Communitygithub.com

audience-research

Construit une compréhension approfondie de l’audience, fondée sur les « jobs à faire » et le vocabulaire réel des clients, afin d’alimenter toutes les compétences de contenu.

Qu'est-ce que audience-research ?

La compétence **audience-research** permet de dépasser les simples données démographiques pour comprendre en profondeur ce que l’audience cherche réellement à accomplir, dans ses propres mots. Elle s’appuie sur les frameworks « Jobs-to-be-Done » et « Voice of Customer » (banque de langage), collectés à partir de sources authentiques (avis, forums, tickets support, etc.). Le résultat produit un fichier `audience.md` structuré, avec 1 à 3 segments précis, la distinction acheteur vs suiveur, et une banque de langage opérationnelle. Cette compétence est conçue pour être utilisée après `brand-profile` et avant toute planification de contenu (`content-pillars`, `batch-content-plan`), garantissant que chaque publication parle directement aux problèmes et désirs réels de l’audience.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/social-media-skills/skills/tree/main/skills/audience-research

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Recherche d’audience

Connaître profondément l’audience est l’intrant le plus porteur pour un bon contenu. On peut avoir une voix parfaite et des mécaniques propres, mais on reste ignoré si le contenu ne parle pas de ce que l’audience veut vraiment, avec les mots qu’elle utilise réellement. Cette compétence construit cette compréhension — et la consigne par écrit pour que toutes les autres compétences puissent l’utiliser.

Elle va plus loin que l’esquisse d’audience dans brand-profile. Deux idées la guident :

  1. Les « jobs à faire » battent les données démographiques. « Responsable marketing de 35 ans, urbain, aime le café » ne vous dit rien sur quoi publier. « Veut arrêter de se sentir idiot en réunion budgétaire » vous dit tout. Capturez ce que l’audience essaie de faire, pas la case de recensement qu’elle coche.
  2. Reflétez leur langage, pas votre jargon. Le levier le plus puissant en copywriting est d’utiliser les propres mots de l’audience pour décrire leur problème. Cette compétence collecte donc la voix du client — des phrases réelles issues de sources réelles — et constitue une banque de langage que les compétences de contenu exploitent.

Quand l’utiliser

  • Après brand-profile, quand le contenu doit percuter davantage et que l’esquisse d’audience ne suffit pas.
  • Avant content-pillars ou un gros batch-content-plan (les douleurs de l’audience alimentent les deux).
  • Quand l’utilisateur n’est pas sûr à qui il s’adresse vraiment, ou que le contenu rate systématiquement sa cible.

Quand NE PAS l’utiliser : si un audience.md existe déjà, chargez-le, résumez-le et passez à autre chose, sauf si l’utilisateur souhaite le revoir.

Étape 0 — Lire les fondations d’abord

Chargez brand-profile.md. Il contient le positionnement, l’esquisse d’audience et le point de vue. Cette compétence étend cette esquisse pour la rendre opérationnelle. S’il n’y a pas de profil de marque, exécutez-le d’abord.

Étape 1 — Rassembler les preuves (ne pas inventer)

La différence entre la recherche et la supposition, c’est la preuve. Extrayez les vrais mots et les vrais problèmes de l’audience à partir des sources disponibles (voir references/voice-of-customer.md) :

  • Les avis de la marque et des concurrents ; les commentaires et réponses sur les réseaux sociaux.
  • Reddit / forums / communautés où l’audience parle réellement (pour agir sur les résultats d’un subreddit → reddit-marketing).
  • Tickets de support, FAQ, notes d’appels commerciaux, DM — les frictions et objections, mot pour mot.
  • Requêtes de recherche / « les gens demandent aussi » — comment ils formulent ce qu’ils veulent.

Utilisez ce que l’utilisateur fournit ; si l’agent peut accéder à des sources publiques, extrayez-les aussi. Là où les preuves sont minces, signalez l’écart et marquez les hypothèses comme à valider — n’inventez jamais le langage ou les douleurs de l’audience.

Étape 2 — Définir des segments précis (1 à 3), et différencier acheteur et suiveur

Choisissez les 1 à 3 segments qui comptent le plus — pas « tout le monde ». Pour chacun, distinguez deux rôles lorsqu’ils diffèrent (notamment en B2B) :

  • Acheteur — celui qui décide/paye.
  • Suiveur — celui qui suit réellement, partage et défend sur les réseaux.

