Les chiffres sont clairs : la décision basée sur l’analyse prédictive peut faire économiser jusqu’à 280 000 dollars par mois

Ne serait-il pas formidable de disposer d’une boule de cristal capable de prédire le succès de vos campagnes de marketing mobile ? 

La prise de décision serait un jeu d’enfant : vous sauriez dès le départ quels sont les campagnes et les canaux les plus efficaces, où investir votre budget pour acquérir les utilisateurs à plus forte valeur ajoutée. Plus besoin de gaspiller de l’argent dans des campagnes qui ne donnent pas de résultats. 

En tant que user acquisition manager, cela signifie que vous dépensez votre budget marketing pour une campagne sans savoir si vous acquérez le bon type d’utilisateurs. Dans le contexte actuel de récession financière, chaque dollar compte, et dépenser votre budget pour une campagne sans en connaître le rendement est un luxe que vous ne pouvez pas vous permettre.

Mais combien d’argent pouvez-vous réellement économiser pour maximiser la rentabilité ? Nous avons étudié les données en profondeur et découvert qu’une application de jeu standard peut économiser jusqu’à 100 000 dollars par mois, tandis que pour les apps hors jeu, ce chiffre grimpe à 280 000 dollars.. ce qui est stupéfiant ! 

Comment sommes-nous parvenus à ces chiffres, quelle est leur signification et quelle est la meilleure ligne de conduite à adopter pour obtenir des informations prédictives ? Toutes les réponses ci dessous.  

Confiance vs impact…

Lorsque vous évaluez votre processus de décision, vous devez prendre en compte les éléments suivants :

1. L’action que vous avez décidé d’entreprendre
2. L’impact de cette décision 

Ces deux facteurs sont largement influencés par le temps.

Pour prendre les bonnes actionafin d’optimiser votre campagne, vous devez recueillir suffisamment de données pour déterminer correctement la valeur de la campagne, son succès et sa capacité à atteindre vos objectifs.

Et pour que votre décision ait limpact souhaité, vous devez agir le plus tôt possible. Vous pouvez ainsi éviter de gaspiller votre budget et surtout, tirer parti d’un bon positionnement.

Pas évident, n’est-ce pas ?

Car d’une part, plus vous attendez, plus votre décision sera solide et digne de confiance (la collecte de données suffisantes peut prendre entre 7 et 30 jours, selon les capacités de veille stratégique de l’entreprise). Mais d’un autre côté, vous devez prendre votre décision tôt pour lui donner le plus d’influence possible.

Vous devrez tenter de trouver le point d’équilibre entre ces deux facteurs.

Et que se passerait-il si nous supprimions l’élément temps de cette équation ?

Et si nous pouvions repousser ce point d’équilibre le plus tôt possible dans le temps ? Comment cela affecterait-il la valeur de votre campagne ?

C’est exactement ce que nous avons voulu découvrir dans l’étude ci-dessous. 

Quelle est la valeur des informations prédictives pour l’acquisition d’utilisateurs ?

La valeur peut être interprétée de différentes manières, mais cette étude s’est concentrée sur l’identification de l’effet financier des informations prédictives, et plus spécifiquement sur l’impact de la capacité à prendre des décisions d’optimisation plus tôt qu’auparavant dans la durée de vie d’une campagne.

Comment avons-nous quantifié la valeur prédictive ?

Il existe différentes façons d’évaluer la valeur de l’information prédictive, en fonction de l’objectif à atteindre. Il peut être utile de prendre des mesures :

1. Économies de coûts : budgets qui peuvent être économisés en prenant des mesures rapides et en mettant fin à une campagne peu performante.
2. Augmentation du chiffre d’affaires : augmentation du chiffre d’affaires grâce à l’identification précoce des campagnes les plus performantes et à l’augmentation de leur budget et/ou de leur offre.
3. Coût alternatif : impact potentiel d’un argent affecté ailleurs, d’un canal peu performant à un canal performant.

