Les marketeurs du web conçoivent, planifient et lancent des campagnes. Puis, ils les optimisent. Qu’est-ce que l’optimisation des campagnes ? Comment mieux dépenser les budgets marketing ? Nous découvrirons dans ce chapitre tout ce qu’il faut savoir pour améliorer le rendement du marketing web.
Après les tâches de création des campagnes et de configuration de leur diffusion, l’optimisation représente une grande partie du travail des marketeurs sur le web. Sauf dans le cadre d’opérations se déroulant sur une période très courte (comme l’habillage de la page d’accueil d’un grand portail par exemple), il est possible de tirer avantage du temps pendant lequel les campagnes sont diffusées pour les optimiser. L’amélioration de leurs performances permettra de diffuser plus d’annonces à moindre coût, donc de mieux rentabiliser les budgets dépensés.
L’optimisation des campagnes se fait sur plusieurs axes :
Nous avons déjà abordé la façon dont les serveurs de publicité mesurent et enregistrent les données afférentes à chaque campagne : le nombre d’affichages, le taux de clics et parfois les conversions. Ce sont grâce à ces valeurs que nous allons pouvoir les optimiser.
Pour favoriser le travail d’optimisation, il est nécessaire de prévoir un nombre suffisant de segments publicitaires différents. Un segment publicitaire est une certaine combinaison des paramètres qui définissent une campagne. Pour une campagne sur les moteurs de recherche, un segment représentera par exemple la combinaison d’un mot clé, d’une annonce et d’une page de destination. Pour une campagne d’affichage, un segment sera la combinaison d’une bannière, d’un emplacement et du site sur laquelle elle est affichée.
Remarque Dans chaque campagne, certaines combinaisons fonctionneront mieux que d’autres. Le rôle du marketeur est d’abord de s’assurer que ses campagnes comprennent un nombre suffisant de segments.
Plus les segments seront nombreux, plus il sera probable de trouver parmi eux au moins une combinaison particulièrement performante. D’ailleurs, plus les combinaisons seront différentes, plus les résultats seront tranchés. Il sera plus facile de départager deux bannières conçues selon des principes opposés (car leurs performances seront probablement plus éloignées) que deux bannières très proches. Il est donc non seulement préférable de prévoir de nombreuses variations mais également de faire en sorte que celles-ci soient suffisamment différentes. Voici les éléments sur lesquels est possible de jouer pour faire varier la conception (donc la performance) des publicités :
Il n’y a pas une quantité de variations idéale. Il est parfois complexe, coûteux et consommateur de temps de prévoir plusieurs bannières par format, plusieurs annonces par mots clés. Cependant, il s’agit souvent d’un investissement rentable. S’il se trouve que, parmi toutes les annonces, une d’entre elles atteint un taux de clic très élevé, la rentabilité de la campagne ne sera pas du tout la même ! Malgré notre expérience, nous sommes rarement capables de deviner quelle publicité plaira le plus aux internautes.
Pour identifier les publicités les plus performantes, le marketeur devra suivre leurs indicateurs (taux de clic, taux de conversion). Dès qu’une différence suffisante apparaît, devra arrêter la diffusion des annonces les moins performantes. Si le budget quotidien ne change pas, la conséquence sera que les meilleures seront plus diffusées, donc que la campagne bénéficiera globalement d’un meilleur taux de clic, donc d’une diffusion moins coûteuse. Cette méthode fait penser à la sélection naturelle : un grand nombre de créations sont soumises aux internautes et seules les meilleures subsistent.
Il est possible de paramétrer certains adservers pour qu’ils fassent une auto-optimisation des bannières. Cela signifie qu’ils vont automatiquement sur-diffuser celles qui obtiennent le meilleur taux de clic. C’est le cas de Facebook, par exemple, qui, au bout de quelques heures, sait déjà sur quelles annonces la diffusion va se concentrer (si le nombre de clics est suffisant). Sur Adwords, cette fonctionnalité est également disponible mais optionnelle (cela fait l’objet d’un réglage dans les paramètres de la campagne).
