Lorsque vos clients reçoivent des primes/cadeaux pour référer de nouveaux clients, au delà de l’apport direct de nouveaux clients, cela crée un effet boule de neige très positif sur la gestion de vos campagnes. Sachez en profiter !
Pourquoi la prise en compte du referral impacte-t-elle l’optimisation d’une campagne marketing au profit ?
Comme nous avons pu le voir dans le chapitre précédent (comment calibrer les campagnes marketing pour maximiser son profit), une campagne optimisée pour maximiser le profit est une campagne qui cherche pour chaque point d’acquisition à se situer au sommet de la courbe de profit.
La fonction de maximisation du profit étant définie pour une période donnée par :
Y = (Nombre de clients acquis x LTV) – coût d’acquisition
Le nombre de clients acquis ainsi que les coûts d’acquisition étant des valeurs qui résultent de la fonction de maximisation, la seule constante à définir est la LTV (LifeTime Value).
Le premier article explique comment calculer la LTV. Cependant, la LTV correspond à la valeur d’un client, mais elle n’intègre pas les effets indirects positifs d’un client. Pour cela il nous faut définir une nouvelle valeur, la LTV Extended (LTVext).
Le premier élément à intégrer dans le calcul de la LTVext est le referral (un client gagne une prime en en amenant un autre, qui lui aussi peut bénéficier parfois d’une prime).
Pourquoi l’effet du referral doit-il être considéré ?
Si un budget marketing amène un client, et que celui-ci ramène un autre client, sans la campagne marketing initiale, aucun de ces 2 clients ne se serait inscrit. Si l’on considère uniquement le premier client comme provenant de la campagne, on sous évalue l’effet de cette campagne.
Détails de la méthode pour calculer la LTVext
Données (exemple) :
| LTV d’un client provenant du canal X | 600 |
| LTV d’un référé (*1) | 700 |
| Bonus financier offert au référant | 30 |
| Bonus financier offert au référé | 20 |
Sur une période donnée :
| Nombre de nouveaux clients directs (D) acquis sur le canal X | 5 |
| Nombre de clients référés (R) provenant des clients D | 2 |
Analyse de la LTVext
| CA projeté des clients D (basé sur la LTV) 5 clients x 600 LTV |
3’000 |
| CA projeté des clients R 2 clients x 700 LTV |
1’400 |
| Coût d’acquisition des clients R (*2) 2 bonus référés + 2 bonus référents |
100 |
| CA projeté des referrals corrigé des coûts du referral 1’400 – 100 |
1’300 |
| CA projeté total corrigé des coûts du referral 3’000 + 1’300 |
4’300 |
LTVext pour un client provenant du canal X : (4’300 / 5) = 860
Conclusion
Ainsi nous constatons qu’un nouveau client provenant de la campagne, une fois le referral pris en compte, augmente sa valeur pour passer de 600 à 860 dans notre exemple. Cela modifie considérablement les équilibres marketing puisque ça nous permet soit de recalibrer les bids, soit d’envisager des canaux marketing dont le coût d’acquisition direct est supérieur à 600 (mais inférieur à 860), et ainsi augmenter considérablement les volumes.
La prise en compte du referral dans l’optimisation des campagnes influence considérablement la politique d’investissements marketing. L’impact final sur la croissance et le profit sera véritablement gamechanger.
(*1) La LTV d’un referral est souvent plus importante que la LTV d’un client provenant directement d’une campagne, car comme le service lui a été recommandé, il est plus fidèle.
(*2) Dans un modèle de données consistant, les bonus offerts au référant et au référé doivent être considérés comme un coût d’acquisition du référé, et non comme une baisse du chiffre d’affaire.
Pour fêter le lancement de notre agence digitale marketing, nous avons décidé de publier nos méthodologies. Celles-ci ont été développées, expérimentées et ont démontré leur nette valeur ajoutée dans le cadre de l’accompagnement de nombreuses startups à succès. Elles sont aujourd’hui aussi bien appliquées pour faire croître des PME que des multinationales.