Les revenus supplémentaires étant très difficiles à estimer, car ils sont spécifiques à chaque campagne et à chaque annonceur, nous avons décidé d’axer notre recherche sur les économies de coûts des campagnes – un sujet auquel nous pouvons tous nous identifier.

Pour cette étude, nous avons examiné les performances de 60 applications Android et de 60 applications iOS, qui ont été catégorisées comme “Gaming” ou “Non-gaming”.

Recevez les dernières infos marketing et les avis d’experts directement par mail

L’accent étant mis sur les économies de coûts, notre question de recherche a été réduite à la suivante :

Combien une application moyenne peut-elle économiser en décidant plus tôt de mettre fin à la campagne ?

Pour calculer les économies potentielles, nous avons comparé l’effet d’une décision prise par un annonceur le jour habituel, par rapport à une décision prise le troisième jour, en utilisant des informations prédictives disponibles 48 heures après le début de la campagne.
Étant donné que les annonceurs prennent leurs décisions d’optimisation de campagne à des moments différents, nous avons introduit plusieurs points de contrôle hypothétiques :

• [Coût de la décision au7e jour ]-[ Coût de la décision au3e jour ]
• [Coût de la décision au14e jour ]-[ Coût de la décision au3e jour ]
• [Coût de la décision au21e jour ]-[ Coût de la décision au3e jour ]
• [Coût de la décision au26e jour ]-[ Coût de la décision au3e jour ]

Qu’est-ce qui fait le succès d’une campagne ?

Nous devions définir le succès afin de déterminer quelles campagnes devaient être interrompues, mais les paramètres peuvent varier en fonction de la catégorie de l’application, de son modèle économique et d’autres facteurs.

Nous avons choisi de comparer la rétention des campagnes, car les campagnes qui affichent des taux de désabonnement élevés (en d’autres termes, une faible rétention) peuvent être clairement définies comme peu performantes, en particulier lorsqu’elles sont comparées à des campagnes similaires menées par le même annonceur.

Dans cette optique, nous avons défini les 30 % de campagnes les moins performantes pour chaque annonceur en termes de rétention.

Transformer des informations prédictives précoces en valeur ajoutée

Il est clair que l’obtention de données à un stade précoce d’une campagne peut vous aider à prendre des décisions plus rapidement. Mais nous voulions savoir quelle était la valeur réelle de ces décisions. Combien d’argent les annonceurs pourraient-ils économiser ?

Comme indiqué plus haut, notre étude a porté sur les applications iOS et Android – voici comment les deux plateformes se comparent.  

Applications Android : d’importantes économies dans le domaine du non-gaming

Lors de l’analyse du groupe d’applications Android, nous avons identifié un écart significatif entre les économies potentielles pour les applications non-gaming et les applications de gaming.

Si le nombre moyen de campagnes peu performantes est similaire dans les deux catégories (15,7 campagnes), l’écart s’explique principalement par la différence de taux de coût par installation (CPI) entre les deux catégories.

Les applications de jeux Android sont réputées pour promouvoir leurs campagnes avec des taux de CPI extrêmement bas, en raison de facteurs tels que la fraude à l’attribution d’installation et une plus grande dépendance à l’égard de la mesure des événements in-app.

Indépendamment de cela, le groupe de décision du 7e jour peut encore bénéficier d’économies mensuelles massives de plus de 19 000 dollars pour une application de jeu, et de plus de 40 000 dollars pour une application autre que du jeu (non-gaming).

Le temps de décision commun de chaque annonceur augmente, tout comme la valeur qu’il peut tirer de l’adoption d’une logique prédictive et d’une action plus précoce. Ainsi, pour le groupe du jour 26, les économies pourraient atteindre en moyenne plus de 100 000 dollars par mois pour l’application de jeu et plus de 280 000 dollars pour l’application de non gaming.

