Dans la frénésie actuelle du data-driven marketing, de nombreuses entreprises investissent dans une solution DMP (Data Management Platform). Cet outil permet de collecter et de standardiser toutes les données d’une entreprise en les associant à un individu, et de créer des segments pertinents pour l’activation média. La performance de ces outils nécessitant un grand volume de données, les sociétés e-commerce, de télécommunications et pure-players type BlaBlaCar paraissent donc naturellement avantagées sur ce terrain.

Les marques PGC (Produits de Grande Consommation) sont souvent citées comme étant celles qui disposent du moins de données consommateurs propriétaires (first party). Peu de monde va sur leurs sites web ou rejoint leurs programmes de fidélité, et leurs sites de vente de produits thématiques brandés ne sont pas toujours un succès. Par ailleurs, les informations de transaction qui ont de la valeur pour le ciblage des consommateurs sont précieusement gardées par les distributeurs. Ainsi, malgré peu de données d’enregistrement, de comportement sur site web ou de vente hors ligne, pourquoi de nombreuses grandes entreprises PGC investissent-elles dans ces outils coûteux de gestion des données first-party ?

Evidemment les sociétés PGC n’auront jamais les vastes quantités de données qu’un distributeur ou un e-commerçant peut avoir. Elles dépensent en revanche énormément en médias. Et un gros budget média entraîne proportionnellement une augmentation du volume de publicités mal ciblées. Mais les marques vont devoir s’adapter. En effet le développement des adblockers montre une volonté des consommateurs de voir des annonces mieux ciblées et moins intrusives. Deuxièmement la réduction des budgets marketing, imposée par les investisseurs de ces grands groupes impose de rationaliser chaque euro dépensé. Exit la règle de Wannamaker (« je sais que la moitié de ce que je dépense en publicité est perdu, mais je ne sais pas quelle moitié »), bonjour la DMP. La mesure et le contrôle de la fréquence globale que proposent cet outil permet par exemple de limiter les pertes et de redistribuer correctement le budget sur les cibles susceptibles de convertir. Cela nécessite un grand volume de données, que le distributeur de PGC a effectivement en abondance à travers les données médias.

Mais l’intérêt d’une gestion des données pour ces marques dépasse ce premier use case de capping dont on a déjà parlé ici. Voici quelques autres tactiques plébiscitées par les grands marketeurs PGC :

Les achats comme nouveau critère de ciblage prédictif

Les spécialistes du marketing s’éloignent progressivement du simple ciblage démographique. Le genre, l’âge et le revenu sont bien sûr toujours pertinents pour cibler la « femme, âgée de 25 à 54 ans, avec 2 enfants », mais les usages des ménages évoluent et cela ne suffit plus. Aujourd’hui, les hommes sont en effet tout autant susceptibles de faire des courses un jeudi soir que leur compagne. Les marketeurs ont vu cela et ont accordé plus de budget au ciblage comportemental, psychographique et contextuel. Est-ce cependant adapté aux PGC ?

Les marques PGC ont longtemps compris la valeur des achats passés (cartes de fidélisation et coupons), mais ils ont peiné à activer des audiences en fonction de ces données jusqu’à l’émergence des nouvelles technologies de data management. Maintenant, les marketeurs peuvent acheter les données des coupons/cartes de fidélité de certains magasins (via Datalogix ou Nieslen Catalina aux USA) et créer des segments à forte valeur ajoutée basés sur les achats. Si vous vendez des dentifrices, vous pouvez désormais varier votre message entre vos consommateurs et ceux de vos concurrents. Magique ? Non car ces segments sont petits et doivent être enrichis pour être exploitables. En outre, le temps de récupérer les données de vente des magasins, il est souvent trop tard pour optimiser un plan multimédia.

Cela dit, les spécialistes du marketing PGC constatent que les achats d’un consommateur révèlent beaucoup de la composition du ménage et de son affinité pour les autres produits d’une entreprise. Il ne semble pas évident qu’un panier contienne des couches et de la bière, jusqu’à ce que vous compreniez que maman a envoyé papa au magasin pour acheter des Pampers, et qu’il en a profité pour prendre un pack de Heineken. Ces idées façonnent les nouvelles stratégies de segmentation des audiences digitales, et ces tactiques sont de plus en plus automatisées grâce à l’utilisation de la modélisation algorithmique et du machine-learning. Plus efficace que le ciblage démographique, encore très utilisé, le ciblage par achat permet ainsi aux marques PGC d’augmenter leur portée (reach).

