Do you really need a DMP in 2018?

A couple of months ago, I was discussing with two business contacts of mine about their plans and priorities for 2018: they had to decide about strategic investments, and they asked my opinion about choosing and implementing a DMP for their business. This got me thinking. Well, it’s 2018, and DMPs are so 2016…

A couple of months ago, I was discussing with two business contacts of mine about their plans and priorities for 2018: they had to decide about strategic investments, and they asked my opinion about choosing and implementing a DMP for their business. This got me thinking.

Well, it’s 2018, and DMPs are so 2016…

Reminder : DMPs are an (optional) link in the RTB programmatic chain. DMP’s main capability is to combine 1st, 2nd and 3rd party data in order to create specific audience segments, to be exposed to display ad campaigns.

If you live in the EU, or if your business has some B2C activity with individuals from Europe, then you will soon be bound by the now famous GDPR regulation. As we’ll explain here after, the GDPR regulation has some direct consequences on the way a DMP (and on a wider scale, the programmatic ad-tech industry) can be operated.

3rd Party Data Vendors

The business of selling massive amounts of anonymous data will probably not survive GDPR. This business was already in bad shape a couple of years ago, and most of the pure players had tried to pivot to some other form of activity, but this time it’s getting worse. GDPR enforces full opt-in for data collection, and makes it mandatory to clearly state the all usages for the collected data.

Where do 3rd Party Data vendors collect their data from has always been the dirty little secret in this ad-tech industry. It’s in nobody’s interest to ask too much questions. All you want to know, is that someone acts as a proxy, sells data and does the dirty job in the back-office. And I won’t even discuss 3rd party data accuracy.

Here for instance, Oracle Bluekai thinks I’m a soccer and WorldCup enthusiast, and a NASCAR fan. Those of you who do know me also know how ridiculous this is.

It’s going to be _very_ tough for data vendors to be able to collect, trace, anonymize and allow for deletion of all collected data. I honestly don’t see how these business could survive. The funny thing is that every now and then, I stumble on interviews from 3rd party data vendors(*) who swear to God that they are already GDPR compliant, or they will soon be…

The market for 3rd Party Data is almost dead. Let’s consider DMPs only for 2nd and 1st party data then…

(*) : not all of them.

2nd Party Data

Second party data is just someone else’s first party data. 2nd party data happens when several advertisers and/or published agree to ID sync and share information about their common audiences. With GDPR, all data collected will have to be collected with full opt-in, and after presenting all the details of the use of the data to the individuals.

Collecting the opt-ins for a 2nd party data sharing scenario on some website could look like this:

Do you believe that many people would simply click « OK » and blindly accept to share their personal data with sites and services they never heard about, if they are asked to? I don’t think so.

I think we can assume that 2nd party data partnerships will disappear when GDPR comes into play.

OK then. Let’s play safe and use DMPs just for 1st party data

Why not. But if your DMP is only useful for using your first party data for segmentation, you could probably directly use some modern DSP capabilities. Or if you want to use some of your CRM data, you could use services of some CRM onboarder like Temelio or Graphinium. Or if you want to do social advertising, or retargeting, you could use formats from Facebook, Amazon, Google, or twitter such as « custom audiences », RLSA, and the likes.

And you don’t need a DMP. And you don’t have to spend 3 to 6 months on the deployment and invest between 100 and 200k€ of your budget on year 1 just for the platform fees and setup.

DMPs for insights and customer intelligence?

Not really either. In a recent industry report, 9 out of 11 DMP vendors were rated « Poor » about « Analytics and audiences insights offerings ». By design. Simply because most of the DMPs were designed as activation platforms, not as analytics platforms. There’s a disconnect between DMP capabilities and the reality. In my opinion, this is partly caused by the name « Data Management Platforms » and the fact that few people do their homework and fully try to understand what they’re really buying.

If you want to get insights about your customers, and want one platform for actually managing all PII and non-PII data, also while keeping track of the opt-ins and be able to provide an audit trail, you should probably look for CDPs (aka Customer Data Platforms) which are getting more and more popular as the deadline for GDPR compliance comes closer.

If I was running your business, would I buy a DMP in 2018?

