Synthèse du Webinar du 30.01.2019

[SYNTHÈSE] [WEBINAR] QUELS ROI LES ANNONCEURS OBTIENNENT-ILS D’UNE STRATÉGIE MARKETING DATA-DRIVEN ?V

Dans tous les projets d’entreprise d’envergure, la question du ROI est au centre de toutes les réflexions. Les projets data ne font pas exception. Alors, quels sont les bénéfices avérés d’une stratégie marketing data-driven ? Sur quels critères mesurer la performance d’un projet data ? Weborama s’est penché sur ces épineuses questions dans son Webinar du 30 janvier 2019, en s’appuyant sur l’expérience d’un annonceur de l’univers du luxe.

Projet data : un ROI peut en cacher un autre

Mettons tout de suite les pieds dans le plat. Il n’y a pas UN projet data, mais DES projets data. Et quand on parle de “data”, encore faut-il s’entendre sur la nature même de ces données : parle-t-on de la data chiffrée, structurée, ou de données sémantiques, riches en connaissance client mais plus complexes à mesurer ? Dans les deux cas, la question du ROI est légitime. Mais selon les spécificités de votre marché, la maturité data de votre sponsor, le périmètre ou la durée de votre projet, le ROI ne se mesurera pas de la même manière. Et les niveaux de performance attendus seront différents. Attention donc aux raccourcis ou aux conclusions hâtives !

Du ROI à tous les étages

Dans notre webinar du 30 janvier 2019, nous nous sommes penchés sur le cas concret d’une entreprise traditionnelle du luxe pour illustrer les différents types de ROI envisageables. Le cas d’usage que nous avons analysé est orienté média, dans un univers plutôt offline, où le coût d’achat d’espaces est relativement onéreux. La question est de savoir si la data va permettre à l’annonceur d’améliorer le ciblage de ses prochaines campagnes pour en optimiser le coût.

Mais avant d’en arriver là, voyons les étapes projets qui ont permis à l’annonceur de générer des bénéfices intermédiaires :

1)  La création d’un data lab

Pour l’annonceur, la première étape a été de créer en interne une équipe pluridisciplinaire (des personnes du marketing, des data scientists, du CRM, de la DSI, du juridique, etc.) pour s’emparer du sujet de la data. Cette étape a abouti à la création d’un datalake, regroupant l’ensemble des data first party de l’entreprise.

Bénéfices réels, qualitatifs :

> désilotage des départements de l’entreprise

> convergence des données first party pour faciliter leur analyse

> diffusion de la bonne parole “data” dans l’entreprise 

2)  Enrichissement du datalake avec de la donnée externe

La donnée tierce partie, issue de l’analyse des contenus consommés par les internautes sur le web, est ensuite venue enrichir les profils issus du CRM ou du site internet de la marque avec de l’information comportementale : centres d’intérêt, moments de vie, affect à une marque, appétence à un univers, affinité à un produit…

Bénéfices réels, qualitatifs :

> amélioration de la connaissance client

> augmentation significative du volume de profils qualifiés grâce à la technique du look-alike sur les bases Weborama

3)  Lancement d’un projet data orienté média

L’annonceur a mis en ligne une vidéo sur les plateformes de quatre diffuseurs premium (de type Vogue, Figaro Madame…), sur une courte période, durant la Fashion Week. Pour mesurer la performance de l’utilisation de la data dans ce cas spécifique, il a été convenu de comparer le taux de complétion de la vidéo entre un segment témoin de profils sans appétence particulière pour le luxe, des segments composés de profils issus des bases propriétaires de l’annonceur (CRM et visiteurs du site de la marque) et des segments de profils qualifiés par Weborama.

Bénéfices quantitatifs :

> Des optimisations de ciblage sont possibles, puisque les campagnes de l’annonceur sur ces canaux traditionnels touchent 49% de personnes n’ayant aucune intention d’acheter un produit de la marque.

> Le taux de complétion (en %) sur les segments Weborama est 2,5 fois supérieure à celle des segments témoins non qualifiés.

> La performance (en %) des segments créés à partir de données 3rd party est d’un niveau comparable à celle des segments 1st party. Mais les volumes de profils qualifiés sont significativement différents.

Ce qu’il faut retenir :  
– La data permet de constater, mais aussi de prédire des comportements d’achat quand on lui applique de la contextualisation et de l’IA sémantique.  

– Les ROIs de la data sont réels, multiples, spécifiques, mais parfois peu quantifiables : on parle d’opportunités business, d’opportunités de connaissance client et d’opportunités d’optimisation des process existants.   

– La data 3rd party permet de cibler des millions de profils qualifiés, quand la donnée first party est sur l’échelle du millier ou de la dizaine de milliers de profils connus.

Exemples de ROI constaté sur différents marchés – Source Weborama

Vous devez être connecté dans pour poster un commentaire.