Parfois, investir dans des efforts pour atteindre des publics spécifiques peut sembler être un gros pari, avec des chances contre vous.
Vous voilà chargé de réaliser des achats médias passionnants, et vous découvrez qu'il existe littéralement des milliers de fournisseurs de données qui vous disent que l'utilisation de leurs informations vous permettra de trouver l'audience parfaite. Mais quel choix vous permettra de gagner ?
En supposant que vous n'ayez pas assez de temps ou d'argent pour toutes les essayer, voici 10 questions à poser avant d'acheter des données.
1. Les données reflètent-elles les acheteurs réels, ou s'agit-il simplement de sosies ?
La façon dont une personne communique avec le recensement américain tous les dix ans est loin de donner une image complète de la loyauté de cette personne en tant que consommateur.
Les données doivent refléter les consommateurs qui ont acheté le produit/service annoncé ou qui ont entrepris une action susceptible de déclencher un achat ; l'ensemble de données ne doit pas simplement représenter un stéréotype de personnes qui réagiront "probablement" à votre publicité en raison de leur âge, de leur sexe ou de leurs revenus.
Mettez au défi un ensemble de données d'atteindre plus qu'un segment démographique traditionnel tel que "les femmes de 18 à 54 ans". Découvrez si cet ensemble de données mesure réellement le comportement passé des consommateurs.
Vous voulez atteindre un consommateur réel de votre produit ou service, et pas seulement quelqu'un qui y ressemble.
2. D'où proviennent les données (et depuis quand) ?
Trop souvent, les spécialistes du marketing ignorent la source des ensembles de données qu'ils utilisent. Il existe une myriade de raisons de savoir d'où proviennent vos données, notamment les questions de confidentialité ou de responsabilité qui peuvent avoir des conséquences pour la personne qui achète les données.
Mais il est également important de comprendre la source de vos données pour des raisons de cohérence. Les mêmes sources ont-elles été utilisées l'année dernière ? Si ce n'est pas le cas, vous risquez d'obtenir des résultats différents selon les années, sans pouvoir vraiment comprendre ce qui a fonctionné ou non.
Si un vendeur refuse de divulguer l'origine de ses données, il y a probablement une raison... et ce n'est probablement pas à votre avantage.
3. Comment savez-vous que vos données sont représentatives (intelligentes) et pas seulement volumineuses ?
Il est essentiel de s'assurer que vos données sont réellement représentatives du consommateur que vous espérez atteindre.
Prenons l'exemple des données sur les ventes de produits de grande consommation (CPG) ; il s'agit d'un ensemble de données sectorielles qui est désormais accessible aux spécialistes du marketing numérique. Si vous utilisez des données sur les ventes au détail pour classer par ordre de priorité les ménages qui verront vos publicités, vous devez être absolument certain que l'ensemble de données que vous utilisez tient compte des achats effectués dans tous les points de vente, et pas seulement dans les épiceries, les grandes surfaces ou les magasins de proximité.
Poussons plus loin l'exemple des produits de grande consommation : Imaginez que vous êtes un spécialiste du marketing du papier toilette. Il peut sembler évident d'utiliser les données de vente hors ligne pour créer des audiences marketing de précision qui verront votre campagne numérique. Mais que se passe-t-il si ces données ne sont dérivées que d'un ensemble de données de ventes hors ligne de produits d'épicerie ? Vous passeriez à côté de tous les consommateurs potentiels qui achètent une partie de leur papier toilette dans une grande surface ou un magasin de proximité. Si vos données ne sont pas représentatives de tous les points de vente où l'on achète du papier toilette, votre stratégie de segmentation passera à côté de certains clients et sous-estimera les ventes incrémentielles totales réalisées dans ces endroits.
Enfin, il est bon de confirmer que tous vos ensembles de données sont liés (pour le ménage ou la personne à qui vous servez le média). Si les ensembles de données ne peuvent pas se "voir", cela revient à n'avoir qu'un seul ensemble de données. Le mélange d'ensembles de données est l'une des principales différences entre les données "volumineuses" et "intelligentes".
