La scalabilité des prospects est la clé pour pouvoir optimiser une campagne avec audience targeting. Les algorithmes de « machine learning » permettent aujourd’hui d’extrapoler par modélisation des profiles semblables dit « look allike ». Dans quel contexte dois-je faire appel au data modeling ? Comment juger de la fiabilité d’un modèle ? Comment l’ajuster et juger de ses résultats ? Quel est le coût pour une campagne ? Voici quelques-unes des questions auxquelles nous allons répondre dans cette conférence, à travers de cas pratiques.
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
1 DATA PERFORMANCE SUMMIT – 15 OCTOBRE 2014
Erick Alphonse, Président, Cleverbiscuit
Arnaud Caplier, Chief Data Officer, Weborama
Benoît Oberlé, President, Sirdata
Modérateur : André Taliercio, VP Monétisation et Partenariats stratégiques, Triton Digital
2 DATA PERFORMANCE SUMMIT – 15 OCTOBRE 2014
WEBORAMADATA COMPANY
3 DATA PERFORMANCE SUMMIT – 15 OCTOBRE 2014
MODELISER, POUR QUOI FAIRE ?LE CODE A CRAQUER
3
DE LA DONNEE WEB … … A LA CONVERSION
+140%
SANSCIBLAGE
x1
x2,4
AVEC CIBLAGE
?ESPACE NON STRUCTURE
ESPACE INFINIESPACE VIVANT
ESPACE ALPHANUMERIQUE
ESPACE METRIQUEPROXIMITES ET PROBABILITES
SOURCE : Weborama
4 DATA PERFORMANCE SUMMIT – 15 OCTOBRE 2014
DONNEESBRUTE
4
SCORING &SEGMENTATIONINTERNAUTES
PERFORMANCEPROFILING
INTERNAUTE- 3RD PARTY -
CROISEMENTDONNEES
- 1ST PARTY -
Pièces automobilesAchat voiture
Marques automobilesMoto et deux roues
MaquillageProduits cosmétiques
Soins esthétiquesProduits de soins
Parfum
HabillementAccessoires
ChaussureLunetterie
TabletteOrdinateur portableProgrammationPériphérique et hardwareInformatique
NatureFaune
EcologieMétéo
EnseignementHistoire
BaccalauréatRentrée
FamillePetite enfanceRencontreAnimaux de compagnieJeux et jouetsMariage - Pacs
Gestion d'actifs financiersCréditBourse et FinanceAssurance
CuisineFruits et légumesGrande distributionBoissons non-alcooliséesDesserts
Paris hippiquesJeux d'argent
Consoles jeuxJeux vidéos
Manga
ArtSortiesCinémaBon plan
MédecinSanté et médecineRégimePharmacie
EnergieImmobilier
Décoration d'intérieurGaz et électricité
AmeublementElectroménager
Bricolage
DroitAdministration
MusiqueAstrologieTVRéseaux sociaux
ActualitéNews &Politique
Audio/vidéoAppareilphoto
ArtisanCommerçantEntrepreneur
Emploi
SportsFootballActivités ....
Opérateurs télécomFAI et navigateurs
Niveau d’activité web
- Faible- Moyen- Fort
SITES
CRM MEDIA
APPLIS
CRITERES DE CIBLAGE
DENDROGRAMMESEMANTIQUE
PROFIL INTERNAUTE DMP ALGORITHME UPLIFTDONNEES WEB
TRAITEMENT DU LANGUAGE +140%
SANSCIBLAGE
x1
x2,4
AVEC CIBLAGE
MANAGED SERVICES (TRADING DESK) vs. SELF SERVICE (DMP)
SOURCE : Weborama
DE LA DONNEE BRUTEA LA PERFORMANCE MEDIA
5 DATA PERFORMANCE SUMMIT – 15 OCTOBRE 2014
SOURCE : Mc Kinsey & Weborama « leveraging big data to optimize digital marketing », 2013
BONNE PRATIQUEASSOCIER PERFORMANCE & VOLUME
14 SEGMENTS
25 % DES INTERNAUTES
CONV. MOYENNE x 2,4
6 DATA PERFORMANCE SUMMIT – 15 OCTOBRE 2014
Auto
CSP
Voyage
+350 segments
PROCESSINGDonnées brutes1st & 3rd
Data segmentée
EXTRAPOLATION DES
AUDIENCES/CIBLESProfil type
sociodémographique
Profil type comportemental
7 DATA PERFORMANCE SUMMIT – 15 OCTOBRE 2014
APPETENCE TRES FORTE
APPETENCE FORTE
APPETENCE MOYENNE
PROFIL SOCIO-DEMOGRAPHIQUE
(LOOKALIKE)
PROFIL COMPORTEMENTAL
(ACTALIKE)
APPETENCE => PROBABILITE DE CONVERSION
8 DATA PERFORMANCE SUMMIT – 15 OCTOBRE 2014
CIBLER DES AUDIENCES RECEPTIVES
EXCLURE DES AUDIENCES RETICENTES
AUGMENTER SON REACH
CONVERTIR PLUS
POURQUOI FAIRE ?
9 DATA PERFORMANCE SUMMIT – 15 OCTOBRE 2014
MODELISATIONDEUX APPROCHES
Descriptive / BI Prédictive / Analyse Prédictive
Cas d’utilisation- Découverte- Explication- Stratégie
marketing
- Extension d’audience
- Optimisation- Automatisation
Outils - Datamart- DMP
- look-alike- scoring
Stabilité + -
Boite noire - +
10 DATA PERFORMANCE SUMMIT – 15 OCTOBRE 2014
MODELISATIONMOTEUR DE PREDICTION D’IMPACT
Achète toujours
N’achète plus
Achète
N’achète pas
Impactde la campagne
Captifs
Ne-pas-déranger
Réceptifs
Indifférents
Segment
Négative à faible(coût, image, churn)
Très négative(perte nette, churn)
Très élevée(conversion)
Négative à faible(coût, image, churn)
Valeur
Achète
N’achète pas
Observationdes non-exposés
Test A|B Modélisation
Une modélisation depend toujours : du message, du plan media, de l’objectif