Use case #1: Paid acquisition WoW analysis

Category: Acquisition |Solution: DataMa Compare | Type : Recurring | Client: Web Utilities | Extension: None

Tags: Tags: #Media #PaidSearch #TrafficManagement

Grâce à Datama, nous sommes en mesure de répartir nos performances SEA par type, par campagne et par date afin de voir les points chauds. Cela nous permet de regarder nos statistiques sous un angle différent de celui des plateformes d’achat et nous fait gagner du temps pour réfléchir aux optimisations.

Joël Barthaut Salaün-Penquer

Responsable Paid Media Online, TotalEnergies

 

Le contexte

TotalEnergies est un acteur multi-énergies majeur en France. Leur activité gaz & électricité s’appuie fortement sur leur site internet pour les abonnements entrants (B2C & B2B). L’équipe d’analyse aide l’entreprise, et plus particulièrement l’équipe d’acquisition de médias payants, à accéder et à comprendre leurs données afin d’améliorer leurs performances.
L’équipe Analytics fournissait des chiffres et des rapports sur Google Ads et Bing Ads. Ils ont réussi à faire un effort supplémentaire en fournissant de manière proactive des insights en plus des chiffres. Ils utilisaient déjà DataMa pour l’analyse de produits et ont donc mis en place un cas d’utilisation d’acquisition pour élargir la gamme d’utilisation des analyses hebdomadaires.

 

Approche

Equation de marché

Afin de garder les choses simples et compréhensibles pour le client, l’équipe a d’abord commencé par une équation de marché relativement simple. 

L’idée était d’intégrer des KPI classiques comme le CPC (coût par clic), le coût et le CVR (conversion) dans une équation de marché pour expliquer la variation absolue de la conversion.

Ils se sont retrouvés avec l’équation de marché suivante :

2 observations sur cette équation de marché :

  1. Le CPC (coût par clic) apparaît au dénominateur, ce qui correspond à la configuration de l’équation de marché. Une autre option, peut-être plus intuitive du point de vue d’un analyste, aurait été d’utiliser Clic/Coût (c’est-à-dire le nombre de clics que vous obtenez pour 1 € dépensé). Cependant, étant donné que l’entreprise (équipe d’acquisition) est tellement habituée à examiner le coût par clic, il est préférable de respecter les normes de l’industrie pour faciliter la compréhension et l’adoption.
  2. Abonnement/Clics est considéré comme un bon indicateur de CVR. Bien entendu, en raison des écarts entre les plateformes publicitaires et l’outil de web analytics, et notamment en raison des limitations du consentement aux cookies, vous pouvez souhaiter ajouter un ratio Sessions/Clics comme indicateur intermédiaire dans votre suivi. Mais encore une fois, pour faire simple, c’est une bonne option pour commencer.

Dataset

Dans ce cas d’utilisation, les données proviennent à l’origine de Google Ads, Bing et Google Analytics et ont déjà été agrégées dans une table Big Query, à l’aide de l’ETL funnel.io.

À partir de là, nous avons évidemment besoin des mesures utilisées dans notre équation de marché : coût, clics et abonnements.

En ce qui concerne les dimensions, l’équipe a l’habitude d’analyser leurs performances par plate-forme (Google vs Bing), type de recherche (marque vs non marque), appareil et campagne

Voici un exemple de jeu de données

 

Nous intégrons la data grâce au connecteur BigQuery de DataMa Prep. 

Takeaways

Dans DataMa Compare, le cas d’utilisation nous permet d’expliquer de manière percutante les variations des abonnements générés par le trafic payant provenant à la fois de Google Ads et de Bing Ads.

Dans l’exemple particulier des données ci-dessus, nous constatons que le nombre d’abonnements a diminué, en raison de dépenses plus faibles et d’un CPC plus élevé.

On peut alors entrer dans l’analyse des dimensions, où l’on comprend que la fin de la campagne « Moving Summer », avec un CPC plus faible que la campagne « Special Discount », explique à la fois la baisse du coût et l’augmentation du CPC du fait d’un effet mix . 

2. La campagne « Moving Summer », qui avait un CPC très bas, a été remplacée par la campagne « Special Discount », qui avait un CPC beaucoup plus élevé, entraînant une augmentation du CPC moyen

Outcomes

Le rapport a été partagé avec l’équipe Média, avec des commentaires très positifs, à la fois pour l’effort de rendre proactivement les données plus perspicaces et pour la clarté des graphiques et des commentaires. Ils prévoient désormais d’intégrer automatiquement le rapport dans le tableau de bord de visualisation des données (Reeport/Data Studio) utilisé pour le rapport Paid Media. 

L’intérêt d’aborder l’analyse des médias avec la méthodologie holistique de l’équation du marché a également déclenché une volonté d’en savoir plus et de multiplier les cas d’utilisation dans l’ensemble de l’organisation. Afin de passer le mot aux autres équipes, l’équipe Analytics prévoit d’assister dans les prochains mois aux ateliers de « résolution de problèmes » proposés par DataMa (Ces ateliers font partie de l’offre Coaching Analytics de DataMa Solutions).