Dans un paysage marketing digital de plus en plus compétitif et complexe, il est aujourd’hui plus important que jamais de veiller à l’optimisation des données et des médias pour obtenir un retour sur investissement marketing. Les meilleures décisions sont celles qui sont fondées sur les données et l’IA.

Les deux mastodontes du performance marketing

Google compte plus de 4 milliards d’utilisateurs actifs mensuels dans le monde et plus de 3 milliards sur Meta. Bien entendu, tous les utilisateurs ne sont pas égaux, loin de là. L’enchère basée sur la valeur (« Value-based bidding », VBB) permet aux annonceurs d’ajuster leurs offres marketing en fonction de leurs utilisateurs les plus et les moins précieux. Il combine la puissance des nombreuses données utilisateurs d’une plateforme publicitaire et des algorithmes d’enchères d’IA avec les First Party Data de valeur de conversion d’une marque. En bref, la VBB permet aux entreprises de gagner en efficacité et d’augmenter leurs revenus en alignant l’objectif de l’enchère sur les résultats de l’entreprise.

C’est un outil puissant. L’étude de Google sur ses données internes en 2021 a montré une augmentation de 14% de la valeur de conversion en passant de tCPA à tROAS.
Meta a cité jusqu’à 35% d’amélioration du ROI grâce à sa stratégie de Value Bidding et la solution prédictive VBB propriétaire de Making Science : Gauss Smart Advertising. Qui entraîne une augmentation de 10 à 30% du ROI de la valeur de la durée de vie.

Alors pourquoi un annonceur n’exploiterait-il pas la puissance du VBB ? Et bien, ce n’est pas toujours facile.

Pour commencer, les annonceurs doivent comprendre clairement ce qu’est de la valeur pour eux : le chiffre d’affaires, la qualité des prospects, la valeur de la durée de vie du client, le ratio nouveaux clients/clients fidèles, la propension à la conversion… et bien d’autres encore ! Ils sont autant d’indicateurs de valeur applicables, qui nécessitent des stratégies d’optimisation distinctes.

En réalité, les annonceurs ont besoin de solutions de mesure solides pour suivre la valeur des clients dans les environnements en ligne et hors ligne. Ces données doivent être précises et accessibles. Les experts en matière d’enchères sont tenus de piloter les algorithmes de VBB en équilibrant le volume, l’efficacité et l’efficience. La nécessité d’une modélisation prédictive se fait sentir lorsque les annonceurs souhaitent prendre des décisions rapides en matière d’enchères et d’investissement.

Tout cela pour dire qu’une VBB efficace est loin d’être une simple pression sur un bouton. La VBB durable est plutôt considérée comme un chemin vers la maturité, dont la précision, la rapidité et la capacité d’action sont les points de repère.

Si vous souhaitez comprendre comment de meilleures enchères peuvent vous apporter un meilleur retour sur investissement, n’hésitez pas à nous contacter.

Contactez-nous

Aujourd’hui, nous allons parler de la Customer LifeTime Value (LTV) ou du Temps de Vie des Utilisateurs (TVC), qui est une métrique/technique utilisée pour analyser le comportement et la valeur des utilisateurs. Nous en avons déjà parlé précédemment, et aujourd’hui nous allons voir comment obtenir et utiliser la valeur vie client (LTV) dans Google Analytics 4 (GA4).

La LTV peut être une mesure pour calculer la valeur économique d’un client ou une technique de gestion de clients. La lifetime value nous aide à :

• Stratégies de rétention et de fidélisation : depuis l’enregistrement ou la conversion jusqu’à la fin du cycle de vie du client, c’est-à-dire lorsque le client cesse d’être notre client.
• Campagnes d’acquisition active : elles utilisent des mesures prédictives pour nous aider à prévoir la probabilité d’achat, le taux d’abandon ou même des valeurs moyennes plus élevées par achat de nos utilisateurs ou audiences.
• Obtenir des données uniques sur les utilisateurs : telles que l’interaction avec notre entreprise/marque, leur dernière interaction ou achat sur notre site web ou appli, quand ils ont été actifs pour la dernière fois, la déduplication des utilisateurs grâce à l’ID utilisateur, les métriques prédictives qui apprennent des comportements des utilisateurs, comme mentionné ci-dessus.

Le suivi et l’analyse continus de la LTV au fil du temps permettent de détecter les tendances et les changements dans le comportement des clients. Cela vous permet d’ajuster vos stratégies et de prendre des décisions claires afin d’améliorer la rentabilité et les performances globales de votre entreprise. Tout cela est possible grâce à Google Analytics 4.

Nous devons tenir compte de :

• Le calcul de la LTV peut varier en fonction du type d’entreprise et du secteur d’activité. Par exemple, dans les secteurs où les achats récurrents sont moins fréquents, comme la vente de voitures, la LTV sera calculée sur une période plus longue, par exemple sur plusieurs années.
• Il est important de savoir qu’il existe une limite à la LTV, car il n’est pas possible d’obtenir des données pour les clients antérieurs au 15 août 2020.

Connexion à Google Analytics (GA4)

La connexion à Google Analytics (GA4) fournit un ensemble d’outils puissants pour analyser et comprendre le comportement des utilisateurs. Outre que sur la LTV, GA4 fournit des informations précieuses sur le parcours client, les events de conversion, la segmentation de l’audience et bien d’autres choses encore, ce qui permet d’obtenir une vue plus complète et plus détaillée de l’activité des clients.

Para tener acceso a estos datos necesitamos tener una conexión a GA4, desde nuestro sitio web o app para poder recolectarlos e interpretarlos mediante exploraciones e informes/reports.

Pour accéder à ces données, nous devons disposer d’une connexion à GA4 depuis notre site web ou notre appli, afin de les collecter et de les interpréter par le biais de scans et de rapports.

Où trouver les rapports de la LTV dans GA4

Il existe plusieurs façons d’accéder au rapport du navigateur :

Directement depuis “Start a new exploration”

À partir d’un rapport vierge

Sélection dans Technique → User Lifetime  technique 

Les deux modes d’identification et de signalement des utilisateurs

La méthode d’identification utilisée pour les rapports de votre propriété a un impact sur les données du temps de vie des utilisateurs de la manière suivante :

• ID utilisateur et appareil : cette méthode utilise des données plus précises pour identifier l’utilisateur et unifier tous les événements liés dans les rapports et les analyses. Si aucun identifiant d’utilisateur n’est collecté, Analytics utilise un identifiant d’appareil pour identifier l’utilisateur, qui sera l’identifiant du client dans le cas des sites web ou l’identifiant de l’instance de l’application dans le cas des applications.

Si l’utilisateur effectue des actions alors qu’il est connecté et, à un autre moment, effectue d’autres actions sans se connecter, l’analyse n’utilise que les données correspondant au moment où la connexion était active. Les données sont ainsi de meilleure qualité et plus fiables, puisqu’il n’y a pas de duplication des utilisateurs et que les mesures telles que la valeur moyenne de la durée de vie du client sont plus précises.

• ID de l’appareil : utiliser l’ID de l’appareil pour identifier l’utilisateur via l’événement client_id des cookies GA pour le web et l’ID de l’instance pour l’application.

A Making Science nous vous recommandons d’utiliser l’option ID utilisateur.

Vous souhaitez en savoir plus sur le CRO, l’optimisation du parcours utilisateur ou simplement analyser quels outils sont les plus adaptés pour votre entreprise ? Notre équipe est là pour vous aider pour vous, n’hésitez pas à nous écrire. 🚀 !

Contactez-nous