Would I sign a PO for a three years engagement for a DMP, if I were you? Probably not.

More than 50% of enterprises currently use a DMP, either directly or through an agency partner, according to Gartner’s Marketing Technology Survey (published Sept 2017, also numbers may slightly differ in our old Europe). Of the marketers without a DMP, one in five felt they didn’t need one.

Does this means that it’s the end of « Data Driven Marketing »? Absolutely not. There are many tools and solution alternatives, and also, GDPR is a great opportunity for businesses for adopt a different, more long term and customer centered approach to online marketing. And I’m convinced that your customers will appreciate this.

The Golden Age for DMPs is behind us. I’m glad I wrote my DMP blog posts series in 2016 :)

What then?

Start with small data. Do your homework. Understand your customers. Understand who they are, and why they buy from you, what they like in your brand and products. And surprise them. Please them. Add value by easing their lives as a customer, solving one issue at a time.

See also…

[DIGIDAY UK] GDPR is coming, and data management platforms are in the crosshairs

[DIGIDAY UK] With GDPR looming, DSPs are under pressure to adapt

[DIGIDAY UK] Ad retargeters scramble to get consumer consent

[DIGIDAY UK] Once a must-have, marketers sour on DMPs

DMPSeries #2 – Exemples de Use Cases DMP chez les annonceurs

Après avoir donné une définition de ce que sont les plateformes DMP dans le billet précédent, dans ce billet nous allons nous pencher un peu plus en profondeur sur quelques uns des Use Cases les plus classiques chez les marques et annonceurs.

Second billet d’une série consacrée aux plateformes DMP.

Dans le contexte actuel de prolifération des ad-blockers, il appartient aux marketers d’adopter des tactiques adaptées et de prendre en compte ce message fort envoyé par les internautes.

Du fait de leurs capacités de tracking comportemental, de croisement de multiples sources de données, d’activation en temps-réel et en multi-canal, les DMP peuvent être perçues comme des machines infernales permettant aux annonceurs de poursuivre et de harceler sans répit de pauvres internautes, et sans espoir de s’échapper.

A contrario, les DMP sont surtout à mon sens une excellente réponse technologique à la lassitude des internautes vis à vis des bannières et des contenus publicitaires omniprésents.

En effet, utilisées à bon escient, les DMP permettent d’adresser des messages et offres publicitaires à des audiences pour lesquelles ces messages ont un vrai intérêt, de les adresser de façon cohérente, au bon moment, tout en gérant la pression marketing (frequency capping) et en pouvant stopper le ciblage une fois l’objectif atteint (exclusion).

In fine, les DMP ne sont « que » des objets techniques, qui suivant la façon dont on les mettra en œuvre, tout comme la langue d’Esope, pourront être la meilleure ou bien la pire des choses.

Après avoir donné une définition de ce que sont les plateformes DMP dans le billet précédent, et avoir abordé les bénéfices attendus de l’utilisation d’une DMP par les annonceurs et par les éditeurs, dans ce billet nous allons nous pencher un peu plus en profondeur sur quelques uns des Use Cases les plus classiques chez les marques et annonceurs.

Avant d’entrer dans le concret, précisons que tous ces use cases ne sont pas équivalents : certains peuvent être mis en œuvre très rapidement, d’autres au contraire vont nécessiter d’avoir au préalable déjà collecté et engrangé un volume conséquent de données, et surtout de profils de visiteurs.

Quelques exemples de Use Cases Annonceur

Ce billet vise à être didactique et à vulgariser le sujet DMP. J’ai choisi d’illustrer quelques use cases classiques en les simplifiant. Bien sur, on pourrait faire beaucoup plus, et plus compliqué, en utilisant des données mobiles, des données 3rd party, du cross-device, les fonctionnalités d’analyse et de reporting des plateformes, etc. J’ai préféré opter pour la simplification et la clarté, sans toutefois être simpliste.

A noter également : il y a quelques use cases classiques et qui peuvent s’appliquer à peu près à tout type de business, mais il n’existe pas de use case magique. Au delà de l’exercice présent et de ce billet à vocation didactique, la définition précise des Use Cases est loin d’être optionnelle : en effet, les use cases ont un rôle important dans un projet de mise en place de DMP. Leur définition précise en amont permettra de juger de l’intérêt de la mise en place de la DMP, mais aussi d’en déduire les données à collecter, et les sources de données à considérer, ainsi que les KPIs et métriques à suivre pour mesurer et optimiser les campagnes, et plus globalement les apports et l’efficacité de la DMP. Comme on le verra dans un prochain billet, la définition des premiers use cases à implémenter est un pré-requis important dans un projet DMP.

Crawl, walk and run

Ce n’est que du bon sens : au lancement d’un projet DMP, on démarrera logiquement par les use cases les plus simples, et ceux ayant la plus large portée. Ceux que l’on peut qualifier de « low hanging fruits », car apportant un maximum de bénéfices pour un effort minimal.

Et puis, gagnant en maturité tant dans les tactiques de segmentation, qu’en connaissance de ses audiences et de leur réaction aux différentes tactiques et campagnes, on passera progressivement des uses cases les plus simples aux plus avancés.

Keep it Simple

On gardera présent à l’esprit que les certains scénarios pourtant très séduisants sur le papier, dans lesquels on aboutit à des segmentations hyper précises… conduisent à des audiences souvent très faibles, et donc à des impacts business mineurs, voire négligeables.

1 – Prospect vs Client

Un des moyens pour optimiser ses dépenses média, c’est de limiter les impressions inutiles. Or, typiquement, il est assez peu utile de dépenser du budget média dans une campagne d’acquisition pour toucher des individus qui sont déjà vos clients. De même qu’il est peu utile de dépenser du budget média dans une campagne de branding pour des individus qui ont récemment visité votre site web.

Ces scénarios dits d’ « exclusion » sont généralement parmi les plus immédiats et les plus ROIstes.

Accessoirement, ça permet également d’éviter d’agacer des clients existants en les exposant à des offres promotionnelles très alléchantes, mais réservées aux prospects non encore clients. Combien de fois avez-vous vu passer des offres d’appel hyper intéressantes auxquelles vous n’aviez pas droit, par exemple de la part de votre opérateur mobile, ou de votre bouquet de chaines TV / satellite ?

Il existe plusieurs moyens de caractériser un client. C’est assez direct sur un site de e-commerce, il suffit de tracker le passage par la page de « check-out ». Dans d’autres cas, par exemple pour un opérateur telco ou une banque, il suffit de tracker le passage en mode loggué, idem pour un abonné sur le site d’un magazine. Dans tous les cas, l’import des données CRM est une autre façon de caractériser un client existant, et également d’enrichir son profil au moyen d’autres données telles que son ancienneté en tant que client, les types de produits possédés, ou bien encore un scoring.

2 – Retargeting des abandonnistes

Prenons un exemple fictif : Nous sommes « Acme Banking », un organisme financier. Acme Banking propose plusieurs types de produits financiers : épargne, gestion de patrimoine, prêts immobiliers, crédits à la consommation, etc.

Un individu présentant un profil alors inconnu visite notre site Web, et consulte plusieurs pages dans la rubrique des prêts immobiliers. Cette personne commence à remplir les deux premières pages du simulateur de prêt immobilier, mais quitte le site avant d’avoir terminé sa simulation, et obtenu une estimation du montant du loyer.

Il n’en faut pas plus pour pouvoir recibler cet individu au moyen d’une campagne de bannières.

Voici comment on pourrait caractériser ce prospect – et également tous les autres appartenant au même « segment » :

  • A visité le site Web de Acme Banking, au moins 1 fois dans les 7 derniers jours
  • N’est pas connu comme étant un client de la banque (ie : inconnu du CRM, jamais vu sur le site Acme Banking en mode authentifié)
  • A visité plusieurs pages de la rubrique Prêts Immobiliers (encore dans les 7 derniers jours)
  • A visité la page du simulateur de crédit immobilier, mais n’est PAS passé par la page finale de confirmation, et de demande d’envoi de la proposition par email.

On voit qu’on pourrait sans doute ici se passer des données CRM et avoir une segmentation qui reposerait uniquement sur des données 1st party collectées depuis le site Web de Acme Banking.

