Se préparer à la modélisation du mix marketing : ce que vous devez savoir

Voyez-vous plus de trafic « non attribué » et « direct » dans votre compte Google Analytics même si vous faites attention à votre balisage UTM ? En effet, les réglementations sur la confidentialité des données protègent les utilisateurs visitant votre site Web.

À mesure que les réglementations sur la confidentialité des données augmentent, les modèles d'attribution peuvent avoir du mal à rester précis et utiles. Beaucoup utilisent Google Analytics 4 pour la modélisation d'attribution, mais il n'est pas conforme au RGPD. De ce fait, les modèles d’attribution comme ceux de Google Analytics seront moins efficaces. Ils ne montreront pas avec précision quels canaux fonctionnent. C’est là qu’intervient la modélisation du mix marketing.

Cet article explore la pertinence croissante de la modélisation du mix marketing aujourd'hui, en quoi elle diffère de la modélisation d'attribution et comment l'exploiter efficacement dans un cadre stratégique.

Comparaison de la modélisation d'attribution et de la modélisation du mix marketing

La modélisation d'attribution et la modélisation du mix marketing sont deux approches distinctes utilisées dans l'analyse marketing pour comprendre l'impact de diverses activités marketing sur les résultats commerciaux. Bien que les deux visent à fournir un aperçu de l’efficacité des efforts de marketing, ils diffèrent par leurs méthodologies, leur portée et leur application.

Modélisation d'attribution. Un ensemble de règles qui déterminent comment attribuer du crédit aux conversions. Ces modèles utilisent des points de contact numériques dans les chemins de conversion. Par exemple, le modèle du dernier contact attribue un crédit de 100 % au point de contact final précédant immédiatement une conversion. Il existe également des modèles de premier contact, de décroissance temporelle, linéaires et basés sur les données, pour n'en nommer que quelques-uns.

Modélisation du mix marketing. Une technique d'analyse qui aide les spécialistes du marketing à mesurer l'impact de leurs campagnes marketing et publicitaires. Ils peuvent voir comment différentes variables contribuent à leurs objectifs. Les objectifs sont souvent des revenus, des conversions, des remplissages de formulaires ou des abonnements.

Tout simplement:

• Un modèle d'attribution vous indique quelle activité de vente ou de marketing est créditée pour un utilisateur effectuant une action spécifique. En marketing, nous utilisons souvent les rapports d'attribution pour voir quelles actions ont généré des conversions spécifiques. Par exemple, on peut savoir si l’ouverture d’un email a conduit à remplir un formulaire.
• Un modèle de mix marketing est un grand modèle de régression. Un modèle de régression tente de comprendre la relation entre les variables. Les conditions météorologiques et les revenus en sont un exemple. Vous pouvez toujours essayer de comprendre quelles actions conduisent à des conversions, mais un modèle de mix marketing vous permet d'introduire plus de données. L'analyse peut alors vous indiquer la relation entre les variables. Lorsque le temps est ensoleillé, davantage de personnes visitent votre magasin physique, ce qui entraîne une augmentation des ventes.

Les deux sont précieux pour comprendre votre marketing. Vous pouvez également les exécuter à l’aide de l’apprentissage automatique et du codage.

Comment aborder la modélisation du mix marketing aujourd'hui

Pour éviter les erreurs, organisez votre analyse avant de travailler avec ces modèles complexes. Par exemple, je parcourais récemment des rapports mensuels. Nous réalisons des rapports d'attribution pour nous-mêmes et nos clients. Parce que je connais très bien nos données, j'ai signalé ce qui semblait être des inexactitudes.

Nous avons passé deux heures à enquêter et avons découvert de grandes différences entre les données de notre site Web et celles de Google Analytics. Plus précisément, les écarts concernaient l'API de données et l'interface de Google Analytics.

Nous savons quelle devrait être la métrique, et pourtant aucune de nos sources de données ne correspond. Le problème est que nous sommes limités à un seul ensemble de données pour le modèle d'attribution. Nous pouvons ignorer les données problématiques si nous utilisons plutôt un modèle de mix marketing, car les données peuvent être collectées à partir d'autres systèmes pour nous dire ce qui fonctionne.

Avant de procéder à l’analyse, nous devons faire un inventaire. L'exemple montre pourquoi vous devez rassembler les exigences et avoir une bonne gouvernance des données avant d'utiliser un modèle de mix marketing. Si vous ne maîtrisez pas bien ce que vos données devraient vous dire, une analyse complexe ne vous aidera pas.

Pour comprendre avec quoi nous travaillons, nous pouvons utiliser le cadre des « 5 P » pour déterminer votre :

• But.
• Personnes.
• Processus.
• Plate-forme.
• Performance.

But

C'est ici que vous expliquerez pourquoi vous souhaitez appliquer un modèle de mix marketing. La meilleure façon d’organiser vos pensées est d’utiliser une user story.

"En tant que [persona], je [veux], donc [ça]."

La user story vous dit quels sont les autres P.

• [Persona] vous dit les gens.
• [Voulez-vous] vous indique le processus et la plate-forme.
• [Cela] vous indique la performance.

Voici à quoi ressemble le mien :

• En tant que PDG, je souhaite comprendre lesquels de mes efforts de marketing numérique génèrent des ventes afin de pouvoir prioriser le budget et les ressources.

Dans cette déclaration, j'ai beaucoup d'informations. Continuons à le décomposer.

