{"id":12372,"date":"2025-07-29T13:25:54","date_gmt":"2025-07-29T13:25:54","guid":{"rendered":"https:\/\/www.lift-me-up.com\/wordpress\/?p=12372"},"modified":"2025-11-05T13:35:54","modified_gmt":"2025-11-05T13:35:54","slug":"maitriser-la-segmentation-avancee-des-audiences-techniques-methodologies-et-implementations-pour-une-campagne-de-marketing-digital-ultra-ciblee","status":"publish","type":"post","link":"https:\/\/www.lift-me-up.com\/wordpress\/?p=12372","title":{"rendered":"Ma\u00eetriser la segmentation avanc\u00e9e des audiences : techniques, m\u00e9thodologies et impl\u00e9mentations pour une campagne de marketing digital ultra-cibl\u00e9e"},"content":{"rendered":"<div style=\"margin-bottom: 30px; font-family: Arial, sans-serif; font-size: 1.1em; line-height: 1.6; color: #34495e;\">\n<p style=\"margin-bottom: 15px;\">La segmentation des audiences constitue le pilier strat\u00e9gique de toute campagne de marketing digital performante. Au-del\u00e0 des approches classiques, il est crucial de ma\u00eetriser des techniques avanc\u00e9es permettant d\u2019identifier, d\u2019analyser et d\u2019exploiter des micro-segments \u00e0 une granularit\u00e9 fine, tout en \u00e9vitant les pi\u00e8ges courants qui peuvent compromettre la pr\u00e9cision et la rentabilit\u00e9. Dans cet article, nous explorerons en profondeur les m\u00e9thodes, outils et strat\u00e9gies techniques pour optimiser votre segmentation, en int\u00e9grant des processus d\u2019analyse sophistiqu\u00e9s, des mod\u00e8les d\u2019apprentissage automatique et des solutions d\u2019automatisation avanc\u00e9es.<\/p>\n<h2 style=\"font-size: 1.5em; margin-top: 40px; margin-bottom: 15px; color: #2980b9;\">Table des mati\u00e8res<\/h2>\n<ul style=\"list-style-type: decimal; padding-left: 20px; margin-bottom: 40px;\">\n<li style=\"margin-bottom: 10px;\"><a href=\"#1-comprendre\" style=\"text-decoration: none; color: #2980b9;\">1. Comprendre en profondeur la segmentation des audiences pour une campagne de marketing digital cibl\u00e9e<\/a><\/li>\n<li style=\"margin-bottom: 10px;\"><a href=\"#2-collecte\" style=\"text-decoration: none; color: #2980b9;\">2. Collecte et int\u00e9gration des donn\u00e9es pour une segmentation fine et fiable<\/a><\/li>\n<li style=\"margin-bottom: 10px;\"><a href=\"#3-techniques\" style=\"text-decoration: none; color: #2980b9;\">3. Application de techniques avanc\u00e9es pour la segmentation : mod\u00e8les et algorithmes<\/a><\/li>\n<li style=\"margin-bottom: 10px;\"><a href=\"#4-strat\u00e9gie\" style=\"text-decoration: none; color: #2980b9;\">4. D\u00e9finir une strat\u00e9gie de segmentation tactique et op\u00e9rationnelle<\/a><\/li>\n<li style=\"margin-bottom: 10px;\"><a href=\"#5-impl\u00e9mentation\" style=\"text-decoration: none; color: #2980b9;\">5. Mise en \u0153uvre op\u00e9rationnelle et optimisation continue de la segmentation<\/a><\/li>\n<li style=\"margin-bottom: 10px;\"><a href=\"#6-troubleshooting\" style=\"text-decoration: none; color: #2980b9;\">6. R\u00e9solution des probl\u00e8mes et troubleshooting avanc\u00e9<\/a><\/li>\n<li style=\"margin-bottom: 10px;\"><a href=\"#7-conseils\" style=\"text-decoration: none; color: #2980b9;\">7. Conseils d\u2019experts pour une segmentation hautement performante<\/a><\/li>\n<li style=\"margin-bottom: 10px;\"><a href=\"#8-synth\u00e8se\" style=\"text-decoration: none; color: #2980b9;\">8. Synth\u00e8se et recommandations finales pour maximiser l\u2019impact<\/a><\/li>\n<\/ul>\n<h2 id=\"1-comprendre\" style=\"font-size: 1.5em; margin-top: 40px; margin-bottom: 15px; color: #2980b9;\">1. Comprendre en profondeur la segmentation des audiences pour une campagne de marketing digital cibl\u00e9e<\/h2>\n<h3 style=\"font-size: 1.2em; margin-top: 25px; margin-bottom: 10px; color: #16a085;\">a) Analyse m\u00e9thodologique pour d\u00e9finir les segments pertinents en fonction des objectifs commerciaux sp\u00e9cifiques<\/h3>\n<p style=\"margin-bottom: 15px;\">La premi\u00e8re \u00e9tape consiste \u00e0 articuler une m\u00e9thodologie rigoureuse permettant d\u2019aligner la segmentation avec les objectifs strat\u00e9giques de l\u2019entreprise. Pour cela, il est essentiel de :<\/p>\n<ul style=\"margin-left: 20px; margin-bottom: 20px; line-height: 1.6;\">\n<li><strong>Identifier<\/strong> les KPIs cl\u00e9s li\u00e9s \u00e0 la campagne : taux de conversion, valeur \u00e0 vie du client, fr\u00e9quence d\u2019achat.<\/li>\n<li><strong>Cartographier<\/strong> les parcours client existants pour rep\u00e9rer les points de contact critiques.<\/li>\n<li><strong>D\u00e9finir<\/strong> les variables strat\u00e9giques : d\u00e9mographiques, comportementales, psychographiques, et contextuelles.<\/li>\n<li><strong>Utiliser<\/strong> une matrice de segmentation pour relier chaque variable \u00e0 un objectif pr\u00e9cis, puis hi\u00e9rarchiser leur influence \u00e0 l\u2019aide d\u2019une analyse de corr\u00e9lation avanc\u00e9e.<\/li>\n<\/ul>\n<p style=\"margin-bottom: 15px;\">Exemple pratique : dans le secteur du luxe, la segmentation par valeur client doit \u00eatre associ\u00e9e \u00e0 la fr\u00e9quence d\u2019interaction avec la marque, au profil d\u00e9mographique et \u00e0 la r\u00e9ponse aux campagnes pr\u00e9c\u00e9dentes pour d\u00e9finir des micro-segments ultra-cibl\u00e9s.<\/p>\n<h3 style=\"font-size: 1.2em; margin-top: 25px; margin-bottom: 10px; color: #16a085;\">b) Technique d&#8217;identification des micro-segments \u00e0 l\u2019aide de donn\u00e9es comportementales, d\u00e9mographiques et psychographiques<\/h3>\n<p style=\"margin-bottom: 15px;\">L\u2019identification fine des micro-segments n\u00e9cessite une approche combin\u00e9e de techniques quantitatives et qualitatives :<\/p>\n<ol style=\"margin-left: 20px; margin-bottom: 20px; line-height: 1.6;\">\n<li><strong>Collecte de donn\u00e9es comportementales<\/strong> via des outils comme les pixels de suivi, les logs de navigation, et les \u00e9v\u00e9nements d\u2019application mobile.<\/li>\n<li><strong>Donn\u00e9es d\u00e9mographiques<\/strong> provenant des CRM, des formulaires d\u2019inscription, et des bases publiques (INSEE, Eurostat).<\/li>\n<li><strong>Donn\u00e9es psychographiques<\/strong> extraites par des enqu\u00eates cibl\u00e9es, l\u2019analyse de la tonalit\u00e9 des interactions sur les r\u00e9seaux sociaux, et le scoring de valeurs.<\/li>\n<\/ol>\n<p style=\"margin-bottom: 15px;\">Exemple : en segmentant les clients selon leur propension \u00e0 acheter des produits en \u00e9dition limit\u00e9e, leur int\u00e9r\u00eat pour l\u2019art contemporain, et leur historique d\u2019engagement, on peut cr\u00e9er des micro-groupes pour des campagnes tr\u00e8s sp\u00e9cialis\u00e9es.