Les efforts marketing se heurtent à la limite du volume de données
KitchenAid a une histoire d'innovation et a lancé plusieurs produits révolutionnaires au fil des ans, tels que l'emblématique batteur sur socle qui est maintenant un élément de base dans de nombreuses cuisines. Les données de recherche montrent que la demande en ligne de petits appareils de cuisine en Europe évolue, passant de 39 % en 2021 à 42 % en 2022. Se tourner vers le commerce électronique est manifestement un moyen efficace d'accroître les ventes de KitchenAid, mais ce n'est pas une promenade de santé. Non seulement le paysage du commerce électronique pour les appareils de cuisine est très concurrentiel, mais les produits de KitchenAid sont haut de gamme, ce qui rend plus difficile pour KitchenAid de se positionner sur le marché du commerce électronique où les comparaisons de prix et les achats à valeur ajoutée sont courants.
Par conséquent, notre réflexe naturel est de nous tourner vers les données de recherche pour prendre des décisions éclairées sur la manière d'opérer efficacement. Mais là, nous sommes confrontés aux limites imposées au suivi des cookies. Par conséquent, il devient plus difficile de mesurer et d'attribuer le succès des campagnes. Nos campagnes de prospection, qui sont souvent les premiers contacts avec notre marque, sont sous-évaluées. Par conséquent, l'allocation des budgets entre les canaux et les campagnes devient plus difficile. En outre, les canaux de conversion tels que Google Ads dépendent fortement des données pour l'apprentissage et la performance des algorithmes. Pour KitchenAid, qui dispose de peu de données sur le volume de conversion en raison du prix élevé de ses appareils de cuisine, cet impact est encore plus prononcé.
En fin de compte, avec cette perte de données, l'équipe marketing de KitchenAid devenait de plus en plus aveugle sur la façon de naviguer efficacement dans ses efforts de marketing. Nous avions besoin d'un moyen de surmonter cette situation.
Mes données ne sont pas parfaites et cela ne me dérange pas
La mission est claire. Mais avant de continuer à vous raconter l'histoire, nous devons d'abord nous débarrasser d'une idée fausse. La qualité des données est sans aucun doute un élément clé de la réussite de toute décision axée sur les données. Chez Semetis, on nous demande régulièrement de combler miraculeusement le fossé entre les signaux de données d'une plate-forme et une autre base de données. Et comme les données ne correspondent pas toujours, elles sont finalement rejetées en tant que données valides. Le fait de ne pas capturer certains points de données ne signifie pas qu'il n'y a pas d'informations que vous pouvez tirer de vos données.
En général, dans le domaine de l'analyse web et de la publicité numérique, les données obtenues sont très précises, à moins que vous n'ayez complètement raté la mise en œuvre. Si une partie des données n'est pas collectée pour une raison quelconque, ce n'est pas grave. Les données dont vous disposez restent très précieuses. Les outils d'analyse du web sont destinés à mesurer les tendances, les proportions, à relier les réseaux et les plateformes. Les outils d'analyse du web ne sont pas des scanners de cancer, et les données approximatives sont acceptables.
La modélisation des données pour accroître la puissance des données dont vous disposez
KitchenAid l'a également compris. Alors, comment faire fonctionner nos données ? Nous nous sommes appuyés sur la technologie SegmentStream, une plateforme de modélisation des conversions qui utilise des algorithmes d'apprentissage automatique pour évaluer chaque session de site web et prédire la probabilité que l'utilisateur puisse convertir à l'avenir. Si la probabilité est suffisamment élevée, la plateforme crée une conversion modélisée qui est immédiatement attribuée à la source de trafic et utilisée pour la mesure et l'optimisation. Cette solution de conversion modélisée peut compenser la perte de données due à la disparition des cookies.
