Mesurer et optimiser les performances

Bloquer ou répertorier les sites peu performants

Lancer une campagne est simple. En comparaison, l‘optimisation de ces campagnes peut s‘avérer très fastidieuse, car il n‘est pas toujours facile de savoir par où commencer. Cependant, nous avons trouvé l’une des tactiques les plus efficaces pour optimiser les performances est heureusement l’une des plus simples: dresser une liste noire ou bloquer les sites qui ne répondent pas à vos objectifs de conversion.

Pour éviter de prendre des décisions trop hâtives, commencez par jeter une coup d’oeil sur un mois de données en arrière et essayez de bloquer les sites qui ne répondent pas à vos objectifs. Ne vous inquiétez pas d’être trop sélectif: vous pouvez toujours annuler vos décisions et débloquer des sites si vous souhaitez lui donner une autre chance ou collecter plus de données.

Optimisez votre fenêtre de veille

Une fenêtre de veille représente la fenêtre de temps pendant laquelle vous souhaitez continuer à cibler un visiteur. Par exemple, si votre période de veille est de 14 jours, vos campagnes cibleront toutes les personnes ayant visité votre site Web au cours des 14 derniers jours.

Il y a un équilibre que vous voulez atteindre avec votre fenêtre de veille. Plus la période de veille est longue, plus votre audience est grande. Toutefois, les utilisateurs qui ont visité votre site plus loin dans le passé sont moins susceptibles de revenir et de se convertir que ceux qui ont visité votre site plus récemment. Inversement, une période de veille plus courte pourrait améliorer les performances, mais pourrait également limiter de manière significative la taille de l’audience que vous atteignez.

La période de veille par défaut des campagnes de publicités graphiques est souvent définie sur 30 jours. Il s’agit d’un bon paramètre par défaut, car il établit un équilibre entre la taille d’audience et la probabilité de conversion.

Cela dit, au fur et à mesure que vous vous familiarisez avec l‘exécution et l‘optimisation de vos campagnes, vous voudrez revoir ce nombre de 30 jours voir ce qui est le plus logique pour votre entreprise. Pour mieux estimer une période de veille optimale, examinez vos chemins de conversion et déterminez la période au cours de laquelle le cycle de vie de l‘achat se résout le plus souvent. Quel est le décalage typique entre la première visite de l’utilisateur et un achat? Quel est le délai dans lequel 80% de vos conversions sont effectuées? Ces chiffres devraient vous donner un bon point de départ.

Ne comptez pas uniquement sur les clics: adoptez les conversions après impression

Si vous avez l‘habitude de mesurer vos performances en ligne uniquement sur la base de données de clics, il peut s‘avérer difficile de commencer à déterminer la valeur en fonction des données après affichage (ou après impression). Cependant, il y a quelques raisons pour lesquelles vous
devriez repenser votre façon de faire :

• Contrairement aux annonces de recherche, la plupart des internautes ne cliquent pas sur les annonces graphiques. En 2013, Google a enregistré un CTR moyen pour les bannières publicitaires de 0,17%

• Des études ont montré que la plupart des clics sur les annonces grahiques sont générés par un très faible pourcentage de la population. 85% de tous les clics sont comptabilisés par seulement 8% du total des utilisateurs d‘Internet.

• Pour empirer la situation, plus de 60% des clics sur les annonces graphiques sont par erreurs—Ce n‘est probablement pas la meilleure façon d‘acquérir un public.

Le premier problème que pose le fait de ne se fier qu’aux données générées par les clics et que ça finira par sous-estimer les performances. Vous risquez de désactiver une campagne car elle n’a pas généré de clics, alors qu’elle a peut-être joué un rôle important dans la génération de réponses post-impression et des réponses non basées sur le clic.

Le deuxième problème est que l‘optimisation des campagnes basées uniquement sur les données de clics peut en fait finir par nuire à votre résultat net. C‘est parce que vous pouvez finir par optimiser pour les visiteurs qui peuvent ne pas être représentatifs des utilisateurs qui sont plus susceptibles d‘acheter, de convertir ou d‘offrir la valeur à vie la plus élevée.

Effectuer des tests A / B pour mesurer la levée incrémentale

Le fait qu‘une annonce reçoive un crédit pour une conversion ne signifie pas qu‘elle le mérite. Sans jamais voir une seule annonce une partie de vos visiteurs serait retournée sur votre site et convertie de toute façon.

Effectuer des tests A / B peut vous aider à déterminer le crédit que vos campagnes de retargeting devraient réellement recevoir (que vous mesuriez les conversions par clic, les conversions après affichage ou une
combinaison des deux).

Pour effectuer un test A / B de levée, vous devez diviser votre public en deux groupes: un test et un contrôle. Le groupe de test reçoit votre annonce de retargeting, tandis que le groupe de contrôle reçoit une annonce PSA
(annonce de service public) aléatoire.

1.Attribuer au hasard un échantillon de nouveaux visiteurs de votre groupe de contrôle et séparez ce groupe de votre groupe de test. Il est important que votre groupe de contrôle n’ait pas diffusé votre annonce pendant le test.

2.Vos échantillons de test et de contrôle ne doivent pas nécessairement être de taille égale, mais vous voulez vous assurer que le nombre de personnes dans chaque groupe est suffisant pour assurer une signification statistique. Il y a un certain nombre de calculateurs disponibles en ligne pour vous
aider à comprendre ce nombre sur (essayez de chercher «Calculateur de taille d’échantillon de test A / B»).

3.Exécutez le test A / B pendant au moins deux cycles de conversion. Par exemple, si votre période d‘analyse est de 7 jours car la plupart de vos conversions ont lieu pendant cette période, exécutez le test pendant au
moins 2 semaines.

Une fois que vous avez les résultats, vous voudrez comparer les données en utilisant la formule suivante:
TAUX D‘ATTRIBUTION DE CONVERSION % =
Test les conversions – Conversions PSA / Test des conversions

 

 

Ameur JALLI
Trafic Manager

Ameur est un self-taught data-driven digital marketer avec 2 ans d’expériences dans le domaine, il est passionné de growth hacking et de techniques cost-efficient d’acquisition online.