Le secret d’une bonne campagne est d’abord sa capacité à toucher, avec des annonces personnalisées, des groupes d’internautes très ciblés. L’amélioration des campagnes passe donc par l’amélioration de leur ciblage. Cela consiste concrètement à :
Pour mieux comprendre ce concept d’optimisation et de ciblage, prenons un nouvel exemple. Imaginons que nous voulions promouvoir des mutuelles étudiantes. Nos bannières incitent les étudiants à souscrire en ligne à un contrat de mutuelle. Nous constatons que notre campagne est moins performante que prévu. Notre taux de clic stagne à 0,3% alors que nous l’espérions au moins à 0,5%. Sur notre campagne Facebook, nous observons que les catégories d’âge élevées (au dessus de 22 ans) cliquent beaucoup moins que les plus basses. En outre, le taux de conversion est lui aussi plus bas. Nous décidons donc :
Remarque Nous venons d’optimiser notre campagne Facebook en nous concentrant sur les ciblages qui sont plus rentables mais nous aurions pu aussi choisir de continuer à cibler les étudiants les plus âgés en créant et en diffusant, pour eux, d’autres publicités plus adaptées.
Notre travail d’optimisation n’est pas fini. Parallèlement à cette campagne sur Facebook, notre opération est également diffusée sur des sites étudiants ainsi que sur des sites généralistes. Les résultats sur les deux sites étudiants sont excellents par rapport à notre objectif (0,7% de taux de clic). Par contre, les bannières diffusées sur les autres sites sont rarement cliquées (0,2% de taux de clic). Nous négocions avec notre régie le report de ces affichages vers les sites étudiants. Le nombre total d’impressions ne baisse pas et, mathématiquement, la performance de la campagne augmente puisque nous obtenons plus de clics pour le même budget !
Pour finir, nous trouvons que nos bannières pourraient mieux « parler » aux étudiants plus jeunes. Celles dont nous disposons ne nous donnent pas entière satisfaction. Nous choisissons donc de créer de nouvelles versions de ces bannières et de les diffuser en parallèle avec les anciennes. Nous observons, pour certaines d’entre elles, un taux de clic de 0,9%. À l’inverse, d’autres sont moins performantes et plafonnent à 0,5%. Nous stoppons donc ces dernières et reportons l’ensemble des affichages sur les meilleures publicités. Notre campagne vient donc d’être améliorée pour la troisième fois.
L’exemple précédent a illustré comment le fait d’exclure un segment d’internautes permettait de faire remonter la performance d’une campagne. Il est également possible de travailler sur l’exclusion d’autres paramètres. Nous avons déjà parlé, par exemple, de l’exclusion de mots clés dans le chapitre dédié à Google Adwords : en interdisant l’affichage des annonces lorsque certains termes néfastes sont compris dans la requête de l’internaute, on fait mécaniquement augmenter les taux de clics. Si l’on ne vend que du chocolat noir, on pourra choisir d’exclure les mots « blanc » et « lait » par exemple (sauf si l’on sait que ces requêtes sont aussi le fait d’amateurs de chocolats noirs). Avec certaines régies, il est également possible d’exclure les internautes sur un critère géographique. Cela est utile, par exemple, pour un produit que l’on souhaite uniquement promouvoir en province, donc partout sauf en Île-de-France. Les adservers qui permettent le reciblage (ou remarketing) dont nous avons parlé dans le chapitre dédié aux campagnes d’affichages (chapitre 7) permettent également d’exclure certains internautes s’ils ont visité une page en particulier. Cette technique est très intéressante pour évincer d’une campagne tout ceux qui sont déjà vos clients, ou qui vous connaissent déjà. Pour indiquer à l’adserver les internautes à ignorer, il suffira par exemple d’ajouter un traceur à la page « Mon compte » qui n’est accessible qu’aux clients identifiés.
Remarque Tentez d’identifier les personnes qui ne devraient pas être ciblées par votre campagne et tâchez de les exclure. Mécaniquement vos annonces seront mieux diffusées donc plus rentables.
