Réinventer les règles du jeu : Mesure marketing bonifiée grâce à l’intelligence prédictive et aux données

Les spécialistes du marketing cherchent sans cesse à enrichir leur coffre à outils. Mais si l’enjeu n’était pas de posséder le bon outil?

Comme Henry Ford l’a si bien dit : « Si j’avais demandé aux gens ce qu’ils voulaient, ils auraient répondu des chevaux plus rapides. » Car sa clientèle ne savait pas qu’une voiture lui serait utile avant qu’elle ne soit inventée.

De la même façon, les spécialistes du marketing utilisent différents outils pour développer leur activité. Or, les approches habituelles sont dépassées : elles n’ont pas suivi l’évolution du comportement des acheteur.euse.s.

Le parcours des consommateur.trice.s est plus complexe et non linéaire que jamais. De plus, la réglementation et les attentes entourant la protection de vie privée rendent l’analyse de ce parcours – et encore plus son optimisation – avec les outils actuels pratiquement impossible. Comme les techniques et les outils de mesure ont très peu évolué au cours des dix dernières années, les spécialistes du marketing n’ont d’autres choix que de faire des suppositions pour mieux comprendre la clientèle et concevoir une campagne adaptée.

En effet, les solutions de mesure actuelles offrent une perspective incomplète et inexacte du parcours des acheteur.euse.s en raison de problèmes liés à la qualité des données, à la cohérence, etc. S’il est déjà difficile d’obtenir une vue d’ensemble des canaux hors ligne, la faible visibilité sur les plateformes fermées (jardins fermés) complique davantage la situation.

Les campagnes numériques ont un taux de correspondance entre 29 % et 62 %, selon Google Ads, ou plafonnent à 63 % selon Nielsen. À cela s’ajoute le fait que le parcours des consommateur.trice.s sont de plus en plus complexes : 61 % des entreprises affirment qu’il y a plus de canaux que jamais à mesurer (The CMO Survey, p.15), et ce chiffre atteint 77 % dans l’espace entreprise à consommateur (B2C). C’est donc encore plus difficile d’avoir une vue d’ensemble du parcours d’achat. 

Le paysage de la protection de la vie privée évolue également. Cela touche non seulement la réglementation, mais aussi les consommateur.trice.s. Alors que de nombreuses entreprises réagissent à l’avènement d’un monde sans témoins en enrichissant leurs données internes, 43 % des consommateur.trice.s pensent ne pas pouvoir protéger efficacement leurs données et se sentent contraint.e.s d’accepter la façon dont l’entreprise utilisera leurs données en échange d’un service. (Source : Cisco Consumer Privacy Survey).  

Plusieurs spécialistes du marketing utilisent deux types d’outils pour leurs campagnes. L’outil le plus couramment employé est l’attribution multi-touch (MTA), qui recueille des données individuelles sur les utilisateur.trice.s relativement aux médias ciblés (qui peuvent être suivis) ou aux processus de conversion afin de déterminer l’impact de chaque média sur la conversion des consommateur.trice.s. Le second, le media mix modeling (MMM), utilise la corrélation collective (l’analyse de régression) pour cerner et mesurer les effets du marketing mix et de l’environnement du marché sur les ventes. 

Bien qu’il existe des dizaines d’outils de marketing, ces derniers ne sont que des variations d’un même processus de mesure. D’une part, ils offrent différents résultats ou mesures pour les mêmes questions sous-jacentes. D’une autre, ils s’appuient tous sur des utilisations similaires des données accessibles pour l’analyse. 

De plus, ces outils reposent uniquement sur les données dont disposent les spécialistes du marketing et ne fournissent donc qu’une vue limitée ou imprécise du parcours client.

Certaines limites du mixed media modeling (MMM) :

• Les résultats sont très opaques et ne sont visibles que dans une vue d’ensemble. Les détails (relatifs aux campagnes, aux utilisateur.trice.s, aux pièces créatives et aux messages) sont approximatifs.

• Les différences des individus en matière de leur exposition au marketing, de leur réponse à celui-ci et de leur réaction aux messages, aux pièces créatives et aux stratégies de marketing ne sont pas considérées.

