Achat programmatique : 5 tactiques pour aller au-delà du Google Display Network
Le marketing de Display évolue rapidement avec la croissance des achats programmatiques. Google a contribué à cette croissance avec le Google Display Network, mais cette plateforme demeure limitée en termes de contrôle, de possibilités de ciblage et de variété des sites disponibles.
En média numérique, le nerf de la guerre est l’audience. On qualifie d’audience les segments d’utilisateurs potentiellement disponibles en ligne pour recevoir nos messages publicitaires. Ultimement, dans un modèle à la performance, on veut utiliser tous les outils et toutes les données disponibles sur les utilisateurs afin de présenter nos publicités uniquement à ceux qui sont susceptibles d’être intéressés. Plus on segmente nos utilisateurs et plus on teste une grande variété de tactiques, mieux on est équipé pour maximiser l’efficacité d’une campagne.
En appliquant ces 5 tactiques, vous ne payerez que pour parler aux utilisateurs qui ont un vrai potentiel de conversion!
Les données de tierce partie
1. L’audience prédictive : identifier les segments qui réagissent à vos annonces
Il existe un grand nombre de fournisseurs de données tierce partie en ce moment. Certains DSP sont connectés à plus d’une trentaine de fournisseurs, ce qui représente des dizaines de milliers de segments d’audience à notre disposition. Il peut être difficile de s’y retrouver et l’identification des segments les plus performants devient rapidement un enjeu. L’audience prédictive consiste à utiliser un algorithme pour tester différents segments à partir d’objectifs prédéterminés. On peut concentrer l’optimisation sur les clics et le CTR ou sur les conversions et le CPA. L’algorithme identifie les meilleurs segments et augmente leur budget, tandis qu’il réduit les dépenses des segments moins performants.
Prenons l’exemple d’un musée qui lance une exposition de photographies historiques sur la guerre. Le musée veut rejoindre la clientèle de sa région qui sera intéressée par la thématique de l’exposition. Nous indiquons donc au système qu’il s’agit d’une exposition et que nous voulons maximiser les ventes de billets en ligne. L’algorithme identifiera une quantité de segments à tester et adaptera les dépenses en fonction de la performance. Au final, les résultats peuvent être surprenants tel qu’une forte réaction des segments foodies ou d’amateurs de musique jazz. On peut généralement observer une corrélation entre notre clientèle cible et des segments qui ne sont pas directement en lien avec notre campagne. Avec cette nouvelle information, on peut ajuster les créatifs et tester de nouvelles pistes en lien avec les intérêts de notre cible.
2. L’audience look-alike : trouver les utilisateurs semblables à vos visiteurs
Dans le même ordre d’idées, voici une deuxième tactique qui permet de sélectionner des segments de tierce partie de façon objective. Pour la tactique look-alike, il faut d’abord bâtir une audience. Celle-ci peut être l’audience générale de notre site Web ou un segment plus spécifique de nos utilisateurs. Le système va alors comparer l’audience sélectionnée aux segments de tierce partie et identifier ceux pour lesquels il y a une forte corrélation. Nous pourrons ensuite isoler les segments look-alike et cibler les utilisateurs ayant des comportements en ligne qui ressemblent à ceux de nos utilisateurs.
Ce type de stratégie s’applique entre autres à des sites de type e-commerce. Dans le cas du musée, on peut segmenter les visiteurs de notre site en identifiant ceux qui ont navigué sur l’ensemble de notre site, ceux qui ont vu la page décrivant l’exposition que nous voulons promouvoir et ceux qui ont acheté un billet en ligne après avoir visité la page de l’exposition. L’idéal est toujours de bâtir l’audience look-alike à partir de nos utilisateurs qui ont généré une conversion, donc qui ont acheté un billet. L’outil look-alike va identifier les segments d’utilisateurs qui ont un comportement similaire à nos utilisateurs et il ne restera qu’à choisir ceux que l’on veut cibler.
Le modalisateur de look-alike demande différents prérequis dépendamment de la plateforme que l’on utilise. Dans Facebook Marketplace, on peut créer un segment look-alike à partir de quelques centaines de témoins, tandis que dans certaines plateformes RTB, le minimum requis peut être de plus d’une dizaine de milliers de témoins. Il est certain que plus la taille de l’audience initiale est grande, plus précise sera le modèle look-alike.
