Techniques d'analyse avancées pour mesurer le PPC

J'ai eu l'opportunité de présenter au SMX Advanced 2024 un sujet sur lequel je vis et respire chaque semaine avec les clients de mon agence : l'analyse et la mesure PPC avancées.

Je travaille dans le marketing numérique depuis plus de 20 ans et, à mon avis (plutôt biaisé), les analyses intelligentes n'ont jamais été un facteur de différenciation aussi important dans les campagnes marketing.

Les réglementations axées sur la confidentialité ont compliqué la mesure des performances et l’IA a privé les spécialistes du marketing de nombreux moyens d’améliorer leurs performances au sein des différents canaux. La prolifération des options de canaux signifie qu’il est impératif d’avoir une vue d’ensemble.

Cela dit, si vous n’avez pas eu l’occasion d’assister à la présentation et/ou n’avez pas le temps de regarder l’enregistrement, je vais vous présenter cinq points principaux à retenir :

• Le mode Consentement v2 donne encore plus de contrôle aux utilisateurs.
• Le passage des données observées aux données modélisées est à portée de main.
• La mise en œuvre des données back-end est cruciale.
• Il est temps d’adopter des options de mesure sans cookies.
• Les mesures proxy peuvent combler les lacunes lorsque les données sont rares.

1. L'importance du mode consentement de Google v2

En 2012, la directive ePrivacy (une loi de l'Union européenne sur les cookies) imposait aux sites Web d'obtenir le consentement des visiteurs avant de stocker/d'accéder à des informations sur leurs appareils. C'était le précurseur du RGPD de 2018 et, dans une moindre mesure, des réglementations sur la confidentialité du CCPA.

En 2020, Google a introduit le mode Consentement v1, qui permettait aux propriétaires de sites Web d'ajuster le comportement des balises Google en fonction du statut de consentement des utilisateurs et, par conséquent, de se conformer au RGPD et au CCPA.

Quelles sont les nouveautés apportées par le mode Consentement v2 ? Cette mise à jour nécessite essentiellement que les utilisateurs finaux soient informés de la manière de révoquer leur consentement à la personnalisation des publicités et permet le suivi anonyme.

Les utilisateurs ont plus de contrôle sur leurs données personnelles, notamment la possibilité de modifier leurs préférences. Google obtient des informations anonymes sur les visiteurs sans utiliser de cookies ou d'autres informations de suivi, en utilisant à la place ce que l'on appelle des « pings sans cookies » pour une modélisation des données plus précise.

2. Le passage des données observées aux données modélisées

En termes clairs pour les annonceurs :

Vous ne pourrez pas suivre ce que font les utilisateurs individuels, vous feriez donc mieux de vous préparer à prendre du recul et à travailler plus efficacement avec une perspective globale avec la modélisation des conversions.

Une partie de cette initiative consiste à mettre en œuvre le mode Consentement v2, car sans lui, vous disposerez de rapports moins précis issus d'un suivi limité des conversions. Vous disposerez également d'informations sur votre audience moins nombreuses et plus précises, ce qui peut avoir un impact sur la segmentation et le ciblage de l'audience.

La modélisation des conversions, basée sur ces « pings sans cookies », nécessite un seuil de clics publicitaires quotidiens de 700 clics publicitaires sur une période de sept jours par pays et par groupe de domaines.

Sa fonction est d'examiner combien de clics non consentis conduisent à des conversions. Ce n'est pas parfait, mais cela permet de combler efficacement le manque de données sur les conversions globales d'une campagne, même si les utilisateurs non consentants ne sont pas suivis individuellement.

Dans l'exemple ci-dessous, l'annonceur a un taux de consentement de 50 %, mais seulement une baisse de 19 % des conversions (12 sur 62) et une augmentation de 18 % du taux de conversion grâce à la modélisation des conversions.

Le résultat est que si vous implémentez à la fois le mode de consentement v2 et la modélisation de conversion (les mécanismes de ces derniers sont trop longs pour être couverts ici), vous resterez conforme et atténuerez une grande partie de la perte de données qui en résulte.

---

3. Les données back-end passent au premier plan

Une fois que les données utilisateur entrent dans votre CRM, il s'agit de données propriétaires que vous possédez et contrôlez – et, comme vous l'avez probablement entendu ad nauseam au cours des 18 derniers mois environ, leur valeur dans le paysage actuel de la confidentialité est fulgurante.

Pourquoi ? Vous pouvez l'utiliser pour le ciblage par ressemblance, le remarketing, l'intégrer aux algorithmes d'enchères et de ciblage des principales plateformes publicitaires pour les entraîner à trouver vos meilleurs utilisateurs, etc.

Quel que soit votre secteur d'activité, votre CRM doit être configuré pour capturer des données qui vous permettent de segmenter vos utilisateurs en groupes avec des valeurs différentes.

Pour le commerce électronique, cela peut se faire en fonction de la LTV ; pour le B2B et la génération de leads, cela peut se faire par étapes de qualification : MQL, SQL, Opps, Closed-won.

