📑 목차

L’essence du seeding d’influenceurs

Les entreprises existent pour générer du profit. Et ce profit naît de l’attribution d’une valeur supérieure au coût des matières premières — autrement dit, en créant de bons produits ou services — puis en les vendant à d’autres. Les chercheurs et les développeurs élaborent le produit dans sa forme idéale, tandis que le marketing fait connaître son existence sur le marché, propose des expériences directes (utilisation du produit) ou indirectes (design produit, design promotionnel), et laisse une impression attractive encourageant l’achat ou le réachat. Une façon d’y parvenir est d’utiliser la voix de personnes influentes : c’est ce qu’on appelle le seeding d’influenceurs.

Seeding signifie littéralement « planter des graines ». On envoie le produit (la « graine ») à des influenceurs en espérant qu’ils créent spontanément du contenu, permettant ainsi à un effet viral naturel de « pousser ».

Dans le marketing traditionnel, on distingue souvent les modèles B2B (entreprise–entreprise) et B2C (entreprise–consommateur), mais la collaboration avec des influenceurs occupe une zone très particulière. Ce n’est ni de la vente directe à des particuliers comme les anciens vendeurs d’assurances à domicile, ni de la vente à des entreprises : c’est une catégorie totalement distincte du marketing moderne.

Le travail de seeding sur TikTok

Deux éléments me semblent particulièrement importants dans le travail de seeding :

Les collaborations rémunérées sont en général plus facilement acceptées. Mais pour les envois non rémunérés, même si l’influenceur reçoit le produit gratuitement, créer une vidéo reste une charge de travail supplémentaire, et cela affecte son image — d’où une acceptation beaucoup plus faible qu’on ne l’imagine.

Difficultés personnelles

Cela fait déjà un an et demi que j’ai commencé ce travail. Je commence par collecter en masse des liens de pages d’influenceurs via des recherches Google ciblées. Ensuite, j’utilise un programme que j’ai développé pour supprimer les doublons avec nos anciens collaborateurs, puis j’ouvre chaque lien manuellement pour évaluer la qualité du contenu.
Avec cette méthode, je peux établir une liste de 50 personnes en 4 heures, ou jusqu’à 80 lorsque je suis très efficace. Après l’envoi des DM, je reçois des réponses positives de 1 à 2 personnes, parfois 3 ou 4. Concrètement, je fais le travail typique qui évoque souvent chez les gens « pff… encore un message de pub ». Mais bon — c’est ça, le marketing.
À première vue, certaines parties de ce processus semblent clairement automatisables. Mais la réalité est plus complexe. 

Les parties pouvant être entièrement automatisées

Pour commencer, la collecte des liens de pages d’influenceurs est techniquement automatisable, et peut se faire sans imposer de charge supplémentaire aux serveurs de TikTok. En ajoutant site:tiktok.com aux mots-clés Google, en affichant toutes les vidéos dans l’onglet « Vidéos courtes », puis en utilisant l’extension Chrome Link Grabber, on peut extraire d’un coup tous les liens visibles à l’écran.
Ce processus extrait simplement les liens présents dans le HTML déjà chargé dans le navigateur, ce qui ne génère aucun trafic supplémentaire. En d’autres termes, cela ne surcharge pas les serveurs de TikTok. On ne fait que re-collecter des informations déjà indexées et affichées par Google.
Ensuite, nettoyer les liens collectés (https://www.tiktok.com/@user/videos/...) et supprimer les doublons avec les listes existantes peut aussi être automatisé de manière sûre et légale grâce à de simples scripts Python.

Le vrai problème : lire les données de profil (=génération de trafic)

Mais ce dont les marketeurs ont vraiment besoin, ce ne sont pas seulement des « liens ». C’est l’ensemble des données qui se chargent lorsqu’on ouvre un profil — nombre d’abonnés, fréquence des vidéos récentes, style de contenu, tendances des vues/likes, liens de contact, etc.
Pour accéder à ces informations, il faut forcément se connecter aux serveurs TikTok, ce qui génère du trafic de requêtes. TikTok détecte rapidement les comportements anormaux (requêtes trop rapides, répétitives) et applique des limitations temporaires ou un blocage d’accès pour empêcher l’automatisation. En conséquence, une automatisation complète est presque impossible, et toute tentative d’accélération mène immédiatement à des restrictions. (Même ouvrir plusieurs profils en même temps peut suffire à vous faire limiter.) 
C’est pourquoi il est difficile d’automatiser l’ensemble du processus, et cela soulève inévitablement la question : « Jusqu’où est-ce techniquement acceptable ? »

J’aime ce travail et je voudrais vraiment le rendre plus efficace, mais les limites techniques sont très nettes, ce qui peut être frustrant. Dans mon prochain article, j’examinerai donc si ce problème peut être résolu de manière plus fondamentale (le marketing doit-il forcément rester un travail répétitif ?) et comment les plateformes d’analyse d’influenceurs existantes parviennent à collecter autant de données à grande échelle.