Publicité programmatique : quelle est la différence entre les bonnes et les mauvaises données ?

Au cours de la dernière décennie, le marketing a radicalement changé ses fondements, passant de l'intuition innée à l'analyse calculée. Il est passé d'une forme d'art à une science.

Les stratégies sont désormais conduites par des analystes sans préjugés au lieu de créatifs engagés. Plus important encore, les informations stratégiques sur les données donnent à chaque marketeur la possibilité d'offrir la meilleure expérience possible au client.

Pourtant, un domaine du numérique est constamment à la traîne par rapport aux autres. Aussi perturbatrice et capitale qu'ait été la révolution des données, la publicité numérique a mis du temps à l'adopter.

Il y a vingt ans, la publicité était le secteur le plus axé sur les données du marché. Il a utilisé des données démographiques via des éditeurs pour identifier les marchés cibles. Le problème est que de nombreux annonceurs numériques n'ont pas évolué depuis lors. Ils comptent encore, dans de nombreux cas, sur la démographie.

Ils sont contents.

Et comme nous le savons tous, aucune marque ne peut s'installer à l'ère numérique ; c'est une évolution constante. Les spécialistes du marketing racontent probablement à leurs enfants des mises en garde au moment du coucher sur les marques qui ont perdu leur avantage parce qu'elles ont cessé d'aller de l'avant. La liste est longue.

Mais il y a de la lumière au bout du tunnel pour la publicité numérique. L'ascension du programmatique a ouvert la voie pour passer de l'ère de Mad Men à l'ère de la Silicon Valley. Bien que les points de données présentent un large spectre de qualité.

Les données sont assez similaires à la fabrication de saucisses : vous ne savez pas souvent ce que vous obtenez et certaines sont de bonne qualité, mais il existe également des pratiques louches pour duper l'acheteur sans méfiance.

Vous obtenez ce que vous payez avec la qualité et vous devez déballer les données pour voir ce que vous achetez.

La majorité des données numériques sont actuellement non raffinées, larges et difficiles à exploiter - c'est du remplissage. Les spécialistes du marketing doivent éviter cet écueil des données dans la sphère numérique.

Données incorrectes

La plupart des données brutes que les marques utilisent pour cibler les consommateurs numériquement sont considérées comme des données de tiers. Ce sont les données que les éditeurs aiment offrir aux marques en fonction de leur lectorat.

Les données de tiers, par essence, sont démographiques. C'est votre âge, votre sexe, ce que vous lisez, où vous vivez, et bien que les données démographiques valent mieux que pas de données, c'est souvent une fausse promesse qui semble glamour lorsqu'elle est présentée, mais qui manque d'exécution et de résultats.

En d'autres termes, les données démographiques remplissent, elles peuvent aider à boucher les fissures dans votre vue client, mais elles ne donneront jamais les informations nécessaires pour exécuter une campagne réussie.

Considérons un exemple rapide de la chute d'un tiers. Disons que vous et moi avons des similitudes dans nos données démographiques et nos préférences. Nous sommes tous les deux des hommes de 54 ans, nous vivons dans la même ville et nous sommes tous les deux abonnés à une publication sportive.

Bien qu'il puisse sembler que nous ayons beaucoup en commun, que pouvons-nous vraiment corréler à partir de ces identifiants ? Nous avons peut-être le même âge, mais là où les Rolling Stones pourraient être plus alignés sur mon âge, je pourrais en fait écouter la même musique que les jeunes de 15 ans d'aujourd'hui.

Nous vivons peut-être dans la même ville et avons des emplois similaires, mais cela ne signifie pas que nous portons tous les deux des costumes et faisons du shopping chez Brooks Brothers.

Avec un tiers, il n'y a pas d'informations exploitables pour tirer des conclusions sur le comportement. Si les spécialistes du marketing veulent avoir une vision fidèle de leur client, ils ont besoin de données transactionnelles comme base.

Excellentes données

Il existe deux formes de données fiables et exploitables pour les spécialistes du marketing : la première et la seconde partie. La différence importante entre de bonnes données et du fluff est qu'avec de bonnes données, il y a une action de vente au détail effectuée par le client.

Il est basé sur les transactions ; la seule forme mesurable de données que les spécialistes du marketing peuvent développer autour d'une stratégie. Une transaction est un signe d'intention; il fournit des conseils sur ce que le client cherche à acheter. Si nous pouvons construire suffisamment d'historique avec des données transactionnelles, les modèles émergent.

Première fête

La première partie est constituée de données collectées via votre marque en fonction de l'historique des transactions et des préférences de compte.

Ce sont vos données ; personne d'autre ne peut l'utiliser à moins que vous ne vendiez. C'est de loin la meilleure forme de données contre laquelle commercialiser, mais elle se limite quelque peu au reciblage puisque le consommateur a déjà acheté avec votre marque.

Dans un état d'esprit stratégique, les données de première partie vont être incroyables pour les clients actuels - leur valeur en tant qu'outil de reciblage est sans précédent, mais elles ne sont pas aussi utiles avec l'acquisition. Concentrez-vous sur la vente incitative et l'augmentation de la fréquence des retours. Utilisez-le pour stimuler la nouveauté des produits et les initiatives saisonnières.

Deuxième fête

Les données de seconde partie sont là où les choses deviennent vraiment amusantes pour les spécialistes du marketing. C'est le type de données qui va soutenir tous les objectifs d'acquisition pour la saison.

Les données de seconde partie seront généralement également transactionnelles. La différence entre la première et la seconde partie est que les données de seconde partie sont collectées auprès d'une autre marque.

Essentiellement, nous pouvons prendre des données de première partie d'autres entreprises et les comparer comme si c'était les nôtres. Cette forme de données est également disponible via un échange et évite une partie du remplissage que vous obtenez des agrégateurs qui n'ont pas autant de clarté sur ce que vous achetez.

Ainsi, au lieu de se demander si les clients potentiels vivent ou non dans la même ville ou s'abonnent à la même publication, les spécialistes du marketing devraient se concentrer sur la recherche de marques partageant les mêmes idées avec une clientèle similaire.

Dans l'exemple suivant, utilisons des données de seconde partie. Disons que nous procédons à l'acquisition d'une chaîne de magasins de mode haut de gamme avec un AUR compris entre 70 $ et 90 $.

Il est beaucoup plus logique d'exploiter les données transactionnelles de J. Crew, ou même Pottery Barn, que de cibler des hommes de 54 ans qui vivent dans la même zone géographique. Il y a plus de similitudes entre la base de consommateurs et nous connaissons également l'intention puisqu'ils ont un pouvoir d'achat.

En fin de compte, ce que les spécialistes du marketing veulent cibler, c'est un style de vie concret, et non des données démographiques passives.

L'essor du programmatique est l'un des développements les plus passionnants de la sphère numérique. Elle ouvre une nouvelle fenêtre pour les annonceurs et elle ébranle déjà les fondements du fonctionnement des éditeurs.

Si le programmatique doit évoluer et avoir un succès continu, il doit suivre le chemin que l'e-mail, le CRM, la fidélisation et le marketing de site ont emprunté pour utiliser des données exploitables, fiables, de première et de seconde partie pour prouver l'acquisition et l'investissement.

Les spécialistes du marketing doivent savoir ce qu'il y a dans leurs données et rogner le remplissage pour fournir un retour sur investissement continu et basé sur les données pour leurs marques.