Les Big Data ne cessent de s'enrichir à mesure que le nombre d'appareils que nous utilisons quotidiennement ne cesse de croître, ce qui déconcerte les responsables marketing à la recherche de la mesure la plus précise du retour sur investissement (ROI) de leur marketing. Mais au lieu d'une mesure unique, une approche multi-modèle peut être la meilleure chance pour les spécialistes du marketing de mesurer l'impact total de leur efficacité marketing.
Ross Link, président des solutions MROI mondiales de Nielsen, a récemment partagé les conclusions du Digital Media Consortium (DMC) II lors de Re!Think 2016 sur la façon dont une telle approche peut aider à combler les lacunes inhérentes au big data aujourd'hui. Cependant, cette stratégie n'est pas unique - le type de données dont dispose un spécialiste du marketing en termes de granularité et de couverture dictera la méthodologie qu'il devra utiliser.
Nielsen a créé le DMC en réponse à la récente prolifération des données massives (big data) qui a entraîné un changement rapide des techniques de mesure du retour sur investissement du marketing. L'objectif du DMC II était d'améliorer les pratiques du secteur en matière de mesure précise de l'efficacité des médias numériques. Plus précisément, il a utilisé des données granulaires au niveau des ménages pour voir comment des méthodologies statistiques communes avec différentes limitations de données - modélisation du marketing mix (MMM), attribution multi-touch (MTA) et analyse de panel apparié (MPA) - peuvent fonctionner ensemble pour obtenir le retour sur investissement le plus précis pour les spécialistes du marketing.
"Nous pensions qu'une méthodologie de modélisation allait s'imposer, mais il s'avère que chaque approche a sa place dans la boîte à outils du spécialiste du marketing moderne. L'utilisation de MMM, MTA ou MPA dépend du type de données dont dispose le spécialiste du marketing et de ce qu'il cherche à mesurer en fin de compte", a déclaré M. Link. "Par exemple, lorsque l'impact de tout le marketing peut être lié à un individu particulier (c'est-à-dire des données de source unique), la solution idéale est sans conteste la régression au niveau du ménage (MTA). Cela est peut-être possible aujourd'hui pour les spécialistes du marketing qui investissent uniquement dans des tactiques numériques, mais pour la majorité des marques qui utilisent aujourd'hui des véhicules de marketing hors ligne, les données à source unique ne seront probablement pas disponibles avant plusieurs années aux États-Unis et pendant des décennies dans les marchés en développement."
Link poursuit en révélant qu'en attendant que les données de source unique deviennent une réalité, les spécialistes du marketing devraient utiliser le MMM au niveau du magasin, en particulier lorsqu'ils cherchent à optimiser le retour sur investissement de manière holistique à travers tous les moteurs de l'entreprise, à la fois en ligne et hors ligne. D'autre part, lorsque l'objectif est de se concentrer uniquement sur la mesure du retour sur investissement des médias numériques spécifiques tels que l'affichage et la vidéo, les spécialistes du marketing devraient utiliser l'AMP au niveau du foyer.
DMC I a inclus un partenariat entre Nielsen, Google, Facebook et sept grands annonceurs pour identifier des idées novatrices sur la mesure précise du retour sur investissement des médias sociaux (y compris les médias numériques payés, possédés et gagnés). L'étude était basée sur 1,5 milliard d'impressions Facebook, 600 millions d'impressions de recherche Google et une analyse de 2 milliards de dollars de ventes.
DMC II a été créé pour résoudre les problèmes d'analyse d'attribution dans l'industrie, compte tenu des données disponibles aujourd'hui. DMC II a analysé 11 marques de biens de consommation courante (CPG) dans neuf catégories, représentant un chiffre d'affaires de 30 milliards de dollars, 3,6 milliards d'impressions d'affichage numérique, 300 millions d'impressions de vidéo numérique et 4 000 campagnes publicitaires.