<\/p>\n<h3 style=\"font-size: 1.2em; margin-top: 25px; margin-bottom: 10px; color: #16a085;\">c) \u00c9valuation de la granularit\u00e9 optimale sans diluer la coh\u00e9rence strat\u00e9gique<\/h3>\n<p style=\"margin-bottom: 15px;\">Pour \u00e9viter la surcharge d\u2019informations et la dilution du message, il est crucial de d\u00e9terminer une granularit\u00e9 qui optimise la diff\u00e9renciation tout en maintenant une coh\u00e9rence strat\u00e9gique :<\/p>\n<ul style=\"margin-left: 20px; margin-bottom: 20px; line-height: 1.6;\">\n<li><strong>Utiliser<\/strong> la m\u00e9thode du \u00ab seuil d\u2019homog\u00e9n\u00e9it\u00e9 \u00bb : mesurer la variance intra-segment \u00e0 l\u2019aide d\u2019indicateurs comme le coefficient de Gini ou l\u2019indice de Silhouette.<\/li>\n<li><strong>Fixer<\/strong> un nombre maximum de segments en fonction de la capacit\u00e9 op\u00e9rationnelle et de la capacit\u00e9 d\u2019automatisation.<\/li>\n<li><strong>Prioriser<\/strong> les variables \u00e0 forte puissance discriminante pour \u00e9viter de diluer la coh\u00e9rence avec des variables peu significatives.<\/li>\n<\/ul>\n<p style=\"margin-bottom: 15px;\">Exemple : limiter la segmentation \u00e0 5-8 segments principaux dans le secteur du luxe pour garantir une personnalisation efficace sans complexifier inutilement la gestion.<\/p>\n<h3 style=\"font-size: 1.2em; margin-top: 25px; margin-bottom: 10px; color: #16a085;\">d) Cas d\u2019\u00e9tude : segmentation avanc\u00e9e dans le secteur du e-commerce de luxe en France<\/h3>\n<p style=\"margin-bottom: 15px;\">Dans une campagne r\u00e9cente, une marque de bijoux de luxe a utilis\u00e9 une segmentation bas\u00e9e sur :<\/p>\n<ul style=\"margin-left: 20px; margin-bottom: 20px; line-height: 1.6;\">\n<li>Les donn\u00e9es comportementales : fr\u00e9quence d\u2019achat, types de produits consult\u00e9s, temps pass\u00e9 sur le site.<\/li>\n<li>Les variables d\u00e9mographiques : \u00e2ge, localisation (notamment les quartiers hupp\u00e9s de Paris, Nice, Cannes).<\/li>\n<li>Les psychographies : valeurs li\u00e9es \u00e0 l\u2019art, \u00e0 la raret\u00e9, et \u00e0 l\u2019exclusivit\u00e9.<\/li>\n<\/ul>\n<p style=\"margin-bottom: 15px;\">En appliquant une analyse en composantes principales pour r\u00e9duire la dimensionnalit\u00e9, puis un clustering K-means optimis\u00e9 par la m\u00e9thode du coude, ils ont identifi\u00e9 6 micro-segments, permettant de personnaliser \u00e0 la fois le contenu des campagnes et les canaux privil\u00e9gi\u00e9s.<\/p>\n<h3 style=\"font-size: 1.2em; margin-top: 25px; margin-bottom: 10px; color: #16a085;\">e) Pi\u00e8ges \u00e0 \u00e9viter lors de la d\u00e9finition des segments pour assurer une pr\u00e9cision et une efficacit\u00e9 maximales<\/h3>\n<p style=\"margin-bottom: 15px;\">Les erreurs fr\u00e9quentes incluent :<\/p>\n<ul style=\"margin-left: 20px; margin-bottom: 20px; line-height: 1.6;\">\n<li><strong>Surcharger<\/strong> avec trop de <a href=\"https:\/\/mutiara188resmi.com\/les-mirages-comme-metaphores-perception-erronee-et-realite-subjective\/\">segments<\/a>, entra\u00eenant une surcharge op\u00e9rationnelle et une dilution du message.<\/li>\n<li><strong>Utiliser<\/strong> des variables non discriminantes ou peu pertinentes, ce qui fausse la segmentation.<\/li>\n<li><strong>Ignorer<\/strong> la stabilit\u00e9 temporelle des segments, menant \u00e0 des segments obsol\u00e8tes ou non repr\u00e9sentatifs.