L’arrivée du digital a totalement modifié le modèle de marketing classique. Le parcours client se complexifie, les modèles publicitaires se doivent donc d’évoluer afin d’atteindre des consommateurs toujours plus informés et connectés.
Le re-targeting, un modèle efficace mais limité
Le re-targeting est une méthode visant à cibler des internautes ayant eu un contact avec l’annonceur. L’objectif du re-targeting est de cibler un individu ayant eu de l’intérêt pour une marque mais n’ayant pas fini son processus d’achat, ou seulement de manière partielle (exemple : un seul produit acheté sur plusieurs consultés).
Afin d’éviter de promouvoir des produits déjà achetés par un client. La méthode de dynamic retargeting a été mise en place. Cette méthode cible un internaute et adapte la créa (DCO: dynamic creative optimization) selon le parcours de l’internaute sur le site internet. La créa va ainsi adapter le prix et le produit proposé selon la navigation de l’internaute ciblé. Cette méthode permet de connecter les clients à l’annonceur et de personnaliser les contenus publicitaires.
Malgré cette innovation le re-targeting, de par son principe, ne cible que les internautes ayant visité le site de l’annonceur, l’audience atteinte peut donc s’avérer limitée.
Afin de contrer cette lacune, de nouvelles techniques de prospection visant à élargir l’audience ciblée sont apparues.
Le look-alike modeling pour étendre son audience
Le look-alike modeling est une technique de marketing digital ayant pour objectif de repérer les clients les plus fidèles ou engagés auprès d’une marque afin de cibler des prospects ayant un comportement similaire. Ces internautes auraient statistiquement plus de chance d’être convertis en client[1].
Le fonctionnement de cette méthode est assez simple. Il convient dans un premier temps de construire une audience, nommée segment initial. Ce segment est construit via la DMP de l’annonceur. Ce segment se veut être une audience particulièrement intéressante ; il peut s’agir d’une audience très engagée, d’une audience ayant passé une commande récemment, d’une audience passant des commandes de manière habituelle etc.[2]. Ensuite, il convient dans un second temps de faire appel à un acteur tiers afin qu’il identifie, dans un large bassin d’audience, la population ressemblant le plus au segment initial. On parle ici de jumeaux statistiques[3].
L’acteur tiers disposant de la Third party data et connaissant le bassin d’audience va ainsi coupler le segment initial de la DMP de l’annonceur avec ses données afin d’évaluer le pourcentage de similarité entre les audiences.
Il existe deux méthodes pour segmenter le bassin d’audience:
- La méthode supervisée qui cherche à modéliser le lien entre les variables descriptives et les variables comportementale[4]. L’algorithme cherche ainsi à savoir si il existe un lien entre la consommation d’un client et la catégorie socio professionnel, les revenus etc.
- La méthode non supervisée visant quant à elle à créer des clusters d’individus en utilisant les données descriptives[5].
L’objectif du look-alike modeling est bien entendu d’améliorer l’efficacité des campagnes publicitaires et d’optimiser les dépenses budgétaires en ciblant uniquement les internautes ayant un profil proche des clients existants.
Selon une étude réalisée par Exelate, entreprise spécialisée dans les études marketing et appartenant au groupe Nielsen[6], le look-alike modeling permettrait de tripler les résultat des campagnes par rapport au simple targeting[7]. Malgré tout, cette technique serait encore peu connue des entreprises puisque plus de 25% des annonceurs sondés qui réalisent du targeting en ligne ne sauraient pas ce qu’est le look-alike modeling.
Un modèle reposant sur la donnée tierce
Le succès d’une campagne de look-alike repose sur la qualité de la donnée Third party ainsi que sur la capacité de l’acteur tiers à coupler ses propres données avec celles provenant de la DMP de l’annonceur.
L’acteur tiers doit ainsi réussir à définir une audience qui soit proche du segment statistique sans pour autant qu’elle soit limitée.
Facebook se place aujourd’hui comme l’acteur le plus performant dans ce domaine. Le réseau social dispose de 1,7 milliard d’utilisateurs actifs par mois dans le monde et plus de 30 millions en France[8]. Ce bassin d’audience faramineux ainsi que sa capacité à cibler via les données fournies par ses utilisateurs (likes, commentaires, log in with Facebook etc.) ont permis à Facebook d’exceller dans les campagnes look-alike.
Pour créer une audience similaire, Facebook utilise une audience source créée par l’annonceur qui doit détenir au moins 100 individus. Cette audience source peut être créée de différente manière[9] :
- Audience personnalisées : Facebook utilise les données fournies par la DMP de l’annonceur afin de cibler des individus similaires à cette audience.
- Page Facebook : Facebook cible les individus proches des fans de la page Facebook de l’annonceur.
- Visiteurs de votre site : Dans ce cas, il est nécessaire d’installer un tag sur une page du site web de l’annonceur (Home page, page produit etc.) afin que Facebook puisse analyser l’audience et créer une audience similaire[10].
L’algorithme de Facebook analysera par la suite ses données afin de trouver une audience similaire. Ce processus prend entre 6 et 24 heures. L’audience similaire sera par ailleurs actualisée afin d’améliorer le processus de ciblage de manière continue. Selon Facebook, l’utilisation du look-alike modeling aurait permis de doubler le taux de conversation propspect/client de ses campagnes publicitaires[11].
[1] http://www.netmarketing.fr/publicite-digitale/346-lookalike-modelling
[2] http://www.clauer.fr/2016/08/look-alike-modeling-third-party-data/
[3] http://www.m13h.com/blog/lookalike-promesses-a-performance/
[4] http://ressources.aunege.fr/nuxeo/site/esupversions/83e876d5-3c45-45cb-a888-2af03045ca8e/co/L3_1_4_comment_segmenter.html
[5] http://www.m13h.com/blog/lookalike-promesses-a-performance/
[6] https://www.linkedin.com/company/exelate
[7] http://exelate.com/resources/videos/25-advertisers-cant-define-lookalike-modeling/
[8] http://www.blogdumoderateur.com/chiffres-facebook/
[9] https://www.facebook.com/business/help/231114077092092
[10]https://www.facebook.com/business/a/lookalike-audiences
[11]https://www.facebook.com/business/a/lookalike-audiences