Ce sont souvent des personnes différentes avec des besoins différents ; le contenu s’adresse généralement d’abord au suiveur. Voir references/jobs-to-be-done.md.

Étape 3 — Capturer les dimensions pertinentes pour le contenu

Pour chaque segment, ne capturez que ce qui change la façon dont vous créeriez du contenu :

  • Jobs à faire — fonctionnels, émotionnels et sociaux.
  • Douleurs (ce qui bloque le job) et désirs (le résultat recherché).
  • Ce qu’ils croient déjà — pour que le contenu puisse les rencontrer ou les contester.
  • Objections — pourquoi ils hésitent ; un bon contenu y répond de manière préventive.
  • Où ils se trouvent — plateformes + état d’esprit sur chacune.
  • Qui/quoi ils suivent et quel contenu les engage.
  • Niveau de sophistication — débutant vs expert (change le vocabulaire et la profondeur).

Les données démographiques uniquement si elles changent réellement le contenu (ex. région pour une entreprise locale).

Étape 4 — Construire la banque de langage

À partir des preuves, collectez les phrases réelles de l’audience — comment ils décrivent le problème, le résultat souhaité et leurs objections — dans leurs mots, sans les reformuler en langage marketing. Cette banque est ce qui fait que la copie donne l’impression de les comprendre. Voir references/voice-of-customer.md.

Étape 5 — Rédiger l’artefact

Produisez audience.md en utilisant references/audience-template.md. Signalez le segment principal et la transformation centrale (avant → après). Résumez et invitez aux modifications. Les compétences de contenu lisent ce fichier à chaque tâche.

Barre de qualité — auto-vérification

  • Est-ce construit sur les jobs à faire et le langage réel, pas sur un théâtre démographique ?
  • La banque de langage est-elle composée des mots réels de l’audience, ancrés dans des sources (ou honnêtement signalés comme hypothèses) ?
  • Y a-t-il 1 à 3 segments précis, chacun utilisable — pas « tout le monde » ?
  • La distinction acheteur vs suiveur est-elle faite là où ils diffèrent ?
  • Chaque dimension capturée change-t-elle réellement la façon dont vous écririez ?
  • Un rédacteur qui n’a jamais rencontré cette audience pourrait-il se représenter une personne réelle et lui écrire ?

Si un champ ne changerait pas un seul post, supprimez-le. Si vous ne pouvez pas sourcer une affirmation, signalez-la.

Cas particuliers

  • Pas de données / pas d’accès → recherchez ce que vous pouvez dans les sources publiques ; sinon, construisez une hypothèse structurée à partir du profil de marque et étiquetez-la clairement comme à valider. Ne présentez pas des suppositions comme des résultats.
  • Acheteur B2B ≠ utilisateur/suiveur → capturez les deux ; notez quel contenu cible lequel.
  • Audiences multiples distinctes (ex. association : bénéficiaires + donateurs) → séparez les segments avec des jobs et un langage différents.
  • Audience de niche / technique → la sophistication et le langage interne comptent le plus ; maîtrisez le jargon (ou maîtrisez l’éviter).
  • « Tout le monde est mon audience » → insistez pour le segment qui fait le plus bouger l’entreprise maintenant ; construisez d’abord pour lui.
  • Audience aspirationnelle (celle qu’ils veulent vs celle qu’ils ont) → notez les deux ; n’écrivez pas pour une audience fantasmée qui n’est pas encore là sans le dire.

Compétences associées

  • brand-profile — à lire en premier ; fournit l’esquisse d’audience et le positionnement.
  • content-pillars — les douleurs/jobs de l’audience deviennent les piliers de contenu.
  • batch-content-plan, les compétences de contenu — utilisent les segments, les douleurs et la banque de langage.
  • voice-builder — la voix de la marque (distincte du langage de l’audience capturé ici).

Références

  • references/jobs-to-be-done.md — le prisme JTBD, douleurs/désirs/objections, pourquoi il bat les personas.
  • references/voice-of-customer.md — extraire les sources réelles pour le langage de l’audience (le cœur).
  • references/audience-template.md — le schéma de sortie audience.md.
  • references/examples.md — profils d’audience par type d’entreprise vs le persona générique inutile.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

Skills associés