Une fois notre audience de prospects abandonnistes caractérisée et définie dans la DMP, voici ce que l’on pourrait mettre en œuvre au moyen de la DMP :

– s’agissant d’un prospect, on ne dispose pas de son adresse email ni d’un opt-in pour l’envoi de messages marketing promotionnels. On pourra néanmoins adresser cet individu de manière anonyme via une campagne de bannières (Display), avec un message adapté : le message portera par exemple sur le taux du crédit actuellement en cours (éventuellement avec une créa dont le taux de crédit serait personnalisé via un DCO)

– cet individu a quitté notre site Web, sans aller au bout de sa simulation. On peut en déduire qu’il ou elle n’a pas encore arrêté son choix quant à l’offre de crédit, cet individu étant susceptible d’effectuer d’autres recherches, on pourra placer une campagne SEM dans Google pour des mots clés tels que « crédit immobilier meilleur taux » ou bien être plus spécifique en fonction des contenus consultés par l’internaute (prêts à taux fixe ou variable, prêts courts, etc.).

Dans Google Adwords, il s’agit d’une campagne RLSA (= Remarketing Lists for Search Ads). Sachant que cette personne est déjà venue sur le site de Acme Banking et a commencé à se profiler dans le simulateur de crédit, il s’agit d’un « prospect chaud », de fait, Acme Banking consentira à une enchère plus élevée que pour la campagne SEM classique portant sur les mêmes mots clés

– en outre, la DMP permettra d’adresser à cet individu des messages cohérents sur les différents canaux, afin d’éviter par exemple, que la homepage de Acme Banking ne mentionne un taux de crédit différent de celui proposé par les campagnes display et celui ci encore différent du taux affiché via la campagne Adwords

– comme on vient de l’évoquer, on veillera à adapter les contenus en home page et en tête de rubrique avec des contenus mettant en avant les offres de prêts immobiliers

– enfin, Acme Banking proposant plusieurs produits financiers, elle veillera à ne pas canibaliser ses budgets marketing entre deux produits : pendant que Acme Banking ciblera cet personne au sujet des prêts immobiliers, on veillera à l’exclure des campagnes de promo des autres produits tels que l’épargne ou la gestion de patrimoine, ce qui n’aurait de toute façon aucun sens dans ce contexte

3 – Upsell / Cross-sell

Je pense que ce cas s’explique de lui même. Quelqu’un vient d’acheter un produit ou un service, online ou offline, et on va lui adresser des messages et contenus proposant des produits liés, ou des accessoires. Ceci fonctionne aussi pour les service, au delà simplement des biens matériels : si on est un assureur : quelqu’un vient de souscrire une assurance Auto, on va proposer par la suite une assurance Habitation.

Ce cas peut également s’appliquer au cas d’un service fonctionnant au d’une app mobile disponible en « Freemium ». La première étape consisterait à faire installer l’app mobile par le prospect, puis dans un second temps à mettre en avant les bénéfices du mode payant pour convertir un utilisateur du mode gratuit au mode payant. Pensez à Evernote, Spotify, Deezer, Photoshop Express, etc.

Ici, s’agissant d’upseller à un client existant – et donc d’une personne connue, dont on dispose des informations de contactabilité et des opt-ins nécessaires – on pourrait déjà mettre en place différentes tactiques sans avoir besoin d’une DMP.

Mais le fait de disposer d’une DMP va nous permettre de réaliser les uses cases d’upsell et de cross-sell de façon plus fine, avec des messages cohérents à travers l’ensemble des canaux (voir l’exemple précédent au sujet des abandonnistes) : on pourra le faire en cross-canal, avec des messages cohérents, en gérant la pression marketing et en continuant à collecter les données d’exposition aux campagnes.

4 – Réengagement des clients inactifs

Les bases CRM contiennent déjà tout l’historique de la relation d’une marque avec ses clients : les services ou produits achetés et possédés, leur type ou catégorie, leur âge (renouvellement ; maintenance), la fréquence des achats et le panier moyen, etc.

