Comment analyser l’efficacité d’une campagne d’emailing ?

En tant que responsable marketing, vous supervisez des campagnes d’envois d’emails depuis votre bac (ou presque) et votre direction vous fait totalement confiance pour mener à bien ces opérations, mais combien de fois avez-vous réussi à leur prouver et à vous assurer que vos objectifs de campagne étaient atteints ?

En tant que spécialiste du marketing, vous êtes généralement très fier, mais surtout un peu angoissé, du moment venu où il faut cliquer sur le bouton « Envoyer ». Surtout parce que vous passez de nombreuses heures à concevoir et à sélectionner le bon visuel, le texte approprié, à définir la campagne, à obtenir l’avis et l’approbation de votre patron. Vous êtes presque certain que votre campagne sera un succès, mais il est très difficile d’obtenir le résultat et encore plus difficile de comprendre ce qui a bien fonctionné et ce qui a mal fonctionné. Et lorsque vous arrivez enfin à avoir un début de commencement d’idée de pourquoi la campagne a bien ou mal performé, vous n’avez plus de temps, vous êtes déjà le nez dans la campagne suivante.

1. Une campagne, ça se travaille avant et après !

Définir des objectifs de campagne clairs et précis

Quand vous êtes en charge de préparer une nouvelle campagne, vous connaissez sans doute les objectifs que vous poursuivez, ils sont forcément liés à une décision stratégique : « augmenter les ventes » par exemple, avec un objectif de performance : « + 5% pour mars 2019 ainsi que +10€ en moyenne par panier ». Ces éléments stratégiques sont reliés aux objectifs principaux et secondaires de votre campagne, qui pourraient être (pour suivre la lignée de notre exemple : « concentrer les ventes sur le produit B » en tant qu’objectif principal et « mieux convertir les clients de moins de 30 ans » en tant qu’objectif secondaire).

En alignant clairement les objectifs de votre campagne à ceux de l’entreprise, vous pourrez impliquer davantage les personnes de votre équipe, dans la phase de préparation mais surtout dans la phase non moins importante d’analyse des résultats. Vous serez ainsi en mesure de mieux comprendre vos données en les associant directement à des objectifs clairs et cohérents à tous les niveaux.

Collecter les données de votre campagne

Avant d’analyser une campagne, il faut avant tout avoir les données. En fonction du volume de contacts ciblés, de la complexité de votre tunnel de conversion, du nombre de canaux, l’approche pour collecter la donnée sera différente et la pertinence de l’analyse sera plus ou moins proche de la réalité. Quoiqu’il en soit, il va falloir collecter un maximum de données pour y arriver.

Votre outil CRM (Salesforce, Neolane, Mailchimp, SAP, Hubspot, Zendesk…) , votre compte Web analytics (Google Analytics, Adobe…), certains outils d’analyses UX (ContentSquare, CrazyEgg…) peuvent être de bons agrégateurs de vos données de campagne. Si c’est la première fois que vous faites l’analyse, faire une extraction sur un bon vieux fichier Excel/ Gsheet peut être une des façons les plus simples de comprendre et de construire votre analyse. Il existe aujourd’hui des connecteurs performants et simples pour importer et combiner différentes sources dans une simple spreadsheet (Supermetrics…).

Votre jeu de données comprendra normalement un certain nombre d’éléments chiffrés (les métriques) liés aux volumes d’action des clients ainsi que des éléments de paramètre (les dimensions) décrivant les clients (âge, type de device, segment client, ). Il faut garder tout ceci précieusement !

2. Et pour l’analyse, comment on fait ?

Analyse par comparaison avec une période étalon

Vous avez maintenant vos données, vous savez que tout est là, mais comment faire, à partir de cet énorme volume de données, pour pouvoir mesurer l’impact de cette campagne sur le produit B et sur les moins de 30 ans ! L’idéal est de pouvoir comparer votre performance sur 2 périodes de temps : quelques jours après le lancement de la campagne et quelques jours avant le lancement de la campagne. Les quelques jours avant la campagne serviront d’étalon pour votre analyse. Vous pouvez également comparer les événements avec une autre campagne précédente et analyser le comportement des utilisateurs entre ces 2 campagnes.

