Donnée intentionniste, nouveau Graal de la publicité programmatique?

Avec l’avènement de l’AdTech (Achat programmatique, Data Management Platform, Data Onboarding), les marques connaissent désormais intimement leurs clients et savent analyser leurs achats passés.

Mais lorsqu’il s’agit de comportement d’achat, ce qui était vrai hier ne le sera pas forcément demain.

Dans ce contexte, le prochain enjeu de taille pour les marques consiste à anticiper efficacement les futurs achats des consommateurs. C’est là que la donnée intentionniste apporte toute sa valeur en aidant les marques à mieux comprendre les besoins de leurs futurs clients, identifier les signaux prédictifs d’un achat imminent et être les premiers à y répondre.

Deux types de données intentionnistes

Qu’entend-on exactement par «Donnée Intentionniste»? Il faut avant tout faire la distinction entre deux catégories de données intentionnistes, chacune d’entre elles ayant ses spécificités:

Les Données intentionnistes internes sont captées par les marques elles-mêmes. Il s’agit d’actions précises réalisées par les visiteurs de l’univers digital de la marque : la consultation d’une page produit, un téléchargement, une demande d’information, une inscription à une newsletter… Appartenant à la catégorie des données «first party» annonceurs, ces données permettent aux marques d’identifier les personnes, clients existants ou prospects, ayant marqué un intérêt pour leurs produits ou services à un moment donné.

Données intentionnistes externes sont issues de tiers qui, par le service qu’ils offrent à leurs utilisateurs, attirent structurellement un flux ininterrompu de profils en phase d’achat. Les comparateurs et, dans une certaine mesure les moteurs de recherche, comptent parmi les principaux fournisseurs de ces signaux d’intentions d’achat. A la différence des données intentionnistes internes, ces données intentionnistes externes concernent l’ensemble des personnes en phase avancée de leur décision d’achat, souvent lorsqu’il est encore temps d’influencer cette décision.

De nombreux cas d’usages

Au-delà de la simple exploitation de ces données dans le cadre de campagnes de prospection, ces données intentionnistes délivrent toute leur puissance lorsqu’elles sont croisées avec les données clients (base CRM, programmes et cartes de fidélité, transactions…). On peut de cette manière déployer un arsenal extrêmement puissant d’actions de Marketing digital permettant notamment de:

• Identifier les clients existants étant effectivement en phase d’achat et notamment parmi ceux-ci, ceux présentant le plus gros risque d’attrition («churn») car non actifs dans l’univers de la marque mais ayant déclenché des signaux d’intention d’achat sur des plateformes tierces.
   
• S’adresser et affecter les budgets de manière différenciée en fonction de la valeur des prospects et clients. En priorisant certains profils, ou à l’inverse, en en excluant certains («negative targeting») pour optimiser les performances.
   
• Déclencher des actions automatisées pour engager les différentes typologies de prospects avec les bons messages, les bonnes offres, et ceci au meilleur moment dans leur cycle de décision d’achat.
   

Evaluer la qualité des données intentionnistes

Pour faire le tri parmi les données intentionnistes disponibles sur le marché, notamment lorsque celles-ci sont issues de tiers, les marques doivent faire preuve de discernement avant de choisir leurs partenaires sur le sujet.

Dans les critères de choix, on retiendra principalement la source des données (savoir exactement d’où viennent ces profils intentionnistes), leur granularité (qualifier l’intention sur des produits et des marques précises), leur intensité (classer le degré d’intention d’achat en fonction des actions des utilisateurs) et leur fraîcheur (données en flux et en temps réel). Enfin, la notion de «reach», chère aux métiers de la publicité en ligne devra être adressée avec prudence puisque dans l’univers de l’intention d’achat, quantité ne rime pas souvent avec qualité.

Limites et précautions

Pour exploiter pleinement le potentiel de ce nouveau type de données, les annonceurs devront veiller à éviter plusieurs écueils.

Parmi ceux-ci, l’effet «Big Brother» qui, par une personnalisation trop avancée, pourrait donner un sentiment d’intrusivité pour les utilisateurs.

Autre impératif, repenser la logique de campagnes ponctuelles au profit d’une approche fil rouge, plus adaptée au flux d’intention d’achat et au développement de scenarii d’activation adaptés aux différentes typologies d’audience.

Dans cette même logique, les leviers digitaux doivent être décloisonnés afin de sélectionner les leviers les plus efficaces en fonction des différentes audiences, de leurs usages et de leur maturité dans le cycle d’achat.

Bien entendu, les annonceurs et leurs partenaires doivent s’assurer du respect strict de la législation sur les données personnelles, notamment sur les sujets de l’agrégation de données et l’anonymisation des profils.

Crédit photo: Fotolia, banque d'images, vecteurs et videos libres de droits 

• À propos
• Articles récents

Les Experts

Olivier Ezratty, Rodrigo Sepulveda, Gregory Renard, Laurence Faguer, retrouvez les analyses de nos experts dans les deeptech, investissement, IA, retail, santé...

Pour contacter la rédaction: redaction@frenchweb.fr

Pour plus d'informations sur nos abonnements, merci de nous contacter à abonnement@frenchweb.fr

Vous souhaitez contribuer régulièrement en tant qu'expert sur FRENCHWEB.FR, merci de nous contacter à redaction@frenchweb.fr

Les derniers articles par Les Experts (tout voir)

• Ask A VC : comment modéliser un compte de résultat — Partie 6/6 : analyse de sensitivité - 21/05/2024
• Ask A VC : comment modéliser un compte de résultat — Partie 3/6 : les Coûts Fixes - 16/01/2024
• Question à un VC : Pourquoi les marges unitaires sont-elles si importantes pour votre modèle d’affaires? - 13/11/2023