- 24/01/2024
Mesurer pour mieux défendre et investir ses budgets, c'est le défi (pas évident) du marketeur de demain. Défi pas évident parce que l'environnement média devient de plus en plus fragmenté et que la donnée peut, disparition des cookies tiers oblige, se faire de plus en plus rare.
Des solutions existent heureusement, à commencer par le marketing mix modeling dont nous avons parlé à l'occasion de ce panel avec Thibault Labarre, partner, Ekimetrics, Matthieu Joly, marketing performance lead, Pernod Ricard et Anne-Laure Aumaitre, VP E-Commerce Strategy & Transformation Projects Europe North Africa, Accor.
Des solutions existent heureusement, à commencer par le marketing mix modeling dont nous avons parlé à l'occasion de ce panel avec Thibault Labarre, partner, Ekimetrics, Matthieu Joly, marketing performance lead, Pernod Ricard et Anne-Laure Aumaitre, VP E-Commerce Strategy & Transformation Projects Europe North Africa, Accor.
Catégorie
🤖
TechnologieTranscription
00:00 [SILENCE]
00:05 Thibault, on va commencer peut-être par toi.
00:07 Est-ce que tu peux nous rappeler un peu
00:09 c'est quoi concrètement le marketing mix modeling
00:11 en des termes assez simples s'il te plaît
00:13 et pourquoi est-ce qu'aujourd'hui ça semble être
00:16 un outil qui est de plus en plus utilisé ?
00:18 On l'a vu, Backmarket s'y penche,
00:21 Conto y est déjà dessus,
00:23 enfin toutes les marques aujourd'hui en font
00:25 et pas uniquement, c'est plus l'apanage des grosses marques.
00:28 Bonjour à tous, l'objectif du marketing mix modeling
00:31 c'est de réussir à mesurer la performance
00:34 de vos campagnes marketing et commerciales
00:36 sur un objectif business.
00:38 Un objectif business ça peut être
00:40 un volume de vente, un chiffre d'affaires,
00:43 de l'acquisition de nouveaux clients,
00:45 un indicateur de notoriété,
00:47 pour aussi travailler sur le long terme.
00:49 Comment on va faire ça ?
00:51 On va collecter de la donnée sur de l'historique
00:53 et en fonction de toutes les activations
00:55 qui ont été faites dans le passé,
00:56 réussir à isoler et mesurer
00:58 l'impact de chacun des leviers.
01:00 C'est ce qui va permettre d'avoir une vision
01:02 à la fin 360 du ROI de vos actions
01:05 marketing mais aussi commerciales.
01:07 Donc là c'est des algos qui identifient des liens,
01:09 je ne sais jamais si c'est corrélation ou causalité,
01:11 je ne suis pas statisticien.
01:13 L'objectif c'est, parce qu'on a de l'historique,
01:16 parce qu'on a des variétés
01:18 d'activations qui ont été faites,
01:21 on va réussir à dire,
01:23 quand vous faites de la télé avec de la radio
01:25 et du search et qu'en même temps vous avez une promotion,
01:27 c'est peut-être plus efficace que de faire
01:29 uniquement le couple télé-radio.
01:31 L'objectif c'est d'aller trouver, bien sûr,
01:33 d'aller mesurer le ROI de chacun des leviers
01:35 mais aussi de comprendre les synergies
01:37 et ce qui fait qu'une campagne, dans son ensemble,
01:39 est efficace ou pas.
01:40 Et ça, ça se fait effectivement par des algorithmes.
01:42 Donc c'est de l'analyse à post-ROI,
01:43 mais pas que, parce que c'est de plus en plus
01:45 ce qu'on appelle du forecasting,
01:46 ça va t'aider à établir ton mix media.
01:48 Oui, tout à fait.
01:49 On regarde dans le passé,
01:50 et puis dans les facteurs clés de succès,
01:51 ce qui reviendra, c'est comment on se projette,
01:53 au-delà d'avoir des insights, de mesurer des ROI,
01:55 comment on se projette et on fait du scénario planning avec.