• La corrélation entre les ventes et les messages, les pièces créatives et les stratégies de marketing est exclue de l’analyse, ce qui biaise les résultats. 

• Les décisions prises sans tenir compte de ces différences d’exposition et de réaction aux messages, aux pièces créatives et aux stratégies sont sous-optimales.

• Le processus requiert beaucoup de ressources et de temps et s’échelonne sur plusieurs semaines et mois. Il est généralement effectué une fois par an seulement.

• Ce modèle se fonde sur la supposition que les données sont statiques, alors que les gens, l’économie et les autres facteurs sont en évolution constante.

• Les modèles d’attribution sont dépassés et reposent sur des sources d’information uniques.

Certaines limites de l’attribution multi-touch (MTA) :

• Une dépendance envers le suivi des données des utilisateur.trice.s (notamment les témoins, en voie d’être supprimés), qui offre une vue incomplète. 

• Une omission de facteurs pertinents, également en lien avec les ventes, qui biaise grandement le processus de mesure. 

• La majorité des méthodes de MTA ne tiennent pas compte de facteurs inobservés qui contribuent aux ventes. Elles ne conduisent pas à des recommandations exploitables en lien avec le parcours de conversion pour la plupart des produits et services commercialisés.

• Tous et toutes les client.e.s sont traité.e.s de la même manière. Cette méthode ne cerne pas les différences d’impact selon le profil de la clientèle.

• Le premier et le dernier point de contact sont mesurés, mais il y a un décalage de temps.

• La méthode MTA exige le suivi et la connexion à tous les médias en lien avec l’appareil et l’identifiant unique haché. Elle ne tient pas en compte les médias non ciblés, qui ne peuvent être suivis et ne peuvent être rattachés à des individus (matériel imprimé, radio et télévision traditionnelles).

Nous sommes désormais à l’ère post-témoin, et les entreprises utilisent plus de canaux que jamais pour entrer en contact avec leur clientèle. Les spécialistes du marketing ont besoin d’un système qui appuie réellement ses mesures sur les consommateur.trice.s, et non sur leurs appareils. 

Une autre des faiblesses des outils de marketing actuels est que ces derniers ne prédisent pas de manière précise le comportement futur des client.e.s : ils n’offrent qu’une vue partielle de ses actions passées.

L’intelligence artificielle représente une occasion pour les spécialistes du marketing de délaisser leurs outils dépassés pour penser différemment le système de mesure dans sa globalité. Il est désormais possible de changer la façon dont nous utilisons les données pour planifier, déployer et optimiser des campagnes. 

L’IA comme occasion d’effectuer des tests, d’apprendre et d’avoir des succès par l’essai-erreur : l’analogie avec l’intelligence humaine

Que nous en ayons conscience ou non, nous vivons dans une période d’entre-deux, qui suit l’introduction d’une nouvelle technologie, mais qui précède son adoption massive, comme le décrivent Avi Goldfarb, Ajay Agrawal et Joshua Gans dans leur livre Power and Prediction : The Disruptive Economics of Artificial Intelligence.  

En tant que système prédictif, l’intelligence artificielle ouvre une voie inédite aux spécialistes du marketing pour la planification des campagnes. 

L’IA n’est pas un nouvel outil de marketing, mais une nouvelle méthode de travail. C’est un système complètement nouveau, qui va révolutionner le processus de marketing, accroître la valeur apportée aux entreprises et propulser la croissance commerciale. 

L’intelligence artificielle offre aux spécialistes du marketing la possibilité de dissocier la prédiction et le jugement. Traditionnellement, la prédiction et le jugement ont coexisté, et les spécialistes du marketing ont utilisé des outils pour mieux comprendre leur clientèle. Nous avons usé de notre jugement pour orienter nos prédictions au lieu de nous appuyer sur notre jugement pour réfléchir à la manière d’agir selon les prédictions générées par la compréhension de l’expérience humaine.

En mettant à profit l’intelligence prédictive de l’IA, les spécialistes du marketing peuvent préciser l’analyse pour créer des vues plus complètes et fiables du parcours client. L’intelligence artificielle peut partir d’un résultat (comme un achat) et analyser d’énormes quantités de données en les complétant au besoin. La prédiction lui permet de discerner des tendances comportementales.