<\/li>\n<li><strong>Ne pas<\/strong> tester et valider la segmentation avec des indicateurs de performance appropri\u00e9s, comme la stabilit\u00e9 ou la diff\u00e9renciation.<\/li>\n<\/ul>\n<p style=\"margin-bottom: 15px;\">Attention : la segmentation doit toujours \u00eatre consid\u00e9r\u00e9e comme un processus it\u00e9ratif, ajust\u00e9 en fonction des retours et des changements de comportement.<\/p>\n<h2 id=\"2-collecte\" style=\"font-size: 1.5em; margin-top: 40px; margin-bottom: 15px; color: #2980b9;\">2. Collecte et int\u00e9gration des donn\u00e9es pour une segmentation fine et fiable<\/h2>\n<h3 style=\"font-size: 1.2em; margin-top: 25px; margin-bottom: 10px; color: #16a085;\">a) Mise en \u0153uvre des outils de collecte : pixels, CRM, sources externes, et leur configuration pr\u00e9cise<\/h3>\n<p style=\"margin-bottom: 15px;\">L\u2019efficacit\u00e9 de la segmentation avanc\u00e9e repose sur une collecte de donn\u00e9es rigoureuse et pr\u00e9cise. Voici les \u00e9tapes cl\u00e9s :<\/p>\n<ul style=\"margin-left: 20px; margin-bottom: 20px; line-height: 1.6;\">\n<li><strong>Installer<\/strong> des pixels de suivi (ex : Facebook Pixel, Google Tag Manager) sur toutes les pages cl\u00e9s pour capter les \u00e9v\u00e9nements comportementaux en temps r\u00e9el.<\/li>\n<li><strong>Configurer<\/strong> le CRM avec des champs personnalis\u00e9s pour suivre les variables d\u00e9mographiques, comportementales et psychographiques \u00e0 chaque point de contact.<\/li>\n<li><strong>Int\u00e9grer<\/strong> des sources externes de donn\u00e9es : bases publiques, partenaires, plateformes d\u2019enqu\u00eate, en utilisant des API s\u00e9curis\u00e9es et des flux ETL (Extract, Transform, Load).<\/li>\n<li><strong>S\u2019assurer<\/strong> de la coh\u00e9rence de la configuration : \u00e9tiquetage coh\u00e9rent, gestion des erreurs de tracking, et validation r\u00e9guli\u00e8re des donn\u00e9es collect\u00e9es.<\/li>\n<\/ul>\n<h3 style=\"font-size: 1.2em; margin-top: 25px; margin-bottom: 10px; color: #16a085;\">b) Structuration et nettoyage des donn\u00e9es : techniques pour \u00e9liminer les doublons, g\u00e9rer les valeurs manquantes et standardiser<\/h3>\n<p style=\"margin-bottom: 15px;\">Une fois la collecte en place, la qualit\u00e9 des donn\u00e9es devient critique. Voici une d\u00e9marche \u00e9tape par \u00e9tape :<\/p>\n<ol style=\"margin-left: 20px; margin-bottom: 20px; line-height: 1.6;\">\n<li><strong>Identifier<\/strong> les doublons \u00e0 l\u2019aide de cl\u00e9s compos\u00e9es (ex : email + t\u00e9l\u00e9phone) et de techniques de hashing.<\/li>\n<li><strong>G\u00e9rer<\/strong> les valeurs manquantes en appliquant des m\u00e9thodes d\u2019imputation avanc\u00e9e : moyenne, m\u00e9diane, ou mod\u00e8les pr\u00e9dictifs (ex : r\u00e9gression lin\u00e9aire, for\u00eats al\u00e9atoires).<\/li>\n<li><strong>Standardiser<\/strong> les formats : uniformiser les unit\u00e9s (ex : euros, pourcentages), normaliser la casse, et appliquer des r\u00e8gles de nettoyage syntaxique.<\/li>\n<li><strong>Automatiser<\/strong> ces op\u00e9rations avec des scripts Python (pandas, NumPy) ou R, en programmant des routines r\u00e9guli\u00e8res pour \u00e9viter toute erreur humaine.