01:58 Et pourquoi aujourd'hui c'est un terme
02:01 et une méthode qui revient beaucoup à la mode ?
02:04 Donc tu l'as dit, disparition des cookies,
02:06 il y a cette logique de court terme/long terme
02:08 qui a été beaucoup abordée dans les précédentes tables rondes.
02:10 Et c'est vrai que le marketing mix modeling
02:12 donne en fait une vision d'ensemble,
02:14 une vision stratégique aussi,
02:16 à votre direction marketing
02:18 et elle permet d'avoir un langage commun
02:19 au sein de l'entreprise.
02:20 Et puis je pense que quand on a des acteurs
02:22 comme Back Market, comme Conto, comme Deezer,
02:24 tous les pure players,
02:25 qui historiquement étaient plus peut-être
02:27 sur des stratégies d'attribution plus simples,
02:30 parce que uniquement sur des leviers digitaux,
02:32 quand il y a ce besoin d'aller faire
02:34 du upper funnel, donner la notoriété,
02:36 c'est des marques qui se sont aussi intéressées
02:38 à ce type d'approche.
02:40 Et donc forcément, les grandes marques se disent
02:43 peut-être qu'on devrait revenir nous aussi
02:44 au marketing mix modeling, je pense.
02:46 Je caricature un peu,
02:47 mais ça te permet de faire des arbitrages
02:48 entre des chevaux et des carottes,
02:49 parce que ce sont des trucs
02:50 qui n'ont pas les mêmes KPI,
02:51 et du coup, c'est un agrégat
02:52 qui va permettre de comparer des choses.
02:54 Tout à fait, très bien résumé.
02:56 Mathieu, depuis quand est-ce que vous en faites
02:58 chez Pernod Ricard ?
03:00 Bonjour à tous.
03:01 Chez Pernod Ricard, c'est un projet
03:03 qui est arrivé dans un cadre
03:04 de transformation digitale.
03:06 Depuis 2020, il y a ce projet
03:09 avec pour objectif d'optimiser
03:10 à la fois la partie marketing promotionnelle
03:12 et aussi la partie des sales reps.
03:16 Le projet a été totalement internalisé
03:20 aujourd'hui au sein de Pernod Ricard.
03:22 On travaille sur plus de 12 marchés.
03:26 On est allé par plusieurs étapes.
03:28 On a d'abord déployé deux petits marchés
03:30 pour pouvoir prouver la valeur ajoutée
03:32 que ça pouvait apporter.
03:33 Aujourd'hui, on est déployé sur plus de 60%
03:35 de nos dépenses marketing
03:37 afin de pouvoir apporter de l'aide
03:39 aux différents directeurs marketing
03:41 sur la meilleure efficacité
03:43 au sein de leur mix média et promotionnel
03:46 afin de les aider à optimiser
03:48 leurs dépenses annuelles de manière régulière.
03:52 Vous êtes un des rares annonceurs,
03:53 si ce n'est le seul, je ne sais pas trop,
03:54 j'avoue que je ne suis pas exhaustif.
03:55 Avoir internalisé, c'est quand même hyper rare
03:57 parce que c'est beaucoup de friction.
03:58 Il faut trouver les talents, les finaliser, etc.
04:01 Est-ce que tu peux nous dire pourquoi ?
04:03 C'est effectivement assez compliqué à internaliser.
04:08 Là-dessus, Pernod Ricard a été accompagné
04:10 au démarrage par un gros cabinet de stratégie
04:12 qui fait ça pour d'autres acteurs.
04:15 On ne doit pas être le seul en train d'internaliser
04:17 aujourd'hui, c'est ce que je pense.
04:19 Par contre, ça demande un coût assez important
04:22 puisque derrière, ça demande de créer
04:25 toute une équipe en interne,
04:26 que ce soit sur la partie data,
04:27 recruter des data scientists, des data engineers,
04:30 des ML engineers pour pouvoir industrialiser,
04:33 mettre en production tous les modèles.
04:35 On parle de combien de personnes ?
