Les marques investissent toujours plus dans le marketing d’influence, mais elles peinent encore à mesurer l’impact de tout ce budget.
Mesurer le ROI des influenceurs est une question à laquelle nous avons consacré beaucoup de temps en construisant Roundabout : nous savons donc à quel point cela peut être difficile. Nous avons vite compris qu’on ne peut pas se fier uniquement aux codes promo : trop de clients oublient de les utiliser, et les affiliés les moins fiables partagent souvent les codes sur des sites de bons de réduction pour obtenir plus de clics.
Les codes promo doivent faire partie d’un plan plus large, d’une approche plus globale de la mesure, qui intègre le suivi numérique et le Marketing Mix Modeling (MMM), les deux travaillant ensemble pour supprimer les dépenses média gaspillées dans des campagnes qui ne génèrent pas de ventes.
Commençons par voir quels problèmes de mesure vous pouvez rencontrer avec vos campagnes de marketing d’influence. Nous ferons ensuite une brève introduction au Marketing Mix Modeling : ses points forts, ses limites, et pourquoi les marques modernes en direct (DTC) l’ont adopté.
Mesurer l’impact des influenceurs
Le marketing d’influence est l’un des canaux numériques les moins mesurables, parce qu’il se passe « hors plateforme ». Au lieu de payer une plateforme comme Meta (Facebook & Instagram) pour de la publicité, on contacte en général des influenceurs un par un pour travailler directement avec eux.
Les résultats varient souvent, parce que le succès de la campagne dépend en fait beaucoup :
- de la pertinence de votre produit pour le public de l’influenceur
- de l’enthousiasme de l’influenceur pour votre produit
- de l’exécution créative de votre campagne
Il y a aussi le problème de la fraude : faux abonnés et fausses interactions, qui obligent les marketeurs à vérifier la fiabilité des profils. La FTC et les réseaux sociaux contrôlent aussi que les influenceurs signalent correctement leurs messages publicitaires.
L’une des principales méthodes de mesure utilisées par la plupart des marques est justement celle des codes promo. Cette technique remonte au début du XXe siècle, et l’usage des bons de réduction a atteint son apogée dans les années 1930, pendant la Grande Dépression. Les premiers marketeurs scientifiques, comme Daniel Starch et Claude Hopkins, ont ouvert la voie en attribuant des codes promo uniques à différentes variantes d’une publicité pour en tester l’efficacité.
Cette technique simple mais efficace a malheureusement des défauts importants dans l’économie numérique d’aujourd’hui.
- Des extensions de navigateur comme Honey ou Rakuten, qui remplissent automatiquement le champ du code promo avec celui qui offre la plus forte remise
- Des acheteurs malins, habitués à chercher sur Google « codes promo [marque] » au moment de payer, pour voir s’ils peuvent obtenir une remise
- Des affiliés frauduleux qui pratiquent le « cookie stuffing » pour marquer le plus de personnes possible avec leur code d’affiliation
Aucun de ces scénarios n’enregistre de ventes « incrémentales ». D’un autre côté, beaucoup de clients oublient tout simplement d’utiliser leur code promo ! Ou alors ils n’ont pas remarqué le code enfoui dans le texte du post. Dans les deux cas, tout marketeur qui a l’expérience des campagnes d’influence vous dira qu’il voit des pics de ventes pendant les campagnes, au-delà de tout ce que le suivi peut expliquer.
Marketing mix modeling
Le Marketing Mix Modeling (MMM) a été introduit dans les années 1960 pour faire correspondre les pics et les creux des ventes aux actions marketing (et aux facteurs externes). Bien utilisé, il peut vous dire l’effet incrémental de chaque élément de votre stratégie commerciale, pour que vous puissiez prendre des décisions fondées sur les données dans la répartition de votre budget marketing.
Historiquement, il était utilisé par les grands annonceurs, mais ces dernières années il a aussi été adopté par les marques en direct (DTC), dans le sillage des changements de confidentialité d’Apple iOS 14, du RGPD et du CCPA, et des bloqueurs de publicité qui limitent la capacité des marketeurs à suivre les utilisateurs. Le MMM fonctionne sans données au niveau de l’utilisateur : il est donc parfait pour les canaux difficiles à suivre comme la télévision, les podcasts et les influenceurs.
Une fois votre modèle construit, vous pourrez déterminer la dépense sur chaque canal marketing et redistribuer le budget, en le déplaçant des canaux peu performants vers ceux qui ont le plus de marge de croissance. Il sert de deuxième avis face au suivi et à l’analyse numériques, comme une preuve par neuf entre les ventes que vous voyez dans Google Analytics, le suivi de vos codes promo et l’enquête « comment avez-vous entendu parler de nous ».
Le Marketing Mix Model peut être difficile à calculer correctement, et demande parfois des connaissances statistiques avancées, par exemple la maîtrise des algorithmes bayésiens. Ces modèles offrent plutôt une vue d’ensemble, celle de l’impact global de chaque canal, qu’une analyse détaillée des campagnes, des messages ou des tactiques pris un par un. Cela dit, s’il est bien construit, le MMM est un élément précieux des outils d’attribution modernes.
