CMO LEADERS

Pourquoi et comment internaliser la mesure de l’efficacité marketing ?

7 min
CMO LEADERS
temps de visionnage :
7 min

Pourquoi et comment internaliser la mesure de l’efficacité marketing ?

Ecouter cet article
Partager cet article
No items found.
No items found.
En partenariat avec
Face à un contexte plus complexe et challengeant que jamais, les marques cherchent à booster le ROI de leurs actions marketing, ce qui implique de comprendre et d’analyser les impacts des actions passées afin d’optimiser la rentabilité de celles à venir. Ne sont-elles pas les mieux placées pour effectuer ce travail de mesure et d’interprétation ? C’est la question à laquelle répond Fifty-Five dans un livre blanc qui présente les enjeux, les facteurs-clés de succès et les bonnes pratiques de l’approche In-house Marketing Modeling.

Une offre de marché pléthorique, mais des solutions plutôt décevantes

Autour, notamment, du MMM (Marketing Mix Modeling), les propositions technologiques se sont multipliées, au cours des dernières années, pour mesurer les impacts des différents médias et/ou leviers utilisés par les actions de marketing. Les marques ont l’embarras du choix, et si les modalités varient, la promesse est toujours la même : comprendre l’effet des actions passées afin d’orienter au mieux l’allocation des budgets marketing à venir. Les plateformes de SaaS donnent ainsi accès à toute une palette d’outils « prêts à l’emploi » dont certains peuvent s’avérer efficaces, en tout cas sur le papier. Mais dans les faits, ces solutions démontrent leurs limites, avec bien des déceptions à la clé.

Premier bémol : pour fonctionner de façon efficiente, ces outils nécessitent de pouvoir s’appuyer sur des données dûment préparées et collectées via une chaîne d’approvisionnement ad hoc, ce qui est rarement le cas. Et les récentes évolutions réglementaires ne facilitent pas les choses.

Deuxième limite : les fournisseurs de solutions opèrent souvent en mode « boîte noire ». Pour exploiter les données qui leur sont transmises, ils ne mettent pas à contribution l’expertises des marques clientes et leurs connaissances de l’environnement métier, pourtant cruciales pour un traitement pertinent. Les marques n’accèdent qu’aux résultats du modèle et ne peuvent donc les comprendre véritablement. Dommage…

Et surtout, au final, ces résultats se révèlent peu actionnables car décevants à plus d’un titre :

  • Sur les plans du rythme et de la périodicité : il y a fréquemment un décalage de quelques semaines, voire plus, entre la mise en œuvre d’une action marketing et le moment où la mesure de ses résultats est communiquée à la marque. En clair, on est encore loin du temps réel ! Or à une époque et dans un
  • contexte où tout s’accélère, les décisions doivent être prises de plus en plus rapidement.
  • En matière de granularité : le niveau de détail des données et de leurs analyses – zones géographiques, segments de consommateurs, médias et créations, etc. – varie beaucoup selon les solutions, mais il s’avère en général insuffisant pour en tirer des conclusions réellement opérationnelles.
  • Les outils prêts à l’emploi travaillent à partir de modèles standards qui prennent très peu en compte les spécificités de chaque marque et de son secteur d’activité.

La donne technique a changé 

D’autres éléments de contexte permettent aujourd’hui aux marques d’envisager sereinement une internalisation. Le livre blanc fifty-five pointe ainsi les progrès spectaculaires accomplis récemment par les infrastructures Cloud et les processus de gestion des données. Celles-ci peuvent être exploitées plus vite, plus fréquemment et de façon plus granulaire, ce qui permet de fournir des résultats plus directement actionnables.

En outre, différents modèles de plus en plus accessibles, de nature à faciliter les premiers pas vers l’internalisation, deviennent disponibles en open source. Enfin, les algorithmes sont en mesure d’appréhender des environnements marketing de plus en plus complexes en exploitant au mieux la granularité des données. De ce point de vue, les techniques dites « Agent-Based Modeling », notamment, se prêtent à des analyses particulièrement fines.

Les marques tendent à prendre la main (sur toute la chaîne)

Puisque tout les y incite, les marques sont aujourd’hui nombreuses à faire le choix du In-house Marketing Modeling, qui consiste à assurer en interne l’ensemble du processus, depuis la collecte et le traitement des données jusqu’à la prise de décision en passant par la modélisation, la visualisation et la bonne interprétation des résultats (étape évidemment cruciale).

Pour cela, il leur faut intégrer les algorithmes de mesures et d’optimisation de l’efficacité marketing au sein de leurs infrastructures techniques. Elles doivent aussi fournir à leur décideurs marketing les outils d’analyse et de simulation ad hoc (sans chercher, pour autant, à en faire des Data Scientists…).

