Présentation de notre algorithme de réattribution omnicanale pour mesurer l’impact des campagnes média.

Comment mesurer l’efficacité des canaux marketing?

La mesure de l’efficacité d’une campagne marketing est un enjeu déterminant pour toutes les entreprises publicitaires. La multitude de canaux marketing disponibles aujourd’hui offre de nombreuses possibilités mais crée également davantage de complexité.
Dès lors, comment être sûr que toutes les actions menées sont efficaces et rentables ? Comment définir le meilleur mix marketing ? Comment les consommateurs découvrent-ils mon entreprise ? Quelle(s) publicité(s) les ont touchés ?

Il y a déjà plus d’un siècle, John Wanamaker s’interroge sur ce sujet:

“Half the money I spend on advertising is wasted; the trouble is I don’t know which half”.

John Wanamaker (1838-1922)

Fondamentales, ces questions restent d’actualité en 2022, et posent un défi au quotidien pour les experts en marketing.
Les avancées algorithmiques actuelles permettent d’apporter des éléments de réponse. Aujourd’hui, nous sommes convaincus que le data marketing est le principal vecteur d’innovation dans le secteur de la publicité.
Pour nous, la réponse aux questions précitées passe par la capacité à mettre en place un modèle de réattribution pertinent et exhaustif, qui tienne compte de tous les leviers média, qu’ils soient digitaux ou traditionnels.
Cet article illustre notre méthodologie pour la mise en place d’un modèle de réattribution omnicanal grâce à l’exploitation d’algorithmes.

Objectif : une meilleure allocation des budgets marketing.

Tout d’abord, il faut définir l’objectif de la campagne publicitaire : celle-ci a-t-elle pour but principal de faire connaître la marque (notoriété) ou d’augmenter le nombre de nouveaux clients (acquisition) ?

En fonction du but de la campagne, les techniques de mesures sont différentes.

Notoriété – La performance des campagnes marketing orientées notoriété est très difficile à mesurer, en particulier pour les médias offline. Elles ont souvent des impacts sur le long terme et les KPIs pertinents dans ce cas (tels que les visites sur le site) ne représentent que partiellement l’impact de votre campagne.
Le bouche à oreille reste complexe à mesurer, cependant la connaissance spontanée (ou assistée) de la marque est un indicateur qui peut se quantifier par des études de marché pouvant être menées par des instituts spécialisés.

Acquisition – Par contre, pour les campagnes d’acquisition, axées sur la performance (c’est-à-dire que l’objectif de la campagne est censé être mesurable), il existe des méthodologies plus ou moins avancées pour estimer leur impact. En premier lieu, l’avènement du digital a fortement aidé à quantifier les impacts.
À ce jour, presque toutes les plateformes de marketing digital donnent accès à des dashboards qui estiment le nombre de conversions que leurs campagnes ont générées. Certaines problématiques majeures émergent néanmoins de ces techniques, dont par exemple :

  • La plupart des algorithmes utilisés dépendent de méthodes de tracking. Sans rentrer dans le détail, le tracking peut être perdu dans plusieurs scénarios communément rencontrés, par exemple, le changement de devise, l’utilisation de la navigation privée ou encore à cause des contraintes liées à la régulation des données (GDPR).
    Dans ce cas, les impacts calculés par les plateformes peuvent être nettement sous-estimés.
  • Les méthodologies diffèrent d’une plateforme à l’autre, ce qui rend les comparaisons peu fiables selon les cas et tend à favoriser les plateformes « optimistes».
  • Il existe le risque de double comptage lorsqu’un client passe par deux canaux marketing.

De plus, ces estimations d’impact ne sont disponibles que pour les plateformes digitales. Pour ce qui est de l’offline, il faut trouver des solutions alternatives.

Cet article présente notre solution globale pour mesurer l’impact de toutes vos campagnes marketing (online et offline). Le but étant d’évaluer les canaux marketing individuellement et d’adapter les budgets pour chaque canal afin d’arriver à une allocation de ressources plus efficace.

Le modèle de réattribution.

Notre objectif est de mettre en place un modèle de réattribution algorithmique permettant de mesurer l’impact de l’ensemble des actions d’acquisitions, sur l’ensemble des leviers média qu’ils soient offline ou digitaux.

De nombreux chercheurs académiques ont développé ces dernières années différents algorithmes, qui, une fois assemblés et intégrés permettent de mettre au point un modèle de réattribution intelligent. Les résultats sont dès lors suffisamment performants et pertinents pour permettre de les utiliser comme outils d’aide à la décision, lors de la construction d’un plan média ou simplement pour mieux allouer les dépenses marketing.

Ce modèle d’attribution a pour but de déterminer l’impact marketing de chaque canal en fonction de comment ce dernier influence un KPI choisi. Le KPI en question peut être le nombre de nouveaux clients ou le chiffre d’affaires par exemple.

