LSCH�Zi8� i �[ � (L � /wp-json/wp/v2/posts/19731fe_HTTP.200,1fe_default,1fe_URL.86bb854c1f1e16e816fd65cc4aabeb72,1fe_REST,1fe_Po.1973,1fe_X-Powered-By: PHP/8.1.33
Content-Type: application/json; charset=UTF-8
X-Robots-Tag: noindex
X-Content-Type-Options: nosniff
Access-Control-Expose-Headers: X-WP-Total, X-WP-TotalPages, Link
Access-Control-Allow-Headers: Authorization, X-WP-Nonce, Content-Disposition, Content-MD5, Content-Type
Link: <https://www.imamalylela.com/maitriser-la-segmentation-par-persona-en-b2b-approche-technique-avancee-pour-une-precision-optimale/>; rel="alternate"; type=text/html
Allow: GET
Vary: Origin
X-LiteSpeed-Cache-Control: public,max-age=604800
X-LiteSpeed-Tag: 1fe_HTTP.200,1fe_default,1fe_URL.86bb854c1f1e16e816fd65cc4aabeb72,1fe_REST,1fe_Po.1973,1fe_
Etag: "2438-1761827512;;;"
{"id":1973,"date":"2025-01-02T05:13:43","date_gmt":"2025-01-02T10:13:43","guid":{"rendered":"https:\/\/www.imamalylela.com\/?p=1973"},"modified":"2025-10-28T00:01:31","modified_gmt":"2025-10-28T04:01:31","slug":"maitriser-la-segmentation-par-persona-en-b2b-approche-technique-avancee-pour-une-precision-optimale","status":"publish","type":"post","link":"https:\/\/www.imamalylela.com\/maitriser-la-segmentation-par-persona-en-b2b-approche-technique-avancee-pour-une-precision-optimale\/","title":{"rendered":"Ma\u00eetriser la segmentation par persona en B2B : approche technique avanc\u00e9e pour une pr\u00e9cision optimale"},"content":{"rendered":"<h2 style=\"font-size: 1.5em; margin-top: 2em; margin-bottom: 1em; color: #34495e;\">1. Comprendre en profondeur la segmentation par persona pour une campagne B2B efficace<\/h2>\n<h3 style=\"font-size: 1.2em; margin-top: 1.5em; margin-bottom: 0.75em; color: #16a085;\">a) Analyse d\u00e9taill\u00e9e des crit\u00e8res de segmentation avanc\u00e9s : d\u00e9mographiques, firmographiques, comportementaux et psychographiques<\/h3>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Pour optimiser la ciblage, il est crucial de distinguer et de combiner pr\u00e9cis\u00e9ment les crit\u00e8res de segmentation. La segmentation d\u00e9mographique, bien que classique, doit \u00eatre affin\u00e9e avec des donn\u00e9es firmographiques telles que la taille de l’entreprise, le secteur d’activit\u00e9, le chiffre d’affaires, et la localisation g\u00e9ographique. Par exemple, une PME technologique situ\u00e9e en \u00cele-de-France n\u00e9cessitera une approche diff\u00e9rente d\u2019une grande multinationale en r\u00e9gion Auvergne-Rh\u00f4ne-Alpes.<\/p>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Les crit\u00e8res comportementaux incluent la fr\u00e9quence d\u2019achat, le cycle de d\u00e9cision, la phase d\u2019engagement dans le parcours client, et la r\u00e9activit\u00e9 aux campagnes pr\u00e9c\u00e9dentes. Il faut utiliser des outils d\u2019analyse comportementale comme les plateformes de marketing automation ou de CRM pour extraire ces indicateurs avec pr\u00e9cision.<\/p>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Les crit\u00e8res psychographiques, souvent sous-exploit\u00e9s en B2B, concernent les motivations, valeurs, perceptions et attitudes face \u00e0 la technologie ou l\u2019innovation. Leur int\u00e9gration permet d\u2019anticiper la r\u00e9ceptivit\u00e9 aux messages et aux propositions de valeur, en utilisant par exemple des enqu\u00eates qualitatives structur\u00e9es ou l\u2019analyse s\u00e9mantique sur les \u00e9changes clients.