Soyez directs! Étude des publications de restaurants dans les médias sociaux pour susciter l'engagement de la clientèle
Notice bibliographique
Résumé
Considérablement ébranlés par la pandémie de COVID-19, les restaurateurs québécois se sont tournés vers l’utilisation des médias sociaux pour communiquer avec leur clientèle, créant ainsi un écart potentiel entre ceux étant mieux outillés pour le faire et les autres. L’utilisation d’un échantillon de 639 publications Facebook provenant de 16 restaurants de Rouyn-Noranda et de Boucherville a permis de recenser les stratégies de marketing numérique utilisées en fonction des variations d’intensité des règles sanitaires et d’identifier celles ayant obtenu le plus fort engagement des consommateurs. Les résultats indiquent que les restaurants ont majoritairement privilégié l’utilisation d’une combinaison d’image(s) et de texte dans leurs publications. Lors de l’arrivée de la pandémie, ils ont utilisé plus de texte et ont été plus directifs. Cette situation peut s’expliquer par la nécessité d’être clair dans la communication des instructions sur les règles sanitaires à respecter au sein des établissements. Toutes périodes confondues, les restaurants qui utilisaient le mouvement expressif, en affichant une émotion, en adoptant une attitude envers quelque chose ou en faisant l’éloge de leurs produits/services, obtenaient plus de réactions. Finalement, la plus grande disponibilité de ressources financières, matérielles et humaines dans les réseaux de restaurants sous enseigne peut expliquer leur performance supérieure face aux restaurants indépendants, ayant obtenu des taux d’engagement plus faibles. Chose certaine, les effets de la crise sanitaire se feront sentir longtemps, soulignant l’importance de continuer à les documenter et d’identifier les meilleures stratégies, notamment socionumériques, permettant aux restaurateurs de faire face aux nouveaux défis qui se présenteront à eux durant les prochaines années.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».