Analyse des performances de campagnes : Comment passer à la vitesse supérieure ?

Vous analysez sans doute régulièrement et avec grand intérêt les statistiques de performances de vos campagnes emails. Vous étudiez les taux d’ouvertures, les taux de clics, les taux de désabonnement… toute une série d’indicateurs qui vous permettent de juger le niveau de performance d’une campagne.

Mais est-ce que vous étudiez également les performances du point de vue de vos lecteurs ?

Si vous vous limitez à l’analyse des résultats uniquement au niveau de la campagne, je suis sûr que vous serez d’accord avec moi sur le fait que vous passez à côté d’informations très précieuses qui permettent également d’évaluer les performances de votre programme email marketing.

Mais alors comment faire ?

L’idée est d’analyser le score d’engagement de chaque utilisateur et de le mettre en perspective par rapport à vos typologies de campagnes (on pourrait également mettre ce score d’engagement en perspective par rapport à beaucoup d’autres indicateurs comme par exemple le segment d’appartenance du contact, le device de lecture utilisé, une période en particulier…). 

En d’autres termes, on va chercher à mesurer l’impact de vos campagnes sur le comportement de vos lecteurs et identifier ce qui génère le plus d’intérêt. Formidable, on va avoir des indicateurs précis et mesurables pour chaque lecteur. Ceci va donc parfaitement venir compléter les données mises à votre disposition par les plateformes de routage.

Bon, pour ceux qui ont besoin d’un rapide rappel sur ce que l’on appelle le score d’engagement d’un lecteur : c’est la somme des ouvertures et des clics sur une période donnée. Ceci permet de mesurer le niveau d’attachement et d’intérêt que porte chaque individu à un annonceur.

Voici comment Badsender traite le sujet.

Dans un premier temps, nous collectons l’ensemble des logs des campagnes pour disposer de la liste de toutes les actions (ouverture, clic et transformation) pour chaque individu et nous plaçons toutes ces informations dans une base de données.

Nous allons donner un score à chaque action. Par exemple, 1 point pour une ouverture et 3 points pour un clic. En effet, on peut estimer qu’un clic a plus de valeur qu’une ouverture, car il traduit l’intérêt du lecteur pour le message et son action pour en savoir plus.

Ensuite, nous allons enrichir cette base de données en rattachant pour chaque action à quelle date précise elles ont eu lieu. Nous allons également spécifier de quelle campagne et type de campagne (newsletter mensuelle, offre promotionnelle, message relationnel, trigger spécifique…) il s’agit pour chacune d’entre elles. Dans la mesure du possible, nous allons également rattacher chaque individu à un de vos segments existants (RFM, PMG…). Et enfin, si nous disposons de l’information, quel a été le device de lecture utilisé au moment de l’action (smartphone, tablette ou ordinateur).

Dernière étape : nous allons lancer notre algorithme pour calculer le score d’engagement de chaque contact sur une période précise. 

À savoir, l’algorithme développé par Badsender va automatiquement pondérer en récence et en fréquence chaque action en fonction de la date à laquelle vous allez lancer l’analyse. En d’autres termes une action qui a été menée il y a 6 mois aura moins de valeur qu’une action qui a été réalisée la semaine dernière, logique…

L’algorithme va également récompenser les individus les plus engagés, c’est-à-dire qui réalisent des actions fréquemment.

Bon tout ça c’est bien sympa vous allez me dire mais qu’est-ce qu’on peut faire concrètement avec ?

La première des choses, c’est identifier les contacts dont le score d’engagement baisse sur la période que vous étudiez. Vous allez ainsi pouvoir identifier les personnes à réactiver avant qu’ils ne deviennent des inactifs. Vous le savez comme moi, une fois qu’un contact est inactif ça va être la croix et la bannière pour le réactiver… Inutile de préciser que l’identification des contacts en perte de vitesse pour les rattraper avant qu’ils ne soient morts permettra de prolonger leur cycle de vie et d’optimiser les coûts d’acquisition. Ça coûte bien plus cher de recruter de nouveaux contacts que de conserver ceux que vous avez déjà en base…

Ensuite, vous allez pouvoir pour chaque individu identifier quel type de campagne génère de l’engagement et quel type de campagne génère du désengagement. Bon, là ça devient plus sympa parce qu’on dispose d’un levier additionnel pour affiner votre segmentation. Résultats : plus d’ouvertures et plus de clics, car les messages envoyés correspondent aux attentes des utilisateurs, ce qui va rejaillir positivement sur les chiffres de vos campagnes (que vous continuez d’analyser en parallèle) et booster votre niveau de délivrabilité.
Je recommande par ailleurs cet article qui illustre super bien la relation Engagement et Deliverability.

Poussons encore les curseurs un peu plus loin : cette approche va également permettre de disposer d’informations précises pour optimiser la fréquence des campagnes. On dispose d’une mesure de corrélation entre le nombre de campagnes envoyées et l’évolution du score d’engagement. Et le top, c’est que pour les contacts qui montrent des faiblesses par rapport à la pression marketing, on va pouvoir identifier quel type de campagne supprimer pour alléger la pression tout en optimisant l’engagement. Inversement, ceux qui encaissent bien la fréquence d’envoi des campagnes pourraient potentiellement en recevoir plus et de la même manière identifier quel type de campagne envoyer en plus.

L’analyse des scores d’engagements en fonction des Devices de lecture utilisés est également un atout précieux pour mieux comprendre le comportement de vos lecteurs et de disposer d’informations additionnelles et individuelles pour optimiser l’envoi de vos campagnes et les messages.

Voici donc une méthode qui permet de compléter les indicateurs que vous étudiez déjà. L’analyse des performances sous l’angle des utilisateurs pourrait beaucoup vous apporter à vous aussi…

Je brûle d’impatience de lire vos commentaires et de découvrir comment vous pilotez la performance du point de vue de vos utilisateurs et si ce n’est pas encore le cas je serai plus que ravi de partager les résultats de clients qui ont déjà testé notre approche.

Related Articles

Responses

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *