Mesure d'audience

Trois étapes pour reprendre la main

Paradoxe : alors que l’on peut lire chaque matin un nouvel article sur l’importance du marketing « data driven », du big data ou de la dataviz, la donnée de mesure d’audience vit, elle, une grosse crise de confiance. Une crise qui n’est pas nouvelle mais reste bien d’actualité.

En cause notamment, les multiples erreurs d’un acteur tel que Facebook, erreurs qui ont conduit à surestimer le temps moyen de visionnage des vidéos ou tout simplement le nombre de clics au point de conduire à des remboursements auprès des annonceurs. Surtout, ces erreurs soulignent l’ambiguïté de ces grandes plateformes, comme le rappelle la lettre Petit Web. « Avec la masse de données à leur disposition, les plateformes web ont pourtant fait de la mesure de la performance l’un de leurs points forts. Mais c’est aussi l’une de leur faiblesse : comment un même acteur peut-il à la fois vendre de la publicité et mesurer son efficacité ? ».

Pour les entreprises, la réponse s’impose d’elle-même : il est grand temps de reprendre la main sur cette mesure d’audience. En d’autres termes, avant de s’enthousiasmer pour le potentiel du « Big Data » appliqué au marketing et du « Marketing Customer Centric » plusieurs étapes s’imposent. Nous en voyons au moins 3 qui nous semblent critiques pour dépasser le stade des « vanity metrics » et développer une culture data capable de servir réellement la stratégie d’entreprise.

Etape N° 1 : opter pour les bons indicateurs

Toutes les informations d’audience ne se valent pas. Exemple concret avec la mesure de la performance d’un contenu vidéo. La donnée la plus couramment utilisée est encore le nombre de vues. Problème : les réseaux sociaux interprètent chacun à leur manière cette notion de vue. Pour certains, une vue est comptée dès l’ouverture, pour d’autres au-delà de 3 secondes, pour d’autres encore au-delà de 30 secondes. Ce nombre de vues fait donc débat alors qu’il représente pourtant une donnée « faible ».

De fait, la seule donnée qui importe réellement en matière de vidéo est le taux de complétion qui rend compte en pourcentage de la consommation effective du média. Combiné avec d’autres informations contextuelles (device de lecture utilisé, son activé ou non…), ce taux de complétion donne une vue bien plus « user-centric » que la simple vue. C’est pourquoi cette donnée représente un indicateur clé au sein des tableaux de bord que nous mettons à disposition au sein de notre solution de Digital Asset Management (DAM).

Etape N° 2 : enrichir la donnée pour son contexte métier

En fonction de son métier, chacun analyse les données à travers son propre prisme. Encore faut-il pouvoir organiser les données, donc les enrichir dans cette perspective. Aux yeux d’un responsable produit, ce qui compte n’est pas seulement de connaître l’audience d’un contenu mais celle de l’audience cumulée par les contenus attachés à une campagne en cours. Ou bien encore d’identifier au sein de cette campagne les meilleures adéquations entre supports (sites web de l’entreprise, sites web tiers, réseaux sociaux), formats (vidéo réelle, vidéo animée…) et contenus.

Obtenir ce type de « lecture » suppose d’avoir préalablement étiqueté les contenus pour les associer à une campagne, des produits, des formats, etc. Damdy a pris soin de faciliter cet enrichissement des données au sein de sa solution de DAM pour permettre de varier ensuite les axes d’analyse.

Etape N° 3 : tirer parti de la dataviz

C’est l’étape sous-estimée : des données, même soigneusement enrichies, sont difficilement exploitables si elles ne sont pas directement lisibles par tous à travers une représentation visuelle et synthétique, la fameuse dataviz. Cette lisibilité est d’autant plus importante dans le cadre d’une plateforme de DAM : étant donné les volumes de données manipulées, leur rendu sous forme de tableaux devient vite contre-productif.

Seule issue, spatialiser cette donnée à travers des vues géographiques quand cela s’avère pertinent mais aussi à travers des vues qui représentent de manière simple et efficace des proportions ou des évolutions de consommation des contenus. En appliquant des filtres temporels ou métier (en fonction des étiquettes évoquées plus haut) les données peuvent ainsi être comparées visuellement. C’est ce type de dataviz que propose Jstat Analytics, le module d’analyse de la plateforme damdy.

Et cela change tout pour analyser de manière productive ces mesures d’audience et, aussi, pour les partager. Car une entreprise « data driven » est d’abord une organisation au sein de laquelle des données intelligibles circulent de manière fluide.

Livre Blanc

Piloter sa stratégie de contenu par la data

Produire de (bons) contenus ne suffit plus à garantir le succès d’une stratégie de content marketing. « Content is king » a-t-on l’habitude de lire. Mais aujourd’hui la distribution est reine et, avec elle, la mesure d’audience.

> Sur quelles données vous appuyer pour mesurer la performance de votre production ?
> Comment vous assurer que vos données d’audience sont bien destinées à votre usage exclusif ?
> Comment rendre ces données lisibles et actionnables ?

smart@damdy.com
+33 1 81 66 47 62
62 boulevard Davout
75020 Paris
FRANCE

Suivez nous sur :

Share This