Facebook a fourni quelques de nouvelles idées dans son approche évolutive de la modélisation du mix marketing, qui, à terme, pourrait offrir plus de possibilités aux spécialistes du marketing de mieux cibler des publics spécifiques avec le bon mix de contenu et de s’ajuster automatiquement, en fonction des tendances de consommation, afin de maximiser les performances publicitaires sur ses réseaux.
Comme expliqué par Facebook:
« La modélisation du mix marketing (MMM) est une technique statistique basée sur les données qui peut aider les spécialistes du marketing à quantifier l’impact des activités marketing et non marketing sur les ventes. MMM est respectueux de la confidentialité et utilise une méthodologie scientifique pour analyser plusieurs facteurs et évaluer leur impact sur le Cependant, il a également certaines limites, par exemple, il prend beaucoup de temps pour la collecte de données, nécessite beaucoup de ressources, un long délai d’analyse et cela rend difficile pour MMM de faire évoluer et d’exécuter.
L’élément respectueux de la vie privée est essentiel ici, car avec la mise en œuvre récente par Apple de ses nouvelles invites de suivi des données ATT dans iOS et d’autres plates-formes cherchant à offrir plus de transparence sur la collecte de données, Facebook pourrait bientôt avoir beaucoup moins de données utilisateur avec lesquelles travailler, ce qui obliger les spécialistes du marketing à regarder dans de nouvelles directions.
C’est là que la modélisation du mix marketing pourrait aider – comme le note Facebook, cela fonctionne avec fournisseur de solutions d’analyse Analytic Edge pour établir un nouveau cadre MMM reproductible, ce qui, idéalement, aidera les annonceurs à accélérer leur processus, sans nécessiter la charge de travail de configuration complète d’une approche MMM régulière.
Facebook a décrit ce nouveau processus dans un document de synthèse, ce qui explique comment il a pu appliquer ce système à une campagne récente d’ASUS.
Les chercheurs décrivent d’abord le processus MMM et les avantages qu’ils recherchent grâce à ce modèle amélioré.
En raison de facteurs variables, le MMM est difficile à mettre en œuvre efficacement, en particulier pour les petites entreprises aux ressources limitées, et encore plus lorsqu’on considère la vitesse de réponse dans l’optimisation des performances publicitaires. Mais ce nouveau processus cherche à répondre à ces préoccupations clés et à fournir un cadre établi pour le système.
C’est un schéma assez complexe, mais l’essentiel est que Facebook s’efforce de créer de nouveaux processus automatisés mis à jour qui intégreront tous ces nouveaux éléments dans un système beaucoup plus facile à appliquer.
« D’autres innovations sont en cours qui rendront le MMM sur les plates-formes SaaS plus simple, automatisé et basé sur l’IA. Cela permettra une adoption généralisée du MMM pour les grandes et les petites entreprises, qui ne pouvaient pas accéder à MMM auparavant ou ne pouvaient pas faire évoluer MMM dans l’ensemble de leur affaires. »
Cela pourrait fournir une nouvelle voie à suivre pour un meilleur ciblage publicitaire, sans avoir besoin des mêmes niveaux d’informations sur les données personnelles que Facebook appliquait dans le passé.
C’est une expérience intéressante, et qui prendra encore un certain temps à se développer, mais à terme, cela pourrait signifier que vous avez plus d’options de réponse pour vos approches publicitaires, ce qui pourrait aider à maximiser les performances des annonces, même avec moins de données utilisateur disponibles.
Et comme indiqué, cela pourrait devenir encore plus important au fil du temps, car de plus en plus de personnes se désengagent du suivi des données en raison des nouvelles invites Apple, et potentiellement, des restrictions similaires qui pourraient également être lancées sur Android.
Vous pouvez lire le livre blanc de présentation complet ici.
Vous pouvez lire l’article original (en Anglais) sur le blogwww.socialmediatoday.com