Faites compter chaque dollar de marketing avec la science des données.

Count every marketing dollar with data science.

L’économie d’aujourd’hui nous oblige à être plus diligents quant aux dépenses publicitaires. Heureusement, les voies viables vers un marketing rentable peuvent être trouvées dans les données.

L’économie d’aujourd’hui est radicalement différente de ce qu’elle était il y a quelques années. De nos jours, nous sommes tous tenus de travailler avec moins de ressources. En ce qui concerne le marketing, cela signifie que nous avons besoin d’une plus grande précision dans toutes nos initiatives. Heureusement, les voies viables vers un marketing rentable peuvent être trouvées dans les données.

Depuis que nous avons commencé à aider les marques de commerce électronique à optimiser leur marketing grâce à des approches axées sur les données, nous avons identifié à plusieurs reprises des opportunités d’optimisation remarquables dès le premier mois. Nous avons observé les mêmes modèles d’optimisation encore et encore dans tous les secteurs du commerce électronique. Dans cet article, je partagerai ce que nous avons appris et discuterai de la façon dont vous pouvez trouver des opportunités d’optimisation marketing dans votre organisation à travers le prisme des sciences des données.

Saisissez les fruits facilement accessibles en réduisant les initiatives non rentables

Comme discuté précédemment, les marques peuvent découvrir de formidables opportunités de croissance en réduisant simplement les budgets alloués aux initiatives qui ne fonctionnent pas. Dans les cas de nos clients, nous avons constaté de nombreuses opportunités de ce type qui passaient inaperçues, en particulier lorsque la marque investit massivement dans le marketing et a un grand nombre de campagnes publicitaires en cours.

Un exemple de la performance de la campagne publicitaire d’une marque de commerce électronique est présenté ci-dessous.

• Utilisation de pykrige et matplotlib pour la visualisation spatiale des variations géologiques.
• La meilleure alternative à Seaborn Distplot en Python
• Les compétences douces surpassent les compétences techniques en analyse de données

Si vous rencontrez des publicités non rentables et que vous ne pouvez pas déterminer la cause en analysant les données de performance publicitaire de haut niveau, essayez d’examiner les campagnes publicitaires individuelles pour évaluer si les campagnes sous-performantes ont un impact sur vos bénéfices.

En règle générale, si une campagne publicitaire est en cours depuis longtemps mais est encore loin d’atteindre le seuil de rentabilité, il est probablement sage de réduire l’investissement dans cette campagne.

Misez doublement sur les annonces performantes pour profiter des tendances favorables

L’inconvénient des fruits facilement accessibles est que les annonces performantes sont souvent ignorées. Dans de nombreux cas de nos clients, nous avons découvert des annonces rentables qui méritaient davantage d’investissements. Ces signaux prometteurs étaient auparavant enfouis dans les bruits créés par les campagnes sous-performantes.

Pour mettre en évidence les annonces performantes et ne jamais manquer une opportunité, vous devez d’abord consolider vos campagnes et annonces publicitaires.

Par exemple, si vous avez dix campagnes publicitaires et que deux d’entre elles sont toujours rentables, trois sont moyennes et cinq sont loin d’être rentables, vous devriez vous concentrer sur les deux campagnes rentables, réduire les dépenses sur les cinq campagnes non rentables et examiner les trois campagnes moyennes pour voir s’il y a des annonces performantes.

Avec ces deux approches, nos clients qui perdaient de l’argent dans le marketing payant se sont rapprochés de l’équilibre sur la publicité.

Le ciblage large ne fonctionne pas pour votre startup, voici pourquoi

La plupart des startups de commerce électronique ont des publics cibles très spécifiques – sinon, l’espace serait encombré de la concurrence des grands acteurs. Cependant, en ce qui concerne la publicité, il y a un mythe de l’industrie selon lequel les marques peuvent compter sur les approches de ciblage large des plateformes publicitaires pour obtenir des résultats optimaux.

Il est clair que cette stratégie n’est pas applicable à tous, car de nombreuses startups de commerce électronique nous ont dit qu’elles avaient du mal depuis longtemps à faire fonctionner le ciblage large. Explorons pourquoi le ciblage large peut fonctionner pour les grandes marques ou les marques qui ont commencé à faire de la publicité il y a quelques années, mais ne fonctionne pas pour votre startup.

Les plateformes publicitaires utilisent l’intelligence artificielle, l’apprentissage automatique et les sciences des données pour améliorer leurs algorithmes. Cependant, ces algorithmes reposent fortement sur de grandes quantités de données d’entraînement. D’un côté, il y a des entrées telles que les données démographiques, les comportements et les intérêts des consommateurs. De l’autre côté, il y a des événements de conversion comme les achats, qui servent d’outputs. Alimenter les plateformes publicitaires avec plus d’événements de conversion peut les aider à mieux identifier les profils de clients idéaux pour vous.

Avant les changements de confidentialité dans iOS 14 et les cookies, les plateformes publicitaires pouvaient suivre beaucoup plus de données des consommateurs, telles que les comportements de navigation et d’achat sur différentes plateformes. Cela fournissait plus d’entrées et de sorties pour leurs algorithmes pour fonctionner efficacement, même avec peu de données.