<\/p>\n<h3 style=\"font-size: 1.2em; margin-top: 1.5em; margin-bottom: 0.75em; color: #16a085;\">b) M\u00e9thodologie pour collecter des donn\u00e9es qualitatives et quantitatives pertinentes : outils, sources, et techniques d\u2019entretien approfondi<\/h3>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">La collecte de donn\u00e9es doit s\u2019appuyer sur une d\u00e9marche structur\u00e9e et multi-sources. Utilisez en priorit\u00e9 :<\/p>\n<ul style=\"margin-left: 2em; margin-bottom: 1em; line-height: 1.6;\">\n<li><strong>Outils CRM avanc\u00e9s<\/strong> : extraction de logs d\u2019interactions, segmentation historique, scoring comportemental<\/li>\n<li><strong>Syst\u00e8mes ERP<\/strong> : donn\u00e9es financi\u00e8res, projets en cours, cycles de d\u00e9cision<\/li>\n<li><strong>Plateformes d\u2019automatisation marketing<\/strong> : parcours client, taux d\u2019ouverture, clics<\/li>\n<li><strong>Entretien qualitatif structur\u00e9<\/strong> : guides d\u2019entretien pour sonder motivations, freins, attentes<\/li>\n<li><strong>Analyse s\u00e9mantique et textuelle<\/strong> : analyse des \u00e9changes email, comptes-rendus, forums sp\u00e9cialis\u00e9s<\/li>\n<\/ul>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Exemple : pour une entreprise du secteur industriel, r\u00e9aliser des interviews de responsables achats ou de chefs de projet permet d\u2019identifier des motivations latentes non captur\u00e9es par les donn\u00e9es quantitatives, telles que l\u2019attachement \u00e0 la fiabilit\u00e9 ou la conformit\u00e9 r\u00e9glementaire.<\/p>\n<h3 style=\"font-size: 1.2em; margin-top: 1.5em; margin-bottom: 0.75em; color: #16a085;\">c) \u00c9tapes pour d\u00e9finir des personas ultra-sp\u00e9cifiques : synth\u00e8se de donn\u00e9es, cr\u00e9ation de profils d\u00e9taill\u00e9s, validation par les stakeholders<\/h3>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Voici une m\u00e9thode \u00e9tape par \u00e9tape pour cr\u00e9er des personas riches et pr\u00e9cis :<\/p>\n<ol style=\"margin-left: 2em; margin-bottom: 1em; line-height: 1.6;\">\n<li><strong>Synth\u00e8se des donn\u00e9es<\/strong> : consolidez toutes les sources en une base de donn\u00e9es unique, en utilisant un logiciel de data management ou un tableur avanc\u00e9 avec des filtres dynamiques.<\/li>\n<li><strong>Segmentation automatique<\/strong> : appliquez des algorithmes de clustering (K-means, DBSCAN) via des outils comme RapidMiner, Python scikit-learn ou Dataiku pour identifier des groupes homog\u00e8nes.<\/li>\n<li><strong>Cr\u00e9ation de profils d\u00e9taill\u00e9s<\/strong> : pour chaque cluster, r\u00e9digez une fiche persona incluant : profil d\u00e9mographique, firmographique, comportement d\u2019achat, motivations, freins, canaux de communication privil\u00e9gi\u00e9s, et points de contact cl\u00e9s.<\/li>\n<li><strong>Validation interne<\/strong> : organisez des workshops avec les \u00e9quipes marketing, commercial, et produit pour valider la coh\u00e9rence, la repr\u00e9sentativit\u00e9 et la pertinence des personas, en utilisant des matrices de validation.