Lorsque vous concevez vos campagnes, il est préférable comme nous l’avons dit de prévoir de multiples annonces de façon à pouvoir détecter les meilleures d’entre elles. Attention cependant : plus votre campagne est complexe, plus il vous faudra générer d’affichages, de clics et de conversions pour faire ressortir les versions les plus performantes de façon certaine ! Par exemple, pour obtenir une mesure précise à ±0,04% sur un taux de clic de 0,4% il faut déjà 100.000 affichages (nous voyons ci-dessous comment calculer ce chiffre).
Remarque Nous allons faire un petit peu de mathématiques pour vous permettre de savoir si vous avez un nombre suffisant de données pour considérer que votre taux de clic ou taux de conversion sont précis.
Pour savoir si un pourcentage est précis, il faut calculer la marge d’erreur (M). Ce calcul93 est simple, il vous suffit de vous armer d’un tableur et d’y rentrer cette formule simple :
Prenons un exemple : sur un segment de campagne bien particulier, nous comptons 1.000 conversions pour 10.000 visites. Le taux de conversion est donc de 1.000 / 10.000 soit 1%. Calculons maintenant la marge d’erreur de ce pourcentage.
Le taux de conversion que nous avons observé est donc, plus précisément, de 1% ± 0,2%. Il se situe donc entre 0,8% et 1,2%. Pourquoi est-ce si important ? Si nous devions comparer cette valeur avec le taux de conversion d’un autre segment de campagne, la marge d’erreur joue un rôle important. Imaginons que l’autre segment montre un taux de conversion de 0,8% ± 0,2%. Connaissant la marge d’erreur, il n’est pas possible de dire laquelle de ces deux valeurs est véritablement la plus élevée : le premier segment peut avoir un taux de conversion réel d’au minimum 0,8% et le deuxième de 1%. Pour pouvoir comparer ces deux segments, il faudra attendre d’avoir plus de mesures, c’est-à-dire plus de visites, pour faire décroître la marge d’erreur.
Remarque Pour allez plus vite, vous pouvez réaliser vos calculs de marge d’erreur sur le site du livre : livremarketing.com/calcul-marge-erreur
Les méthodes d’optimisation que nous venons d’aborder permettent d’augmenter les taux de clic, donc d’augmenter le trafic généré par une campagne à coût constant. Mais nous pouvons aller encore plus loin ! Augmenter la quantité de personnes qui arrivent sur le site de l’annonceur est une activité louable mais rien de garantit le résultat. En d’autres termes, la qualité du ciblage compte aussi. Un trafic modeste de personnes très motivées peut être tout aussi rentable qu’un grand nombre d’internautes mal ciblés, c’est-à-dire dont l’intérêt pour l’offre de l’annonceur est très faible. L’analyse web permet de qualifier les sources de trafic afin d’ajuster le ciblage en amont.
Parmi les indicateurs importants que l’on trouve dans les rapports des outils d’analyse web, trois permettent de mesurer qualitativement une source de trafic : le temps passé par visite, le nombre de pages vues par visite et le taux de rebond. Si le taux de conversion est disponible, il prend bien entendu l’avantage. Ces trois indicateurs sont utiles car ils permettent de savoir si, une fois arrivés sur le site, les internautes choisissent de continuer leur navigation. Si c’est le cas, cela signifie que le contenu du site répond à leurs attentes et que la campagne est bien ciblée. Dans le cas inverse, cela signifie que la campagne fait venir des visiteurs qui ne sont pas réellement intéressés par l’offre ou qui ne sont pas dans un processus d’achat.
