Importance et mesure de la performance en E-Retail Media

Le marché du e-retail média connaît un essor quasi continu depuis plusieurs années

Le E-Retail media connaît depuis les dernières années un essor qui n’en finit pas d’attirer une multitude d’acteurs divers et variés ; et, avec eux, une multitude de solutions et campagnes elles aussi très diverses. Une progression du marché qui se traduit dans les investissements, puisque selon l’Observatoire de la Pub (et repris dans la cartographie réalisée par l’IAB), les investissements en E-Retail Media de la part des marques ont progressé de +42% vs 2020*. L’objectif ici est de réussir à faire en sorte qu’une marque se démarque des autres via des dispositifs de communication et de visibilité de plus en plus innovants et surtout, sans couture dans l’expérience de l’utilisateur d’un site web donné.

Comme le reste des médias et activités de marque, le E-Retail Media subit de plein fouet les contrecoups des négociations à rallonge et de l’incertitude générale. Il n’en reste pas moins un des seuls secteurs média qui continue d’innover et dans un contexte où le digital transforme tout sur son passage, il est incontournable. 

Un marketing mix adapté pour accompagner la démultiplication des solutions

Avec l’explosion des solutions digitales, le marketing mix classique connu jusqu’ici est tenu d’évoluer afin de s’adapter aux nouvelles façons de consommer et répondre ainsi à des attentes shoppers différentes. Différentes dans l’expérience, qui se doit d’être la plus fluide possible, quel que soit le device ou le canal utilisé pour le shopper, qui souhaite avoir une même vitrine, quelle que soit la façon dont il y accède. 

Ceci étant dit, on se rend rapidement compte que l’expérience en magasin est définitivement différente de celle en digital. Combien de fois avons-nous commandé un produit sur internet et quelle ne fut pas notre surprise de découvrir que le produit reçu est différent de ce que l’on avait projeté dans notre esprit ? Pas la couleur, ni la taille, ni la texture que l’on imaginait, etc. Force est de constater que l’expérience recherchée en magasin adresse un besoin différent de celle en digital. 

Ainsi, il convient d’admettre que le marketing mix qu’on nous a enseigné jusqu’ici doit radicalement s’adapter et se transformer en “e-marketing mix” afin d’adresser les évolutions et besoins du marché; ces derniers évoluant d’ailleurs à un rythme effréné.

Avec cette adaptation de l’offre sur le digital, le nombre de produits et services lancés, testés, sont nombreux. Le digital ouvre en effet des possibilités inédites, permet de tester, d’arrêter, de recommencer, surtout d’innover, bref de faire évoluer l’offre et les expériences disponibles. Le champ des possibles est vaste, et surtout, la rapidité de mise en œuvre permet d’être extrêmement flexible et réactif.

Dans ce cadre, le mix marketing se doit d’évoluer pour coller aux spécificités liées au digital, et tendre petit à petit vers un “e-marketing mix”. Les 4P (Product; Price; Place; Promotion) doivent en effet évoluer car à eux seuls, ils ne peuvent pas adresser l’ensemble de la stratégie digitale. Certains vont même jusqu’à évoquer un modèle en “E”, incluant la notion d’Expérience ou encore d’Engagement, qui sont en effet autant d’éléments pertinents à l’ère de la digitalisation.

A contrario, cette offre digitale entraîne une complexité quant à la mesure de la performance et la comparaison des acteurs entre eux

La richesse et la vitesse de développement de ces offres impliquent aussi des mesures de performance différentes. Chaque prestataire propose ainsi des calculs de mesure de la performance en fonction des atouts et avantages de la solution mise en place. Cette diversité est très riche et permet aux marques de pouvoir communiquer à différents niveaux et via des leviers nombreux. Le revers de la médaille, si on peut le traiter ainsi, c’est que cela brouille les pistes dès lors que l’on souhaite comparer les solutions entre elles. Car finalement, quoi de mieux pour prendre des décisions et justifier le niveau des investissements que la mesure du ROI, soit, le retour sur un investissement réalisé ?

Derrière un KPI qui paraît unique, se cache en fait une complexité directement liée à la diversité des méthodes de calcul que l’on peut y associer. En effet, les agences Média vont davantage s’appuyer sur une méthode autour du ROAS (Return On Ad Spend) ; lorsque d’autres prestataires vont utiliser la différence de niveau de CA généré durant une campagne (vs une autre période de comparaison) rapportée à l’investissement total de la campagne… Les méthodes de calculs sont diverses et différentes car désormais, l’accès à de plus en plus de types de données a été rendu possible. Désormais, il est en effet possible d’avoir accès à de la donnée d’achats pure par exemple, et non plus uniquement à la mise au panier. Cela permet une utilisation opérationnelle beaucoup plus granulaire et puissante, mais aussi d’analyser plus finement et rapidement ce qui fonctionne ou ce qui doit être amélioré.  