Les points forts de ce modèle est qu’il modélise toute une série d’éléments clés indispensables à la bonne évaluation des canaux marketing. Les points principaux pris en compte sont les suivants :

  1. La saisonnalité : Les chiffres augmentent naturellement en fonction de la période de l’année (par exemple avant Noël).
  2. La tendance : Évalue si le business est globalement en croissance/décroissance.
  3. L’effet marginal décroissant : En théorie, chaque CHF supplémentaire dépensé est moins performant que le précédent. Dès lors, chaque canal marketing devient marginalement non rentable à un certain niveau de dépenses.
  4. L’effet à retardement : Une publicité nécessite parfois du temps avant de déployer l’entier de son effet. Ainsi, il faut estimer l’impact non seulement durant la diffusion de la publicité mais aussi les jours, semaines suivantes.
  5. La mixité des canaux marketing : Si plusieurs canaux sont actifs en même temps, les effets se cumulent et il est parfois difficile de les distinguer.
  6. Inclusion d’effets externes : Le marketing ne se résume pas uniquement à la diffusion de publicités à travers des canaux payants. L’envoi de courriels ou la tenue d’événements peuvent fortement influencer les résultats de l’entreprise. Ces éléments peuvent être pris en compte lors de la modélisation.

Un des points forts de cet algorithme est qu’il applique la même méthodologie de calcul d’impact à tous les canaux marketing, y compris les canaux offline.

L’aspect technique/mathématique n’est pas traité dans cet article. Pour plus d’informations, nous vous invitons à nous contacter, nous sommes de véritables passionnés !

Résultats.

Selon les cas rencontrés et le but recherché, le modèle de réattribution sera utilisé de manière légèrement différente. Le cas présenté ci-dessous étudie comment une multitude de canaux marketing influe sur le chiffre d’affaires d’une entreprise.

Ceci est un exemple fictif avec des données fictives mais illustre parfaitement l’utilité de cet algorithme.

Dans l’exemple présenté, l’ensemble des dépenses marketing et du chiffre d’affaires à travers le temps ont été récoltés sur une longue période (de novembre 2016 à novembre 2019), semaine par semaine.

Une des premières choses intéressantes est de visualiser les dépenses par semaine afin de détecter des anomalies ou des périodes de forte intensité marketing. Il est capital que les données de dépenses marketing soient correctes et vérifiées afin que le modèle puisse faire un travail de qualité.

Ci-dessus, les dépenses marketing engagées par l’entreprise sur l’année 2019. On voit assez nettement que les dépenses sont accentuées en fin d’année et qu’une période creuse a lieu en milieu d’année (juin/juillet). De plus, nous voyons que l’entreprise a une stratégie marketing qui s’appuie sur des canaux online et offline. Celle-ci est active sur 5 canaux marketing différents, dont 2 online.

Une fois que la modélisation a eu lieu, il est possible de visualiser les résultats de plusieurs manières. Ci-dessous sont inclus les graphes les plus pertinents ainsi que l’usage que nous en faisons.

Le graphique en cascade nous permet de visualiser l’effet individuel de chaque élément inséré dans le modèle sur la période analysée (soit de novembre 2016 à novembre 2019).

Il est capital de noter qu’une partie des ventes est faite de manière naturelle (c’est-à-dire que vous fassiez ou non du marketing). Cette base de clients est appelée la baseline. Ce sont souvent des clients qui vous connaissent déjà, qui ont vu votre magasin, qui ont entendu parler de vous, etc.). Nous voyons bien sur ce graphique que la baseline représente 86.57% du chiffre d’affaires total, soit la grande partie des ventes. Le chiffre d’affaires restant, soit 13.43% est généré par les canaux marketing et les actions menées par l’entreprise telles que les événements et l’envoi de Newsletter.

De cette manière, il est possible de constater l’impact par canal marketing mais pas encore de le comparer aux coûts occasionnés par ces derniers.

Ce graphique est très informatif car il indique la part des dépenses totales engagées par chaque canal ainsi que l’effet de chaque canal sur le chiffre d’affaires (le total étant le chiffre d’affaires total généré par les canaux marketing payants). Le label sur la droite est égal au ROI, c’est-à-dire combien un CHF dépensé en marketing rapporte de chiffre d’affaires.

Les canaux qui ont le plus grand impact ne sont pas forcément ceux qui sont les plus efficaces. La TV, par exemple, a un grand effet relatif (34.39%) en grande partie parce que ces dépenses ont été importantes. Le ROI sert d’indicateur d’efficacité, plus celui-ci est grand, plus le canal est rentable. Ce graphique donne également des indications sur le niveau d’investissement optimal. De manière générale, si la part moyenne des dépenses est plus importante que la part moyenne de l’effet, l’investissement sur ce canal est vraisemblablement supérieur à son investissement optimal. Dans ces conditions, l’effet marginal d’un CHF supplémentaire sera probablement plus petit que 1.