Applications iOS : moins de campagnes, mais le gaming permet d’économiser davantage

L’examen de ces effets sur les applications iOS fait apparaître un tableau légèrement différent.

La différence la plus notable est le nombre moyen de campagnes peu performantes par annonceur dans iOS, qui s’élève à seulement 2,9 campagnes. Notre étude étant basée sur l’analyse des 30 % de campagnes les moins performantes, ce faible nombre ne reflète pas la qualité élevée des campagnes iOS, mais plutôt le nombre réel de campagnes iOS menées par l’annonceur moyen.

Cette situation est probablement liée au SKAdNetwork (SKAN) d’Apple, à ses limites en matière de mesure des données et au manque de confiance des annonceurs dans cet espace, ce qui s’est traduit par une diminution des campagnes iOS dans l’ensemble.

Nous avons également constaté que les informations prédictives ont un impact plus important sur les applications de jeux que sur les autres applications dans iOS. Les taux de CPI pour les jeux sur iOS sont non seulement beaucoup plus élevés que ceux sur Android, mais aussi plus élevés que les taux CPI pour les autres jeux.

Ces différences se reflètent dans les économies mensuelles moyennes par annonceur. Les annonceurs de jeux sur iOS ont montré des économies potentielles variant entre 20 000 et 69 000 dollars par rapport à leur journée habituelle de prise de décision, tandis que les annonceurs en non gaming pouvaient économiser entre 7 900 et 40 000 dollars par mois.

Conclusions et points clés à retenir

La prise de décision précoce vaut son pesant d’or

Le lancement de nouvelles campagnes peut s’avérer coûteux si vous ne disposez pas des bonnes informations de business. Vous pouvez facilement épuiser votre budget de marketing en attendant que les mesures de données soient suffisantes.

La possibilité d’obtenir des informations sur les performances dès 48 heures après le début d’une campagne se traduit par une prise de décision et des actions plus précoces, qui à leur tour placent le (ROI) sur les rails.

Les limites des données affectent l’amplification de la campagne

Le système SKAN d’Apple a considérablement modifié la manière dont les annonceurs gèrent leurs budgets iOS. Vous pouvez être découragé par le manque de clarté créé par les limitations de confidentialité et les fenêtres de mesure restreintes – et vous n’êtes pas les seuls.

Bien qu’il s’agisse d’un effet à grande échelle des contraintes d’Apple en matière de protection de confidentialité , les données prédictives offrent une solution en tirant parti des mesures précoces pour clarifier l’activité future prévue.

La valeur n’est pas qu’une question d’économies

Bien que les chiffres présentés dans cette étude soient impressionnants pour tout annonceur opérant dans l’espace mobile, ils sont loin de représenter la valeur définitive qui peut être tirée de l’analyse prédictive, car ils ne représentent que des économies de coûts.

Si la logique prédictive est déjà utilisée par certaines des plus grandes entreprises du monde, ses applications dans le domaine de l’UA commencent à peine à être explorées.  

Entre les mains d’équipes d’AU compétentes, ces informations peuvent non seulement se traduire par des économies significatives, mais aussi aider à déterminer les canaux dans lesquels investir et à créer une meilleure culture de gestion des campagnes, où des décisions budgétaires plus intelligentes favorisent la croissance. 

Mettre les idées en action

Gardez à l’esprit que les premières informations sur les performances ne garantissent pas à elles seules une amélioration des performances ou des économies : vous devez les mettre en œuvre pour qu’elles aient un véritable impact. 

L’introduction d’une logique prédictive dans le processus de prise de décision d’une organisation garantit que les résultats futurs sont également pris en considération lors de la prise de décision sur les prochaines actions à entreprendre.

Voilà donc la preuve que le fait d’agir plus tôt pour optimiser vos campagnes mobiles peut avoir une valeur réelle et tangible. Et les outils pour y parvenir sont à votre portée – pas besoin de boule de cristal !