Pour mieux comprendre ce concept, comparons deux opérations :
Campagne 1 :
Campagne 2 :
À l’évidence les internautes en provenance de la Campagne 1 sont plus intéressés par l’offre du site. Ils auront mathématiquement plus tendance à atteindre les objectifs de conversion, donc à être rentables car d’expérience, ces indicateurs de qualité du trafic sont presque toujours proportionnels aux taux de conversion. Cependant, rester au niveau campagne n’est pas suffisant. Si chaque campagne comprend plusieurs annonces, il est nécessaire de comparer les performances de chacune pour vérifier qu’aucune n’obtiendrait pas, par hasard, des performances au dessus de la moyenne. Avant d’arrêter la Campagne 2 (la moins bonne), voyons comment se comportent les trois annonces qu’elle contient :
Campagne 2 - Annonce 1
Campagne 2 - Annonce 2
Campagne 2 - Annonce 3
Les deux premières annonces génèrent un trafic peu qualifié. À l’inverse, la troisième est bien plus performante : elle dépasse les résultats obtenus par l’ensemble des annonces de la Campagne 1. Nous décidons donc, plutôt que d’arrêter toute la Campagne 2, de stopper la diffusion des deux premières annonces et de conserver uniquement la troisième.
Nous avons abordé au début du chapitre la notion de segment de campagne. Nous pourrions considérer que nous sommes descendus assez loin dans le détail et nous arrêter là. Mais pourquoi ne pas aller au delà ? En effet, ce ne sont pas seulement les annonces, donc l’aspect créatif du marketing, qui est responsable de la qualité d’un trafic mais aussi le ciblage des internautes, les sites sur lesquels la campagne est diffusée, les pages de destination qui l’accueillent ou les mots clés qui ont déclenché son affichage. Dès lors, nous pouvons, au lieu d’arrêter l’Annonce 1, observer les performances des deux mots clés qui déclenchent son affichage :
Campagne 2 - Annonce 1 - Mot clé 1
Campagne 2 - Annonce 1 - Mot clé 2
Nous le voyons, aucun des deux mots clés ne mérite d’être sauvé : l’Annonce 1 est donc également condamnée. Si l’un d’entre eux avait généré un trafic très qualifié, il aurait pu être intéressant de le conserver et de garder cette annonce après avoir stoppé l’autre terme moins performant. Tout comme le travail de création de campagne, qui peut s’avérer fastidieux dès lors que l’on veut une opération rentable, le travail d’optimisation peut prendre du temps.
Remarque Certains outils d’analyse web permettent de visualiser ce genre de données au sein de tableaux croisés dynamiques. Imaginons une campagne comprenant 5 publicités déclenchées aléatoirement par 5 mots clés différents : un tableau croisé dynamique permettra de déterminer d’un coup d’œil les combinaisons « mot clé / publicité » qui fonctionnent le mieux.
L’excellente complémentarité des outils Adwords et Google Analytics permet d’aller plus loin. L’outil d’analyse web offre la possibilité de visualiser les coûts et les revenus générés par les campagnes au sein d’un même rapport. Les indicateurs de marge et de retour sur investissement y sont également disponibles. Dans la phase d’optimisation, ce type de rapport est très utile : la rentabilité est l’indicateur par excellence pour arbitrer l’arrêt ou la continuation de certaines campagnes ou de certains segments de campagne. Des opérations peuvent en effet apparaître très performantes (elles génèrent un chiffre d’affaire élevé) mais coûter tellement cher que leur rentabilité est faible voire négative. Obtenir ce rapport n’est cependant pas automatique. Il vous faudra lier les comptes Adwords et Google Analytics et avoir correctement configuré les objectifs de conversion ou installé le traceur e-commerce.
L’optimisation des campagnes et des sources de trafic est cruciale mais ne constitue pas l’unique zone d’amélioration possible. Les internautes qui arrivent sur votre site n’ont pas encore décidé de passer à l’action. En tout cas, il est permis de penser qu’ils ne sont pas tous dans ce cas. Ce qu’ils vont trouver sur la page de destination, puis au gré de leur navigation sur votre site, va conditionner leur réaction. En d’autres termes, faire un travail performant de ciblage et de qualification des sources de trafic est nécessaire mais pas suffisant.
