L’un des principaux reproches que font les internautes à la publicité en ligne est son caractère répétitif voire intrusif. Cela peut en partie s’expliquer par l’usage d’une data de mauvaise qualité, partielle ou obsolète, ce qui amène les consommateurs à se retrouver traqués tout au long de leurs parcours de navigation, exposés inlassablement à la même campagne. Comment les marques peuvent-elles à la fois attirer l’attention des consommateurs sans pour autant les bombarder de messages publicitaires ? La fréquence de diffusion du message de la marque est rarement abordée alors que nous savons que les internautes sont particulièrement sensibles à ce sujet. Peut-être est-ce tout simplement dû au fait qu’il est relativement difficile de maitriser la répétition du message.
Le cookie reste le moyen le plus répandu pour identifier des internautes à des fins publicitaires, en particulier pour les entreprises qui ne s’appuient pas sur une first party data. Malheureusement, les cookies ont une durée de vie assez courte. Les internautes les suppriment ou ils expirent pour laisser la place à de nouveaux. Il y a donc très peu de cookies qui sont actifs sur une longue période. Les outils qui déterminent où et quand diffuser une campagne ont des moyens limités pour savoir si celle-ci a déjà été vue par l’internaute, donc elle apparaitra, qu’il l’ait déjà vue ou non.
L’une des conséquences de cette connaissance partielle de l’audience est qu’une faible proportion de consommateurs est exposée à la grande majorité des impressions d’une campagne, ce qui provoque chez eux un sentiment légitime de saturation. En parallèle, la majorité des consommateurs ne sont pas suffisamment exposés aux campagnes pour qu’elles aient un réel impact sur la mémorisation ou sur les conversions. Les marques sont donc doublement perdantes puisqu’elles gaspillent du budget et prennent le risque de saturer leurs clients et prospects. L’utilisation du capping moyen ne permet pas de résoudre ce problème puisqu’il ne permet pas de piloter la courbe de distribution de contact.
Technique du «frequency management»
Compte tenu des milliards de cookies déposés et du nombre de publicités diffusées quotidiennement, il est compréhensible que les consommateurs se sentent envahis par les mêmes publicités et puissent avoir un ressentiment négatif à l’égard de la publicité en ligne. «La règle de sept» est une règle qui stipule qu’un individu doit voir ou entendre le message d’une marque au moins sept fois avant de réaliser une action. Même si cette approche peut sembler relativement simpliste, en particulier dans l’écosystème de la publicité digitale, comprendre quel niveau de répétition est pertinent est absolument nécessaire pour regagner la confiance voire même l’adhésion des consommateurs, ce que d’aucun considère comme étant un enjeu majeur.
Il existe une technique appelée «frequency management», qui peut aider les marques à mieux maitriser cet enjeu en définissant un niveau précis de répétition plutôt qu’en appliquant un capping moyen. Une exposition unique à une campagne ne va pas nécessairement impacter vos scores de marque, mais être exposé à plus de 20 messages publicitaires peut être considéré comme trop envahissant. Le «frequency management» permet précisément de mieux travailler cette courbe de distribution de contacts avec des impressions qui sont diffusées à un niveau de répétition maitrisé.
Il est nécessaire d’avoir sa propre suite technologique, qui associe la puissance d’une donnée propriétaire et la sophistication d’un DSP développé avec ces fonctionnalités permettant de gérer chaque cookie individuellement pour vraiment répondre à cet enjeu. Il est par exemple possible de développer un outil de modélisation prédictif qui intègre la durée de vie d’un cookie. En identifiant les cookies dont la durée de vie est plus longue, il est alors possible de les utiliser le nombre de fois nécessaire pour diffuser le message d’une marque. Il est ensuite recommandé de connecter ses outils à des partenaires comme Nielsen ou Millward Brown. Leurs dashboards permettent de trouver le bon équilibre d’exposition entre le manque d’impact et l’effet de saturation.
Optimiser en cours de campagne
Il est nécessaire également de travailler avec la marque pour déterminer un niveau de répétition optimal, défini en fonction des objectifs fixés. Par exemple, si la campagne a pour objectif d’augmenter la notoriété, les analyses réalisées recommandent d’utiliser un niveau de répétition compris entre trois et cinq. Nous pouvons ensuite augmenter ce niveau de répétition entre cinq et sept en cours de campagne si les bilans intermédiaires montrent que l’impact sur la marque n’est pas suffisant. Le but est de pouvoir continuer à optimiser en cours de campagne pour nous assurer que le meilleur niveau de répétition est atteint.
Le niveau de répétition idéal va également dépendre du secteur, de la marque, de la période, de l’encombrement, des objectifs et de nombreux autres paramètres. Par exemple, les marques du retail vont habituellement définir un niveau compris entre cinq et neuf mais vont ponctuellement devoir augmenter sensiblement ce niveau de répétition pendant certaines périodes plus encombrées, comme Noël.
Il faut sans cesse continuer à explorer de nouvelles approches pour toujours mieux répondre aux enjeux des marques et la gestion de la répétition est non seulement une avancée intéressante pour notre industrie mais elle permettra également de regagner la confiance des consommateurs.