<\/li>\n<\/ol>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Attention : il ne faut pas se contenter de cat\u00e9gories statistiques. La validation doit inclure une confrontation avec la r\u00e9alit\u00e9 terrain pour \u00e9viter toute d\u00e9connexion strat\u00e9gique ou op\u00e9rationnelle.<\/p>\n<h3 style=\"font-size: 1.2em; margin-top: 1.5em; margin-bottom: 0.75em; color: #16a085;\">d) Cas d\u2019usage concrets illustrant la diff\u00e9rence entre segmentation large et segmentation fine par persona<\/h3>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Prenons l\u2019exemple d\u2019un fournisseur de solutions SaaS pour le secteur bancaire. Une segmentation large pourrait cibler \u00ab\u00a0responsables IT en banque\u00a0\u00bb, tandis qu\u2019une segmentation fine s\u2019appuiera sur :<\/p>\n<ul style=\"margin-left: 2em; margin-bottom: 1em; line-height: 1.6;\">\n<li>Les banques de taille moyenne en \u00cele-de-France, sp\u00e9cialis\u00e9es dans la gestion de patrimoine, avec un cycle d\u2019achat court.<\/li>\n<li>Les grandes banques r\u00e9gionales, en phase de digitalisation, avec un cycle d\u2019achat long, motiv\u00e9 par la conformit\u00e9 r\u00e9glementaire.<\/li>\n<li>Les n\u00e9obanques en forte croissance, sensibles \u00e0 l\u2019innovation, r\u00e9actives aux campagnes num\u00e9riques cibl\u00e9es.<\/li>\n<\/ul>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Ce degr\u00e9 de finesse permet de personnaliser non seulement le message, mais aussi le canal et le timing de chaque campagne, augmentant ainsi significativement le taux de conversion.<\/p>\n<h2 style=\"font-size: 1.5em; margin-top: 2em; margin-bottom: 1em; color: #34495e;\">2. M\u00e9thodologie pr\u00e9cise pour \u00e9laborer des personas B2B hyper-cibl\u00e9s en utilisant des outils analytiques avanc\u00e9s<\/h2>\n<h3 style=\"font-size: 1.2em; margin-top: 1.5em; margin-bottom: 0.75em; color: #16a085;\">a) Int\u00e9gration des donn\u00e9es CRM, ERP et autres syst\u00e8mes d\u2019information pour une cartographie pr\u00e9cise des clients<\/h3>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">L\u2019int\u00e9gration des donn\u00e9es doit suivre une approche structur\u00e9e pour garantir la coh\u00e9rence et la richesse du profilage :<\/p>\n<ul style=\"margin-left: 2em; margin-bottom: 1em; line-height: 1.6;\">\n<li><strong>Extraction unifi\u00e9e<\/strong> : utilisez des connecteurs API pour relier CRM, ERP, plateforme marketing et autres syst\u00e8mes, en automatisant la synchronisation quotidienne ou hebdomadaire.<\/li>\n<li><strong>Normalisation des donn\u00e9es<\/strong> : appliquez des r\u00e8gles de nettoyage et de standardisation pour \u00e9liminer incoh\u00e9rences syntaxiques et s\u00e9mantiques.<\/li>\n<li><strong>Cr\u00e9ation d\u2019un Data Lake<\/strong> : centralisez toutes ces donn\u00e9es dans un r\u00e9f\u00e9rentiel unique, avec gestion des droits et m\u00e9tadonn\u00e9es.<\/li>\n<\/ul>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Exemple technique : utilisez Apache NiFi pour orchestrer l\u2019ingestion de flux h\u00e9t\u00e9rog\u00e8nes, puis stockez dans une base NoSQL comme MongoDB pour une consultation flexible et performante.<\/p>\n<h3 style=\"font-size: 1.2em; margin-top: 1.5em; margin-bottom: 0.75em; color: #16a085;\">b) Utilisation d\u2019algorithmes de clustering et de machine learning pour segmenter automatiquement les bases de donn\u00e9es<\/h3>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Voici la d\u00e9marche :<\/p>\n<ul style=\"margin-left: 2em; margin-bottom: 1em; line-height: 1.6;\">\n<li><strong>Pr\u00e9-traitement des donn\u00e9es<\/strong> : s\u00e9lectionnez les variables pertinentes, g\u00e9rez les valeurs manquantes avec l\u2019imputation par KNN ou MICE.