Nous avons couvert l’accueil des internautes dès le début de cet ouvrage. Vous pouvez vous y reporter pour y redécouvrir les recommandations et les bonnes pratiques qui permettent de bien recevoir votre trafic. Vous n’aurez cependant pas forcément « tout juste » du premier coup et vous voudrez peut-être optimiser la conception des pages ou des sites sur lesquels vous dirigez vos campagnes. Voici les éléments qui pourront faire l’objet d’une amélioration :
L’optimisation des sites ou des pages web n’est pas aussi simple que les opérations de sélection des campagnes. Nous avons vu ci-dessus comment, en nous basant sur quelques chiffres, nous pouvions écarter les moins performantes. Mais à l’inverse, comment juger de la qualité d’une page de destination si nous n’en avons qu’une ? Nous allons découvrir comment ci-dessous.
Tout comme pour les campagnes, nous ne savons pas à l’avance quelle conception de page de destination fonctionnera le mieux dans le cadre d’une opération promotionnelle. Lorsque cela est possible, c’est-à-dire lorsque le temps et le budget sont disponibles, les marketeurs web en conçoivent plusieurs versions et tentent de déterminer au moyen de tests laquelle est la plus performante.
Comparer la performance de plusieurs pages de destination n’est possible que si chacune d’entre elles reçoit un trafic similaire, c’est-à-dire de la même source, des mêmes mots clés et des mêmes annonces. Si cette condition n’est pas vérifiée, il n’est pas possible d’obtenir des résultats statistiquement valables (imaginez qu’un mot clé apporte un trafic très qualifié à seulement l’une des pages testées). C’est pour pouvoir déterminer scientifiquement les meilleures pages de destination que les technologies permettant de mettre en place des campagnes de test sont apparues. L’outil le plus connu étant L’Optimiseur de Site de Google (Google Website Optimizer ou GWO). Ces tests consistent à mettre en concurrence plusieurs versions d’une même page et d’y diriger à chacune une partie équivalente du trafic d’une même campagne.
Remarque Imaginons que nous tentions d’optimiser une campagne d’affichage générant 1.200 visites par jour et que nous souhaitions tester 3 versions d’une page de destination. Dans ces conditions, chacune d’entre elles recevra 400 visites par jour.
Dans le cadre d’un test, chaque version est jugée sur un seul critère : son taux de conversion. L’outil mesure chaque conversion générée par la campagne et l’attribue à la page de destination par laquelle l’internaute est passé. Dès que, statistiquement, l’une d’entre elles est détectée comme étant plus performante que les autres, le test peut être stoppé et la meilleure version mise en production pour le reste de la campagne.
Les outils de test offrent deux possibilités.
Comment choisir la méthode de test la plus adaptée ? Le choix dépend de trois critères :
Remarque Un test A/B est plus simple à mettre en place et permet, dans la plupart des cas, d’obtenir des résultats satisfaisants.
Les campagnes de test ne sont pas toujours riches en enseignement. Il n’est pas toujours possible de déterminer si une page est vraiment plus performante qu’une autre (les marges d’erreur sont automatiquement calculées). Il est donc important de prévoir les tests de telle façon que :
Google recommande94 de prévoir 100 conversions par version testée. Cela signifie qu’en général (chaque cas étant particulier) il faut attendre d’obtenir plusieurs centaines de conversions avant d’avoir un résultat statistiquement valable. Le nombre de versions à tester influence donc le temps de l’expérience. Il doit être choisi de façon à correspondre au nombre de conversions que la campagne qui va alimenter le test est à même de produire. Certains sites génèrent plus de 1.000 conversions par jour, d’autres une dizaine tout au plus.
Remarque N’hésitez pas à utiliser les outils95 gratuits qui permettent de calculer à l’avance le temps nécessaire pour une campagne de test ou le nombre de conversions à atteindre pour obtenir un résultat avec une marge d’erreur suffisamment faible.