<\/li>\n<\/ol>\n<h3 style=\"font-size: 1.2em; margin-top: 25px; margin-bottom: 10px; color: #16a085;\">c) Int\u00e9gration des donn\u00e9es multi-sources dans une plateforme d\u2019analyse unique (ex : Data Management Platform \u2013 DMP)<\/h3>\n<p style=\"margin-bottom: 15px;\">L\u2019unification des donn\u00e9es exige une plateforme de gestion centralis\u00e9e :<\/p>\n<ul style=\"margin-left: 20px; margin-bottom: 20px; line-height: 1.6;\">\n<li>Mettre en place une Data Management Platform (DMP) capable d\u2019int\u00e9grer toutes les sources via API, flux batch ou \u00e9v\u00e9nements en temps r\u00e9el.<\/li>\n<li>Normaliser la structure des donn\u00e9es \u00e0 l\u2019aide de sch\u00e9mas communs, en utilisant des outils comme Apache Spark ou Talend pour orchestrer le processus d\u2019int\u00e9gration.<\/li>\n<li>Appliquer des r\u00e8gles de gouvernance pour assurer la conformit\u00e9 RGPD, notamment en anonymisant les donn\u00e9es sensibles.<\/li>\n<\/ul>\n<h3 style=\"font-size: 1.2em; margin-top: 25px; margin-bottom: 10px; color: #16a085;\">d) V\u00e9rification de la qualit\u00e9 des donn\u00e9es : m\u00e9thodes pour assurer leur fiabilit\u00e9 avant segmentation<\/h3>\n<p style=\"margin-bottom: 15px;\">Avant toute segmentation, il est imp\u00e9ratif de valider la qualit\u00e9 des donn\u00e9es avec :<\/p>\n<ul style=\"margin-left: 20px; margin-bottom: 20px; line-height: 1.6;\">\n<li><strong>Des contr\u00f4les de coh\u00e9rence<\/strong> : v\u00e9rifier la concordance entre variables d\u00e9mographiques et comportementales.<\/li>\n<li><strong>Des tests de stabilit\u00e9<\/strong> : mesurer la variance sur une p\u00e9riode donn\u00e9e pour d\u00e9tecter les anomalies ou d\u00e9rives.<\/li>\n<li><strong>Des analyses de distribution<\/strong> : d\u00e9tecter les outliers ou les valeurs extr\u00eames pouvant fausser la segmentation.<\/li>\n<li><strong>Des audits r\u00e9guliers<\/strong> : automatiser des routines de contr\u00f4le avec des scripts Python ou des outils BI comme Tableau ou Power BI.<\/li>\n<\/ul>\n<h3 style=\"font-size: 1.2em; margin-top: 25px; margin-bottom: 15px; color: #2980b9;\">\u00c9tudes de cas : consolidation de donn\u00e9es en environnement multi-canal pour une segmentation dynamique<\/h3>\n<p style=\"margin-bottom: 15px;\">Une enseigne de mode en France a r\u00e9ussi \u00e0 fusionner des donn\u00e9es issues de :<\/p>\n<ul style=\"margin-left: 20px; margin-bottom: 20px; line-height: 1.6;\">\n<li>Le site e-commerce, via des logs et des \u00e9v\u00e9nements GTM.<\/li>\n<li>Les campagnes emailing, avec des donn\u00e9es CRM enrichies.<\/li>\n<li>Les interactions sur les r\u00e9seaux sociaux, via des outils de social listening.<\/li>\n<li>Les points de vente physiques, par int\u00e9gration avec le CRM via des bornes interactives.<\/li>\n<\/ul>\n<p style=\"margin-bottom: 15px;\">En utilisant une plateforme d\u2019analyse centralis\u00e9e, ils ont construit une segmentation dynamique bas\u00e9e sur une mise \u00e0 jour quasi instantan\u00e9e, permettant d\u2019adapter en temps r\u00e9el leurs campagnes.<\/p>\n<h2 id=\"3-techniques\" style=\"font-size: 1.5em; margin-top: 40px; margin-bottom: 15px; color: #2980b9;\">3. Application de techniques avanc\u00e9es pour la segmentation : mod\u00e8les et algorithmes<\/h2>\n<h3 style=\"font-size: 1.2em; margin-top: 25px; margin-bottom: 10px; color: #16a085;\">a) Utilisation de l\u2019analyse en composantes principales (ACP) pour r\u00e9duire la dimensionnalit\u00e9 des variables<\/h3>\n<p style=\"margin-bottom: 15px;\">L\u2019ACP est une \u00e9tape incontournable pour traiter des jeux de donn\u00e9es complexes comportant de nombreuses variables. La proc\u00e9dure d\u00e9taill\u00e9e est la suivante :<\/p>\n<ol style=\"margin-left: 20px; margin-bottom: 20px; line-height: 1.6;\">\n<li><strong>Standardiser<\/strong> toutes les variables pour assurer une comparable \u00e9chelle (ex : z-score).