Les bases CRM contiennent donc des informations précieuses concernant des anciens clients qui sont devenus inactifs. Partant du principe bien connu qu’il est moins cher de fidéliser que d’acquérir, on pourra exploiter les DMP de façon à réengager ou à réactiver des clients inactifs, et ceci à plusieurs niveaux :

  • Campagnes d’emailing spécifiques présentant les nouveaux produits ou services, voire des offres promo
  • Campagnes de bannières pour les abonnés qui n’ouvrent plus les newsletters
  • Promos du type « Frais de port gratuits » pour les clients n’ayant pas commandé sur un site e-commerce depuis plus de 3 mois
  • Parfois aussi, tout simplement, leur rappeler comment faire pour récupérer un mot de passe oublié…
  • etc.

5 – 2nd Party Data

En tant que marque, vos données 1st Party sont certainement votre asset le plus précieux (je développerai cette idée dans un prochain billet). Mais malheureusement, en tant que marketer, on n’a jamais assez de données, et surtout, comme on le disait dans le précédent billet d’intro, toutes les industries et tous les verticaux ne sont pas égaux à cet égard : les telcos, banques, voyagistes et hotels sont bien plus avantagées que les marques CPG, par exemple.

Dans tous les cas, conclure des partenariats 2nd Party avec des tiers est une bonne solution pour aller chercher de la donnée en complément de ses propres données 1st Party.

Techniquement, il s’agira pour une marque disposant d’une DMP de fournir son tag à un partenaire qui l’implémentera sur son site web, ou sur certaines rubriques de son site web. Une autre façon d’opérer un partenariat 2nd Party peut passer par les marketplaces de données, lorsque les DMP en disposent : une marque ou un éditeur choisit alors de publier un partie de ses données de façon publique ou privée dans la marketplace – éventuellement en affichant un CPM – et la marque utilisatrice pourra alors simplement souscrire à ce data feed depuis la marketplace et utiliser les données 2nd party en complément de ses propres données.

Un exemple concret de ceci est par exemple un partenariat entre un grand groupe hotelier et un organisme de cartes de crédit professionnelles : ces deux entreprises ne sont pas concurrentes sur leurs marchés respectifs, en revanche, elles s’intéressent toutes deux aux mêmes profils de clients : des cadres qui effectuent des déplacements professionnels, prennent le train ou l’avion, et donc consomment des nuitées dans des hôtels, et règlent les notes avec des cartes de crédit dites « corporate » pour se faire rembourser de leurs frais. Les deux entreprises gagnent à s’échanger des données non seulement socio-démo mais aussi sur habitudes de consommation de ces cibles.

6 – Frequency capping

Les DMP permettent de collecter des données d’impression, et d’ouverture d’emailings, et d’exposition aux campagnes. Il devient alors possible de gérer la pression marketing en faisant du « frequency capping ». L’idée c’est que si un individu n’a pas réagi (cliqué, vu, converti, …) au bout de X impressions, il est inutile – voire contre-productif – de continuer à afficher les mêmes bannières pour cet individu. On a toutes et tous déjà connu le cas de ces produits qu’on n’a regardé mais pas achetés et qui nous poursuivent ensuite partout où l’on va pendant deux semaines… Hashtag : « retargeting gone wrong » :)

Puisqu’on est dans le domaine du « Data Driven Marketing », les DMP peuvent aussi vous fournir les outils pour vous aider à mettre en place un capping efficace. Ici une capture d’écran du rapport « Optimal Frequency » de la plateforme DMP Adobe Audience Manager (*) :

7 – Tactiques : anti-churn, anti-cannibalisation

La technique anti-churn classique consiste à tracker les visites sur les pages de désabonnement ou de résiliation, en particulier chez les Telco, banques, assurances, bouquets satellites ou chaines payantes. Un individu qui passe plus d’une fois par la page de résiliation sur une période courte de 1, 2 ou 3 jours est certainement à risque.

S’agissant de clients / abonnés pour lesquels on dispose des données de contactabilité et des opt-ins nécessaires, les DMP permettent alors de mettre en pratique diverses tactiques « anti-churn » allant de l’email personnalisé, à l’affichage d’une enquête de satisfaction sur le site de la marque, voire à des pop-ins proposant l’aide d’un télé conseiller ou d’une assistance téléphonique.

Mais on n’a pas toujours ce luxe… Un client auto ne vous envoie pas un mail pour vous prévenir que son prochain achat se fera chez un constructeur concurrent. Dommage.

8 – Segment “High value customers” + lookalike

C’est un peu le use case « star » des DMP, parce que facile à mettre en œuvre, et qu’il s’applique pratiquement à tout type de business. De quoi s’agit-il ?

Dans une pure logique d’acquisition, on va mettre à profit les fonctionnalités de segmentation algorithmique de la DMP via la fonctionnalité dite de « look alike modeling » (on parle de « méthode des jumeaux statistiques » en Français) de façon à déterminer des individus présentant des caractéristiques statistiquement proches de celles d’une audience de référence.

Concrètement, après avoir fait fonctionner sa DMP pendant quelque temps, après avoir pu caractériser parmi l’ensemble de ses clients celles et ceux qui sont les plus profitables, ou bien présentant les meilleurs potentiels sous la forme d’un segment d’audience, on va utiliser ce segment en tant que référence en le fournissant à l’algorithme de look alike modeling.

La modélisation se traduira par une audience résultante d’une taille arbitraire, choisie par le marketer, et dont les individus feront parti soit de l’audience de la marque (cookie pool en 1st party) soit de l’audience de fournisseurs de données 3rd party, si on est dans une pure logique d’acquisition.

Pour aller plus loin, je vous renvoie vers le blog Adobe Digital Marketing (en Anglais) :

9 – Scoring et ranking

Les industries de la banque et de l’assurance ont depuis toujours développé des outils métier permettant d’évaluer le risque, ou des scoring sur leurs clients. Plus largement, de nombreux business savent gérer des scores de « customer lifetime value » dans leurs systèmes métier, ou leurs CRM. Ramenés dans les DMP, ces indicateurs permettent d’adresser les clients de façon différenciée. On pourra ainsi proposer des offres plus attractives aux clients ayant un meilleur CLV, ou bien éviter de proposer des nouveaux contrats d’assurance à des clients présentant un niveau de risque élevé.

On voit que par ces aspects, les DMP permettent d’aller bien plus loin que de simplement « optimiser les budgets d’achat média » mais aussi d’aider à piloter l’activité et de toucher à des problématiques business.

10 – Un exemple concret

Je vous invite à regarder l’enregistrement vidéo d’une session au HubDay lors de laquelle Maral Zakarian de Samsung France accompagnée de son agence Starcom et du cabinet Artefact ont présenté comment ils ont travaillé pour préparer lancement du smartphone Samsung Galaxy S7. L’approche a consisté en une segmentation de leurs cibles sur la base de leurs centres d’intérêt, mises en regard des fonctionnalités spécifiques du Galaxy S7, se traduisant au total par plus d’une centaine de créas différentes relayées par leur DMP.

Les limites de l’hyper segmentation

J’avais écrit dans le précédent billet d’intro aux DMP, que les DMP ne sont pas des solutions de marketing one-to-one, mais des solutions de gestion d’audiences.

Or il y a eu sur FrenchWeb un commentaire à mon billet allant dans l’autre sens, arguant que (je cite) « Les DMP modernes, qui ne sont pas Cookie Based, mais People Based, gardent précisément tout le détail des interactions et des transactions (comme le détail des pages vues ou les tickets de caisse en magasin) pour pouvoir construire des segments encore plus fin à même de porter des programmes marketing véritablement one-to-one. »

J’aborderai la question du cookie based vs profile based dans un prochain billet, laissons ceci de côté pour le moment car ça n’est pas le sujet.

Que les DMP permettent de réaliser des hyper-segmentations, c’est certain. Maintenant est-ce que c’est pour autant le genre de scenario que l’on doit viser en priorité ? Je ne le pense pas. Et est-ce que ça permet d’ « obtenir des ROI spectaculaires » ? Je ne le crois pas.

