Le big data au service de l’efficacité des investissements media

Le marketing digital a ceci de fascinant qu’il permet, du moins en théorie, de mesurer chaque interaction entre une marque et sa cible et de déterminer, de manière automatisée, l’impact de ses actions au grain le plus fin. L’émergence des technologies de stockage et d’exploration des données à grande échelle permet de centraliser l’ensemble des interactions - impression de bannière, clic sur un lien sponsorisé, visite organique, partage sur les réseaux sociaux… pour dresser le portrait complet de chaque prospect selon ses expositions à la marque.

De cette logique sont nées deux applications majeures de la Big Data pour optimiser les investissements média digitaux :

• la prédiction du comportement des internautes, qu’ils aient été en contact avec la marque ou non, pour ajuster la pression publicitaire ;

• l’analyse des chemins d’exposition avant conversion pour mesurer l’impact des investissements marketing ;

Chacun de ces domaines repose sur des méthodes statistiques et des contraintes qui lui sont propres, mais les données sources sont les mêmes et rares sont les annonceurs qui ne souhaitent pas avancer sur les deux sujets en parallèle. Cette marche forcée vers un marketing data-driven s’accompagne cependant parfois d’un manque de recul sur les offres pléthoriques du marché et l’intérêt à long-terme d’un annonceur à la recherche d’une performance à court-terme.

Transparence ou « Black-box » ?

L’émergence d’acteurs spécialisés a permis depuis plusieurs années aux annonceurs d’avancer rapidement sur l’achat media régi par la donnée, souvent au prix de l’opacité. En effet, les acteurs spécialisés dans le retargeting (régies, DSP…) sont passés maîtres dans l’art de segmenter l’audience mais restent peu enclins à communiquer sur les règles même de segmentation utilisées.

Or, les annonceurs souhaitent aujourd’hui reprendre la main sur leur patrimoine data et maîtriser les règles de segmentation. La montée en puissance du croisement entre les données CRM et celles de la webanalyse accroît ce désir d’indépendance et contribue à l’essor de courtiers, les Trading Desks. Il reste néanmoins à prouver que cette tendance ne se fait pas au détriment de la performance à court terme, car les modèles de segmentation prédictive développés notamment par les retargeteurs spécialisés sont bien souvent propriétaires, et par conséquent complexes à reproduire.

Le comportemental devient multi-leviers

Le ciblage comportemental n’est par ailleurs plus l’apanage du Display et renforce la volonté des annonceurs à reprendre en main la segmentation de leurs audiences. En effet, Google a lancé en 2013 un produit permettant aux marques, via Adwords, d’adapter leurs enchères, leurs messages, leur landing page en fonction d’un cookie. Ainsi, il est possible par exemple, pour un assureur, d’enchérir plus agressivement sur un internaute ayant préalablement démarré son formulaire. Dans un contexte de compétition accrue et de pression sur les CPC, cela permet d’obtenir une première position plus visible sur les audiences les plus qualifiées. De même, il est possible de se positionner sur des mots clés plus génériques et moins chers, en ciblant des internautes déjà exposés à la marque.

Suivant cette tendance, Facebook et Twitter ont lancé eux aussi une offre de ciblage comportemental. Ces offres permettent de recouper une base CRM avec les méga-bases de données de ces réseaux sociaux. Il devient alors possible de pousser le téléchargement d’une application à ses clients web sur le fil d’actualité (newsfeed) mobile de Facebook, ou encore de recibler sur le réseau des utilisateurs ayant accompli telle ou telle action sur une application.

On comprend bien l’intérêt pour une marque de centraliser sa segmentation d’audience web et CRM. Elle peut en contrôler les règles, la diffuser uniformément à la fois sur Adwords, auprès des AdExchanges ou des réseaux sociaux pour notamment maîtriser la pression publicitaire et éviter la surexposition de sa cible.

Déduplication tactique ou Media Mix Modeling ?

Second pan de la Big Data au service du marketing digital, l’attribution permet de déterminer l’impact de chaque levier sur la conversion et ainsi mieux répartir la pression selon le rôle réel de chacun des canaux. Pour ce faire, il est important de s’entendre sur une méthode et de trouver une actionnabilité à ces analyses souvent complexes.

Il convient de séparer tactique, revenant à dédupliquer ses ventes selon un modèle pertinent et actionnable en temps réel, et la stratégie qui consiste à s’appuyer sur des insights pour modéliser l’impact d’une évolution des investissements sur tel ou tel levier pour déterminer le mix media optimal. Ces deux logiques, quoique complémentaires, ne reposent cependant pas sur les mêmes méthodes et n’ont pas les mêmes contraintes.

Dans le cadre de la tactique, il s’agit d’attribuer en temps réel la conversion au bon levier pour l’identifier auprès des différents prestataires via le déclenchement conditionnel de tags. Il convient alors de trouver une règle pertinente de déduplication puis de l’exécuter. Un annonceur de l’hôtellerie choisira par exemple de récompenser le premier levier de la réservation ou le dernier apporteur d’affaires, hors trafic de notoriété.

La qualité statistique du modèle l’emporte sur l’importance du temps réel dans l’approche stratégique. Il convient d’analyser des millions de chemins d’expositions publicitaires pour déterminer les combinaisons de leviers les plus corrélés à la conversion. Il importe ensuite de valider les résultats du modèle, via des méthodes d’A/B testing ou d’adaptation de la pression publicitaire avant de valider le mix media optimal. Ainsi, un acteur de la finance a pu déterminer l’impact réel du post-view sur ses campagnes d’acquisition en RTB en exposant une fraction de son audience cible à des bannières Unicef (population contrôle). Cela lui a permis de calculer une performance améliorée de 25% sur les populations exposées au message publicitaire et ainsi, revaloriser ce levier dans le plan media.

Il est clair que le Big Data a ouvert de nouvelles perspectives en termes d’optimisation et d’efficacité des investissements marketing. Meilleure compréhension du comportement des internautes, meilleure appréhension des mix media, affinage des ciblages et des segmentations…. Autant de développements découlant directement des nouvelles techniques de stockage, d’exploration et d’activation de données pour optimiser l’ensemble des investissements publicitaires en ligne, à condition de prendre la pleine mesure des enjeux connexes et de mettre en place une véritable réflexion stratégique en la matière.