La bonne offre à la bonne personne, mais comment !? par Jérôme Mollier
"Adresser la bonne offre à la bonne personne au bon moment et par le bon canal", une rhétorique bien connue dans le marketing direct. Mais les méthodes pour y parvenir ne sont pas toujours simples à mettre en place.
Dans cet article, nous abordons la première partie : "adresser la bonne offre à la bonne personne ?" et présentons une technique de qualification qui s’applique aux clients, mais aussi aux prospects.
Utilisation plus raisonnée de ses contacts pour maintenir la réactivité dans le temps
Le ratio performances / coûts, souvent bas, pour l’envoi d’emailing peut conduire à une surutilisation de sa base de contacts. Or, dans un contexte où les internautes sont de plus en plus sollicités, la pertinence des messages envoyés est de plus en plus importante pour conserver un niveau de réactivité correct.
Beaucoup d’annonceurs l’ont déjà compris : en mettant en place des communications plus personnalisées et différenciées selon les abonnés, ils ont entrepris une utilisation raisonnée de leur base de contacts.
C'est la demande des internautes, comme le souligne l'étude EMA du SNCD de 2012. Les internautes se désabonnent car les offres ne correspondent pas à leur attente (54,25 % ).
Si la personnalisation en fonction de la civilité, du nom et de la zone géographique est très répandue, la personnalisation du contenu en fonction des préférences l’est beaucoup moins. Plusieurs raisons peuvent expliquer ce constat. D’une part, les préférences et les attentes des abonnés ne sont pas toujours présentes dans les bases. Et d’autre part, lorsque ces informations sont collectées, le niveau de renseignement, la pertinence, la véracité et la pérennité de ces critères peuvent présenter des limites opérationnelles.
Qualifier les prospects par le comportement sur l'email : une démarche très pérenne
Dans le cadre d’une activité de commerce, l’annonceur peut utiliser l’historique d’achat pour identifier les préférences de ses clients. Mais cette pratique n’est pas possible sur les prospects, et plus délicate pour les annonceurs non marchands : presse, culture, association caritative…
La technique que nous allons présenter permet d’identifier les préférences des abonnés à des communications email et peut s’appliquer quel que soit le type d’annonceur sur des prospects et des clients.
Le principe général repose sur l’analyse des ouvertures et clics au niveau individuel
Un abonné ouvrant uniquement les communications dont l’objet fait référence à une thématique précise (par exemple : information boursière) nous permet de connaitre l’information qui l’intéresse particulièrement. De même, l’analyse des clics par thématique, par catégorie de produits ou type de contenu est révélatrice du degré d’appétence de chaque lecteur...
Ainsi, l’analyse au niveau individuel des ouvertures et clics peut être utilisée pour catégoriser les abonnés en fonction de leurs préférences comportementales pour certains contenus.
Quelques prérequis pour pouvoir catégoriser les communications
Pour pouvoir réaliser ce type d’analyse, il y a plusieurs prérequis :
- Pouvoir récupérer les comportements d’ouverture et de clic au niveau individuel. Généralement, toutes les solutions de routage professionnelles permettent de récupérer ces informations via une extraction,
- Définir des catégories : univers produits, thématiques, types de sollicitation… Celles-ci devront être définies en amont même si un rattrapage peut-être fait au moment de l’étude,
- Catégoriser l’ensemble des communications email analysées. Une catégorie généraliste peut être créée pour les messages multi sujets ou ne faisant pas référence à une catégorie de communication prédéfinie,
- Récupérer le détail des liens cliqués avec sa catégorie d’appartenance (faisable sur certains outils).
Tous ces éléments peuvent être industrialisés au moment de la création des campagnes, notamment en interconnectant son CMS à son outil de fabrication d'email.
La majorité des outils de gestion de campagnes propose de catégoriser les liens suivant une nomenclature bien précise. Exemple avec Dolist :
Affecter à chaque abonné sa (ses) préférence(s)s
Pour identifier la ou les catégories préférées de chaque abonné, il convient d’analyser les comportements individuels d’ouverture et de clic sur un historique suffisant. Cet historique sera défini en fonction de la fréquence de sollicitation des abonnés : de 1 an à quelques semaines.