A mon sens, il faut se méfier des hyper-segmentations, et ceci pour plusieurs raisons.

a/ Une hyper-segmentation se traduit immanquablement par des tailles de segments résultants très petites. Certains types de plateformes d’activation –  telles que les DSP – ne vont tout simplement pas considérer et pas traiter les segments d’audience trop faibles, ou alors avec un CPM élevé.

b/ Attention à la combinatoire : aller vers l’hyper segmentation, ça signifie donc de multiplier le nombre de segments, et les combinatoires explosent très rapidement. Une fois qu’on aura défini 200, 500 ou 1000 segments, c’est très bien, mais que va t’on proposer comme contenus, messages ou call to actions spécifiques à ces 500 ou 1000 audiences distinctes ? Est-ce que l’on dispose des contenus, créas, variations nécessaires pour activer 500 ou 1000 segments différents ? Si c’est juste pour variabiliser sur quelques paramètres, on passera par un DCO et on n’aura pas besoin de multiplier autant les segments.

c/ Enfin sur la question du ROI : est-ce que le temps, les ressources, les contenus nécessaires pour activer des hyper-segmentations se justifient au regard du ROI observés au niveau de chaque micro-segment ? Je ne le pense pas, mais j’aimerais que l’on me montre que j’ai tort et que l’on me le prouve, chiffres et uses cases à l’appui.

En conclusion, la limitation sur les hyper-segmentations vient rarement des DMP elles même : a priori toute DMP devrait vous permettre de créer beaucoup plus de segments que ce que vous ne serez en mesure de gérer et d’activer efficacement.

A suivre

Toujours dans cette série de billets consacrés aux DMP, je vous donne rendez-vous la semaine prochaine pour la suite, qui sera consacrée aux avantages comparés des données 1st Party et des données 3rd Party. Vaste sujet :)

D’ici là, les commentaires vous sont ouverts.


Je suis ingénieur avant-vente spécialisé sur la DMP chez Adobe. Néanmoins, je m’attache ici à présenter le sujet DMP de façon neutre, en restant au niveau des généralités, sauf mention contraire. Ce billet fait partie d’une série de billets consacrés aux DMP. Vous pouvez trouver la liste de ces billets via ce lien.

Quelques réflexions personnelles sur la journée Marketing Remix par Viuz

J’ai eu la chance de participer à la journée Marketing Remix par Viuz hier, dont voici un très bon compte-rendu sur le site de Viuz ainsi que cet autre rédigé par Darwin Agency.

Comme vous pouvez vous en rendre compte à la lecture du compte-rendu précédent, c’était une journée très riche en intervenants et interventions, car les deux organisateurs (au passage, un grand bravo à Patrick Kervern et Andrès Menajovsky pour cette belle réussite) avaient privilégié des formats courts : 10 minutes pour les interventions, 20 minutes pour les tables rondes.

Je vous livre ici non pas un compte-rendu de la journée, mais quelques unes de mes réflexions, un peu pèle-mèle.

Hyperciblage et Adblockers

On démarre la journée avec un speech d’intro par Jean-Luc Chétrit, président de Carat France et de l’Udecam. Dans son speech – que j’ai bien aimé par ailleurs – il nous partageait une réflexion selon laquelle les adblocks seraient une réaction des internautes à l’hyperciblage de la publicité online.

J’aurais quand même tendance à penser que c’est au contraire la faute à ceux qui gèrent la pub online à l’ancienne, à coups de GRP et aussi au retargeting sans pitié, celui qui lance à votre poursuite des bannières pour ce robot mixer qui vont vous poursuivre partout pendant les deux prochaines semaines.

Pour moi, l’hyperciblage c’est justement le contraire, car ça permet de passer des messages opportuns voire utiles, et en contexte, et de gérer la pression marketing en cross-device. Je suppose que ça tient à l’idée qu’on met derrière hyperciblage : surpression et répétition pour les uns, vs. segmentation hyper fine pour les autres.

Le Programmatique était visiblement le thème en filigrane de cette journée, il fut donc aussi question de RTB et dans une moindre mesure de DMP. On a d’ailleurs eu plusieurs définitions du Programmatique, intéressant de comparer les points de vue des différents intervenants, en fonction d’où se situe l’activité de leur société sur la map Lumascape des acteurs du Display.