Chaque version que vous allez mettre en concurrence doit présenter des différences (si possible importantes). Sans cela, les résultats seront très proches et le test ne sera pas concluant. Comme pour la conception de publicités, on s’attachera à modifier les éléments principaux des pages de destination. Parmi ceux-ci, voilà ceux qui ont le plus d’influence sur la conversion :
On pourra également modifier la conception de la page (c’est-à-dire la position des différents éléments), les arguments, les couleurs ou le formulaire si la page en contient un. Cependant, d’expérience, des différences dans ces éléments auront moins d’impact. Dans tous les cas, plus les différences entre les variantes seront marquées, plus la probabilité de découvrir des versions très mauvaises, mais aussi de très bonnes, sera élevée.
Remarque Les outils de test ne sont pas limités aux pages de destination. Chaque partie d’un site, si elle reçoit un trafic suffisant, peut faire l’objet d’une campagne de test (page d’accueil, entonnoir de conversion ou fiche produit par exemple). C’est cependant aux pages de destinations que ces campagnes sont les plus adaptées, car elles reçoivent en général un trafic important et qualifié.
Un entonnoir de conversion, tel qu’il est visible dans un outil d’analyse web, permet de suivre étape par étape le parcours des internautes jusqu’à l’objectif de conversion. Dans certain cas, comme par exemple pour l’inscription à une newsletter, il n’y a pas réellement d’étape : l’internaute rentre son email dans un formulaire et valide son inscription. Mais dans le cas d’un site e-commerce, avant d’arriver à la page de remerciement, l’internaute doit passer par plusieurs étapes qui vont lui permettre de fournir des informations au commerçant concernant sa commande. C’est aussi le cas des sites qui nécessitent une inscription sur un formulaire si long qu’il est découpé en plusieurs pages. Dans le cadre d’un site e-commerce, les étapes sont le plus souvent :
Pour configurer un entonnoir dans votre outil d’analyse web, il vous faudra spécifier l’URL des différentes étapes. Vous aurez alors accès au rapport qui va vous permettre de visualiser les quantités de visiteurs qui quittent le processus à chaque étape, et donc de déterminer quelles sont les pages de votre entonnoir qu’il faudra optimiser pour conserver un maximum d’internautes jusqu’à l’objectif de conversion.
Cette phase d’optimisation passe par l’analyse des raisons qui poussent les internautes à partir alors qu’ils sont près du but. En général, l’explication réside soit dans une mauvaise conception de page (mauvaise ergonomie), soit dans le manque d’information (délais de livraison, frais de port), soit dans un besoin non satisfait de réassurance de la part du site (conditions de garantie ou de retour) ou plus prosaïquement dans la présence d’un bug ou d’une erreur d’affichage. L’analyse d’un entonnoir de conversion vous permettra de détecter où est le problème, mais il vous reviendra de mener une investigation pour découvrir sa nature.
Le processus d’optimisation du marketing web est complexe. Les sources d’informations sont multiples : adservers, outils d’analyse web et campagnes de test. Les leviers d’optimisation aussi : les annonces, le ciblage, les pages de destination. De plus, les campagnes changent souvent, ne serait-ce que sous l’effet de la saisonnalité. Il en est de même pour l’offre de l’annonceur et son site. Dans la « vraie vie » il n’est pas toujours possible de prévoir à l’avance un plan d’optimisation précis. Dans la plupart des cas, on s’attachera à optimiser une campagne, une page de destination ou une opération (par exemple un jeu concours) lorsque l’occasion se présente. Cela nécessite du temps, et d’une certaine manière un investissement, car créer des versions de test demande du travail aux graphistes et aux développeurs. En outre, la multiplication des publicités ou des pages de destinations peut générer un manque à gagner si la conversion est vraiment dégradée pendant la période dédiée à l’optimisation.
L’optimisation doit donc se voir comme un cycle permanent plutôt que comme une opération ponctuelle. Il faut s’attacher à optimiser les campagnes régulièrement et à tirer les enseignements des opérations précédentes. Enfin, il faut s’assurer d’avoir assez de candidats (bannières, mots clés, pages de destination) à ce processus de « sélection naturelle » que nous avons décrit. Malgré notre expérience et notre intuition, nous ne sommes pas toujours à même de deviner à l’avance quelle version sera la meilleure.