Le machine learning pour ajuster son budget marketing
Data marketing et machine learning peuvent aider les marketers à calculer l’impact de leurs campagnes sur les différents canaux, à la fois offline et online. Une approche sur laquelle misent l’agence romande Bright et la start-up suisse alémanique Nexoya. Les explications de Damien Fournier, cofondateur et Partner de Bright, et de Flavia Wagner, Head of Customer Experience chez Nexoya.
Avec la prolifération des canaux dont ils disposent, il est devenu difficile pour les spécialistes du marketing de mesurer le succès de leurs efforts. Mais algorithmes et machine learning apportent des solutions. L’agence romande Bright et la start-up suisse alémanique Nexoya mise sur cette approche avec leurs outils respectifs.
Bright estime la rentabilité des canaux offline à l’aide d’algorithmes
Pour répondre à la problématique de la mesure de l’efficacité d’une campagne marketing, l’agence romande Bright a mis au point son propre modèle de réattribution omnicanal. «Notre modèle intègre en partie du machine learning», clarifie Damien Fournier, cofondateur et Partner de l’agence, contacté par la rédaction. Le framework mis au point, à l’aide de différents algorithmes disponibles en open source, a été patiemment testé durant deux ans. Objectif déclaré? Déterminer l’impact marketing de chaque canal en fonction des KPIs pertinentes par rapport aux objectifs commerciaux et de croissance de l’entreprise client. Point fort mis en avant? Il s’agit d’un modèle qui promet de répondre à la difficulté d’estimer la rentabilité des canaux offline. «Sur les canaux digitaux, il est possible d’effectuer un suivi, mais ce n’est pas le cas en offline. Nos algorithmes permettent de dire à un client quels leviers media sont rentables et lesquels ne le sont pas», poursuit Damien Fournier.
Le modèle élaboré par Bright se fonde sur les données d’audience, le plan média et les revenus. En disposant dans l’idéal de plusieurs années de données, l’outil va comparer sur une base journalière les revenus engrangés avec différents mix marketing pour déterminer la rentabilité. Tout en identifiant et en écartant les effets saisonniers (typiquement le Black Friday), les algorithmes vont simuler des variations de dépenses pour chaque canal et calculer, sur le long terme, dans quelle mesure ces variations impactent les revenus. Les résultats des analyses effectuées avec ce modèle de ré-attribution sont valables au minimum une année. Autre précision importante: le modèle, qui traite des données anonymisées et agrégées, n’est tributaire d’aucun cookie. «Selon nous, la vision algorithmique est la bonne réponse pour dépasser les problématiques de tracking basé sur des cookies», souligne Damien Fournier.
Nexoya peut ajuster dynamiquement la répartition du budget marketing
Nexoya propose également une solution basée sur l’IA dont l’objectif est d’optimiser le budget publicitaire des entreprises clientes. La start-up suisse alémanique se concentre avant tout sur les campagnes en ligne. Contactée par ICTjournal, Flavia Wagner, Head of Customer Experience, explique que la plateforme développée depuis 2018 permet aux annonceurs de prendre des décisions basées sur les données, en utilisant le machine learning, afin de s’assurer de toucher le bon client au bon moment. «Nous utilisons généralement des données de séries chronologiques, sous forme agrégées et anonymisées. Nous sommes donc conformes aux exigences du RGPD», tient à souligner celle qui a rejoint la jeune pousse en 2021.
La plateforme de Nexoya puise dans des sources de données multiples et variées. En premier lieu celles fournies par les différentes campagnes en ligne, qui seront entre autres corrélées aux informations sur les tendances de marché, la météo ou encore les taux de change. «Nous avons quinze modèles algorithmiques différents qui vont effectuer des analyses dans le but d’établir les meilleures prédictions pour planifier les futures campagnes de publicité en ligne selon les KPI définis par les clients», explique Flavia Wagner. La spécialiste évoque également la capacité de la solution de Nexoya à réajuster de façon dynamique l’attribution des parts du budget pour chaque canal: «Cette tâche étant complexe et chronophage, la fréquence de la mise à jour de la répartition du budget n’est donc pas suffisante. Notre solution a l’avantage d’automatiser cette tâche et de l’accomplir bien plus efficacement qu’un humain. Une étude de l’université de Zurich a montré que nos modèles de répartition dynamique sont 20% plus efficaces qu’un spécialiste du marketing effectuant régulièrement ces mises à jour.»
