Comment les tests d’incrémentalité peuvent-ils améliorer la planification média ?

Mesurer avec précision l’efficacité d’un canal médiatique ou d’une campagne est un défi courant dans le marketing numérique. Nous cherchons toujours des moyens de mesurer et d’attribuer plus précisément le crédit ou l’impact à leurs canaux médiatiques afin de nous assurer de comprendre ce qui fonctionne le mieux et l’impact de nos canaux.

L’une des méthodes les plus fréquemment utilisées pour y parvenir dans la publicité en ligne est la modélisation d’attribution multi-touch. L’attribution multi-touch utilise des « points de contact » tout au long du parcours client pour modéliser et attribuer du crédit aux différents canaux médiatiques. Les modèles d’attribution multi-touch ne peuvent attribuer et modéliser du crédit qu’en fonction des données collectées.

Avec la durée de vie décroissante des cookies tiers et l’utilisation toujours croissante de plusieurs appareils et navigateurs mobiles intégrés aux applications, mesurer le parcours client devient de plus en plus difficile. Les tests d’incrémentalité, en revanche, vont au-delà des modèles d’attribution, vous aidant à comprendre l’impact causal d’efforts marketing spécifiques et à éviter une mauvaise attribution du succès.

Un autre défi fréquent auquel sont confrontés les spécialistes du marketing est la mesure précise des effets médiatiques à long terme. Les tests d’incrémentalité contribuent à renforcer la compréhension des effets médiatiques à court et à long terme en effectuant ces tests en utilisant la localisation géographique, dans laquelle un canal médiatique est actif uniquement dans le lieu de « traitement ». Le temps nécessaire pour que l’impact devienne significatif est appelé effet retardé, parfois appelé effet Adstock. Alternativement, désactiver un canal médiatique uniquement sur le site de traitement et observer le temps nécessaire pour constater un impact significatif sur la dégradation peut fournir des informations utiles sur les effets de report, parfois appelés saturation, de ce canal médiatique particulier. Ces informations sont cruciales pour développer un plan média fiable qui contribue à la croissance commerciale à long terme.

Avoir une solide compréhension de l’impact médiatique, des effets différés et des effets de report est essentiel pour améliorer la planification média et, par conséquent, augmenter les performances globales de l’entreprise.

C’est là que les tests d’incrémentalité entrent en jeu !

Qu’est-ce que le test d’incrémentalité ?

Du point de vue des médias, les tests d’incrémentalité sont une méthode statistique utilisée pour mesurer et estimer l’impact direct, l’impact cumulé et les effets à court/long terme d’une campagne ou d’un canal médiatique particulier.

Les tests d’incrémentalité visent à établir une relation causale en comparant un groupe « traitement » avec un groupe « témoin ». Le groupe de traitement fait référence à un groupe exposé à l’expérience marketing et le groupe témoin fait référence à un groupe qui n’a pas été affecté. Les tests d’incrémentalité peuvent être effectués à l’aide de différentes méthodes en fonction du contexte du test. Les tests d’incrémentalité fournissent des moyens de quantifier l’impact des médias à l’aide de données et en séparant tout effort directement du canal médiatique avec d’autres facteurs externes.

Comme mentionné précédemment, des tests progressifs peuvent être effectués en fonction de la localisation géographique. Nous appelons ces types de tests des géo-expériences. Une géo-expérience vise à mesurer et à évaluer les variations de l’impact des médias selon les zones ou les régions. Bien que les tests d’incrémentalité soient un concept plus large, les géo-expériences représentent un type spécifique de tests d’incrémentalité axés sur les variations géographiques. En d’autres termes, les géo-expériences sont un élément des tests d’incrémentalité, et les principes des tests d’incrémentalité peuvent être appliqués pour comprendre l’impact causal des interventions marketing, qu’elles soient géo-spécifiques ou non (voir un exemple où nous avons mené des géo-expériences). expériences avec notre client Topps Tiles ici).