Cependant, ces changements de confidentialité ont considérablement affecté les capacités de suivi des plateformes publicitaires et ont entraîné une réduction de la précision de leur ciblage. Dans des études de cas réelles, nous avons constaté que les plateformes publicitaires qui dépendent fortement du suivi des comportements des consommateurs sont plus touchées que les autres plateformes. Par conséquent, les allocations budgétaires de ces plateformes à travers les segments de marché peuvent ne pas correspondre aux cas d’entreprise des marques.

Les désalignements sont plus importants pour les startups en raison de la quantité limitée de données de conversion. Il n’est pas rare que les plateformes publicitaires affectent plus de 50% des dépenses publicitaires à des segments de marché qui ne sont pas le public cible de nos clients.

Concentrez vos campagnes publicitaires

En raison de ces changements dans l’industrie, il est essentiel d’informer les plateformes publicitaires de votre public cible pour obtenir des résultats publicitaires satisfaisants. En spécifiant votre public cible, vous pouvez réduire la portée de recherche et de test des algorithmes des plateformes publicitaires, raccourcir leur phase d’apprentissage et améliorer les performances publicitaires.

En pratique, ces spécifications peuvent inclure la localisation, l’âge, le sexe, le niveau de revenu, les intérêts, les produits préférés et d’autres facteurs pertinents de vos clients. Vous pouvez évaluer les décompositions individuelles des segments de marché pour déterminer si certains segments sont plus performants que d’autres.

Nos clients qui spécifient leur public cible dans les annonces obtiennent rapidement des résultats rentables. Même s’ils choisissent d’élargir leur public cible plus tard, leurs performances publicitaires restent à un niveau élevé car les plateformes publicitaires ont été formées pour leurs cas d’entreprise.

Si vous utilisez un ciblage large et ne pouvez pas obtenir de résultats satisfaisants, essayez d’analyser les performances de vos annonces par segments de marché. Vous trouverez probablement des connaissances à partir de ces décompositions.

Toutes les connaissances en matière d’optimisation ne sont pas évidentes dès le début

Bien qu’il y ait de nombreuses façons d’optimiser le marketing, toutes ne sont pas immédiatement évidentes. Si plus de 50% de vos campagnes publicitaires ne sont pas performantes, il est peu probable que vous trouviez des connaissances exploitables à partir de vos décompositions de segments de marché.

Dans ce cas, vous devriez d’abord éliminer les initiatives de marketing qui sont clairement peu performantes et donner la priorité aux annonces performantes en suivant l’étape 1, en réduisant les initiatives non rentables, et l’étape 2, en intensifiant les annonces performantes. Une fois que vous atteignez un point où la moitié de vos campagnes publicitaires sont performantes, vous pouvez commencer à analyser les décompositions de segments de marché pour évaluer les voies viables vers une publicité rentable.

Confirmez toujours les tendances cohérentes avant d’apporter des modifications

Il est important de noter que les données de performance publicitaire sont souvent biaisées en raison d’événements aberrants. Par exemple, un achat de grande valeur d’un client spécifique peut rendre la performance de ce segment de marché favorable. Cependant, de tels événements peuvent ne pas être durables. Par conséquent, avant de prendre des décisions basées sur de bons ou de mauvais signaux dans un segment de marché, vous devriez vérifier la série chronologique de ce segment pour vous assurer que ces signaux sont cohérents.

La définition de la cohérence dépend de la taille des dépenses publicitaires et du moment de l’année. Par exemple, si vous dépensez une petite somme, assurez-vous qu’une tendance est cohérente pendant une ou deux semaines car la performance peut être volatile d’un jour à l’autre. En revanche, si vous avez des dépenses publicitaires élevées, quelques jours de performance publicitaire suffisent à raconter l’histoire.

De plus, vous devriez être prudent lors des périodes promotionnelles lors de l’évaluation des tendances. De nombreuses publicités fonctionnent bien pendant les promotions, mais ne peuvent pas générer beaucoup de retour pendant les périodes normales. L’analyse des performances publicitaires pendant les périodes hors promotion fournira une image précise de chaque segment de marché.

Si vous avez des rendements faibles de votre publicité et que vous avez l’impression d’avoir testé tout ce qui est possible, ne vous découragez pas. Au lieu de cela, essayez d’évaluer les choses d’un point de vue de la science des données. Nous avons travaillé avec de nombreuses marques qui se trouvent dans la même situation, et nous avons pu identifier rapidement des chemins viables vers une publicité rentable pour elles grâce à des données.

Dans mes prochains articles, je vais approfondir chaque approche et partager plus de leçons tirées d’études de cas réelles. Restez à l’écoute !

Si vous avez besoin d’aide en science des données ou si vous souhaitez discuter de l’une des approches mentionnées ci-dessus, n’hésitez pas à nous contacter via LinkedIn ou [email protected]. À la prochaine.

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!