Constat partagé : la maturité sur les sujets DMP est assez inégale, mais globalement la maturité sur le sujet des DMP chez les annonceurs est encore relativement faible, en particulier par comparaison avec la maturité chez les éditeurs (publishers). D’ailleurs, j’avoue volontiers que j’ai parfois décroché sur des sujets avancés en fin de journée. Je comprends ce que sont le Forecasting et le Yield Management pour un publisher, mais en fin de journée, c’était un peu violent :)

Programmatique et Branding

Quote : “Le programmatique bien qu’ancré dans une logique de performance peut très bien s’adapter à des objectifs de branding.”

Donc continuons à dépenser pour campagnes de branding, et ne focalisons pas trop sur des campagnes à la perf. C’est une agence média qui nous le dit ;)

First things first

On aura toutes et tous remarqué l’intervention de Jérôme Sutter de Weekendesk, une intervention bien dans l’esprit startup et sans langue de bois : tour à tour, ce sont Facebook, Google et les agences qui en ont pris pour leur grade. En même temps, c’est un des seuls intervenants qui aura appliqué la règle “No bullsh_t” imposée par les deux organisateurs :)

En tous cas, son intervention était pleine de bon sens et de pragmatisme, en particulier le passage où il invitait l’audience à commencer par le commencement : “Commencez par distinguer les prospects et les clients (…)”. J’applaudis. On est loin des Use Cases hyper alambiqués que l’on reçoit parfois (souvent ?) dans les appels d’offres DMP, et qui sont tellement dans l’hyperciblage qu’ils n’auront vraisemblablement aucun impact sur les résultats business.

Pour rester sur le sujet des use cases DMP, il en est un qui a été mentionné au moins à trois reprises, et visiblement c’est le use case chouchou des utilisateurs DMP en ce moment : il s’agit d’appliquer des modélisations “look alike” sur la base de segments de clients à fort potentiel, afin d’opérer ensuite des campagnes d’acquisition. Effectivement, réaliser ceci avec une DMP telle que Adobe Audience Manager, c’est l’enfance de l’art. [Disclaimer : je travaille pour Adobe]

Donnée 1st Party, la mal aimée

Quote : “La 1st party data ne m’aide pas à travailler ma stratégie média”

Je finirais sur une réflexion d’un intervenant pour qui la donnée 1st party n’apporte pas de valeur pour la mise en place des campagnes média.

Les données 1st Party, ça recouvre tout de même une multitude de d’informations diverses : online (web et mobile) ; offline (CRM, tickets de caisse, programmes de fidé) ; prospect vs client ; durée et fréquence d’utilisation des apps mobiles, plus la géoloc ; visites online, par catégories, et en récence et fréquence ; etc.

On a déjà là de la matière ici pour réaliser des segmentations permettant de mettre en oeuvre des tactiques intéressantes : du reciblage d’abandonnistes, au ré-engagement de clients inactifs ou à l’upsell, en passant par des exclusions clients/prospects voire des exclusions en fonction d’activités récentes (inutile par exemple de dépenser du média pour adresser un message de branding à quelqu’un qui a visité votre site web dans les X derniers jours). Il y a déjà de quoi faire avec les données 1st party ! Surtout qu’elles sont gratuites (contrairement à la 3rd) et que ces données sont les vôtres, et qu’a priori vos concurrents n’y ont pas accès.

Au contraire, j’ai pour habitude d’insister sur l’importance et la valeur des données 1st – et dans une moindre mesure 2nd party – par rapport aux données 3rd party, dont on n’a pas de garanties sur la qualité (fraicheur, précision, modes de collecte ?) ; pour lesquelles il y a un coût associé, et surtout ce sont des données auxquelles vos concurrents directs ont également accès.

Au final, ce fût une journée riche, très riche en contenus, témoignages et intervenants – j’aime les formats d’interventions courts imposés par les organisateurs – et le sentiment d’être dans une industrie – les Ad-tech – qui évolue en permanence et très très rapidement. Que demander de plus ? :)

Voilà. C’est tout. Je vous avais prévenus que c’était quelques réflexions un peu en vrac…

Merci Viuz, merci Andrès et Patrick, et rendez-vous à la prochaine édition, ou bien à la Nuit des Rois !