Tout acheteur de médias sait que les données sont la clé d'une campagne réussie ; plus vous en savez sur votre public, plus vous pouvez vous adresser à lui de manière pertinente.
Mais chaque acheteur sait aussi que toutes les données ne sont pas égales et que le déploiement de données de qualité inférieure peut conduire à des résultats de campagne décevants. La qualité des données est donc primordiale pour la performance des campagnes.
Trop souvent, cependant, la qualité des données est un peu une boîte noire. Les spécialistes du marketing ne savent pas vraiment comment les segments de données sont créés, quand ils ont été créés et à quelle fréquence ils sont actualisés. Par conséquent, les spécialistes du marketing et les acheteurs de médias peuvent acheter des audiences de consommateurs qui ont déjà acheté ou qui ont été mal étiquetés.
Il s'agit de défis difficiles et tenaces qui ont tourmenté les acheteurs de médias et les spécialistes du marketing depuis l'aube de la publicité numérique. Heureusement, les données en temps réel permettent de relever ces défis de front. Catégorie relativement nouvelle de données achetables, les données en temps réel permettent aux spécialistes du marketing de cibler les consommateurs au moment le plus opportun, de leur offrir une expérience plus pertinente, d'accroître l'efficacité de leurs dépenses médias et d'obtenir des résultats commerciaux tangibles.
Qu'est-ce que les données en temps réel ?
Les données en temps réel, par définition, sont basées sur des signaux réels générés par les consommateurs au cours de leur vie numérique. Elles sont composées de partages, d'appréciations, de commentaires, de recherches, de clics et de consultations de pages observés sur le web au moment où ils se produisent.
Les données en temps réel diffèrent des données préemballées en ce qu'elles sont déterministeet non par procuration. Si je partage la bande-annonce d'un nouveau film sur réseaux sociaux, c'est une indication claire que je m'y intéresse. Les données en temps réel permettent de le déterminer sur la base de mes actions personnelles, et non parce que je ressemble à d'autres consommateurs susceptibles de voir ce film.
C'est différent des données probabilistes ou des données par procuration. Les données proxy font des suppositions sur les consommateurs en se basant sur leurs actions passées ; si un utilisateur visite un site pour bébés, il doit être une nouvelle maman. La plus grande difficulté des données indirectes ? Elles ne peuvent pas faire la différence entre une nouvelle maman et un oncle qui achète un cadeau pour sa nouvelle nièce. Elles peuvent être un instrument plutôt contondant.
L'autre problème est qu'il ne tient pas compte de l'état d'esprit du consommateur. Il est vrai qu'une jeune maman sera vivement intéressée par des articles pour bébé, mais elle peut aussi vouloir acquérir un nouveau désherbeur ou des pneus neige pour sa voiture. Le contexte - l'ici et maintenant d'une session Internet - est un indicateur puissant de l'intérêt et de l'intention, mais il est largement perdu avec les données préemballées qui sont basées sur d'anciens signaux et vendues à un spécialiste du marketing bien après que l'action se soit réellement produite.
C'est pourquoi la fraîcheur des données en temps réel change tellement la donne. Elles peuvent améliorer considérablement les résultats dans des applications spécifiques auxquelles sont confrontés de nombreux acheteurs de médias et spécialistes du marketing. Par exemple, certains cycles de vente sont courts, les phases de sensibilisation, de réflexion et d'achat étant condensées en quelques heures. Dans de telles circonstances, le ciblage des consommateurs sur la base de données en temps réel est essentiel pour améliorer l'efficacité des médias, car il est inutile de cibler un consommateur qui s'est déjà converti.
Mais les données en temps réel sont également un facteur d'efficacité dans les cycles de vente plus longs, car elles envoient des signaux réels et mesurables indiquant qu'un consommateur a progressé dans les phases critiques du parcours d'achat, ce qui permet aux spécialistes du marketing d'agir au plus vite.
Les données en temps réel ont également un haut degré de précision : les consommateurs ont partagé ce contenu ou non, ils sont tombés sur cette page de détails sur le produit ou ont accédé à ce configurateur de produit ou non. Cela aussi change la donne, car ces signaux en temps réel peuvent être introduits dans les plates-formes publicitaires et mar-tech pour automatiser des stratégies intelligentes basées sur les données, notamment l'optimisation des campagnes et la personnalisation individuelle.
Voyons cela en action.