Chez Impression, nous effectuons des tests d’incrémentalité à l’aide d’un groupe témoin synthétique. Un groupe témoin synthétique sert de comparaison artificielle pour le groupe de traitement. Les données synthétiques sont générées par une somme pondérée des segments géographiques qui les entourent pour tenir compte d’éventuelles légères différences régionales. Cette approche des tests d’incrémentalité permet également de prendre en compte les variables confusionnelles et les facteurs externes, fournissant ainsi une estimation plus précise de l’impact médiatique.

A LIRE :  4 façons d'arrêter les publicités Spotify sans Premium Techjury – Blog Référencement SEO – Blog Référencement SEO

Nous utilisons le cadre bayésien pour dériver un groupe témoin synthétique. Cela nous permet de mesurer et de prendre en compte toute incertitude que nous pourrions avoir sur l’impact qui en résulte et dans le processus de planification média. Par exemple, disons que le test d’incrémentalité estime que l’activation d’un canal média particulier entraîne une augmentation cumulée des revenus de 1 000 £, les modèles bayésiens nous permettent d’attacher un intervalle de plus grande probabilité à cette estimation ponctuelle, permettant ainsi une meilleure compréhension à travers les médias. processus de planification.

Formellement, les modèles bayésiens utilisent une combinaison de connaissances préalables et de données pour produire ce qu’on appelle la distribution a posteriori. C’est cette distribution a posteriori qui contient les estimations ponctuelles et les incertitudes correspondantes. Pour dériver un groupe témoin synthétique, nous obtenons des a priori non informatifs, et laissons donc les données parler !

Pour effectuer des tests d’incrémentalité de cette manière, environ 2 à 3 ans de données de séries chronologiques historiques propres et bien formatées sont nécessaires. Au sein de ces données, il doit y avoir le groupe de traitement, l’heure du traitement et de nombreux groupes de contrôle concernant des campagnes ou des lieux similaires, que nous souhaitons utiliser pour nous rapprocher d’un groupe de contrôle synthétique.

À condition que nous disposions de ces données, une somme pondérée des groupes témoins similaires est utilisée pour obtenir le groupe synthétique à utiliser pour les tests. Ce sont ces poids qui sont modélisés dans un cadre bayésien, et donc les incertitudes associées au contrôle synthétique sont produites pour éclairer le processus de planification média. En conséquence, les différences entre le traitement observé et les contrôles synthétiques sont enregistrées pour produire l’impact médiatique causal et les incertitudes associées.

Pourquoi effectueriez-vous des tests d’incrémentalité ?

Quantifie l’efficacité des médias directs

La différence entre le contrôle synthétique et les observations de traitement donne l’impact médiatique estimé et toute incertitude. Cet impact peut être utilisé pour fournir des informations utiles sur le processus de planification média et à des fins de comparaison avec d’autres canaux médiatiques. Les tests d’incrémentalité aident à déterminer quels canaux publicitaires contribuent le plus efficacement aux performances de l’entreprise.

Calibre votre modèle de mix média

Les estimations d’impact média peuvent être utilisées pour affiner votre modèle de mix média afin de donner une meilleure représentation de votre mix média, et donc d’éclairer vos prévisions d’allocation budgétaire.

Valide les stratégies marketing

Les tests d’incrémentalité nous permettent de valider l’efficacité d’une stratégie marketing actuelle et si elle doit être mise à jour. Par exemple, si un nouveau canal médiatique s’avère avoir un impact significatif grâce à des tests d’incrémentalité, alors un budget doit être alloué à ce canal dans la prochaine stratégie marketing.

Fournit des résultats facilement interprétables

L’impact cumulatif se traduit directement par la variable dépendante, ce qui signifie que si vous mesurez les revenus, l’impact cumulé vous indique le montant des revenus que vous avez gagnés/perdus à un moment donné, ainsi que toute incertitude que vous pourriez avoir.

Exemple de résultats de tests d’incrémentalité

Le « R2 bayésien pré-intervention » représente une mesure de l’ajustement du modèle – dans ce cas, comme il est proche de zéro, le modèle est très mal ajusté !