<\/li>\n<li><strong>Normalisation<\/strong> : appliquez une standardisation Z-score ou Min-Max pour uniformiser les \u00e9chelles.<\/li>\n<li><strong>Choix de l\u2019algorithme<\/strong> : pour des clusters de taille variable, privil\u00e9giez DBSCAN ou HDBSCAN ; pour des groupes \u00e9quilibr\u00e9s, K-means ou Gaussian Mixture Models.<\/li>\n<li><strong>Calibration<\/strong> : utilisez la m\u00e9thode du coude (Elbow) ou la silhouette pour d\u00e9terminer le nombre optimal de clusters.<\/li>\n<li><strong>Interpr\u00e9tation<\/strong> : examinez les centroides ou profils caract\u00e9risant chaque cluster pour cr\u00e9er des personas.<\/li>\n<\/ul>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Exemple : avec Python <a href=\"https:\/\/www.rastrekroraima.com.br\/les-symboles-de-tentation-de-la-mythologie-aux-jeux-modernes-3\/\">scikit<\/a>-learn, vous pouvez automatiser cette \u00e9tape en utilisant le code suivant :<\/p>\n<pre style=\"background-color: #f4f4f4; padding: 10px; border-radius: 5px; font-family: monospace; font-size: 0.9em;\">\nfrom sklearn.cluster import KMeans\nfrom sklearn.preprocessing import StandardScaler\n\n# Pr\u00e9parer les donn\u00e9es\nX = data[['facteur1', 'facteur2', 'facteur3']]\nX_scaled = StandardScaler().fit_transform(X)\n\n# D\u00e9terminer le nombre optimal avec la m\u00e9thode du coude\nwcss = []\nfor i in range(1, 11):\n kmeans = KMeans(n_clusters=i, random_state=42)\n kmeans.fit(X_scaled)\n wcss.append(kmeans.inertia_)\n\n# Visualiser pour choisir le k\nplt.plot(range(1, 11), wcss, 'bx-')\nplt.xlabel('Nombre de clusters')\nplt.ylabel('Inertie')\nplt.title('M\u00e9thode du coude')\nplt.show()\n\n# Appliquer K-means\nk_optimal = 4 # par analyse visuelle\nkmeans_final = KMeans(n_clusters=k_optimal, random_state=42)\nclusters = kmeans_final.fit_predict(X_scaled)\n<\/pre>\n<h3 style=\"font-size: 1.2em; margin-top: 1.5em; margin-bottom: 0.75em; color: #16a085;\">c) Configuration et param\u00e9trage d\u2019outils d\u2019analyse pr\u00e9dictive : \u00e9tapes d\u00e9taill\u00e9es et bonnes pratiques<\/h3>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">L\u2019analyse pr\u00e9dictive permet d\u2019anticiper l\u2019\u00e9volution des comportements et des besoins, en affinant la segmentation :<\/p>\n<ol style=\"margin-left: 2em; margin-bottom: 1em; line-height: 1.6;\">\n<li><strong>Choix de la plateforme<\/strong> : privil\u00e9giez des outils comme SAS, RapidMiner, ou Python avec scikit-learn et TensorFlow, adapt\u00e9s \u00e0 la volum\u00e9trie et \u00e0 la complexit\u00e9.<\/li>\n<li><strong>Pr\u00e9paration des donn\u00e9es<\/strong> : nettoyage, s\u00e9lection des variables, cr\u00e9ation de variables d\u00e9riv\u00e9es (features engineering).<\/li>\n<li><strong>Mod\u00e8le<\/strong> : appliquez des mod\u00e8les supervis\u00e9s (r\u00e9gression, for\u00eats al\u00e9atoires, r\u00e9seaux neuronaux) pour pr\u00e9dire un comportement ou une conversion.<\/li>\n<li><strong>Validation<\/strong> : utilisez la validation crois\u00e9e, le score ROC-AUC, ou F1-score pour mesurer la performance.<\/li>\n<li><strong>D\u00e9ploiement<\/strong> : int\u00e9grez le mod\u00e8le dans le CRM ou la plateforme de marketing automation pour des recommandations en temps r\u00e9el.<\/li>\n<\/ol>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Important : pour \u00e9viter le surapprentissage, utilisez des techniques de r\u00e9gularisation, de pruning, ou d\u2019\u00e9lagage, et maintenez un jeu de test ind\u00e9pendant pour l\u2019\u00e9valuation finale.<\/p>\n<h3 style=\"font-size: 1.2em; margin-top: 1.5em; margin-bottom: 0.75em; color: #16a085;\">d) V\u00e9rification de la coh\u00e9rence et de la repr\u00e9sentativit\u00e9 des personas \u00e0 travers des tests A\/B et des feedbacks terrain<\/h3>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Pour assurer la robustesse des personas :<\/p>\n<ul style=\"margin-left: 2em; margin-bottom: 1em; line-height: 1.6;\">\n<li><strong>Tests A\/B<\/strong> : d\u00e9ployez des campagnes sp\u00e9cifiques pour chaque persona, puis comparez les KPIs (taux d\u2019ouverture, clics, conversions).<\/li>\n<li><strong>Feedback terrain<\/strong> : organisez des entretiens r\u00e9guliers avec les commerciaux et les responsables op\u00e9rationnels pour ajuster la pr\u00e9cision des profils.<\/li>\n<li><strong>Indicateurs de coh\u00e9rence<\/strong> : surveillez la stabilit\u00e9 des segments dans le temps, en utilisant des m\u00e9triques comme la variance intra-cluster ou la fid\u00e9lit\u00e9 du profil.<\/li>\n<\/ul>\n<h3 style=\"font-size: 1.2em; margin-top: 1.5em; margin-bottom: 0.75em; color: #16a085;\">e) Exemple pratique : d\u00e9ploiement d\u2019un mod\u00e8le de segmentation bas\u00e9 sur l\u2019analyse de donn\u00e9es massives (Big Data)<\/h3>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Dans une \u00e9tude de cas r\u00e9elle, une entreprise sp\u00e9cialis\u00e9e en solutions logicielles pour le secteur public a int\u00e9gr\u00e9 une plateforme Hadoop pour ing\u00e9rer et traiter plusieurs t\u00e9raoctets de logs issus de campagnes num\u00e9riques, CRM, et donn\u00e9es publiques. En appliquant un algorithme de clustering hi\u00e9rarchique avec Spark MLlib, elle a identifi\u00e9 15 clusters distincts, dont 5 personas finement calibr\u00e9s. La cl\u00e9 r\u00e9side dans la capacit\u00e9 \u00e0 traiter en temps r\u00e9el ou quasi-r\u00e9el ces flux, permettant une segmentation dynamique et en continu.<\/p>\n<h2 style=\"font-size: 1.5em; margin-top: 2em; margin-bottom: 1em; color: #34495e;\">3. Mise en \u0153uvre concr\u00e8te de la segmentation par persona : \u00e9tapes d\u00e9taill\u00e9es et tactiques avanc\u00e9es<\/h2>\n<h3 style=\"font-size: 1.2em; margin-top: 1.5em; margin-bottom: 0.75em; color: #16a085;\">a) D\u00e9finition claire des objectifs marketing et de la correspondance avec la segmentation<\/h3>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Avant toute action, il est essentiel de formaliser pr\u00e9cis\u00e9ment ce que vous souhaitez atteindre : augmentation du taux de conversion, r\u00e9duction du co\u00fbt par acquisition, am\u00e9lioration de la fid\u00e9lit\u00e9 client. Pour cela :<\/p>\n<ul style=\"margin-left: 2em; margin-bottom: 1em; line-height: 1.6;\">\n<li><strong>Aligner<\/strong> les KPIs avec chaque persona : par exemple, pour un persona technophile, privil\u00e9gier le taux d\u2019engagement num\u00e9rique.