La segmentation de ces données vous permet d'alimenter les algorithmes avec des segments spécifiques, ce qui est pratique lorsque vous ne disposez pas d'une grande densité de données.

Par exemple, si vous n'avez pas suffisamment d'Opps sur une période donnée pour entraîner efficacement les algorithmes, combinez les SQL et les Opps pour atteindre le volume dont vous avez besoin tout en maintenant une qualité utilisateur élevée.

4. Connaître les méthodes de mesure sans cookies

Oui, Google a abandonné son projet de supprimer les cookies tiers dans Chrome.

Mais le suivi des cookies est intrinsèquement défectueux (utilisateurs qui refusent, pas de suivi entre navigateurs, etc.).

Voici deux options de mesure sans cookie que j'utilise fréquemment pour analyser les campagnes des clients :

• Essais de géo-lift.
• Modélisation du mix média.

Les tests Geo-lift présentent un inconvénient majeur (ils ne fonctionnent que pour un seul canal à la fois), mais présentent de nombreux avantages :

• Il ne repose pas sur les cookies ni même sur les clics sur les publicités (car les impressions ont également de la valeur).
• Il est disponible sur la plupart des plateformes (GA4, Shopify, Salesforce, etc.).
• Vous pouvez l'utiliser pour exécuter des expériences dans des zones géographiques spécifiques (DMA, États, pays).
• Le package R Causal Impact de Google peut être utilisé pour détecter tout effet dans le groupe de test au fil du temps.
• Il permet de mesurer les revenus supplémentaires (sessions, nouveaux utilisateurs, achats, prospects) issus de vos investissements marketing.

La modélisation du mix média (MMM), quant à elle, mesure les contributions historiques et holistiques des canaux pour aider les annonceurs à ajuster leur répartition budgétaire sur les différents canaux afin d'obtenir de meilleures performances globales.

Tout comme les tests de géo-lift, il présente une liste saine d'avantages :

• Il ne repose pas sur les cookies ni même sur les clics publicitaires.
• Il ne nécessite que les dépenses de canal et les revenus agrégés de vos sources de données back-end (GA4, Shopify, Salesforce, etc.).
• Il permet aux annonceurs d’estimer la contribution de chaque canal.
• Les annonceurs peuvent utiliser Robyn de Meta pour tenir compte de la saisonnalité et de la latence.

Le MMM est cependant un peu plus compliqué que les tests de géo-lift et comporte les inconvénients suivants :

• Il faut 2 ans de données.
• Cela nécessite quelques ajustements.
• Sa mise en œuvre s'appuie sur des connaissances en R ou en Python.

Même si les cookies sont toujours d’actualité, ces deux méthodes de mesure ont constamment produit de solides gains de performance et d’efficacité pour nos clients.

5. Lorsque les données sont rares, utilisez des mesures proxy

Dans la mesure où nous sommes en train de modifier notre façon d'appréhender les données, j'aimerais aborder les indicateurs indirects. Il s'agit d'indicateurs « souples » qui indiquent un engagement fort et/ou sont de bons indicateurs d'actions significatives.

Comme ils interviennent plus tôt dans le parcours client, ils sont plus nombreux. Bien qu'ils aient moins de valeur que les engagements en aval de l'entonnoir, comprendre cette proportion peut vous aider à utiliser des mesures proxy avec une précision décente.

Par exemple, supposons que vous n'ayez pas suffisamment de formulaires remplis pour alimenter l'algorithme d'enchères de Google. Vous pouvez effectuer une analyse pour comprendre qu'environ un utilisateur sur quatre qui consulte la page contenant ce formulaire finit par se convertir en prospect.

Si vous connaissez la valeur moyenne de ces leads, vous pouvez utiliser le ratio de pages vues par rapport aux remplissages de formulaires pour calculer la valeur moyenne d'une page vue. Ensuite, vous devez :

• Créez une métrique proxy dans GTM.
• Importez la métrique proxy dans Google Ads, codez en dur la valeur nominale et collectez les données pendant 2 à 4 semaines.
• Faites de la métrique proxy un événement principal afin qu'elle soit utilisée pour l'optimisation des enchères.
• Mesurer l'impact.

La maîtrise de l'utilisation des mesures proxy est un excellent moyen de maintenir l'agilité de votre analyse de campagne malgré une densité de données incohérente.

Stratégies d'analyse avancées pour les campagnes PPC modernes

Il y a un point positif important : la plupart de ce que nous venons de discuter sera pertinent, quoi qu'il arrive aux cookies.

Je vous recommande vivement de retrousser vos manches et de vous familiariser dès maintenant avec toutes ces initiatives, car chacune d’entre elles a déjà produit des avantages concurrentiels significatifs pour nos clients.

VIDÉO : Techniques d'analyse avancées pour mesurer les performances du PPC

Voici ma présentation complète de SMX Advanced :