<\/li>\n<li><strong>Calculer<\/strong> la matrice de covariance ou de corr\u00e9lation selon la nature des donn\u00e9es.<\/li>\n<li><strong>Extraire<\/strong> les vecteurs propres et valeurs propres \u00e0 l\u2019aide d\u2019une d\u00e9composition en valeurs singuli\u00e8res (SVD) ou d\u2019une d\u00e9composition Eigen.<\/li>\n<li><strong>S\u00e9lectionner<\/strong> les axes principaux en conservant ceux dont la variance expliqu\u00e9e cumul\u00e9e d\u00e9passe 80-90 %, en utilisant la r\u00e8gle du coude.<\/li>\n<li><strong>Projeter<\/strong> les donn\u00e9es originales sur ces axes pour obtenir un espace r\u00e9duit, facilitant la visualisation et la segmentation.<\/li>\n<\/ol>\n<p style=\"margin-bottom: 15px;\">Exemple : dans le secteur du luxe, cette \u00e9tape permet de condenser 25 variables en 3 axes principaux, simplifiant la d\u00e9tection de micro-segments.<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"<p>La segmentation des audiences constitue le pilier strat\u00e9gique de toute campagne de marketing digital performante. Au-del\u00e0 des approches classiques, il est crucial de ma\u00eetriser des techniques avanc\u00e9es permettant d\u2019identifier, d\u2019analyser et d\u2019exploiter des micro-segments \u00e0 une granularit\u00e9 fine, tout en \u00e9vitant les pi\u00e8ges courants qui peuvent compromettre la pr\u00e9cision et la rentabilit\u00e9. Dans cet article,&hellip; <a class=\"more-link\" href=\"https:\/\/www.lift-me-up.com\/wordpress\/?p=12372\">Continue reading <span class=\"screen-reader-text\">Ma\u00eetriser la segmentation avanc\u00e9e des audiences : techniques, m\u00e9thodologies et impl\u00e9mentations pour une campagne de marketing digital ultra-cibl\u00e9e<\/span><\/a><\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[1],"tags":[],"_links":{"self":[{"href":"https:\/\/www.lift-me-up.com\/wordpress\/index.php?rest_route=\/wp\/v2\/posts\/12372"}],"collection":[{"href":"https:\/\/www.lift-me-up.com\/wordpress\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.lift-me-up.com\/wordpress\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.lift-me-up.com\/wordpress\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.lift-me-up.com\/wordpress\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=12372"}],"version-history":[{"count":1,"href":"https:\/\/www.lift-me-up.com\/wordpress\/index.php?rest_route=\/wp\/v2\/posts\/12372\/revisions"}],"predecessor-version":[{"id":12373,"href":"https:\/\/www.lift-me-up.com\/wordpress\/index.php?rest_route=\/wp\/v2\/posts\/12372\/revisions\/12373"}],"wp:attachment":[{"href":"https:\/\/www.lift-me-up.com\/wordpress\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=12372"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.lift-me-up.com\/wordpress\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=12372"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.lift-me-up.com\/wordpress\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=12372"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}