Tutoriel de Marketing mix modeling
Pour suivre le tutoriel, consultez le modèle indiqué dans cet article, basé sur les données d’une entreprise d’e-commerce et tiré des cours de marketing mix de Vexpower :
Pour une petite ou moyenne entreprise, le Marketing Mix Model peut être un travail complexe, parce qu’il demande l’implication de plusieurs personnes, des mois de travail pour être mené correctement et un travail continu pour être suivi. Il est pourtant possible d’obtenir un modèle « suffisamment bon » en un après-midi, avec seulement Excel ou Google Sheets.
Étape 1 : collecter les données
Vous avez besoin des données de tout votre mix marketing, de tout ce qui consomme du budget et qui fait vendre, pour que le modèle puisse isoler l’impact des influenceurs par rapport à tout le reste. Elles doivent être sous forme de tableau, comme indiqué : une ligne par jour ou par semaine et une colonne par canal ou par campagne.
Remarque : quand vous travaillez avec des canaux comme YouTube, il est peu probable que vous obteniez des données précises pour chaque jour ou chaque semaine. Si vous attendez un trafic continu sur le long terme, ce modèle n’attribuera pas ces bénéfices de long terme.
-
Conseil pour modéliser les influenceurs :
Faites correspondre le budget à votre planning de publication
L’astuce consiste à faire correspondre ce que vous avez dépensé pour chaque post avec le moment où ce post a été mis en ligne. Sinon, le modèle cherchera l’impact au mauvais endroit. Affecter la dépense au jour où la collaboration avec l’influenceur est confirmée est une erreur courante, tout comme regrouper la dépense par semaine calendaire ou par mois.
-
Idéalement, pour chaque canal média, on veut mesurer l’effet de la dépense : combien d’euros obtient-on pour chaque euro dépensé ? Il faut modéliser le coût réel de vos campagnes, et non la portée, les impressions, les abonnés ou d’autres métriques de vanité.
Vous pouvez aussi contrôler les variables externes qui ont un impact, par exemple le classement Amazon ou les relations presse, même s’il faut faire attention à la manière d’intégrer ces variables.
Étape 2 : construire le modèle
Cette pile impénétrable de chiffres est le résultat de la fonction DROITEREG (LINEST dans les versions anglaises), disponible dans Excel et Google Sheets. La ligne du haut contient les coefficients (attention : ils sortent dans l’ordre inverse), qui vous indiquent l’impact de chaque action marketing (en supposant que le modèle soit correct).
Vous pouvez interpréter les coefficients ainsi. Pour les campagnes d’influence gérées avec Roundabout, le coefficient est d’environ 0,025, ce qui signifie que pour chaque euro de budget vous obtenez environ 0,025 vente. Si l’on divise 1 par le coefficient, on obtient le coût par acquisition (CPA) incrémental, qui dans notre modèle est d’environ 40 €. Vous pouvez le comparer au chiffre que vous donne le suivi de votre code promo, qui peut être supérieur ou inférieur.
Le multiplicateur est le rapport entre ces deux chiffres, que vous pouvez utiliser comme règle générale pour estimer le « vrai » ROI de vos campagnes. Dans notre exemple, le CPA mesuré avec les codes promo est d’environ 64 €, donc le multiplicateur est de 0,63. Si vous lancez une nouvelle campagne qui affiche un CPA de 50 € d’après le suivi des codes promo, vous pouvez être raisonnablement sûr que le « vrai » CPA était plus proche de 32 € (50 x 0,63 ≈ 32).
Étape 3 : valider le modèle
Dans notre cas, nous voyons que le modèle suit bien l’évolution des ventes passées. Le MAPE, une mesure de précision et d’erreur, est de 13,4 % au total, avec certaines semaines bien plus précises que d’autres. C’est un bon début, mais ce n’est pas suffisant !
Ensuite, nous devrions vérifier que notre modèle peut prévoir avec précision de nouvelles données qu’il n’a pas encore vues : par exemple les 4 prochaines semaines de ventes.
Il est aussi important que le modèle soit plausible : s’il nous avait dit que nos influenceurs généraient des ventes à 5 € au lieu de 50 €, ce serait difficile à croire, et le signe que quelque chose ne va pas dans le modèle. Dans tous les cas, ces modèles doivent être validés et calibrés en fonction de ce que vous avez appris avec d’autres méthodes d’attribution marketing, y compris les expériences contrôlées randomisées (tests A/B).
À mesure que vous chercherez plus de précision et de validité statistique, vous voudrez adopter des techniques plus avancées comme le MMM bayésien, et mesurer aussi l’effet différé de vos campagnes d’influence (combien de temps après le post les ventes continuent-elles ?) et les rendements décroissants (combien pouvez-vous dépenser avant la saturation ?), ainsi qu’une série d’autres caractéristiques importantes pour un bon modèle de Marketing Mix. C’est à partir de là qu’il faut apprendre les techniques avancées de MMM, avoir les données à portée de main, ou travailler avec un prestataire comme Recast, capable de gérer cette complexité et de s’assurer que le modèle est exact.
Si vous avez besoin de trouver les influenceurs les plus adaptés, vous pouvez commencer par Creator Analysis ; si vous voulez coordonner efficacement votre campagne et avoir les chiffres relevés contenu par contenu, découvrez les campagnes exécutées de A à Z.
