L’internalisation des solutions de mesure et d’optimisation de l’efficacité marketing : une opportunité pour en tirer la quintessence opérationnelle ?

Néanmoins, quel utilisateur ne s’est pas heurté au fort décalage entre les outils à disposition et les enjeux opérationnels – tant stratégiques et tactiques ? Comment se contenter d’un bilan annuel de retour sur investissement de canaux média présenté sur PowerPoint quelques mois après la fin de la période étudiée ? Comment se limiter à une vision très parcellaire, court-termiste de l’efficacité mesurée sur les seuls leviers digitaux et reposant sur des données appauvries par les restrictions d’accès aux informations individuelles ? Comment se priver d’analyses au niveau de granularité le plus pertinent : zones géographiques fines, supports média  et plates-formes détaillés, différents messages / créations, segments de consommateurs, etc. ? Comment se fier à des « modèles standards » qui prennent si peu en compte les spécificités de chaque secteur d’activité, de chaque marque et qui s’appuient si peu sur l’expertise des équipes qui en ont la charge ?

Une solution se fait jour chez certains annonceurs :

• intégrer les algorithmes de mesure et optimisation de l’efficacité au sein de leur plate-forme data-insights,

• doter les décideurs marketing de procédures d’analyse et de simulation permettant de tirer profit de leur expertise business sans pour autant les métamorphoser en data scientists.

Profondément ancrée dans les données et la culture marketing de l’entreprise, la solution internalisée, « in-house », permet des gains opérationnels et financiers significatifs par :

• L’actionnabilité : les résultats sont directement connectés au quotidien des marques et adaptés à leurs spécificités et au business model. Des recommandations pragmatiques s’insèrent sans filtre dans les procédures de mise en œuvre.

• L’accélération et l’agilité : les mesures et retours d’expérience sont plus fréquents et rapidement accessibles. Ceci permet lorsque nécessaire, une remise en question des dispositifs, la simulation de l’impact de scénarios alternatifs, voire l’adoption d’une démarche de test-and-learn continue.
• Un périmètre élargi et une granularité pertinente. L’ensemble du mix marketing est pris en compte de façon conjointe : les leviers de communication au sens le plus large (paid, owned et earned « media »), mais aussi par exemple les actions de promotion sur le lieu de vente etc. La richesse des données sur les canaux de distribution, segments de consommateurs, et autres supports de communication permet d’accéder au niveau de détail le plus approprié.

Ainsi, une telle solution ouvre à la reprise en main par les annonceurs des décisions portant sur la détermination des budgets, l'allocation des ressources marketing et le pilotage tactique des actions. S’ensuivent des bénéfices immédiats : la maîtrise des coûts afférents, des échanges plus transparents avec les partenaires média, plateformes et agences, mais aussi la protection du capital data et knowledge de l'entreprise.

Pourquoi est-ce aujourd’hui une solution à considérer ?

Longtemps, les démarches de mesure et d'optimisation de l’efficacité marketing et, en particulier, la modélisation du mix marketing sont restées fort délicates à appréhender pour les non-experts. De ce fait, c’était là un domaine quasi-exclusif de prestataires spécialisés.

Ces dernières années ont connu de très sensibles avancées permettant de changer la donne et d’envisager l’in-housing sans pour autant se lancer dans un projet pharaonique et très risqué :

La maturité des data platforms

Nombre d’entreprises ont fortement investi pour développer leur écosystème data et insights tant sur les infrastructures / cloud platform que sur les process de gestion. Cela a permis des avancées considérables : enrichissement par extension du périmètre de couverture, gain en granularité, en fréquence et une rapidité de mise à jour. Mais aussi un décloisonnement des données, une automatisation de procédures d’alimentation, une gestion de l’hétérogénéité des informations (dont les données non structurées issues des outils de social intelligence / « voice of consumers » …)La mesure et l’optimisation de l’efficacité marketing devient un cas d’usage complémentaire de ces plateformes et non plus un lourd projet isolé.

Un accès facilité à des techniques de modélisation toujours plus pertinentes

Les évolutions majeures des approches et outils de Data Science / Machine learning, la puissance de calcul accessible et la diffusion des compétences nécessaires ont quant à elles ouvert la voie à une nouvelle génération de modules fonctionnels :

• Solutions de premier niveau, mises en œuvre à court terme à investissement maîtrisé, en utilisant par exemple un des packages d’algorithmes open source de Marketing Mix Modeling semi-automatisés (e.g. Robyn développé par Meta ou Lightweight de Google) ou d’attribution « cookieless” (e.g. Regression-Based Attribution de Google),
• Solutions avancées pour des analyses plus fines exploitant la granularité des données et pour se doter d’outils de simulation / scenario planning par intégration d’algorithmes. Ces modèles permettent d’appréhender la grande complexité de certains environnements marketing (par exemple techniques d’Agent-Based Modeling) ou en construisant des systèmes hybrides utilisant conjointement plusieurs approches d’analyse de l’efficacité (e.g. en introduisant les résultats d’expérimentation sur marchés tests au sein de modèles de marketing mix).

Une réponse aux évolutions du contexte marketing

Au-delà de ces facteurs data & technologies, ce sont les mutations du paysage marketing qui accentuent encore la pertinence de l’internalisation. Instabilité du contexte économique général, volatilité et hétérogénéité croissante des comportements consommateurs, évolutions sensibles et fréquentes de l’offre media…. Tous ces changements requièrent une exploration plus profonde / granulaire et rapide que celle que peut offrir le processus lourd, coûteux et souvent difficile à comprendre du recours à un prestataire externe mais aussi des capacités d’évaluation a priori de scénarios alternatifs aux mains d’experts business.