Les données sont ensuite traitées et les préférences déterminées à partir d’algorithmes statistiques. Lors de cette étape, il convient de prendre en compte plusieurs éléments :
- Le niveau d’exposition et la réactivité globale de chaque abonné,
- Le niveau d’exposition et la réactivité de chaque abonné par catégorie,
- Une pondération entre une ouverture et un clic (un clic étant souvent plus impliquant).
Pour définir les bonnes règles d’affectation des préférences, la réalisation préalable de quelques comptages est souvent nécessaire. Le plus souvent, ces comptages consistent à analyser la distribution des ciblages, des ouvertures et clics par catégorie. L’objectif étant d’identifier et filtrer des catégories marginales, comportements atypiques ou ciblages restreints à des sous populations spécifiques.
Par exemple, une catégorie de produit peu présente (apparaissant sur moins de 5 % des campagnes étudiées) ou adressée uniquement à une sous population spécifique devra être filtrée.
Une fois l’ensemble de l’analyse effectuée, vous avez défini des règles d’affectation des préférences aux abonnés. Mais certains n’auront aucune préférence notoire, c’est notamment le cas des inactifs (aucune ouverture sur la période d’analyse) ou des abonnés qui ont réagi à tous les messages.
Mise à jour automatisée et utilisations multiples des préférences
Les règles d’affectation des préférences seront utilisées pour intégrer et automatiser la mise à jour. Ainsi, les actions seront lancées en fonction d’une qualification actualisée régulièrement. Les préférences peuvent être utilisées de multiples façons. D’une manière générale, les plus répandues sont :
- Personnalisation des objets,
- Hiérarchisation et mise en avant du contenu préféré dans les newsletters,
- Sélection du contenu pertinent,
- Limitation de la pression commerciale en sélectionnant uniquement les profils intéressés par les catégories présentées dans un emailing ponctuel,
- Mise en place de plans de communications adaptés.
Voici quelques exemples :
- Exemple de Personnalisation de l’Object pour une enseigne de prêt-à-porter : "Venez découvrir la nouvelle collection <catégorie préférée>",
- Exemple de hiérarchisation en fonction des préférences d’une NL multithématique d’une association menant des missions sur différents continents.
Une personnalisation selon les préférences permet d’augmenter les performances et le ROI
Si la démarche permettant de qualifier les préférences à partir du comportement nécessite quelques investissements, d’une part elle s’avère l'une des méthodes les plus efficaces pour qualifier ses abonnés sur le long terme, et d’autre part le ROI final est souvent largement positif. Selon nos expériences, voici les gains espérés par la mise en place opérationnelle de ce type de méthode :
- Augmentation du taux d’ouverture (lorsque l’objet fait référence aux préférences de l’abonné) entre 20 % et 40 %, et du taux de clic entre 30 % et 60 % (lorsque le contenu correspond aux préférences de l’abonné),
- Fidélisation des lecteurs par une durée de vie moyenne supérieure de 30 % à 40 %,
- Réduction du désabonnement de 40 % à 60 %,
- Amélioration de la transformation de 20 % à 50 %.
L’essor du numérique et le déploiement des programmes relationnels ont réduit les distances entre les enseignes et les clients. Ces derniers sont souvent en attente d’une meilleure compréhension de leurs besoins. Dans le même temps, les outils et moyens pour y parvenir se sont répandus, offrant de nombreuses possibilités.
Notre formation le 16 octobre "Utiliser les statistiques et le mining pour l'emailing" vous présentera en détail tous les types de techniques statistiques utilisés pour optimiser vos campagnes.
L'auteur de cet article, Jérôme Mollier,est également l'intervenant de cette formation. Il a derrière lui 12 années d’expertise en Datamining et CRM analytique.
Commentaires