MENU
Recherche

[Tribune] 4 clés pour réussir sa stratégie mobile native

Publié par le | Mis à jour le
[Tribune] 4 clés pour réussir sa stratégie mobile native

La publicité mobile est arrivée à maturité. Mais comment faire le tri parmi la masse de données et décider lesquelles seront les plus pertinentes? Voici 4 facteurs à prendre en compte pour réussir sa stratégie mobile.

  • Imprimer

La publicité mobile arrive à maturité: le Big Data se laisse désormais exploiter au profit de votre projet. De fait, il est aujourd'hui plus facile d'insérer harmonieusement des publicités natives et de cibler habilement le contenu en s'adaptant aux données et circonstances de chaque utilisateur de dispositif mobile.

En France, 16% de la population a fait l'acquisition d'un dispositif mobile en décembre 2015. Les marques peuvent profiter de ces opportunités d'achat en s'appuyant sur les données in-app pour identifier les utilisateurs qui s'apprêtent à faire un achat sur mobile, de quel type d'achat il s'agit et à quel moment ils effectueront cet achat. Faire le tri parmi la pléthore de données, décider lesquelles sont les plus intéressantes et exploiter ces informations à grande échelle n'est pas facile, mais constitue un objectif réalisable si l'on garde à l'esprit les facteurs suivants.

1. Chaque individu est unique

À l'heure actuelle, le monde compte environ 2 milliards d'utilisateurs mobiles d'Internet, dont 31,6 millions se trouvent en France. L'ensemble de cette activité produit des volumes de données énormes, provenant en particulier d'applications mobiles, qui peuvent représenter un intérêt considérable pour les annonceurs. Le défi est de déchiffrer ces nombreuses informations générées par les utilisateurs de dispositifs mobiles français.

Pour affiner leur stratégie de publicité mobile, les annonceurs doivent tout d'abord adopter une approche ciblée, en se concentrant exclusivement sur les signaux indiquant qu'un utilisateur est un consommateur potentiel qui projete de faire un achat. Si 10 000 hommes s'intéressent comme moi à l'achat d'une montre, la marque doit tenir compte de ce qui nous différencie, qu'il s'agisse de notre localisation géographique, de nos caractéristiques démographiques ou de notre comportement d'utilisateur. En analysant correctement ces informations, les annonceurs peuvent me faire parvenir leur message au moment idéal, et ne pas se contenter de recycler et d'expédier une publicité générique en masse.

2. À données de qualité, résultats de qualité

Chaque campagne est le résultat d'un dur travail et il serait regrettable d'en limiter l'efficacité en utilisant les mauvaises données. Celles-ci doivent être récentes et de première main. Si ces deux conditions sont réunies, les données présentent une valeur comportementale réelle. Il faut éviter de catégoriser les individus sur la base de données anciennes, car elles peuvent s'avérer peu fiables. Oui, j'ai peut-être téléchargé et joué à Candy Crush il y a six mois au cours d'un long voyage, mais cette information n'est pas suffisante pour me coller une étiquette de joueur occasionnel. Ce n'est pas parce que quelques données ponctuelles permettent de me classer dans une case marketing qu'il faut les prendre au pied de la lettre. Pour optimiser les résultats d'une campagne, il est important de collecter un faisceau de données de qualité en temps réel, afin de créer pour chaque client potentiel à cibler un profil utilisateur reflétant la réalité.

Il est quasiment impossible de juger de la qualité de données et d'algorithmes de ciblage et de captation que l'on n'a pas collectés ou élaborés soi-même. Par exemple, une analyse rapide de mes données personnelles permettrait de découvrir que j'aime passer en revue de nouvelles recettes. Il s'agit d'une activité que les spécialistes du marketing associent traditionnellement aux femmes.

Supposons maintenant que vous utilisiez un algorithme rudimentaire pour sélectionner des cibles pour votre nouvelle application qui permet aux utilisateurs de parcourir et de consulter de nouvelles recettes, celui-ci risque de ne pas prendre en compte les hommes. Vous vous priveriez ainsi sans le savoir d'une vaste clientèle de décideurs et de passionnés de cuisine. Il existe des outils et des stratégies de vérification de données permettant aux marques de valider les données et les algorithmes de prestataires tiers, mais ces solutions en sont à leurs étapes préliminaires.

3. Ne pas se fier uniquement aux algorithmes

Les marques désireuses de développer le m-commerce doivent s'équiper d'outils permettant d'exploiter les données intégrées aux applications et savoir comment les achats sont effectués sur le téléphone d'un consommateur. Les données in-app, qui fournissent notamment des informations sur la taille, la structure démographique et les habitudes d'achat de son public, révèlent plus que de simples données comportementales - celles-ci permettent d'analyser quand les utilisateurs parcourent une application et la façon dont ils réagissent aux publicités. Les données in-app fournissent à l'annonceur le contexte nécessaire pour comprendre l'expérience vécue par l'utilisateur. Un suivi des habitudes d'utilisation d'applications mobiles permet de recueillir des informations précieuses sur différents groupes démographiques.

Si je télécharge par exemple l'application d'un distributeur et que je l'ouvre ensuite plusieurs fois au cours de la journée pour rechercher la montre que je veux acheter, les annonceurs peuvent uniquement réagir à mon intention s'ils surveillent les signaux de données récents intégrés à mon application. S'ils ne le font pas, la vente a de fortes chances d'être compromise. Ils doivent détecter que je suis intéressé à l'achat d'une nouvelle montre et m'envoyer des publicités par le biais d'applications mobiles et Web, afin de me rappeler de réaliser l'achat. Le suivi de clients sur plusieurs canaux permet de construire des profils précis des clients potentiels les plus prometteurs et d'en faire de véritables ambassadeurs de la marque.

4. L'avenir du m-commerce est arrivé: en mobile, la solution est dans le contexte

Amazon a récemment lancé Prime Now[AE1], une application qui rassemble l'ensemble de son offre, vente en ligne et divertissement compris. Cette expérience rationalisée permet à chaque client d'acheter n'importe quel article sur n'importe quel dispositif et de recevoir sa commande chez lui une heure plus tard. S'appuyant à la fois sur des signaux de données, des algorithmes et d'habiles appels à l'action natifs, cette démarche esquisse l'avenir du m-commerce.

La publicité native mobile nécessite une analyse des signaux de données mobiles d'un utilisateur pour générer l'appel à l'action au bon moment, au format adéquat et dans le contexte qui convient. Nous disposons d'une abondance d'informations et de la technologie nécessaire pour les interpréter. En les mettant à profit et en s'engageant à traiter chaque utilisateur mobile comme l'individu unique qu'il est, chaque spécialiste du marketing peut désormais mettre l'exploitation du Big Data au service de la réalisation de son projet.

L'expert
Djamel Agaoua est senior vice-president de Cheetah Ad Platform, plateforme publicitaire pour des campagnes mobiles.

Djamel Agaoua, SVP, Cheetah Ad Platform