Ce sont, avant tout, les retours sur investissement d’un programme d’in-housing, les potentiels gains, à la fois financiers, opérationnels et de montée en compétences des équipes, dans un environnement fragile qui conduisent de nombreux annonceurs à franchir le pas.

La fin du mythe du “one size fits all”, d’un outil standard pour tous les annonceurs

S’engager dans une réflexion sur l’internalisation, c’est, bien entendu, en tout premier lieu s’assurer qu’un tel projet est en adéquation avec les enjeux, les moyens, la gouvernance et la culture de l’entreprise. Plusieurs facteurs peuvent être défavorables : un faible gain potentiel à l’optimisation des campagnes ; des budgets media / marketing fort délicats à remettre en question en cours d’année ; un secteur d’activité où l’accès aux données business nécessaires est d’un coût bloquant ; une organisation encore très cloisonnée sans volonté de la faire évoluer... .Pour ceux qui poursuivent le projet, l’expérience montre que les internalisations réussies reposent en majorité sur :

• Un système ad hoc construit sur base de modules de traitement qui eux peuvent être standard,
• Une construction étape par étape, à pas mesuré, souvent en co-construction avec des expertises extérieures.

La customisation de la solution porte sur chacune des trois dimensions qui structurent, construisent et assurent le bon fonctionnement d'un tel système :

Plateforme data et insights

La valeur des résultats - mesures de l’efficacité et recommandations pour l’optimisation – est entièrement conditionnée à la pertinence, la complétude, la qualité et la fréquence de mise à jour des données et des insights. L’adéquation des données disponibles aux besoins spécifiques de compréhension d’un marché et de ses drivers s’avère cruciale. Le travail de complétude des sources de données demande non seulement de dépasser les silos internes afin d'aller chercher l'ensemble des données disponibles dans l'entreprise mais aussi de s'adresser à des partenaires extérieurs. Ainsi, le département études fournira les données de tracking de marque ou de social intelligence, l'agence media les données de campagnes media et de suivi de la concurrence, les partenaires externes les données socio-démo, de météo et ainsi de suite... L’objectif final est de rendre l'ensemble de ces données accessibles, partageables et réutilisables de façon pérenne dans la plateforme data et insights. Plus généralement, la gouvernance des données, et notamment celle des informations issues des univers digitaux, revêt donc un caractère primordial.

Méthodologies et technologies

De même, la sélection de la (ou des) approche(s) de modélisation et d’optimisation doit être adaptée aux objectifs de l’annonceur ainsi qu’aux données pertinentes dont il dispose. Ces techniques sont aujourd’hui matures et leurs limitations d’usage connues. Le choix peut être fait au sein de librairies d’algorithmes qui seront éventuellement combinées (par exemple, utilisation conjointe de technique d’économétrie « marketing mix modeling » et de tests d’expérimentation).

L’internalisation requiert également une intégration dans les systèmes et les procédures de l’entreprise. En effet, il faut garantir le bon fonctionnement de la solution via l’accès fluide à l’information, le partage, la flexibilité et des interfaces intuitives adaptées à un usage non-quotidien. Également, il faut faciliter sa gestion par l’automatisation des tâches d’alimentation des données ou des fonctions d’actualisation des modèles, par exemple.

Expertises et réseau de partenaires

Pluridisciplinaire par nature, un projet d’internalisation de la mesure et d’optimisation de l’efficacité passe nécessairement par l’implication, dès les prémices, des équipes marketing-communication mais aussi des équipes data, IT, digital, département études, voire du service financier.

Ici encore, c’est une solution ad hoc dont les facteurs clés de succès sont :

• La détermination des profils en interne et des potentiels intervenants externes. Ceci dès la phase de conception et jusqu’à la phase de maintenance et d’adaptations ultérieures.

• La formation et l’accompagnement des équipes pour une montée en compétences. Les compétences opérationnelles sont notamment capitales pour interpréter les résultats et leurs limites, gérer les simulations et les optimisations, et les prendre effectivement en compte dans les process de décision.

• La constitution, si nécessaire, d’un réseau de partenaires spécialisés à même d’assister les équipes internes sur les aspects les plus techniques et les domaines sur lesquels de nombreuses avancées ou éléments de benchmark sont à évaluer. Par exemple, dans les approches de modélisation, l’intégration de nouvelles données ou de nouveaux leviers marketing

• Le soutien du comité exécutif. Celui-ci s’avère un catalyseur fort pour l’adoption d’un tel système et pour en tirer le plus grand profit y compris sur les évolutions de la culture data et les décisions de l’entreprise.

Dans la pratique, l’internalisation recouvre des réalités très différentes entre les annonceurs : depuis une gestion de la construction et des évolutions à 100 % opérée par les équipes de l’annonceur jusqu’à une solution hybride regroupant expertise interne et soutien par des partenaires à toutes les phases.

La répartition interne / externe doit être évolutive : la majorité des projets réussis ont été menés en gérant un in-housing progressif et parfois en conservant dans le système pérennisé une part de réalisation / accompagnement par des partenaires spécialisés pour bénéficier des évolutions techniques, méthodologiques ou pour disposer de benchmarks.

Quoi qu’il en soit, l’essentiel reste la constante volonté de l’entreprise de préserver son capital données et connaissance (marché / consommateurs / marques) et d’internaliser une prise de décision éclairée.