Avec SegmentStream, des points de données multi-sources ont pu être collectés. Pour KitchenAid, les données comportementales de Google Analytics 360, ainsi que les données de coûts, de clics et d'impressions de diverses plateformes publicitaires telles que Facebook Ads, Google Ads et Awin (plateforme d'affiliation) ont été intégrées. Ensuite, l'ensemble des données est utilisé pour former un modèle d'apprentissage automatique afin d'obtenir des conversions modélisées.
Il est incontestable que les moteurs de recherche sont la porte d'entrée de tout site de commerce électronique. Les chiffres parlent d'eux-mêmes : 87 % des acheteurs commencent leur recherche de produits en ligne. Les consommateurs qui utilisent la recherche sont 2,4 fois plus susceptibles d'acheter. Réussir nos campagnes Google Ads, dans 11 pays avec chaque site web différent, pour le commerce électronique de KitchenAid est donc une évidence. C'est pourquoi nous avons connecté les prévisions de ventes réalisées par SegmentStream sur la base du comportement des utilisateurs sur le site web avec notre compte Google Ads. Ainsi, nous nous sommes assurés que l'algorithme d'enchères intelligent de Google intégrait les conversions modélisées en tant que points de données, ce qui, à son tour, permet de mieux optimiser les campagnes vers les revenus de KitchenAid.
Réalisation de tests A/B pour valider l'impact des conversions modélisées
Pour garantir que l'implémentation des conversions modélisées avait réellement un impact positif sur le chiffre d'affaires total et, plus important encore, sur le ROAS, nous avons réalisé un test A/B en deux étapes. Premièrement, sur les campagnes de mots-clés de marque et génériques, et deuxièmement, sur les campagnes Performance Max. Et ce, pour 11 pays européens.
- Les campagnes A ont utilisé une stratégie d'enchères à valeur de conversion maximale et ont été optimisées pour les achats sur le site Web, collectés par le biais de la balise Google Ads.
- Les campagnes B ont utilisé la même stratégie d'enchères mais ont été optimisées pour les conversions modélisées SegmentStream.
Lors de la première itération du test, les campagnes de marque optimisées pour les conversions modélisées ont affiché un meilleur ROAS, tandis que les campagnes génériques n'ont pas montré de différence significative pour rendre le test concluant. Un examen approfondi a révélé que les campagnes génériques étaient trop petites, en termes de points de données, pour générer suffisamment de résultats.
Nous avons alors décidé de lancer le test pour les campagnes Performance Max (sur l'inventaire des achats). Comme Google n'offre pas la possibilité d'effectuer un test A/B pour les campagnes Performance Max afin de comparer différentes stratégies d'optimisation, une expérience a été menée sur la base de la géolocalisation en Allemagne. Le pays a été divisé en deux régions au comportement similaire, et nous avons appliqué la même logique pour la mise en place que celle décrite ci-dessus.
Les tests A/B se sont déroulés sur une période de deux mois afin de pouvoir prendre des décisions concluantes.
Même avec des données limitées, une augmentation de 15 % du ROAS est possible
Les résultats des tests ont été remarquables. En utilisant les Conversions Modélisées de SegmentStream dans les campagnes B, nous avons observé une augmentation de 15% du ROAS, tout en gardant le même niveau d'investissement. Nous avons donc décidé de mettre en œuvre l'optimisation des conversions modélisées à long terme pour toutes les campagnes de Google Ads dans les 11 pays. En conséquence, nous avons dépassé notre objectif de 5 %.
De plus, il y a un bonus supplémentaire pour nos 11 pays au niveau mondial:
- Le volume des ventes a augmenté de 7 %
- Le coût par clic de nos campagnes a diminué de 27 %. Cette diminution du coût par clic nous a permis de cibler des demandes de recherche plus qualitatives avec les mêmes budgets.
Ces améliorations signifient que KitchenAid attire désormais plus de visiteurs sur son site web avec une forte probabilité d'effectuer un achat, ce qui s'est traduit par une plus forte croissance des ventes pour l'entreprise.
Floriane Defacqz
| LinkedinCette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.