04:37 On est sur un peu plus de 100 personnes
04:39 autour des projets de transfois digitaux.
04:41 Mais qui ne font pas que du MMM ?
04:43 Pas que du MMM.
04:44 Sur le projet en tant que tel, sur le MMM,
04:46 je crois qu'au maximum, on a dû monter
04:48 à plus de 70 personnes qui étaient contributeurs
04:50 directs au projet.
04:51 Ça fait du monde.
04:53 Anne-Laure, vous en faites depuis quand du MMM ?
04:56 Et pour quel cas d'usage est-ce que vous y êtes allées ?
04:58 Nous, le MMM, on a lancé ça en 2019,
05:01 donc juste avant le Covid.
05:02 L'objectif, c'était vraiment au niveau marketing
05:04 de pouvoir optimiser les performances,
05:06 comme vous le disiez, sur la partie
05:07 vraiment plus haut de funnel.
05:08 Est-ce que pour les marques Mercury Bits, etc.,
05:10 est-ce que je vais plutôt en radio,
05:11 plutôt en télé, comment je fais de l'affichage, etc.
05:14 Et on a commencé à intégrer une partie
05:16 beaucoup plus digitale, Bad Funnel,
05:18 juste après le Covid, donc 2021.
05:21 Où là, du coup, l'objectif, c'était non seulement
05:23 de continuer à optimiser toute notre partie
05:26 haut de funnel, mais aussi de se dire,
05:28 dans une approche plus globale,
05:29 où justement le haut de funnel et le bad funnel
05:31 commencent à se mixer un peu plus,
05:33 comment j'investis ma pocket sur le sujet,
05:38 comment en fonction de mes marques,
05:40 qui vont avoir une notoriété différente
05:41 en fonction des différents marchés, etc.,
05:43 quel est le poids que je vais mettre
05:45 sur le haut de funnel,
05:46 sur la construction de la marque,
05:47 quel est le poids que je vais mettre
05:48 plutôt sur le bad funnel, sur la conversion,
05:50 et comment du coup, je continue,
05:52 parce que c'était un des sujets aussi
05:53 qui a été beaucoup évoqué ce matin,
05:55 comment je continue à avoir cette approche
05:57 haut de funnel pour voir le ROI court terme
05:59 et long terme de mes actions marketing,
06:01 et pour pas avoir uniquement cette vision
06:02 très ROI, bad funnel, où effectivement
06:04 les ROI sont nettement supérieurs
06:06 à ceux qu'on peut voir purement court terme
06:08 sur le haut de funnel.
06:09 Historiquement, le MMM, c'est un modèle
06:11 qu'on sollicite aller une fois par an,
06:13 aujourd'hui c'est de plus en plus sollicité,
06:14 et ça s'aligne avec le calendrier
06:16 des décisions budgétaires.
06:18 Vous, vous y avez recours combien de fois par an ?
06:21 C'est un truc que vous faites tourner régulièrement ?
06:23 Alors on le fait tourner deux fois par an,
06:25 on est accompagné par le cabinet
06:27 qui maitrise sur le sujet,
06:28 on le fait tourner,
06:29 donc là on vient de lancer la collecte
06:30 pour faire une analyse full,
06:32 de full year 2023,
06:33 donc pour vraiment en tirer tous les enseignements,
06:35 et on le fait aussi tourner au moment de l'été
06:37 pour avoir ces éléments-là d'insights,
06:39 pour travailler sur nos stratégies de l'année suivante.
06:41 Pardon, quand on dit tourner,
06:42 du coup c'est la partie récolte,
06:44 ou c'est la partie plutôt moulinage
06:46 de la donnée pour les deux ?
06:47 Les deux, on commence par collecter,
06:49 donc là on est sur une phase de
06:51 4-5 semaines de collecte de la data,
06:52 puisqu'en fait on va collecter énormément de data,
06:54 on a toute la partie média dont je vous parlais,
06:56 donc on demande aussi à nos agences médias
06:59 de nous partager tous les insights qu'ils peuvent avoir,
07:01 on demande aussi aux équipes
07:03 qui travaillent sur la performance,
07:04 donc le SIE, le Meta Search,
07:06 vraiment tous les canaux qu'on utilise,
07:09 d'extraire toutes les datas qu'on a
07:12 pour vraiment pouvoir venir les pluguer dans le modèle.