Le graphique du haut montre les périodes de revenus avant et après traitement au fil du temps. Les lignes grises représentent les groupes témoins utilisés pour dériver le contrôle synthétique, et les lignes verticales rouges représentent la période de traitement/intervention.

A LIRE :  Comment formater une carte SD sur Mac [All You Need To Know]

Le graphique du milieu montre l’impact causal direct, c’est-à-dire les observations de traitement soustraites du contrôle synthétique. La zone ombrée en bleu représente l’impact causal.

Le graphique du bas montre l’impact causal cumulé, c’est-à-dire ce qui arrive à la variable dépendante pendant la période post-intervention. Ici, nous pouvons voir qu’environ 6 000 £ de revenus ont été perdus à la suite du traitement. De plus, nous pouvons constater que les effets du traitement sont immédiats en raison d’une diminution instantanée de l’impact cumulatif à partir du point de traitement.

Sur la base de ce graphique, nous pouvons constater qu’en moyenne, environ 5 841 £ de revenus ont été perdus à la suite du traitement. Cependant, il existe une probabilité de 94 % que le montant exact de la perte de revenus soit d’au moins 5 719 £ et d’au plus 5 963 £.

Avantages des tests d’incrémentalité

Impact occasionnel

La construction d’un groupe témoin synthétique pour imiter le groupe de traitement avant le traitement permet d’isoler l’impact médiatique en l’absence de toute variable confondante.

Évite les biais potentiels dus aux différences de groupe

En utilisant un contrôle synthétique, nous éliminons toute erreur ou biais possible dû aux différences individuelles au sein du contrôle et du traitement.

Planification média basée sur les données

Les tests d’incrémentalité vous permettent de quantifier l’impact généré par une campagne ou un canal médiatique et de l’utiliser pour éclairer votre stratégie marketing.

Utilise un logiciel avancé et à jour

Chez Impression, nous utilisons les progiciels les plus récents et les plus avancés statistiquement pour faciliter le processus de modélisation.

Amélioration itérative du processus de modélisation

Une fois qu’un groupe témoin synthétique initial a été dérivé, nous pouvons évaluer quels groupes témoins contribuent à sa dérivation. Grâce à des techniques de comparaison de modèles, nous pouvons dériver un groupe témoin synthétique optimal qui capture le mieux le groupe de traitement en l’absence de traitement.

Amélioration itérative du processus de planification média

Une fois qu’un test d’incrémentalité a été effectué, nous obtenons un aperçu des groupes de contrôle qui créent un bon groupe de contrôle synthétique et de la durée pendant laquelle un test doit généralement être exécuté pour constater un impact significatif. Ces informations peuvent faciliter le processus de modélisation d’autres tests d’incrémentalité de nature identique ou similaire.

Limites des tests d’incrémentalité

Collecte de données

En règle générale, 2 à 3 années de données sont nécessaires pour créer un groupe témoin synthétique précis. De plus, les données doivent être de bonne qualité, car des données incomplètes ou incohérentes peuvent limiter l’exactitude des résultats.

Sélection des groupes de contrôle

Si les groupes témoins utilisés pour générer le groupe témoin synthétique ne capturent pas de manière adéquate les résultats potentiels du groupe de traitement en l’absence de traitement, le contrôle synthétique peut devenir inexact.

Dans l’ensemble, les tests d’incrémentalité sont un outil précieux qui permet aux spécialistes du marketing de recueillir des informations sur la planification média. Grâce à l’analyse des données et à la compréhension de l’impact des différents canaux médiatiques sur les KPI en l’absence de variables confondantes, les entreprises peuvent prendre des décisions éclairées en matière de stratégie marketing.

Si vous cherchez à améliorer la planification média et les performances globales de votre entreprise, sur la base de preuves statistiques basées sur des données, les tests d’incrémentalité sont cruciaux ! Contactez l’un de nos experts en solutions média si vous avez des questions ou si vous avez besoin d’aide concernant les tests d’incrémentalité.