Au-delà de la performance financière, l’importance de la qualité de la Data au service du Machine Learning

Le seul point commun entre toutes ces mesures réside dans la qualité de la Data que l’on associe à ces calculs. Si on a aujourd’hui accès à une masse importante de données, cela ne signifie pas que toutes les Datas se valent, que cela soit en termes de granularité, de qualité, de fiabilité, d’historique etc. Notons d’ailleurs, que le traitement d’une telle masse de données, son analyse et/ou son utilisation opérationnelle représente un challenge en tant que tel, que tous les acteurs ne sont pas en mesure de relever. 

L’accès à de la donnée d’achats des shoppers (tickets de caisse), permet de comprendre plus précisément son comportement, ses préférences, ses habitudes, et ce, sur des périodes longues et sur de très nombreux actes d’achats. On comprend alors rapidement que la qualité de la donnée disponible est critique car c’est sur cette base que l’on développe des modèles d’apprentissage, et surtout, que l’on peut les améliorer et pousser des modèles prédictifs (via le Machine Learning). Ce Machine learning est d’autant plus important qu’il permet in fine le développement de produits de plus en plus efficaces et surtout de plus en plus pertinent à pousser aux shoppers d’un site. Avec cette vision on va donc bien au-delà de l’investissement « pur », c’est-à-dire, tel qu’on l’entend sur un plan uniquement avec un prisme financier.

Les entreprises qui utilisent de la First Party Data sont certes shopper centric, mais pour cela, doivent avant tout être Data Centric. Comme nous l’avons vu, la Data et sa qualité a son importance dans le développement des produits et notamment des modèles statistiques utilisés pour faire tourner l’ensemble des opérations. Le Machine Learning et surtout, pour rendre son apprentissage et développement fiable, dépend uniquement de la qualité de la donnée utilisée, sa fiabilité, sa mise à jour régulière ou encore sa granularité.

Au-delà d’un niveau de CA généré sur une campagne, l’historique d’achats disponible a également son importance, notamment pour identifier l’impact réel des campagnes via la notion de recrutement. En effet, il est ainsi possible de dessiner une typologie des shoppers pour adresser au plus près ce qui peut être défini comme un impact réel d’une campagne. Cette typologie divise les shoppers en 3 catégories : les recrutés, les réactivés et les fidèles. Les recrutés correspondent à des shoppers qui n’achetaient pas les références 6 mois avant la campagne (cette durée pouvant être mise à jour et adaptée en fonction des produits animés), et qui se sont mis à le faire durant l’activation. Les réactivés ont la même définition que les recrutés, à la différence près que leurs non-achats remontent à 3 mois avant la campagne (et leur durée est également adaptée en fonction de celle définie pour les recrutés). Les fidèles enfin, sont des shoppers qui étaient déjà présents sur la marque 3 mois avant la campagne et qui ont continué naturellement à acheter les produits durant la campagne. Sur ces derniers, pour mesurer l’impact de la campagne et isoler l’effet d’aubaine, on utilise la mesure de l’A/B test afin de mesurer l’incrémental généré par la campagne sur leurs achats (un article plus détaillé a été consacré à l’A/B test ici). C’est cette typologie, combinée à la méthode de l’A/B test que Lucky cart privilégie pour déterminer la mesure de la performance de ses campagnes pour les marques qu’elle anime.

Cette typologie a son importance dans la façon dont est calculé le ROI car on ne va considérer que la partie « impact » de la campagne, c’est-à-dire, la somme des CA des recrutés, des réactivés et l’incrémental qui a été généré par les fidèles. Cela permet d’aller au-delà du pur investissement financier réalisé pour une campagne donnée, et de réellement mesurer l’impact de l’activation sur les achats réels des shoppers qui y ont été exposés.

Mais il ne s’agit là que de la partie liée au numérateur du calcul du ROI. Lorsque l’on se penche sur le dénominateur, force est de constater que le niveau de ROI est interdépendant du niveau d’investissement initial. Ce dernier n’est en effet pas le même en fonction de l’activation, et différentes positions peuvent être prises sur ce point. En effet, une agence média va considérer l’investissement Média pur, lorsque d’autres prestataires peuvent proposer un package de forfait qui comprend tout. On peut aussi uniquement considérer le coût de l’investissement promotionnel, le coût par clic, le niveau d’exposition etc.

Le ROI, un indicateur incontournable, mais qui nécessite d’être regardé en parallèle de l’impact business réel généré

Pour conclure, le ROI est un indicateur indispensable et incontournable, car il s’agit d’un KPI qui permet la prise de décision, notamment pour piloter les investissements marketing d’une marque. En revanche, il semble également crucial, en parallèle de cette mesure, de se concentrer sur la mesure de l’impact business des actions qui sont menées. Ces dernières permettent en effet d’adresser plus directement les clients et prospects, et ce, de manière efficace, rentable et pertinente sur du long terme en poussant des offres toujours plus adaptées aux shoppers finaux.

L’analyse du ROI permet donc d’analyser la compétitivité d’une marque et son attractivité, mais la clé de succès réside également dans la capacité à mener des actions marketing globales cohérentes pour l’amélioration continue de cet indicateur et assurer la bonne performance des activations à venir pour la marque.

Sources :
* Alliance Digitale – 2022

CONTACTEZ-NOUS