07:15 Tu peux les pluguer de manière automatique,
07:16 aujourd'hui tu as des API entre tes interfaces Google Meta,
07:20 pour aller nous les donner ?
07:21 Alors de façon très simpliste,
07:23 moi je load les fichiers sur un FTP
07:25 et je laisse SekiMetrix gérer cette partie-là, exactement.
07:29 Tu prends les branchements peut-être du coup ?
07:31 C'est ça, ça va dépendre de la maturité data
07:33 des différents annonceurs pour lesquels on travaille
07:36 et après parfois il y a aussi des histoires de recoupement de la donnée
07:40 entre ce qu'on va collecter directement sur des API Google Meta
07:43 et sur l'info qu'on a aussi par les agences médias.
07:45 Il peut y avoir des Deltas,
07:47 quand ils sont checkés et pas de ronds pour un jour ou un contant.
07:49 Tout à fait.
07:50 C'est quoi les facteurs clés de succès dans MMM ?
07:52 Alors je pense déjà, comment défier le succès dans MMM ?
07:55 Je pense que la capacité à prendre des meilleures décisions
07:59 et donc à prouver la rentabilité de ce type de projet.
08:02 Nous on est challengé par nos clients sur la capacité à apporter
08:06 vraiment de l'impact grâce à ces recommandations.
08:09 Et je pense que Mathieu, chez Per Norricard,
08:11 vous êtes aussi confronté à ça, prouver le heroïe du projet.
08:13 Parce que ça coûte cher, il faut quand même le dire.
08:15 On parlait de 60 personnes, donc là c'est dans le cadre où c'est internalisé.
08:17 Mais même en l'externalisant, il y a des frais de setup,
08:20 il y a des frais pour faire tourner les machines.
08:22 Est-ce qu'on peut donner une échelle, une fourchette aux gens
08:25 pour qu'ils se rendent compte ?
08:26 Une fourchette c'est très compliqué, on en a déjà parlé plusieurs fois
08:29 en fonction du portefeuille de marque, de la granularité, de la fréquence.
08:33 Aujourd'hui pour un setup, on va être entre 50 000 et 100 000 euros
08:37 pour un setup qui permet de faire cette première modélisation.
08:41 Et ensuite on a des programmes à l'échelle
08:43 où ça va se compter à plusieurs centaines de milliers d'euros ou en millions.
08:47 Donc ce n'est pas anodin.
08:49 Non, et du coup les facteurs clés de succès...
08:51 La rentabilité.
08:53 Pardon ?
08:54 Le premier facteur de succès c'est la rentabilité.
08:55 Donc ça pour moi c'est comment on arrive à montrer succès
08:58 et pour ça il faut que le modèle soit holistique,
09:00 parce qu'il doit être robuste.
09:01 Holistique ça veut dire que je ne me concentre pas sur une analyse
09:04 uniquement du média, mais je prends en compte tous les effets
09:06 qui peuvent avoir un impact sur mes ventes.
09:08 C'est ce qui va permettre de prendre des décisions qui soient éclairées
09:11 et qui ne soient pas biaisées par un algorithme
09:13 qui a regardé uniquement une partie des activations qui sont faites.
09:17 Le deuxième élément...
09:18 Et là tu penses à quoi ?
09:19 Ça peut être le climat, les températures, la promotion ?
09:22 Si on vend du chocolat ou de la bière par exemple,
09:25 on ne va pas du tout avoir le même impact de la météo sur les ventes.
09:28 Donc on peut avoir une clé de lecture qui est biaisée
09:30 si on se dit qu'une campagne a super bien fonctionné
09:33 parce qu'il faisait 30 degrés,
09:35 et en fait s'il fait 30 degrés,
09:37 il y a un peu plus de ventes de bière qui sont faites.