Mais le jeu en vaut largement la chandelle :

  • Parce qu’une Data Platform interne automatisée devient un véritable atout stratégique, que ce soit pour maîtriser pleinement la qualité des données ou pour déployer des cas d’usage marketing de plus en plus
  • complexes.
  • Parce que l’internalisation est propice à un pilotage continu, cohérent, transparent et réactif, en phase avec les processus « à décision rapide ».
  • Et parce que la maîtrise des enjeux métier est indispensable pour interpréter les résultats et les transformer en actions, si nécessaire en testant les différents leviers possibles.

Et vous, êtes-vous prêt à franchir le pas ? 

Sur le plan technologique, il est primordial de pouvoir s’appuyer sur une Data Platform marketing rassemblant des données de qualité. Si elle n’existe pas, il faudra la construire, ce qui représente un travail en soi, mais aussi un investissement précieux pour l’avenir. Et lorsqu’elle existe, dans bien des cas, il y a matière à l’enrichir.

En termes de ressources internes, l’internalisation ne nécessite pas de recruter des dizaines d’experts. Un partenaire externe pourra organiser la montée en compétences des équipes IT et Data Science, en s’adaptant aux capacités d’absorption de la marque et de ses équipes.

Pour une gouvernance agile et efficace, il est important que le projet d’internalisation soit soutenu par un sponsor au sein de l’équipe de direction (ne serait-ce que pour décider « vite et bien » quand cela s’impose). De plus, une équipe-projet pluridisciplinaire facilitera l’adhésion et l’alignement des équipes.

De l’idée à sa concrétisation, les quatre phases d’une internalisation réussie

Phase Think : d’où part-on précisément ?

À ce stade, les échanges avec les équipes-métiers sont indispensables pour comprendre ce qui est attendu du processus d’analyse et de prédiction. Sur quelles données travaille-t-on ? Comment et quand ont-elles été collectées ? Qu’en est-il de leur granularité, de leur fréquence de mise à jour, de leur facilité d’accès ?... Il convient de répondre à toutes ces questions, quitte à mettre en place, pour l’occasion, une véritable gouvernance des données.

Phase Build : avancer de façon graduelle et méthodique

Procéder progressivement, en testant chaque étape : voilà qui garantit la cohérence et la robustesse de la solution, tout en laissant aux équipes le temps de s’approprier le projet « en douceur »…

Lorsqu’il s’agira de structurer et pré-traiter les données (en composant avec l’hétérogénéité de leurs provenances et de leurs natures), l’accent devra être mis sur la capacité de la future solution à détecter, localiser et signaler les anomalies. Pour construire le modèle, même s’il n’est pas question de partir systématiquement d’une page blanche en s’affranchissant des modules préexistants, la customisation sera un facteur-clé d’efficacité. L’interface graphique, quant à elle, devra être pensée pour que les décideurs puissent être autonomes dans l’exploitation des résultats.

Phases Run et Transfer : accélérer par paliers, et voir sur le long terme

Là encore, la progressivité est une clé du succès. Il est souvent pertinent, par exemple, de réduire par étapes successives la fréquence de rafraîchissement des résultats (du mensuel au bimensuel, puis à
l’hebdomadaire). Constituer un réseau d’experts s’avérera utile pour veiller à ce que la solution reste évolutive dans le temps.

La méthode fifty-five : teach a man to fish…

Ne pas tout faire à votre place, mais accompagner vos équipes pour les « augmenter » et les rendre progressivement autonomes en matière de mesure de l’efficacité marketing : c’est ce que propose Fifty-Five, qui forme pour chaque projet une équipe-cœur constituée de référents internes, de consultants et d’experts techniques Data et IT. Cet accompagnement, qui intervient tout le long du projet, assure un déploiement maîtrisé depuis la phase de cadrage (Think) jusqu’à la mise en production (Run & Transfer). L’approche In-house prend alors tout son sens.

Vous souhaitez en savoir plus sur le In-house Marketing Modeling ?

Téléchargez gratuitement ici le livre blanc que Fifty-Five vient de consacrer à cette approche. Vous y retrouverez notamment deux cas d’usage particulièrement parlants (un dans la grande consommation, un autre dans le retail), ainsi qu’un glossaire très utile pour se familiariser avec le jargon du Marketing Modeling.

HUB
  Newsletters

Hebdomadaire ou bimensuelle, retrouvez dans votre newsletter un décryptage des tendances business d'actualité à partager avec vos équipes, un cas d'usage analysé par nos experts pour vous inspirer, ainsi qu'une sélection des solutions innovantes à déployer facilement.

HUB
  Radar

IA générative : Le BIG Recap

La newsletter linkedin qui analyse les actualités de l'IA générative et son impact sur vos transformations business et métiers.

Je m'abonne