Dans le cas présent, seul le Print semble avoir été rentable sur la période analysée (car c’est le seul ROI > 1). Cela ne signifie pas qu’il faut arrêter tous les autres canaux mais plutôt que les autres canaux étaient probablement en surinvestissement.

Les variables « Events » et « Newsletter » ne sont pas incluses dans ce graphique car celles-ci n’impliquent pas de dépenses de diffusion. Ainsi, le coût considéré est de zéro pour ces variables.

Tel qu’expliqué précédemment, cet algorithme prend en compte un effet à retardement. C’est-à-dire qu’il évalue individuellement chaque canal afin de savoir si celui-ci a un impact non seulement durant sa diffusion, mais également dans les semaines qui suivent sa diffusion.

Par exemple, l’effet à retardement de la TV est de 31.52%. Cela implique que si nous investissons 100 CHF de dépenses TV sur une semaine, ces 100 CHF auront également un impact sur les semaines suivantes. La semaine suivant la diffusion, les 100 CHF investis auront un effet à retardement équivalent à 31.52 CHF. Deux semaines après la diffusion, les 100 CHF investis auront un effet à retardement équivalent à 9.9 CHF (soit 31.52% de l’effet de la semaine précédente) et ainsi de suite. L’effet d’un CHF « meurt » peu à peu dans le temps.

Tel que montré par le graphique, chaque canal a son effet à retardement qui lui est propre. Ainsi, le Print a par exemple un effet nettement moins persistant dans le temps que la TV (mais cela ne signifie pas qu’il soit moins performant).

Le graphe ci-contre est, selon nous, le plus utile afin d’optimiser au mieux son budget marketing. Lorsque trop de dépenses sont engagées dans un canal marketing, ce dernier tend à saturer (cela est expliqué par l’effet marginal décroissant). A ce moment, un CHF supplémentaire investi génère moins qu’un CHF et le canal n’est plus rentable. Dès lors, il faut diminuer les dépenses sur ce canal afin d’essayer de trouver le point où le canal est à nouveau rentable (le point de bascule étant quand un CHF supplémentaire nous fait gagner exactement un CHF).

Pour optimiser son chiffre d’affaires (qui est le KPI choisi dans ce cas), il faudrait théoriquement se trouver sur le point de bascule de chaque canal. Tout l’art est ainsi de trouver où se situe le point de bascule pour chaque canal marketing (si celui-ci existe).

Sur le graphe ci-dessus, nous constatons que les pentes des courbes tendent à devenir plates plus le niveau de dépenses est élevé (théoriquement, cela devrait être le cas pour tous les canaux). Plus la courbe est plate, plus le canal est saturé car la dépense marketing est trop forte sur une période trop courte. Les points donnent une indication d’où nous nous trouvons sur chaque canal.

Ainsi, pour un budget fixe, il est rentable de réallouer du budget d’un canal saturé vers un canal moins saturé. Par exemple, diminuer le budget Facebook et le réallouer vers le Print est une opération neutre en termes de budget mais permet d’atteindre un meilleur chiffre d’affaires global.

Usages & conclusion.

Les résultats de ces analyses apportent une vraie valeur ajoutée car les actions que nous pouvons mettre en place ne sont plus uniquement dirigées par l’intuition mais justifiées par des faits concrets.

Ces analyses permettent d’apporter une vision logique, complémentaire à l’intuition issue de l’expérience des équipes marketing. Sans se confronter, elles se renforcent mutuellement afin de devenir un outil précieux pour de futures prises de décisions éclairées et guidées par la même volonté: la performance et la rentabilité des actions marketing.

Nous exploitons notre modèle d’attribution pour piloter les actions marketing que nous menons pour nos start-ups et nos clients.

Ainsi nous pouvons :

  • Mieux comprendre comment sont constituées les sources de ces revenus et quels sont les leviers capables d’apporter de la croissance.
  • Définir des objectifs de croissance cohérents face aux différents leviers médias.
  • Identifier les opportunités sous-exploitées et stopper les actions jugées non rentables.
  • et surtout, proposer un plan média omnicanal en dimensionnant le bon budget pour chaque levier et ainsi augmenter le retour sur investissement et la croissance tout en conservant le budget à disposition. Le cas échéant, après l’optimisation du plan média, si un levier demeure sous exploité, nous pouvons justifier de la hausse du budget média dans sa globalité.

Nous exploitons ce modèle sur de nombreux clients. Nous constatons souvent que le volume de données nécessaire pour alimenter les algorithmes est suffisant. Parfois, l’enjeu est de posséder un dataset documenté avec précision. C’est pourquoi, la première étape lors de la mise en place de notre programme Data Science consiste à auditer les données existantes, afin de proposer, le cas échéant, un projet de Data Collection méthodique, permettant à court terme, à chaque entreprise, de posséder les données adéquates pour la mise en place du modèle de réattribution.