Il est devenu de plus en plus facile d’insérer harmonieusement des publicités natives et de cibler habilement le contenu en analysant les données et circonstances de chaque utilisateur de dispositif mobile.
En France, 16 % de la population a fait l’acquisition d’un dispositif mobile en décembre 2015. La clé pour capitaliser sur cette tendance est d’utiliser les données in-app pour identifier les utilisateurs qui s’apprêtent à faire un achat sur mobile, comprendre de quel type d’achat il s’agit et à quel moment ils effectueront cet achat. Mais faire le tri parmi ces données, décider lesquelles sont les plus intéressantes et les exploiter à grande échelle n’est pas simple, mais constitue un objectif réalisable si l’on considère les quatre facteurs suivants :
1. Chaque individu est unique
À l’heure actuelle, il y a environ 2 milliards d’utilisateurs mobiles dans le monde, dont 31,6 millions se trouvent en France. L’ensemble de cette activité produit des volumes de données énormes, provenant en particulier d’applications mobiles, qui peuvent représenter un intérêt considérable pour les annonceurs. Le défi est de déchiffrer ces nombreuses informations générées par les utilisateurs français.
L’industrie continue à faire face à des difficultés pour ce qui concerne le « big data », mais afin d’affiner avec succès la stratégie mobile native, les annonceurs doivent adopter une approche simple et se concentrer uniquement sur les signes qui indiquent l’intention de l’utilisateur de compléter un achat.
2. À données de qualité, résultats de qualité assurés
Chaque campagne est le résultat d’un dur travail et il serait regrettable d’en limiter l’efficacité en utilisant les mauvaises données. Celles-ci doivent être récentes et « first party ». Si ces deux conditions sont réunies, les données ont une grande valeur : des infos précises sur le comportement des utilisateurs. Il faut absolument éviter de catégoriser les individus sur la base de données anciennes, car elles peuvent s’avérer peu fiables.
3. Ne pas se fier uniquement aux algorithmes
Il est quasiment impossible de savoir dans quelle mesure les données et algorithmes des autres seront efficaces. Une analyse rapide de mes données personnelles permettrait de découvrir que j’aime passer en revue de nouvelles recettes. Il s’agit d’une activité que les spécialistes du marketing associent traditionnellement aux femmes. Supposons maintenant que vous utilisiez un algorithme rudimentaire pour sélectionner les utilisateurs à cibler pour votre nouvelle application qui permet de consulter de nouvelles recettes. Celui-ci court le risque de ne pas prendre en compte les hommes. Vous vous priveriez ainsi, sans le savoir, d’une vaste clientèle de décideurs et de passionnés de cuisine. Il y a des outils et des stratégies de vérification de données qui permettent aux marques de valider les données et les algorithmes de tiers, mais ces solutions en sont encore à un stade peu avancé.
4. Le futur du m-commerce est aujourd’hui: en mobile, la solution est le contexte
Amazon a récemment lancé Prime Now[AE1], une application qui rassemble l’ensemble de son offre, vente en ligne et divertissement. Cela permet à chaque client d’acheter n’importe quel article sur n’importe quel dispositif mobile et de recevoir sa commande chez lui une heure plus tard. Cette stratégie est entrain de définir l’avenir du m-commerce en combinant données, algorithmes et des appels à l’action positionnés nativement qui ensemble améliorent l’expérience du consommateur et font croitre les ventes.
La publicité native mobile nécessite une analyse des signaux de données mobiles d’un utilisateur pour générer l’appel à l’action au bon moment avec le format le plus indiqué et dans le contexte le plus adapté. Nous disposons d’une abondance d’informations et de la technologie nécessaire pour les interpréter. En les mettant à profit et en s’engageant à traiter chaque utilisateur mobile comme l’individu unique qu’il est, chaque spécialiste du marketing peut désormais mettre l’exploitation du Big Data au service de la réalisation de son projet.