Personnes

J'ai déclaré que je voulais comprendre les données, je suis donc la première personne impliquée. Sachant que je ne suis pas seul responsable de la collecte et de l’analyse des données, je peux supposer que j’aurai besoin de l’implication de mon analyste. Nous aurons également besoin de notre ressource de développement commercial pour apporter les données de ventes.

Processus

J'ai déclaré que mon objectif était de comprendre mes efforts de marketing numérique et mes ventes. En termes de processus, cette déclaration me dit que je dois faire plusieurs choses. J'ai besoin de savoir comment ces données sont collectées, la fréquence et le format. C'est là que je dois mettre en place une gouvernance des données afin que les processus de collecte de données ne soient pas ce qui retarde le fonctionnement d'un modèle de mix marketing.

Une fois que j'ai identifié les systèmes dont je dois extraire les données (à l'étape suivante), je peux revenir aux processus, m'assurant ainsi de pouvoir exporter les données nécessaires. Si je n’y parviens pas, je devrai développer et intégrer de nouveaux processus dans le plan global. Je devrai également créer un processus pour nettoyer et normaliser les données une fois extraites afin d'analyser les données provenant de différentes sources.

Si je recevais la user story d'une partie prenante, je reculerais probablement et demanderais un délai plus précis. C’est là que vous passerez probablement le plus clair de votre temps, entre le processus et la plateforme.

Vous pouvez utiliser un modèle de mix marketing pour analyser des données provenant de différentes sources. Ces sources peuvent ne pas avoir le même format, vous devez donc créer un processus pour les combiner à des fins d'analyse. Plus vous souhaitez utiliser de données provenant de différentes plates-formes, plus vous devrez développer de processus, surtout si vous souhaitez réexécuter à plusieurs reprises le modèle de mix marketing.

Plate-forme

En utilisant à nouveau le milieu de la déclaration, j'ai déclaré que mon objectif était de comprendre mes efforts de marketing numérique et mes ventes. Cela m'indique de quelles plates-formes je dois extraire des données car je souhaite comprendre les données de vente, qui seront soit mon logiciel CRM, soit mon logiciel de comptabilité.

Je veux également comprendre mes efforts de marketing numérique. Cela signifie que je dois d'abord connaître toutes les tactiques de marketing numérique, puis déterminer quelles plateformes disposent de données que je peux extraire. LinkedIn, par exemple, est avare en matière d'extraction de données, cela pourrait donc poser problème si c'est un canal qui m'intéresse. Je pourrais facilement me retrouver avec des données provenant d’une demi-douzaine de plateformes. Alors qu’avec un modèle d’attribution, vous ne disposez généralement que de données provenant d’une ou deux sources.

Si j’ai une user story bien pensée, je ne me sentirai pas submergé en essayant de collecter des données sur tous mes systèmes. Ma user story indique « efforts de marketing numérique ». Lorsque j'ai de nombreuses campagnes et tactiques, je peux me concentrer sur quelques canaux ou sur une plage de dates plus courte pour faciliter la gestion.

Performance

Ceci est la dernière partie de la user story. Si vous ne créez pas de user story avec un résultat mesurable, réessayez. Dans ma user story, j'ai déclaré que je voulais pouvoir prioriser les ressources et le budget. Eh bien, ce n'est pas un bon résultat. C'est peut-être vrai, mais ce n'est pas très mesurable. Comment saurai-je que j’ai fait cela, en priorité ?

La recommandation serait de revenir à la user story et de la réécrire pour être plus précis. Une version différente pourrait dire : « réduire les dépenses sur les canaux inefficaces et les augmenter sur les tactiques efficaces ».

Vous n'êtes pas obligé de traiter les personnes, les processus et la plateforme dans un ordre particulier. Vous connaissez peut-être les plateformes qui informeront le processus et les personnes. Mais ne sautez pas ces Ps. Si vous ignorez la collecte des exigences et la gestion des données, cela peut entraîner des erreurs coûteuses et un gaspillage de ressources.

En repensant à mon audit initial, je constate que j'ai beaucoup de travail à faire avant de pouvoir envisager de mettre en œuvre un modèle de mix marketing. De nombreuses équipes exécuteront un modèle de mix marketing utilisant le code et l’apprentissage automatique. Avoir un plan avant même de commencer votre code rendra votre exécution plus efficace. Au lieu de résoudre les problèmes liés aux données, vous pouvez consacrer votre temps à affiner et à créer des plans d'action.

La bonne nouvelle est que je peux le diviser en morceaux plus petits et plus contrôlables. Je peux créer des processus reproductibles pour extraire des données et réexécuter le modèle de mix marketing. Choisir cette voie signifie que le développement initial prendra plus de temps. Cependant, le processus sera beaucoup plus efficace lorsque je devrai réexécuter l’analyse.

Adopter la modélisation du mix marketing pour obtenir des informations complètes

Un modèle de mix marketing peut constituer un élément très puissant de votre portefeuille d’analyse. Lorsque vous travaillez sur un projet de données, il est important de se préparer au succès. La collecte des exigences et la gouvernance sont des aspects que nous souhaitons tous accélérer, mais prendre des raccourcis n’en vaut pas la peine. Prenez le temps dès le départ d’élaborer un plan ; votre analyse sera beaucoup plus précieuse et exploitable.

Creusez plus profondément : que sont les plateformes d'attribution marketing et de gestion des performances ?