Partie 4 : Normalisation des médias de détail - Oubliez la normalisation. Donner le contrôle aux annonceurs

Sujets connexes

Michelle Urwin

Vice-présidente exécutive chargée du marketing

Résumé

Dans le quatrième épisode de notre série sur la normalisation des médias de vente au détail, nous explorons les complexités des médias de vente au détail et la façon dont une normalisation rigide peut entraver plutôt qu'aider. Il met en évidence le besoin de flexibilité dans les approches de mesure adaptées aux besoins individuels des entreprises. L'accent n'est plus mis sur l'uniformité, mais sur la possibilité pour les annonceurs de disposer d'outils de gestion des données personnalisés pour leur position unique sur le marché.

Lisez tous les articles de cette série sur la normalisation des supports de vente au détail.

Les annonceurs et les organisations publicitaires ont demandé aux réseaux de médias de détail de normaliser leurs paradigmes de mesure, soulignant que le manque de normalisation est leur principal obstacle à la réussite sur le canal. Dans le rapport 2023 State of Retail Media de laSkai, les trois principaux défis des médias de détail cités par les personnes interrogées - générer un retour sur investissement positif, mesurer le succès significatif et prouver l'incrémentalité - semblent tous liés à un manque de normalisation.

Mais la normalisation est-elle vraiment la solution ?

Les médias de détail sont un système émergent, tout comme l'a été l'internet. Dans les systèmes émergents, l'élimination des frictions est la meilleure voie vers la croissance. C'est ce qui s'est passé lorsque Microsoft a décidé d'aligner l'interface, les mesures et le langage de Bing pour la publicité par recherche sur ceux de Google. Il est devenu beaucoup plus facile pour les annonceurs de comparer les performances et d'élaborer des campagnes, ce qui s'est traduit par des investissements plus efficaces - ainsi que par une augmentation de l'investissement global. Nous avons déjà observé des signes similaires d'alignement dans le secteur de la vente au détail, Walmart Connect ayant adopté le modèle d'enchères de second prix d'Amazon. Mais la normalisation ne résoudra pas le problème le plus fondamental auquel sont confrontés les annonceurs : comprendre les données des médias de détail par rapport à leurs propres activités.

Comment la normalisation des médias de détail pourrait-elle compliquer la vie des annonceurs ?

Si les détaillants normalisent des mesures spécifiques - comme l'attribution basée sur les clics pendant 14 jours, par exemple - mais que le cycle d'achat de vos clients est nettement plus long ou plus court que cela, la mesure standard ne sera pas utile à votre entreprise. Supposons également que vous gériez une marque d'épicerie dont les annonces sont diffusées à la fois sur Amazon et sur Doordash. Le comportement des acheteurs est différent sur les deux plateformes, les paradigmes de mesure doivent donc l'être aussi. La standardisation des mesures sur les deux plateformes ne vous aidera pas à mieux comprendre les meilleures stratégies pour chacune d'entre elles.

En réalité, la normalisation des médias de détail risque d'aboutir à des données trop normatives et rigides pour les annonceurs. Que devraient donc exiger les annonceurs à la place ?

Ce dont les annonceurs ont vraiment besoin : le contrôle de l'interprétation et de l'utilisation des données.

Les marques sophistiquées, les agences et les autres grands investisseurs veulent avoir la possibilité de concevoir leurs propres paradigmes de mesure afin d'utiliser les données de la manière la plus utile pour leur marque.

Prenons l'exemple de la mesure de la nouvelle marque, qui a une signification différente pour chacun d'entre nous. Amazon Ads utilise actuellement une fenêtre de 12 mois pour ses mesures de nouveauté par rapport à la marque. Cette fenêtre est peut-être trop courte pour une marque d'électronique dont les cycles d'achat sont longs. Elle peut également être trop longue pour une marque de mode qui sort six nouvelles collections par an et qui préférerait suivre les nouveaux clients à chaque saison. Même si une période de rétrospection d'un an est judicieuse pour votre marque, les jardins clos limitent l'utilité de la mesure du nombre de nouveaux clients. Un client qui vient d'acheter son premier gadget chez vous sur Amazon pourrait en fait être votre plus fidèle supporter de longue date - il achetait vos gadgets chez Walmart depuis plusieurs années.

Les mesures de l'incrémentalité, qu'il s'agisse d'une nouvelle marque ou d'une autre, ont toutes en commun ces problèmes fondamentaux. Les définitions strictes des mesures et la flexibilité limitée des données font qu'il est plus difficile pour les annonceurs d'accéder à des données de performance significatives. De plus, la gestion de ces données uniquement au sein des jardins clos rend difficile la comparaison des performances entre les réseaux. 

Les annonceurs ont besoin de mieux contrôler les données de leurs programmes. C'est ce que propose Skai . Skai normalise les données des détaillants pour donner aux annonceurs des outils tels que des vues, des colonnes et des mesures personnalisées. Cela permet aux annonceurs de gérer tous ces points de disparité et, en fin de compte, de rationaliser les données pour leurs propres marques et objectifs. Ces données peuvent ensuite être utilisées pour la planification et les prévisions afin d'assurer une croissance optimale du programme. L'IA et les outils d'automatisation permettent d'aller encore plus loin, en libérant le temps des annonceurs pour qu'ils se concentrent sur des choses plus stratégiques, plus créatives et plus importantes. Mais l'IA a besoin de grands ensembles de données pour fonctionner correctement - plus il y en a, mieux c'est. Et c'est exactement ce que nous demandons aux détaillants de nous fournir : plus de données. En savoir plus sur ce que nous attendons des détaillants pour soutenir les annonceurs en matière de connectivité et de contrôle des données.

Plus de détails

,