3. Le remarketing de recherche : cibler les utilisateurs selon leurs recherches en ligne
Bien que cette tactique contienne le terme « remarketing », il s’agit d’acquisition de nouveaux utilisateurs puisqu’elle est basée uniquement sur des données de tierce partie. Le remarketing de recherche consiste à cibler des utilisateurs ayant utilisé différents mots-clés dans des engins de recherche tel que Google ou Yahoo, mais aussi des portails comme MSN, About, WikiHow, etc. L’annonceur doit donc bâtir une liste de mots-clés et regrouper ces derniers de façon similaire à une campagne SEM. On peut segmenter les audiences selon les catégories de mots-clés et optimiser à la performance. Ce type de ciblage est particulièrement performant dans les milieux où le marketing de recherche est très compétitif. C’est un moyen efficace de contourner les mises élevées entraînées par la compétition. Ce ciblage est également plus subtil, dans la mesure où les compétiteurs ne peuvent pas savoir que nous ciblons leurs utilisateurs après la recherche. Il est donc possible de cibler les internautes de la compétition sans nécessairement acheter leurs mots-clés de marque et risquer une guerre d’enchère qui pourrait vous nuire.
Pour le cas de notre exposition, on peut bâtir une catégorie de mots-clés en lien avec la photographie, la guerre, des idées de sortie et les musées en général. Nous lancerons d’abord les quatre catégories de mots-clés, et après quelques jours, on pourra identifier une ou deux catégories qui démontrent plus d’intérêt pour nos annonces. À ce moment, on ajustera notre budget afin de maximiser nos conversions.
Les données primaires (First Party Data)
4. Le cookie matching : retrouvez les clients de votre CRM en ligne
Au-delà du remarketing d’utilisateurs ayant visité notre site Internet, on peut également cibler des utilisateurs à partir de leur adresse courriel ou leur adresse postale. Nous faisons affaire avec des fournisseurs de tierce partie pour ce genre de tactique. Nos fournisseurs ont d’énormes banques de témoins avec lesquels ils comparent la liste que nous leur envoyons. Bien qu’on ne soit pas en mesure d’identifier chacun des usagers de nos listes, on peut créer une audience considérable et bonifier la performance d’une campagne.
Les musées possèdent généralement une liste d’abonnés à leur infolettre, et à cela peuvent s’ajouter des listes de courriels ou d’adresses postales de personnes qui auraient participé à un concours lors de leur dernière visite. Puisque ce ne sont pas tous les abonnés qui vont ouvrir les courriels du musée et qu’on sait que les participants d’un concours ont déjà visité le musée, nous aurons créé des audiences avec un fort potentiel de conversion. On peut bâtir une audience à partir de chacune des listes et maximiser les dépenses sur celles qui performent le mieux.
Il est à noter que le remarketing de courriel est présentement disponible sur la plateforme Facebook et que la fonctionnalité devrait être disponible dans le Google Display Network dans l’année à venir. Il faut généralement une banque assez large de courriels ou d’adresses pour lancer une campagne de ce type, car les taux de correspondance varient entre 30 % et 50 %.
5. Le remarketing d’adresse IP : élargissez votre bassin de remarketing
Lorsqu’un utilisateur visite notre site Web, son adresse IP est enregistrée dans une base de données. Avec les listes d’adresses IP de nos utilisateurs, on peut ainsi cibler l’ensemble des utilisateurs se connectant sur le même réseau que les visiteurs de notre site. C’est particulièrement utile pour les foyers qui possèdent plus d’un ordinateur, et pour le retargeting dit cross-device. On peut ainsi adapter le message, selon qu’un utilisateur soit connecté à son réseau via un téléphone intelligent, une tablette ou un ordinateur.
Pour le musée, on doit d’abord créer une audience d’adresses IP des visiteurs ayant vu la page dédiée à la nouvelle exposition. On peut poser l’hypothèse que les personnes habitant le même foyer que ces visiteurs aient de bonnes chances de les accompagner, ou simplement de se faire recommander d’aller visiter l’exposition. Il est donc logique d’appuyer ce comportement en publicisant des annonces auprès de ces utilisateurs. On peut également créer un retargeting d’adresses IP à partir des usagers s’étant rendus à la page du panier d’achats sur notre site. Cette audience sera moins volumineuse que la première, mais aura un potentiel de conversion plus élevé.
La suite des choses…
Avec la multiplication des écrans autour nous, on ne peut que s’attendre à ce que ces tactiques de ciblage continuent d’évoluer. La croissance des télévisions Smart est un bon exemple où on pourra commencer à adapter les publicités télévisuelles aux habitudes en ligne des consommateurs. Et ce n’est pas tout! De plus en plus de voitures sont maintenant connectées en ligne et la destination est souvent enregistrée dans le GPS. Pourquoi ne pas adapter les publicités radio à la destination de l’usager dans ces cas? Même quand on se promène à pied, les téléphones intelligents et les montres intelligentes suivent nos déplacements et enregistrent nos échanges. Bref, l’ère du Big Data ne fait que commencer et les annonceurs qui se lancent dans cette aventure dès aujourd’hui auront un avantage certain dans les années à venir.