidéos à grande échelle et analyser les éléments qui y sont présents. Si vous pensez que Google ne peut pas reconnaître pratiquement tous les éléments d’une vidéo, vous vous trompez. Il le peut, et c’est incroyablement effrayant.

Voici quelques-uns des objets que l’IA vidéo est capable d’identifier dans les vidéos. Imaginez maintenant qu’elle le fasse à grande échelle, et qu’elle applique ces balises à vos vidéos pour décider de leur classement. Vous voyez l’importance des données visuelles maintenant ?

Nous analysons ces données et regroupons les objets afin de fournir une analyse, puis nous construisons nos vidéos. Par exemple, si nous regroupons les données et constatons que l’objet « Mains » et le texte sont tous deux à l’écran pour un grand pourcentage de la vidéo, nous savons que la vidéo est probablement une vidéo explicative ou d’information sur le produit en raison de la forte visibilité de l’objet « Mains » et du texte.

Une fois que vous avez rassemblé toutes ces données, utilisez-les pour construire vos story-boards ou vos briefs créatifs. Mais gardez bien les données à l’esprit. Si L’Algorithme s’attend à voir le produit à l’écran 80 % du temps, vous devez vous efforcer de le faire dans vos story-boards.

Il y a probablement des arguments à faire valoir pour que « L’Algorithme » décide de ce que nous devrions inclure dans nos vidéos et limite notre liberté créative, mais nous n’avons malheureusement pas le temps d’aborder ce sujet aujourd’hui. Cependant, ce que je dirai, c’est que cela peut être une arme à double tranchant, surtout si vous essayez d’obtenir un budget pour faire venir toute votre équipe à Hawaï pour tourner sur place.

En résumé

En résumé, qu’avons-nous appris ? En priorité, il faut utiliser les données lorsqu’on essaie d’obtenir une visibilité maximale sur YouTube. Il ne suffit pas d’optimiser vos balises vidéo une fois la vidéo terminée, vous devez construire votre vidéo à partir de zéro en utilisant des données.

Essayez de collecter, d’intégrer et d’utiliser les trois types de données que j’ai mis en évidence ci-dessus et vous ne pouvez pas vous tromper.

Billy Leonard Voir tous ses articles
Billy Leonard est directeur de compte pour le marketing de contenu chez Croud. Lorsqu'il n'est pas plongé dans une réflexion profonde sur les outils de machine learning ou les pratiques créatives, on peut le trouver en train d'arroser ses plantes et leur parler.
Sujets en lien :