Pour en finir avec l’attribution «post-clic» : l’étude de cas

Dans la première partie de cette série de deux articles, nous avons démontré l’importance d’utiliser un serveur publicitaire pour les campagnes à grande échelle. Nous continuons ici en étudiant concrètement cette pratique dans l’une de nos campagnes médias.

L’objectif de notre campagne était de maximiser l’adhésion à un produit. Tout notre média menait à une page d’atterrissage sur un micro-site, mais l’adhésion au produit pouvait également se faire à partir du site principal du client. Dû aux limites du site web avec lequel nous travaillions, nous avions uniquement une conversion « soft » qui consistait en l’ouverture d’un formulaire. Cette campagne a fait exploser les conversions sur le site principal du client. Nous avons donc procédé à plusieurs analyses de corrélation pour trouver la cause de l’augmentation des conversions. La somme de nos impressions de campagne a été identifiée comme le facteur d’influence principal. Voici d’ailleurs la comparaison des données :

En analysant le graphique, on note d’abord une forte augmentation des demandes sur le site malgré qu’aucune publicité média n’envoyait du trafic vers le site web. Ensuite, on voit que la variation des conversions est fortement corrélée aux impressions : plus on augmente les impressions de campagne, plus on augmente les conversions sur le site web. Il s’agit donc d’utilisateurs (ayant cliqué ou non sur nos annonces) qui se sont rendus directement sur le site web du client pour adhérer au produit. Le coefficient de corrélation était de 0.82 avec les impressions contre 0.65 pour les clics. On démontre donc clairement que les annonces vues par les utilisateurs ont un impact sur leur comportement. Une analyse basée uniquement sur les conversions « post-clics » d’une campagne omet l’influence que peut avoir une annonce vue, mais non cliquée. Voilà donc pourquoi nous sommes allés plus loin!

La prochaine étape était de faire le lien entre les objectifs d’affaires du client et nos résultats de campagne. Deux éléments sont à prendre en considération :

1.     Ce ne sont pas toutes les personnes qui ont adhéré (soumis une demande complète) qui se qualifiaient pour le produit.
2.       Il n’y a pas eu d’achats importants de publicité traditionnelle (radio, affichage, télé) pour cette campagne.

Comme nous pouvions seulement mesurer les conversions « softs », nous avons comparé différentes métriques aux résultats réels obtenus par le client.

Les premières données analysées nous permirent d’établir la corrélation entre toutes les demandes reçues par le client et notre campagne.

* : Il s’agit des demandes remplies sur le site corporatif, sans passer par un clic média. La campagne dirigeait les clics sur le micro-site.

La plus forte corrélation trouvée fut entre le total des formulaires débutés (sur le site du client et sur le micro-site) et les demandes reçues. Cette corrélation de 0.87 était extrêmement forte, mais nous a peu surpris. On en retire surtout que la variation des formulaires initiés est cohérente avec celle des formulaires envoyés. On peut aussi conclure que les impressions, les clics et les dépenses de campagne n’étaient pas les facteurs d’influence principaux.

Les apprentissages les plus intéressants furent cependant réalisés en analysant les demandes acceptées, car au bout du compte, ce qui nous intéresse ce sont les ventes réelles du client.

On remarque d’abord la faible corrélation avec les demandes sur le micro-site. On en déduit qu’une plus forte proportion des demandes envoyées via le micro-site n’ont pas été retenues en comparaison avec celles provenant du site principal. Est-ce que ça veut dire que la campagne a attiré plus d’utilisateurs non qualifiés? Nous avons démontré précédemment que les impressions de campagne ont eu un impact sur les demandes provenant du site client et que celles-ci ont augmenté en période de campagne. La réponse est donc non. De plus, on voit ici que la plus grande corrélation a été avec les impressions de campagne. Voici d’ailleurs la représentation visuelle de cette corrélation :

Avec cette analyse, nous avons pu démontrer l’influence de nos annonces (cliquées et non cliquées) sur les résultats d’affaires du client. En comparant le nombre de demandes acceptées chaque semaine pendant la campagne avec celles acceptées dans les six semaines précédant celle-ci, nous avons pu associer un nombre précis de demandes à la campagne. Ce nombre permet au client de calculer le retour sur investissement de sa campagne ainsi qu’un coût par demande acceptée incrémentale. Dans le cas analysé, l’effet sur les demandes s’est poursuivi pendant les deux semaines suivant la campagne. Un effet incrémental très avantageux pour le client!

Les étapes pour aller encore plus loin

Les systèmes en place actuellement ne nous permettent pas de calculer avec précision les demandes acceptées par type de placement média. L’analyse détaillée ci-dessus est donc basée en grande partie sur des analyses de tendances. L’une des difficultés pour franchir ce pont est que nous devons associer les données récoltées par nos serveurs d’annonces à notre solution Analytics. Ces solutions s’intéressent surtout à la source de provenance des utilisateurs et se soucient peu de savoir si l’utilisateur a vu une annonce au préalable. Cette information est cependant primordiale pour l’optimisation d’une campagne Display. Entre temps, nous avons commencé à insérer un pixel de conversion de campagne sur le formulaire placé sur le site principal du client afin d’optimiser à un point de conversion additionnel.

Un buzzword qui fait jaser ces temps-ci est l’attribution « cross-device ». Il faut se rappeler qu’on cible des utilisateurs sur plusieurs appareils (mobile, tablette, portable, etc.). Si on pouvait associer avec précision les appareils par utilisateur, ce serait merveilleux!

1.     Nous pourrions mieux comprendre l’influence du média et pourrions démontrer encore plus son impact. Présentement, il nous est impossible de faire le suivi entre une publicité vue sur un téléphone mobile et une conversion réalisée par la suite sur un ordinateur.

2.     Nous pourrions multiplier les tactiques. Par exemple, la publicité est souvent moins dispendieuse sur les téléphones intelligents, mais les taux de conversion sont aussi plus faibles. Si on pouvait démontrer avec une plus grande précision qu’une publicité mobile a influencé le comportement d’un utilisateur, il est probable qu’une plus grande portion de nos budgets viserait le mobile.

Bref, on a déjà hâte à ce que la technologie évolue pour optimiser de façon encore plus efficace !