<\/li>\n<li><strong>\u00c9tablir<\/strong> un mapping entre segments et parcours client pour garantir la coh\u00e9rence strat\u00e9gique.<\/li>\n<\/ul>\n<h3 style=\"font-size: 1.2em; margin-top: 1.5em; margin-bottom: 0.75em; color: #16a085;\">b) Construction de fiches personas \u00e0 partir des donn\u00e9es collect\u00e9es : contenu, structure et validation<\/h3>\n<p style=\"margin-bottom: 1em; line-height: 1.6;\">Une fiche persona doit comporter :<\/p>\n<table style=\"width: 100%; border-collapse: collapse; margin-bottom: 1em; font-family: Arial, sans-serif; font-size: 0.9em;\">\n<tr style=\"background-color: #ecf0f1;\">\n<th style=\"border: 1px solid #bdc3c7; padding: 8px; text-align: left;\">\u00c9l\u00e9ment<\/th>\n<th style=\"border: 1px solid #bdc3c7; padding: 8px; text-align: left;\">Description<\/th>\n<\/tr>\n<tr>\n<td style=\"border: 1px solid #bdc3c7; padding: 8px;\">Profil d\u00e9mographique<\/td>\n<td style=\"border: 1px solid #bdc3c7; padding: 8px;\">\u00c2ge, sexe, situation familiale, poste, niveau d\u2019\u00e9tudes<\/td>\n<\/tr>\n<tr>\n<td style=\"border: 1px solid #bdc3c7; padding: 8px;\">Profil firmographique<\/td>\n<td style=\"border: 1px solid #bdc3c7; padding: 8px;\">Taille d\u2019entreprise, secteur, localisation, chiffre d\u2019affaires<\/td>\n<\/tr>\n<tr>\n<td style=\"border: 1px solid #bdc3c7; padding: 8px;\">Mot<\/td>\n<\/tr>\n<\/table>\n","protected":false},"excerpt":{"rendered":"<p>1. Comprendre en profondeur la segmentation par persona pour une campagne B2B efficace a) Analyse d\u00e9taill\u00e9e des crit\u00e8res de segmentation avanc\u00e9s : d\u00e9mographiques, firmographiques, comportementaux et psychographiques Pour optimiser la ciblage, il est crucial de distinguer et de combiner pr\u00e9cis\u00e9ment les crit\u00e8res de segmentation. La segmentation d\u00e9mographique, bien que classique, doit \u00eatre affin\u00e9e avec des… <a class=\"more-link\" href=\"https:\/\/www.imamalylela.com\/maitriser-la-segmentation-par-persona-en-b2b-approche-technique-avancee-pour-une-precision-optimale\/\">Continue reading <span class=\"screen-reader-text\">Ma\u00eetriser la segmentation par persona en B2B : approche technique avanc\u00e9e pour une pr\u00e9cision optimale<\/span><\/a><\/p>\n","protected":false},"author":3,"featured_media":0,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[1],"tags":[],"_links":{"self":[{"href":"https:\/\/www.imamalylela.com\/wp-json\/wp\/v2\/posts\/1973"}],"collection":[{"href":"https:\/\/www.imamalylela.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.imamalylela.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.imamalylela.com\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.imamalylela.com\/wp-json\/wp\/v2\/comments?post=1973"}],"version-history":[{"count":1,"href":"https:\/\/www.imamalylela.com\/wp-json\/wp\/v2\/posts\/1973\/revisions"}],"predecessor-version":[{"id":1974,"href":"https:\/\/www.imamalylela.com\/wp-json\/wp\/v2\/posts\/1973\/revisions\/1974"}],"wp:attachment":[{"href":"https:\/\/www.imamalylela.com\/wp-json\/wp\/v2\/media?parent=1973"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.imamalylela.com\/wp-json\/wp\/v2\/categories?post=1973"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.imamalylela.com\/wp-json\/wp\/v2\/tags?post=1973"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}