Segmenter les consommateurs en fonction des étapes de votre entonnoir de vente
Les données en temps réel sont extrêmement utiles pour comprendre où en sont les consommateurs dans leur parcours d'achat et pour évaluer le type d'information qui leur sera le plus utile et le plus pertinent à ce moment-là.
Par exemple, les consommateurs qui prévoient d'acheter une nouvelle voiture dans les 12 prochains mois sont susceptibles de commencer le processus en visitant des sites d'évaluation de voitures - un comportement en temps réel qui indique à une marque automobile que ces consommateurs sont en phase de sensibilisation. En tant que marque automobile, vous voudrez créer un segment de ces utilisateurs et leur envoyer des messages sur la sécurité, les économies de carburant ou d'autres avantages propres à votre marque.
Ensuite, ils peuvent visiter les sites des différentes marques automobiles pour se renseigner sur les modèles et configurer une voiture pour avoir une idée du coût final - des signaux comportementaux clairs indiquant qu'ils sont dans la phase de réflexion. Vous pouvez segmenter ces utilisateurs et les cibler avec un nouvel ensemble de messages, comme vos options de financement ou la disponibilité des modèles.
Lorsque ces consommateurs recherchent un concessionnaire local ou planifient un essai routier, vous savez qu'ils sont sur le point de faire un achat. C'est le moment opportun pour les cibler avec une incitation du concessionnaire local.
Mettez en correspondance le comportement d'engagement et le contenu de la page avec l'intérêt et l'intention.
Des données en temps réel de haute qualité, combinées à une science des données et un apprentissage automatique avancés, permettent aux scientifiques des données et aux plateformes de collecte de données d'organiser et de catégoriser les signaux comportementaux en taxonomies de sens. À partir de là, les acheteurs de médias et les spécialistes du marketing peuvent segmenter les audiences en fonction des intérêts et des intentions. Par exemple, une marque de maison et de literie peut segmenter les audiences en fonction de leurs intérêts (meubles d'extérieur) ou de leurs objectifs (rénovation d'une cuisine).
Vous pouvez ensuite activer ces segments à grande échelle dans le cadre de diverses initiatives, qu'il s'agisse de cibler les consommateurs avec un message qui répond à leurs intérêts sur réseaux sociaux, de personnaliser leur expérience lorsqu'ils visitent leur page Web ou de les inciter à s'inscrire à un programme de fidélité.
Si un consommateur partage la photo d'un superbe patio sur Houzz.com, il y a fort à parier qu'il cherche à améliorer son espace extérieur. C'est l'occasion idéale pour une marque de Home & Garden de la cibler avec une publicité pour sa nouvelle ligne de tapis d'extérieur.
Déployer des stratégies intelligentes tout au long de la vie
Les données étant en temps réel, les spécialistes du marketing peuvent suivre l'évolution des centres d'intérêt de leur public et les faire passer de manière transparente à un nouveau segment d'achat. Par exemple, les consommateurs peuvent découvrir une marque lorsqu'ils recherchent une table à manger d'extérieur à acheter. Plus tard, ces consommateurs peuvent se préparer à entreprendre un projet de rénovation de la maison ou du jardin et, ce faisant, générer des signaux importants pour la marque. Savoir ce que vos clients font dans l'univers numérique vous aidera à leur envoyer des messages et des offres en rapport avec les projets qui leur viennent le plus à l'esprit.
Les données en temps réel, c'est-à-dire les actions réelles effectuées par les consommateurs au cours de leur vie numérique, vous permettront également d'établir votre feuille de route pour le développement de vos produits. Les clics et les partages en temps réel vous aideront à comprendre quand les clients de longue date explorent d'autres marques, et pourquoi, et vous fourniront les données dont vous avez besoin pour identifier et combler les lacunes de votre gamme de produits.
Les données en temps réel doivent faire partie de la boîte à outils de tout acheteur de médias
L'identification des clients potentiels sera toujours un défi, mais il est possible d'exploiter des données précises, pertinentes et en temps réel pour rationaliser le processus autant que possible. Ces données peuvent compléter les données de première main d'une marque afin d'accroître l'efficacité des médias et d'obtenir de meilleurs résultats commerciaux.
Voici pourquoi : les clients potentiels font des recherches sur le web, partagent du contenu pertinent et s'intéressent aux solutions possibles à leurs problèmes. Vous pouvez les rencontrer au bon moment grâce aux données en temps réel. C'est pourquoi le temps réel devrait faire partie de la boîte à outils de tous les acheteurs de médias et spécialistes du marketing.