Associer les données à votre tunnel de conversion

Pour commencer votre analyse, la première étape consiste à bien identifier les étapes de votre tunnel de conversion. Ceci permettra de savoir à quelle étape, vous pouvez attribuer le chiffre d’affaire généré par votre campagne. Ceci est primordial pour savoir si le problème vient plutôt d’un problème sur le taux de clic de vos mails (mailing list sans doute mal qualifiée) ou bien d’un problème lors de la validation du panier (Sans doute un problème technique à cette page ou bien performance moins bonne du segment client ciblé par votre campagne par rapport aux clients ordinaires de votre site),…

Un tunnel de conversion très simple pourrait être par exemple : Nombre de mail : envoyé >> ouvert >> cliqué >> Converti >> Revenu généré »

Une fois votre tunnel de conversion établi, vous allez comparer sur vos 2 périodes d’analyse (avant et après la campagne), pour chaque étape de votre tunnel de conversion, les taux de passage de vos clients. On essaye à cette étape de comparer le comportement des utilisateurs ciblés par la campagne par rapport aux utilisateurs normaux.

On pourrait donc arriver graphiquement à représenter la performance de notre campagne sous forme de bridge (graphique cascade, ou waterfall),

comparant un a un chacun des indicateurs de notre campagne par rapport à un point de référence.

Analyse des dimensions:

Maintenant que vous savez quelle partie de votre tunnel de conversion a le plus d’impact sur votre chiffre d’affaires, vous souhaitez comprendre précisément pourquoi et vous assurer que la valeur absolue générée sur cette campagne est liée à vos objectifs. C’est à dire que nous souhaitons comprendre l’impact des caractéristiques de nos clients sur les résultats d’une campagne. Nous souhaitons déterminer pour chaque étape de notre tunnel de conversion si l’écart de performance est lié à l’age de nos clients, à leur localisation géographique, aux devices utilisés, aux navigateurs web…

autant d’éléments que nous avons à disposition sur nos clients, dont nous souhaitons connaître et

mesurer l’importance dans les résultats de notre campagne.

Les outils du marché pour réaliser cette analyse

Pour réaliser cette analyse et comprendre l’impact des caractéristiques sur la performance, il existe plusieurs solutions qui sont plus ou moins précises et efficaces. Il s’agit ici de comprendre le volume d’utilisateur et leurs caractéristiques lors de leur passage d’une étape du tunnel de conversion à une autre. L’analyse peut être réalisée pas à pas, manuellement en associant a chacune des étapes les profils concernés, c’est un procédé fastidieux selon le nombre de dimension à analyser et qui restera approximative par la difficulté de mesurer avec cette méthode l’impact des variations de la composition de l’échantillon (l’effet Mix) et la mesure de la covariance (variations conjointes de 2 dimensions corrélées, sic !) des mathématiques avancées dont on se passerait bien pour notre campagne ! Pour s’abstenir des mathématiques, il existe sur le marché des outils pour réaliser cette analyse par dimension, DataMa en fait partie et vous permet en quelques clics d’analyser avec précisions les résultats d’une campagne marketing et d’identifier très rapidement l’atteinte de vos objectifs. L’outil vous permet de comprendre les dimensions qui sont à l’origine des résultats de votre campagne, vous permettant ainsi de mettre le doigt sur les paramètres ou le ciblage à améliorer. Vous pourriez ainsi identifier la performance d’un segment en particulier, d’un produit spécifiquement, comparer la performance de vos campagnes d’une région à une autre,…en identifiant à chaque fois les dimensions qui influent sur la différence que vous comparez. Vous aurez enfin la réponse à votre question : ai-je réalisé les objectifs de ma campagne ?

Qui est Datama ?

Chez DataMa, l’amélioration de la conversion en ligne par l’exploration de données nous passionne. L’un des principaux problèmes auxquels nos clients sont régulièrement confrontés est la capacité de comprendre une performance entre deux segments (par exemple, vos campagnes) sur un indicateur de performance clé donné. Nous avons donc créé une solution SaaS qui leur a rendu la vie beaucoup plus facile… C’est rapide, facile à comprendre et à communiquer, il ne nécessite aucun outil de BI coûteux. Le résultat peut être branché sur n’importe quel outil de visualisation que vous avez déjà (Tableau, Shiny, Qlikview ou même Excel…). Nous pouvons mettre en place une démonstration adaptée à votre entreprise en quelques heures… gratuitement !

DataMa est une entreprise fondée en octobre 2017 par Guillaume de Bénazé, ingénieur centralien, rejoint en 2018 par Loïc, diplômé de l’Esme Sudria et d’un mastère à HEC. Tous deux disposent à la fois d’une double compétence technique et business grâce à des expériences dans le domaine de l’analytique et du consulting.

DataMa compte déjà plusieurs clients de prestige tels que le Groupe Pierre et Vacances, Voyage Privé, Kering, ManoMano ou AccorHotels. Pour la suite, la firme s’est fixé pour objectif de multiplier rapidement les modèles analytiques qu’elle propose afin de devenir leader français du marché de l’Analytics as a Service.

Partagez l'article

Abonnez-vous à notre newsletter