Plus l’intelligence artificielle reçoit de données sur l’exposition et les conversions, et plus le jugement humain est codé dans l’intelligence artificielle, meilleure est la capacité de cette dernière à formuler des recommandations qui conduisent aux résultats souhaités. Elle peut créer un modèle de prédiction moins coûteux, qui peut constamment être mis à jour en s’adaptant au marché. L’IA peut analyser des données et différents degrés de granularité (par exemple, utilisateur.trice ou ensemble) en temps réel, ce qui lui permet de surmonter les limites des outils traditionnels utilisés pour l’analyse marketing.

L’IA est une machine à prédire qui permet aux spécialistes du marketing de mettre au point des campagnes basées sur le comportement de la clientèle. Pour ce faire, elle examine ses apprentissages, en les mettant à jour et en codant le cadre de jugement qui la rend plus puissante et dynamique que les autres outils.  

 l’IA propulse le ROMI

De quelle façon le redéploiement stratégique de la communication marketing d’une entreprise a conduit à sa réussite commerciale

Ce fournisseur de soins de télémédecine allouait une portion importante de son budget marketing à la publicité sur Facebook. Toutefois, le retour sur investissement marketing (ROMI) n’était pas satisfaisant. Même après que l’entreprise ait tenté d’optimiser son marketing sur Facebook de diverses façons, son coût par acquisition (CPA) demeurait trop élevé.

L’entreprise s’est donc tournée vers Plus AIOS, une solution de mesure et d’optimisation du marketing alimentée par l’IA qui permet aux entreprises d’exploiter de vase ensembles de données et d’analyse prédictives pour guider leurs décisions en matière d’attribution des médias.

Grâce à Plus AIOS, le fournisseur de soins de télémédecine a commencé à analyser ses stratégies marketing et l’efficacité de ses campagnes grâce à un large éventail de données dont : données démographiques, impressions publicitaires, message, pièce créative, tactique, temps, interactions de la clientèle, visite du site web et taux de conversion pour toutes les plateformes publicitaires.

Un élément d’information particulièrement intéressant en est ressorti. Les données ont démontré que la campagne sur Facebook était moins efficace que celle sur YouTube. Non seulement les taux d’engagement étaient plus faibles sur Facebook, mais le coût d’acquisition de nouvelle clientèle était également plus élevé, tandis que le taux d’engagement était plus élevé sur YouTube.

L’intelligence prédictive a aiguillé les décisions relatives à la campagne.

Munie de ces recommandations exploitables, l’entreprise a pris la décision stratégique, au cours du dernier semestre de 2022, de réattribuer une part importante de son budget marketing de Facebook à YouTube, tout en optimisant sa stratégie de campagne créative sur Facebook.

Le changement a été exécuté de manière itérative et prudente, ce qui a permis une transition en douceur. Un aspect intéressant de l’AIOS est que les client.e.s peuvent également voir en temps réel et valider les résultats de leur lente réattribution sur le marché, ce qui contribue à renforcer la décision initiale de procéder à cette réattribution. Grâce à Plus AIOS, l’entreprise a commencé par réduire lentement son budget publicitaire sur Facebook tout en augmentant ses dépenses sur YouTube. 

L’entreprise a mis à profit les différents formats publicitaires de YouTube, optimisés pour les utilisateur.trice.s mobiles (qui constituent la majorité de la base d’utilisateur.trice.s de YouTube) et créé un contenu vidéo de haute qualité adapté à son public cible.

Résultats

Le changement de stratégie a porté ses fruits. En peu de temps, le fournisseur de télémédecine a constaté une augmentation des conversions, suivie d’une diminution de son coût par acquisition (CPA). Les taux d’engagement se sont améliorés de manière significative, et l’entreprise a observé une augmentation considérable du taux de conversion à partir des publicités sur YouTube.