Optimisation de la portée par catégorie de consommateurs

Les marketeurs PGC réfléchissent constamment à la croissance de la quantité de produits qu’ils vendent, mais le dilemme du ciblage revient souvent. Qui cibler en priorité entre les consommateurs fidèles et ceux qui achètent moins régulièrement ?

Le fait de tirer parti des données permet aux marques PGC de ne pas trancher. De plus en plus, les entreprises adoptent une approche orientée fréquence qui identifie la bonne quantité de messages pour nourrir les consommateurs fidèles (peut-être 2-3 messages par mois) et amener les acheteurs modérés à des niveaux plus élevés de considération (jusqu’à 20 messages par mois). En outre, en utilisant la technologie DMP pour segmenter ces acheteurs en fonction de leur appartenance à telle ou telle catégorie, les créations peuvent être adaptées au public. Les acheteurs réguliers reçoivent ainsi des messages qui renforcent leur amour de la marque (« partage l’amour » avec Coca-Cola) et les acheteurs occasionnels des messages qui vont tenter de les convaincre (« meilleur goût », « de l’énergie pour le sport », « moins de sucre »).

Augmentation de l’impact publicitaire sur les ventes avec une communication cross-canal

Les marketeurs PGC ont des outils évolués qui montrent précisément l’impact d’une campagne média sur les ventes, et les utilisent pour ajuster leurs investissements médias en temps réel. Avec le pouvoir des DMP pour la mesure cross-canal, les sociétés PGC sont finalement en mesure d’appliquer même de petites idées pour améliorer l’efficacité des campagnes en test and learn.

Que se passe-t-il si les données révèlent qu’un mélange de 50% de messages sur la marque et 50% de messages d’actions directes augmente les téléchargements de coupons de 200% ? En d’autres termes, au lieu de simplement afficher les annonces « Céréales délicieuses », vous y mêlez quelques publicités « Achetez des céréales maintenant chez Monoprix et économisez tant ! », et vous verrez peut-être un impact énorme sur votre performance display. Malheureusement, cet insight simple n’était pas vérifiable avant que les DMP mutualisent la data cross-canal et l’associe à un individu. Ces petites techniques permettent désormais d’augmenter facilement l’impact d’une campagne sur les ventes.

Autre exemple, on affiche des messages de marque sur desktop toute la semaine, mais on met en avant une publicité plus incitative sur mobile le vendredi soir quand c’est l’heure de faire les courses. Ce call-to-action cross-canal donne de réels résultats, et implique seulement de saisir l’attention d’un consommateur favorable à la marque sur un autre appareil pour créer un impact fort. Encore une fois, une tactique simple, mais impossible sans la puissance d’un DMP.

Améliorer les performances avec le crm onboarding

La DMP est ainsi un outil indispensable pour réconcilier l’ensemble des données d’un annonceur derrière un profil. Elle n’est en revanche pas suffisante car les taux de réconciliation des profils (matching) varient fortement. Pour les clients connus de l’annonceur via un CRM, la reconnaissance de leurs entités digitales plafonne à 5-10% car il y a peu d’interaction entre une marque et ses clients sur le web (hormis sur les réseaux sociaux dont on ne peut malheureusement retirer aucune data). Ce taux peut en revanche être amélioré en ajoutant une brique CRM Onboarding (digitalisation du CRM) à la DMP, qui s’appuie sur des partenaires d’audience pour réconcilier les profils du CRM/PRM avec leurs identifiants digitaux. Cela permet d’augmenter le reach car les clients d’une marque sont souvent connus auprès de ces grands carrefours d’audience comme Webedia ou leboncoin. Même s’il reste souvent inférieur à 50%, on arrive ainsi à multiplier le taux de digitalisation du CRM par 4.

Les use cases permis par une réconciliation importante des profils clients et prospects sont nombreux : exclusion des campagnes d’acquisition, CRM display pour l’upsell ou le retargeting, réactivation des clients dormants…

Les digital marketeurs de marques de produits de grande consommation ont finalement réussi à progresser en travaillant avec des quantités relativement limitées de données. Que pouvez-vous faire avec les vôtres ? Avez-vous déjà lancé un projet DMP pour votre marque ?

Source (en anglais) : https://chrisohara.wordpress.com/2016/02/14/cpg-goes-dmp/