09:39 Et là les cueils c'est l'accessibilité et la granularité de ces données.
09:42 Autant sur les plateformes digitales le média c'est facile,
09:45 autant la promo...
09:46 Choper les données du commercial c'est plus compliqué,
09:48 il faut se rapprocher de pas mal de parties prenantes.
09:50 Donc il y a tous les facteurs exogènes,
09:52 et puis il y a toutes les données promotionnelles.
09:54 Donc ça, ça va dépendre aussi des secteurs et des entreprises.
09:57 Nous historiquement, quand on travaille dans l'automobile,
10:00 récupérer les plans promotionnels d'un acteur automobile,
10:04 ce n'est pas si simple, ce n'est pas forcément automatisé.
10:07 Donc ça c'est tout un travail qu'il faut faire effectivement.
10:09 Oui, je sais pas, on aurait carrément qu'il parlait de data archéologie
10:12 pour parler de ce...
10:14 C'est limite Alain de Grande Dangerasse qui part quoi.
10:16 Donc ça c'est le premier point.
10:17 Le deuxième c'est la trajectoire d'apprentissage.
10:19 C'est ça.
10:20 Donc on a parlé d'avoir quelque chose d'holistique,
10:23 et en fait la trajectoire d'apprentissage,
10:25 c'est la capacité à nourrir le modèle et les insights au fur et à mesure.
10:29 Donc vous pouvez faire un marketing mix modeling,
10:32 et dans un premier temps vous concentrez, comme l'a dit Anne-Laure,
10:34 sur la stratégie upper funnel.
10:37 Et puis ensuite on va intégrer plus de granularité
10:40 dans le bas de funnel et sur les ROI court terme.
10:42 Et puis à terme, vous pouvez aussi avoir envie d'être
10:45 beaucoup plus fin sur la promotion.
10:47 Et donc quand on travaille en FMTG,
10:49 on va aussi travailler sur la mécanique promotionnelle,
10:53 sur les synergies entre la promotion et le média,
10:56 sur l'activation en magasin, sur le CRM qui est joué.
10:59 Et donc ça c'est un chemin qu'il faut écrire,
11:02 et on appelle ça le learning agenda.
11:04 C'est comment on arrive à définir la trajectoire
11:06 qui va permettre de prendre des bonnes décisions.
11:08 Sur le sujet de la rentabilité, Anne-Laure et Mathieu,
11:11 est-ce qu'aujourd'hui vous êtes capables de montrer par A+B
11:14 que ces investissements, il y a derrière,
11:17 il y a un ROI qui est supérieur à ces investissements ?
11:20 Consentions, M&M.
11:22 Alors nous ce qu'on voit c'est le ROI global
11:25 des investissements qu'on met en place tous les ans
11:28 par rapport aux revenus qu'on génère.
11:30 Et en fait, on l'a vu ce matin,
11:33 aujourd'hui il faut qu'on fasse plus avec pareil, voire moins.
11:38 Et en fait, cet investissement sur les mêmes,
11:41 aujourd'hui pour nous c'est vraiment quelque chose
11:43 qu'on souhaite garder parce que ça nous permet
11:45 d'avoir toujours cette vision long et court terme
11:48 en même temps dans l'approche qu'on va avoir.
11:50 Et avec toujours cet objectif de générer plus.
11:53 Et aujourd'hui, on arrive à ça grâce à l'optimisation
11:56 et à un niveau de granularité de plus en plus fin
11:59 qu'on arrive à mettre en œuvre grâce au modèle.
12:02 Et donc cet incrément de performance,
12:04 vous voyez qu'il est mécaniquement supérieur
12:06 à ce que vous avez dépensé pour mesurer
12:08 l'incrément de performance et arrive là cet incrément ?
12:10 Oui, mais après ça va dépendre des entreprises,
12:12 mais sur le groupe Accor,
12:14 Enfin, quand je parle de...
Recommandations
22:58
|
À suivre
1:55:55
23:35
13:36
1:36
38:45
18:17