Les annonceurs et distributeurs cherchent sans cesse à maximiser le ROI de leur campagne marketing et publicitaire afin d’optimiser leur budget.
Ces entreprises s’appuient sur une forte expertise analytique associée à une bonne compréhension du Marché.
Lincoln accompagne ses clients depuis plus de 15 ans sur ces sujets en faisant évoluer ses modèles pour améliorer leur performance et exploiter la force des nouveaux outils et méthodes de traitement des données.
Facteurs clés pour construire des modèles de Mix Modeling Marketing performants
L’objectif est de mettre en place des modèles automatisés permettant de mesurer l’impact de ses actions afin d’améliorer l’efficacité des campagnes suivantes.
Dans un 1ᵉʳ temps, il s’agit d’isoler l’impact des différents facteurs explicatifs de l’évolution des ventes des annonceurs. Les analyses permettront également dans un second temps d’optimiser la répartition des investissements média par levier et par campagne.
Au-delà des éléments courants à prendre en compte dans le cadre de modélisation de séries chronologiques (tels que la saisonnalité ou la tendance par exemple), un certain nombre de spécificités sont appréhendées dans notre démarche.
L’objectif ici n’est pas d’être exhaustif, mais de vous présenter quelques points clés de la méthodologie mise en place :
- Les effets de rémanences : Cette étape est indispensable à l’obtention d’une mesure correcte des impacts des différents effets média.
Il s’agit ici de prendre en compte l’effet mémoire des messages publicitaires sur les consommateurs potentiels : les messages publicitaires restent dans les mémoires des personnes qui les regardent.
L’impact d’un investissement publicitaire sur les ventes ne se fait donc pas uniquement ressentir au moment où l’investissement a lieu. Il se fait également ressentir sur les jours, les semaines et parfois même sur les mois qui suivent la campagne publicitaire. Ils servent à construire l’image de la marque !
En effet, en fonction du levier média, du canal de vente ou encore des produits sur lesquels portent le message, l’acte d’achat potentiel sera réalisé plus ou moins longtemps après la prise de connaissance de la communication média.
Notre algorithme permet d’identifier et d’appliquer la meilleure « forme » de rémanence sur chacun des leviers média et sur chaque campagne publicitaire.
- Les effets de saturation : cette notion est pareillement très importante pour appréhender au mieux l’impact des communications médias.
L’idée est ici de prendre en compte l’effet non linéaire des investissements média sur les ventes. Sur une période donnée, plus les budgets médias investis sont élevés, moins l’impact marginal apporté par le dernier euro investi sera important sur les ventes. On parle alors d’effet de saturation : à partir d’un certain niveau d’investissement, investir plus n’apportera pas davantage de chiffre d’affaires incrémental à l’annonceur.
La méthodologie que nous avons mise en place intègre cette notion, elle identifie et applique aux séries d’investissements médias, la fonction de saturation la plus adaptée. C’est également sur la base de ces fonctions que l’on pourra optimiser les différents niveaux d’investissements pour chaque levier média et pour chaque campagne publicitaire à venir.
- La multi colinéarité des différents facteurs explicatifs : une des principales difficultés lorsque l’on réalise des modèles de MMM (Mix Modeling Marketing) est la corrélation qui existe entre les différentes variables explicatives des modèles.
En effet, il est très fréquent que les différentes actions menées par les annonceurs (CRM, promotions, communications média…) soient réalisées sur des périodes similaires.
Par exemple, si un annonceur met en place une campagne promotionnelle, afin que les consommateurs potentiels en prennent connaissance, l’annonceur va, bien souvent dans le même temps, communiquer sur différents leviers média (TV, radio, réseaux sociaux, affichage…). Il va peut-être également communiquer via les différents canaux de CRM qu’il a à disposition (envoie d’e-mail, de SMS).
Le processus que nous avons mis en place permet d’identifier les facteurs explicatifs corrélés entre eux et il traite cette multi-colinéarité de manière à mesurer le plus précisément possible les impacts de chaque facteur sur le business de l’annonceur.
La méthodologie mise en place permet également de mesurer les impacts liés aux événements exceptionnels.
Par « événements exceptionnels », nous entendons tous types d’événement ayant eu un impact significatif sur les ventes et qui ne sont pas facilement mesurables par l’intégration de variables explicatives supplémentaires dans le modèle.
Nous avons ajouté cette fonctionnalité à l’algorithme au moment de l’apparition du COVID-19. En effet, lors des différents confinements, les annonceurs ont observé sur leurs ventes différentes formes d’impacts. Certains annonceurs ont vu leurs ventes baisser fortement (magasins de vêtements fermés par exemple), d’autres, plus chanceux, ont pu voir leurs chiffres d’affaires augmenter (dans la grande distribution notamment).
Ainsi, nous avons mis en place une IA prenant en compte de nombreux paramètres d’influence et permettant de mesurer les impacts des campagnes sur les ventes de manière automatique.
Malgré tout l’humain reste à la base de la construction de ces projets de modélisation, le choix des variables explicatives ainsi que la mise en place d’indicateurs pertinents est primordial. Il convient également de bien paramétrer cet algorithme (identification des périodes impactées par le COVID par exemple, choix des rémanences à tester dans le modèle…). Enfin, il est aussi nécessaire de savoir interpréter les résultats en sortie de processus.
Pour obtenir un bon modèle, des compétences métiers et statistiques restent donc indispensables. Un modèle doit être statistiquement « juste » (significativité des coefficients, bonne prise en compte de l’éventuelle multicolinéarité, bon ajustement du modèle, traitement éventuel des valeurs manquantes…) et il doit également être cohérent d’un point de vue métier.
Pour optimiser vos campagnes média/marketing grâce à vos datas