4. A quelle fréquence vos sources sont-elles mises à jour ?
Certaines données vieillissent rapidement : Les marchés peuvent être volatils et les attitudes des consommateurs peuvent changer rapidement. Il est particulièrement important de considérer la fréquence de mise à jour de la source de vos données si la catégorie est sujette à de fortes fluctuations saisonnières, à des rappels fréquents, à des tendances disparates en fonction de la géographie ou à des problèmes de disponibilité.
5. Quel contrôle exercez-vous sur vos sources ?
Méfiez-vous des ensembles de données qui vont et viennent. Il n'est pas rare que de nouvelles données soient créées et que des données plus anciennes méritent d'être abandonnées, mais il n'est pas rare d'avoir le choix à ce sujet. Trouvez la source et assurez-vous qu'elle ne peut pas s'évaporer sans votre consentement.
6. Vos données concernent-elles les individus ou l'ensemble du ménage ?
Chaque spécialiste du marketing a des objectifs différents. Les annonceurs du secteur des télécommunications sont susceptibles d'être plus intéressés par le profil d'un individu, tandis que les spécialistes du marketing des produits de grande consommation peuvent considérer le comportement d'achat en termes de ménages. Dans tous les cas, vous devez vous assurer que les données vous donnent une image complète des personnes susceptibles d'acheter le produit et de celles qui l'ont déjà acheté.
7. Quel niveau de granularité pouvez-vous atteindre ?
Il est essentiel de comprendre la granularité d'un ensemble de données sur les achats pour en saisir l'utilité.
Prenons l'exemple des données de niveau SKU par rapport aux données de niveau UPC. Les données SKU (abréviation de "stock keeping unit") ne font pas la différence entre une marque et une sous-marque. Les données de niveau CUP font des distinctions essentielles entre les produits apparentés.
8. Quel est l'historique des données (ménage ou individu) ?
Des données historiques solides sont nécessaires à tout spécialiste du marketing qui tente de surmonter les difficultés liées à la saisonnalité ou de comprendre les macro-tendances du marché qui peuvent s'installer lentement dans le temps. Les nouveaux emplois, les enfants, le mariage et une infinité d'autres possibilités influencent également la façon dont les consommateurs achètent un produit et s'ils l'achètent.
Il est également important de suivre les données dans le temps pour déterminer si un comportement est vraiment nouveau ou s'il ne fait que surgir épisodiquement.
9. Où les données peuvent-elles être activées, et comment ?
Comprenez, dès le départ, quelles sont les limites à l'activation d'un ensemble de données particulier. Assurez-vous de connaître les endroits et les cas d'utilisation spécifiques où les données peuvent ou ne peuvent pas être appliquées.
10. Quelle est la réponse ou la réaction typique aux données ?
Les normes et les points de référence sont essentiels. Bien qu'il puisse sembler injuste de demander cela à chaque ensemble de données, il est nécessaire de demander quels résultats sont disponibles. Des études de cas et des preuves de toute sorte devraient être disponibles pour prouver que vous n'êtes pas la première personne à faire un tour en voiture.
Voici les principaux points à retenir :
- Tous les ensembles de données ne sont pas créés égaux. Sachez quelles questions poser avant d'investir dans des sources de données au niveau de l'entreprise.
- N'utilisez pas d'ensembles de données provenant d'entreprises qui ne veulent pas partager leurs sources ou leurs méthodes de collecte.
- Les données volumineuses peuvent être trompeuses si elles ne sont pas des données intelligentes (mises au point par des ensembles de données plus petits et équilibrés).
- La collecte historique, la granularité des données et la représentativité d'un ensemble de données ont une incidence sur l'efficacité et le coût, et pas seulement sur le coût.
Cet article a été initialement publié sur www.marketingprofs.com.