Chez Arcane, nous mettons un point d’honneur à mesurer l’efficacité des leviers marketing de nos clients. Pour cela, nous menons des analyses d’incrémentalité. Ces dernières permettent d’aider dans la prise de décision marketing.
L’incrémentalité représente l’impact réel d’une activation marketing sur la sur la performance business, comme sur les volumes de ventes ou de chiffre d'affaires.
En comparant les différents résultats, on peut savoir précisément quels sont les gains obtenus grâce à la mise en place d’une action marketing spécifique, comme une campagne publicitaire, par exemple.
Ce type d’analyse peut s’avérer assez technique. Pour ce type de projet, nous faisons appel à notre team Data. Ça tombe bien, Noémie, Consultante Data Analyst chez Arcane a participé à la rédaction de cet article pour vous aider à y voir plus clair !
Pourquoi réaliser une analyse d’incrémentalité ?
Tout d’abord, une telle analyse permet de comprendre l’impact réel d’une publicité sur les consommateurs ciblés. Pour cela, on établit clairement un lien entre l’activation marketing et les résultats commerciaux.
En effet, l’analyse d’incrémentalité est un excellent moyen de prouver la valeur commerciale d’un levier ou d’une action, puis de redistribuer les budgets en fonction des résultats. Dans un second temps, on peut comparer l’incrément généré par chaque levier pour challenger et améliorer son mix media.
Les analyses d’incrémentalité permettent aussi de redynamiser l’offre commerciale. En se basant sur des données issues de résultats concrets, on encourage l’innovation concernant la manière de présenter son offre. Une telle analyse peut aussi mener à des évolutions au sein même de la stratégie marketing.
Chez Arcane, nous pensons que la prise de décision basée sur la donnée est la meilleure manière de piloter ses budgets marketing. Pour cela, nous proposons 3 méthodes pour mener des analyses d’incrémentalité.
Les méthodes d’A/B testing
- La méthode centrée sur les utilisateurs
L’analyse d’incrémentalité centrée sur les utilisateurs permet de catégoriser ceux-ci en deux groupes (A et B, de manière aléatoire). Suite à cette catégorisation, on choisit un groupe, le groupe A par exemple, à qui montrer la publicité. On peut alors comparer les ventes effectuées par le groupe ayant vu la publicité, ici le groupe A, au groupe n'ayant pas vu la publicité, ici le groupe B. Les ventes supplémentaires générées par le groupe A seront les ventes réellement générées grâce à l'action marketing.
L’avantage principal est la catégorisation aléatoire, rendant les groupes très similaires dans le cadre du test. Cependant, ce type de méthode est de plus en plus difficile à appliquer à cause des problématiques de privacy.
En effet, le consentement utilisateur est nécessaire pour réaliser ce type de test. Par ailleurs, il est difficile de suivre les utilisateurs sur plusieurs navigateurs.
Pour contrer ces limites, nous nous appuyons aussi sur la méthodologie du géotest.
- La méthode du geo test
Comme leur nom l’indique, ce type de test est basé sur des zones géographiques. On définit un groupe de zones A et un groupe de zones B, et on ne pousse les publicités que sur l'un des deux groupes. En fonction de l'évolution des ventes dans chacune de ces zones, nous pouvons définir les ventes réellement générées par l'action marketing.
L’avantage principal ici est de s’affranchir des limites que l’on constate sur le tracking des utilisateurs sur le web grâce aux données back-office. Les données sont ainsi réconciliées de manière certaine et considérées sur une zone globale.
Cependant, on remarque aussi des biais liés à la zonification. En effet, les utilisateurs ne se comportent pas de la même manière en fonction des régions sélectionnées.
Le Mix Marketing Modeling
Il s’agit d’une méthode holistique qui se base sur les données historiques, avec un regard sur tous les leviers activés sur une période. On analyse ensuite l’impact de l’activation de ces leviers sur les ventes.
En plus de mesurer l'impact des actions marketing, ce type d'analyse permet de mesurer l'impact de facteurs externes de manières plus ou moins complexes, comme la météo, le covid, la refonte d’un site. On analyse ainsi l’impact incrémental de chaque levier, en décorrélant les effets des facteurs identifiés.
Il s’agit là d’une méthode d’analyse extrêmement complète avec du online et du offline, mais aussi la prise en charge de tous les facteurs en même temps.
Cette méthode ne présente pas vraiment d'inconvénient, mais elle nécessite de grandes ressources humaines et financières. Les équipes doivent être très disponibles pour transmettre le plus d’informations possibles, mais aussi avoir des données suffisamment propres et granulaires sur un historique d’au moins 3 ans.
Cette méthode est assez complexe à résumer et mériterait un article à elle seule. Pour en synthétiser le fonctionnement, elle permet de mesurer l'impact des leviers sur les ventes en partant des postulats suivants :
- Sans action marketing, ni perturbation de la demande, les ventes d’une marque suivent une tendance stable.
- Une action peut venir perturber la tendance des ventes, comme l’activation de campagnes SEA. En isolant cette action, on peut en mesurer l’impact.
Dès lors, l’idée est d’isoler l’impact de toutes les actions qui viennent interférer avec la stabilité des ventes (météo, promotion, pandémie etc.).
Au lieu de mesurer seulement deux dimensions, les possibilités deviennent presque infinies. Cette méthode permet notamment de challenger votre mix media global, mais aussi de mesurer l’impact de vos actions spécifiques (refonte d’un site, lancement d’un produit etc.à, afin de prédire l’impact d’actions à venir.
Les analyses d’incrémentalité sont vraiment ancrées dans notre culture de la data et de la mesure chez Arcane. Notre équipe Smart Data Orchestration est à votre disposition pour répondre à toutes vos questions sur notre méthodologie, alors n’hésitez pas à nous contacter !
