L'échantillonnage sur les réseaux sociaux vous donne accès à de
vrais consommateurs

Obtenez un devis

9.2/10

Satisfaction client

33.5 %

Taux de complétion moyen

550K

Enquêtes complétées

Chaque type de répondant, à portée de main

Peu importe le profil des gens que vous souhaitez interroger, Potloc peut les trouver. Clients ou non-clients, habitants d’un quartier ou population d’un pays entier : femmes possédant un vélo électrique à New York, cadres en télétravail sur le territoire français, cibles B2B ou B2C ... Accédez à toutes les populations, aussi niches soient-elles, depuis votre bureau.

Illustration du dashboard Potloc représentant des consommateurs étant géociblée dans une zone spécifique

Nous savons comment initier de vraies conversations

check_circle_outline

Des études non-intrusives proposées aux consommateurs lors d’un moment de détente sur leurs réseaux sociaux

check_circle_outline

Ciblez les bons profils en fonction de leur localisation ou de leurs intérêts, quelle que soit la taille de l’échantillon

check_circle_outline

Des études qui ne sont pas rémunérées afin de garantir l'authenticité des répondants.

check_circle_outline

Une technologie d’échantillonnage intelligente qui permet d’identifier les bons répondants au bon moment

Envie de mieux connaître une cible spécifique ?

Nous trouvons les réponses que vous cherchez sur les réseaux favoris de vos audiences cibles : Facebook, LinkedIn, Twitter, Snapchat et plus encore.

Demandez une démo

L’échantillonnage via les réseaux sociaux : notre expertise

Comparez Potloc avec les méthodes traditionnelles

Logo de Potloc, étude consommateur
Caractéristiques principales Panel Web (CAWI) Sondage téléphonique (CATI) Sondage<br>in-situ
Enquêtes sans incentive check_circle_outline check_circle_outline check_circle_outline
Taux d’incidence < 10% check_circle_outline check_circle_outline
Zones géolocalisées jusque 1 km2 check_circle_outline check_circle_outline
Données de qualité supérieure check_circle_outline
Échantillonnage par quotas check_circle_outline check_circle_outline check_circle_outline check_circle_outline
Étude des non-clients check_circle_outline Obtenez un devis check_circle_outline check_circle_outline check_circle_outline

FAQ

Non. Nous n’achetons jamais de données à des tiers : nous utilisons Facebook comme simple plateforme publicitaire pour recruter des répondants. Tous les questionnaires sont hébergés par Potloc.
Oui, les personnes interrogées connaissent le sujet du questionnaire. Elles sont donc naturellement plus impliquées, car nous interrogeons des uniquement personnes ayant montré un intérêt sur le thème étudié.
Actuellement, nous diffusons nos études sur Facebook, Instagram et LinkedIn. Cela dit, tout dépend des besoins de nos clients.
Pour faire simple, en les géolocalisant. Nous définissons un périmètre autour de votre localisation, puis nous sélectionnons les personnes à cibler lorsqu’elles sont dans ce périmètre. Mais la réponse tient également à la conception complexe de nos études. Comme nos questionnaires sont axés sur des centres d’intérêts, nous attirons l’attention des personnes à interroger, y compris celle des non-clients.
Nous interrogeons des personnes sur des sujets qui les intéressent et qui ont un impact sur leur vie au quotidien. Elles se sentent concernées et sautent sur l’occasion de se faire entendre.
Nous en tenons compte ! Nous connaissons très bien les biais auxquels nous avons affaire et savons parfaitement comment y remédier. Il y a quatre types de biais dans une étude :
  1. Biais de couverture : Nous utilisons les réseaux sociaux pour cibler vos consommateurs. Nous avons évidemment besoin qu’ils remplissent certaines conditions, comme avoir accès à Internet, posséder un compte sur un réseau social et être utilisateur actif. Cela dit, il y a 51,1 millions d’adultes en France, et 33 millions d’entre eux utilisent Facebook, ce qui laisse de très grandes possibilités. Le biais de couverture concerne également les personnes âgées. Il se peut donc que les hommes, les personnes âgées et les personnes moins éduquées ou avec un faible statut socioéconomique soient sous-représentés.
  2. Biais de l’algorithme de Facebook Ads : L’algorithme publicitaire de Facebook est configuré pour réduire le coût par clic. Il affiche les publicités pour nos questionnaires principalement aux consommateurs les moins coûteux. Cela peut conduire à une sous-représentation des hommes et des personnes âgées.
  3. Biais cognitif : Répondre à un questionnaire en ligne de 6 à 8 minutes demande beaucoup de concentration, ce qui peut être difficile pour certaines personnes. Il se peut donc que les personnes âgées et les personnes moins éduquées ou avec un faible statut socioéconomique soient sous-représentées.
  4. Biais d'auto-sélection : Contrairement aux panels Web, nous devons divulguer le sujet du questionnaire. Les personnes qui cliquent sur nos publicités sont donc intéressées par le sujet proposé. Par ailleurs, nous ne proposons aucune récompense aux personnes interrogées. Les personnes répondent à nos questionnaires car elles sont intéressées et veulent se faire entendre. Quelle option vous semble la plus intéressante : Que les personnes répondent spontanément aux questionnaires car elles sont intéressées par le sujet proposé, ou qu’elles y soient incitées par une récompense ? Nous sommes convaincus que notre méthode accroît la qualité des réponses.

    Toutes les méthodes comportent des biais, mais peu sont transparentes. Nous remédions aux biais en visant un échantillon de personnes suffisamment large pour être sûrs d'atteindre les quotas ciblés.

    Par exemple, nous savons que les femmes répondent plus aux enquêtes et que les jeunes sont sur-représentés sur les réseaux sociaux. Cependant , les personnes âgées sont suffisamment nombreuses sur les réseaux sociaux pour nous permettre de recueillir les réponses nécessaires pour satisfaire tous les quotas.

    Pour ce qui est des autres méthodes telles que les appels téléphoniques, l'intercept et les panels Web, elles sont intrusives et font appel à la pondération sans mentionner l’impact qu’elles ont sur les données collectées.