Selon le cabinet de conseil Gartner, les dépenses marketing annuelles des annonceurs atteignent en moyenne 9,5% de leur chiffre d’affaires, dont 56% portant sur le digital. Ce sont les réseaux sociaux (Facebook, Pinterest, TikTok, Instagram, YouTube…) qui représentent désormais la plus grosse part du budget dépensé sur les médias payants. Les investissements publicitaires grandissants, notamment sur les leviers online, les directions marketing ont donc tout intérêt à connaître l’efficacité de leurs dispositifs pour optimiser leurs dépenses à bon escient. Mais la mesure des performances se complexifie, notamment en raison de la fin des cookies tiers…
Historiquement, il était possible de capter et d’analyser les points de touche constituant les parcours d’achat des internautes au niveau individuel afin de déterminer la performance des différents leviers (sur les visites et impressions). Seuls les réseaux sociaux (walled garden) ne permettaient, et ne permettent toujours pas, de tracking tiers sur le post-view. Ce sont des écosystèmes fermés. Cette perte d’information au niveau individuel pour les impressions va désormais s’étendre au display (programmatique, retargeting, native ads, email…). En France, ce levier s’arroge pourtant 19% des parts de marché de la publicité digitale selon l’Observatoire de l’e-Pub SRI et Udecam 2024.
Calculer la contribution des visites avec l’Intelligence Artificielle: Qu’est-ce que le MMM ?
Mesurer les impressions malgré la black box
Si l’environnement walled garden et la fin des cookies tiers conduisent à une perte des données portant sur les impressions au niveau individuel, il est fort heureusement possible de contourner cet effet black box via des données statistiques sur lesquelles nous reviendrons. Car les enjeux sont colossaux. Plus de la moitié du budget marketing investi en digital porte sur des leviers dit “upper funnel” ou “middle funnel” dont les interactions sont principalement des impressions. On estime d’ailleurs que dans un mix média “moyen”, les visites pèsent 25% dans les parcours, tandis que les impressions en représentent 75% !
Pour retracer 100% des chemins de conversions et analyser précisément l’impact des campagnes marketing, il faut donc prendre en compte deux natures de données :
- issues des clicks trackables au niveau individuel (données user centric), traitées par l’IA
- issues des impressions non trackables au niveau individuel, (données statistiques), traitées par des modèles économétriques (MMM)
Pour ces dernières, il est possible de récupérer via des API, auprès des régies publicitaires, les volumes d’impressions diffusés par jour, source, medium, campagne, device ou encore pays. Des données qui ne sont plus individuelles, mais statistiques.
Comment mettre en place un projet de MMM ?
Le MMM, modélisation économétrique, cherche comment les impressions influencent les comportements d’achat des consommateurs et in fine les visites sur le site de la marque. Il permet par exemple de comprendre comment un pic de trafic sur le canal SEA Marque peut être engendré par les variations d’impressions d’une campagne Facebook.
Avec une technologie capable de traiter les données statistiques récupérées auprès des régies publicitaires, on peut analyser des signaux sur des séries temporelles. Concrètement, le modèle identifie des corrélations entre les signaux, et calcule les causalités pour être certain qu’un signal en influence bien un autre. Dans notre exemple, les impressions FB influencent les visites SEA Marque.
Dans un monde cookieless où la donnée individuelle devient toujours plus difficile à capter, le MMM est la solution idéale pour continuer à analyser la performance des campagnes dont une partie des interactions est non trackables au niveau individuel, et lutter contre l’effet black box des écosystèmes fermés (réseaux sociaux), du display dans un avenir proche, mais aussi des leviers offline tels que la télévision ou la radio. Associé à l’IA, il permet de mesurer efficacement la performance des leviers marketing grâce à une reconstitution à 100% des chemins et à l’analyse des parcours d’achat.
Comment la combinaison du MMM et de l’IA offre une mesure complète des performances marketing ?
Calculer la contribution des visites avec l’Intelligence Artificielle
Pour retracer 100% des chemins de conversion et avoir une vision complète de la customer journey, il faut combiner l’analyse de deux natures de données. Si les impressions sont traitées par un modèle économétrique comme expliqué ci-dessus, les données user centric, issues de clics trackables, relèvent de l’IA. Chez Wizaly, leur traitement s’effectue via un algorithme de machine learning coopératif issu de la théorie des jeux.. Ce modèle permet de calculer les contributions de chaque point de touche au sein des parcours d’achat.
combiner les technologies d’IA et de MMM pour comprendre la performance des campagnes : visites et impressions
Réconcilier les données user centric et les données statistiques permet de prendre en compte l’intégralité des chemins de conversions. A l’aide de l’IA d’une part et du MMM d’autre part, on est à même de mesurer de la manière la plus objective possible les performances de chacun des leviers marketing, même les plus opaques (réseaux sociaux ou demain le display) ou les leviers offline (télévision, radio).
Les annonceurs peuvent désormais évaluer l’efficacité globale de leurs stratégies marketing et identifier les canaux marketing et communication les plus performants. Elles peuvent ainsi (ré)allouer judicieusement leurs ressources en investissant là où le rendement est maximal, optimisant ainsi leurs campagnes pour une efficacité maximale et un retour sur investissement (ROI) plus élevé.
Comment Wizaly a déployé un projet mêlant MMM et IA pour le compte de son client Ultra Premium Direct, lui permettant de réajuster ses investissements marketing
Pour Ultra Premium Direct, 1ère Marque Française de Croquettes Premium pour chiens & chats avec plus de 5 millions de visites en ligne en 2023, Wizaly a mis en place une stratégie combinée de MMM et de MTA.
L’objectif d’Ultra Premium Direct est d’acquérir le plus de nouveaux clients avec un CPA (coût par acquisition) le plus faible possible. La marque, qui a opté pour une stratégie full funnel, avait de plus en plus de mal à attribuer une vente à un canal spécifique dans une vision last clic. Elle a donc fait appel à Wizaly, solution de customer journey analytics spécialisée en attribution, pour mieux comprendre la contribution des différents leviers dans son mix d’acquisition. Grâce à la mise en place de technologies résultant à la fois du MMM et de l’IA, Wizaly a offert à Ultra Premium Direct une vision plus objective de son mix marketing.
La marque a ainsi revalorisé ses leviers upper funnel, notamment le paid social (dans le Top 3 des contributeurs pour amener des nouveaux clients) mais aussi le display et YouTube. Elle a également revu à la baisse ses dépenses de retargeting ainsi que sur certaines campagnes d’affiliation. In fine, elle a pu réajuster tous ses investissements marketing en toute connaissance de cause pour un meilleur ROI.
🎥 Revivez la plénière de Ultra Premium Direct et Wizaly lors du Hub Forum Retail & e-commerce 2024 ici -> vidéo