De plus, la reconnaissance de la marque de l’entreprise s’est améliorée grâce à sa présence plus importante sur YouTube. Cela a conduit à une augmentation du trafic organique sur son site web, réduisant encore sa dépendance envers la publicité payante et diminuant son CPA général.

Apprentissages

1. Comprendre les données pour raconter l’histoire que vous souhaitez : 

     Les décisions fondées sur des données conduisent à de meilleurs résultats commerciaux. Grâce à Plus AIOS, qui dissocie l’analyse prédictive du jugement, ce fournisseur de soins de télémédecine a obtenu des recommandations qui ont amélioré la stratégie marketing plus efficace.

2. Être adaptable :   

   Bien qu’elle ait investi de manière importante sur Facebook, l’entreprise était prête à modifier sa stratégie en fonction des données recueillies. Sa capacité d’adaptation a été cruciale pour son succès.

3. Adopter une mentalité essai-erreur :

       La réattribution stratégique des fonds a permis à l’entreprise d’expérimenter. Grâce à Plus AIOS, elle a effectué des tests de synthèse avec différentes plateformes de marketing. La transition réussie vers YouTube démontre l’importance de la mentalité essai-erreur en matière d’investissements marketing.

Comment fonctionne Plus AIOS?

Plus AIOS est un système intelligent tout-en-un pour le marketing. Basé sur l’intelligence prédictive, il relie tous les points de contact et mesure continuellement vos performances créatives pour contribuer à votre succès. Plus AIOS ouvre le champ des possibles.

Plus AIOS ne commence pas par examiner les canaux pour projeter les conversions. Il s’intéresse plutôt à l’objectif final ou au résultat (par exemple, un ou une client.e effectue un achat), puis il examine l’ensemble de la clientèle qui a acheté ce produit et analyse leur processus d’achat en le remontant jusqu’à la source. Cela revient à cerner toutes les étapes menant les consommateur.trice.s jusqu’à l’achat, de la consultation d’une publicité à la lecture d’avis d’acheteur.se.s en ligne. 

Il n’est pas nécessaire de fournir à AIOS des années de résultats de vente détaillés ou tous les points de données concernant la clientèle. À la façon d’un vendeur ou d’une vendeuse qui remarque les intérêts communs de la clientèle, AIOS commence à dégager des modèles à partir des informations dont vous disposez, en comblant les lacunes des données manquantes. Plus on lui fournit de données, plus AIOS devient habile à prédire ce qui conduira au résultat recherché (par exemple, une vente).

AIOS présente une vision dynamique du marché. Comme le vendeur ou la vendeuse qui sait ce qui influence les décisions d’achat de la clientèle, il tient compte de la saisonnalité et de la conjoncture économique dans les recommandations qu’il formule. Il est également suffisamment intelligent pour comprendre qu’une exposition répétée à une campagne peut augmenter la propension à l’achat de certaines personnes. En s’adaptant continuellement à ces facteurs changeants, AIOS oriente les efforts de marketing et de vente pour établir un lien avec la clientèle de la manière la plus efficace possible. 

Recommandations :

Utilisez l’intelligence artificielle comme outil prédictif

Dissociez la prédiction et le jugement tels qu’ils sont habituellement utilisés dans les campagnes de marketing. Mettez à profit l’intelligence artificielle pour analyser d’énormes quantités de données afin de cerner des modèles et de fournir des informations qui, combinées avec le jugement humain, peuvent créer des stratégies de campagnes fructueuses.

Faites de la clientèle votre priorité

Concentrez-vous sur votre clientèle. Plutôt que de cartographier le succès de vos plateformes commerciales, partez de l’endroit où les client.e.s ont effectué un achat et utilisez l’analyse prédictive pour mieux comprendre comment ils et elles s’y sont rendu.e.s. 

Adopter une mentalité essai-erreur en temps réel

Ayez conscience que le parcours client moderne ne correspond pas aux modèles créés il y a des années, qui ne suivent les résultats des campagnes qu’une ou deux fois par an. La mise en œuvre d’un système de mesure tout-en-un basé sur l’analyse prédictive permet aux spécialistes du marketing d’effectuer des tests et d’apprendre, en acquérant une compréhension plus complète du parcours de la clientèle en temps réel.