À l'âge du «real time marketing», du
« marketing automatisé» et autres
«Big Data », alors que la technologie est censée catapulter le marketing dans
l'ère de la responsabilisation et de la prévision, la plupart des départements
marketing ont encore du mal à répondre à la question fondamentale du ROI
marketing . Enquêtes après enquêtes confirment malheureusement ce fait préoccupant,
dont les causes sont sans aucun doute multiples. Parmi celles-ci cependant, l’une prédomine: il s’agit de la difficulté et de la
complexité perçues de la modélisation du marketing mix (MMM). Du fait d’une
telle perception, cette approche reste en effet marginale malgré les preuves de
sa pertinence dans la mise en évidence du ROI marketing. Cet article explique
pourquoi ce qui a été une raison (peut-être) acceptable de l’immobilisme va
tout simplement devenir une (très) mauvaise excuse. En effet, grâce à l’innovation technologique,
une nouvelle approche de MMM offre aux départements marketing rigoureux des opportunités
jusqu’ici inexploitées en terme d’évaluation et d’optimisation du ROI marketing.
En
relevant les principaux défis liés à la modélisation traditionnelle, cette
approche a la capacité de mettre la mesure du ROI et la responsabilisation pleine
et entière au cœur de la pratique marketing. Le marketing peut maintenant
prendre une longueur d’avance sur les fortes attentes de transparence des résultats des directions
financières et opérationnelles. A condition bien sûr d’abandonner les mauvaises excuses et d’adopter les méthodes d’aujourd’hui.
La litanie du « marketing à l’instinct ».
Année après année, différentes enquêtes soulignent le manque persistant
d’évaluation du ROI par la plupart des départements marketing. Quelques exemples
:
- En Décembre 2012, une étude parmi les responsables marketing britanniques a montré que sur le total de leurs investissements, plusieurs milliards de Livres étaient gaspillés du fait de décisions « à l’instinct » plutôt que guidées par une approche rigoureuse du ROI
- Dans la même année, un rapport a révélé que 70 pour cent des chefs d'entreprise pensent que les responsables marketing manquent de crédibilité, parce qu'ils ne savent pas démontrer l’effet de leurs investissements.
- À la fin de 2013, l'enquête annuelle CMO Survey, conduite par l’American Marketing Association (AMA), montre que seuls 1/3 des responsables américains pouvaient prouver l'impact de leurs activités marketing de manière quantitative .
Ainsi va la litanie du « marketing à l’instinct ». Rapports après rapports soulignent le mécontentement et la défiance croissante des directions opérationnelles et financières, et malgré cela le marketing continue, à quelques exceptions près, la bonne vieille approche du «spray and pray » (« saupoudrer et prier »). Et pour justifier l'absence de mesure rigoureuse du ROI, utilise, entre autres, l’argument de la complexité de la MMM.
Les limitation de la modélisation traditionnelle, une bonne excuse?
La
modélisation du marketing mix (MMM) est une méthode éprouvée pour évaluer
rigoureusement et modéliser l'impact des décisions marketing (investissements médias,
promotions, mouvements de prix ...) sur les indicateurs clés de performance (volumes
de ventes, acquisition de clients, nombre de prospects qualifiés ...). Pour des
experts en modélisation ainsi que pour des départements marketing avancés
(comme dans le secteur de la grande consommation), l'approche est bien comprise,
bien intégrée à la pratique et suscite des pistes de réflexion et d’action
fructueuses lorsqu'elle se combine à une compréhension approfondie du secteur. Cependant,
en dehors de ce qu’on peut décrire comme un cercle d'initiés, la réputation de la
MMM n'est pas tout à fait à la hauteur des bénéfices qu’elle est censée apporter.
De fait, un certain nombre de services marketing qui ont mis en œuvre des
projets de MMM ont pu être quelque peu déçus de l’impact de leur décision. Les
causes profondes de cette déception tiennent généralement à une combinaison de
différents facteurs :
- Longueur du processus, qui nécessite souvent plusieurs semaines pour d’abord collecter et valider les données, puis quelques semaines supplémentaires pour la modélisation en tant que telle.
- Manque de flexibilité, puisqu’il faudra rajouter plusieurs jours, voire quelques semaines de modélisation dés que de nouvelles questions se posent ou que d’autres jeux de données se présentent.
- Manque de transparence, puisque les hypothèses sous-jacentes du modèle sont rarement divulguées intégralement ou bien mal comprises, conduisant souvent à une acceptation des résultats parfois limitée
- Faible évolutivité : les défis mentionnés plus haut limitent l’utilisation de la modélisation à quelques projets par an au mieux, en priorité pour les marques ou catégories de produit majeurs. L’apport potentiel de la modélisation sur l'optimisation du marketing reste donc limité et in fine son rapport coût -bénéfice peut-être questionné .
Malgré la robustesse de sa méthodologie et ses effets positifs potentiels, la MMM
dans sa forme traditionnelle a donc encore du chemin à parcourir avant de faire
partie de la « boite à outil » standard du marketing. Jusqu'à présent,
son utilisation a surtout été le fait d’équipes marketing pouvant s’offrir les
ressources, les compétences et les budgets nécessaires pour en surmonter les
défis. Et pour les autres départements marketing, les difficultés perçues ou
l'expérience réelle ont fourni des raisons apparemment acceptables de l’immobilisme.
La fin de l’excuse : la technologie au service de la mesure du ROI
Alors,
peut-on aujourd’hui mettre en œuvre des projets de MMM sans en accepter pour
autant les limitations ? Comme souvent, l’innovation technologique apporte
des réponses nouvelles à des problématiques anciennes. C’est le cas
d’une nouvelle application de modélisation mise au point par marketingQED,
entreprise qui développe des logiciels marketing. Alimentée par les données sur
les ventes et le détail des activités marketing récentes, l’application marketingQED
peut faire tourner des milliers de modèles potentiels en quelques minutes et guider
dans la sélection d’un modèle pertinent. A l’aide de la visualisation des
données, un utilisateur même non expert peut évaluer et comparer aisément l’efficacité
de différentes activités marketing, ajuster son approche et faire évoluer ses
prévisions en conséquence. Ce qui prenait plusieurs jours, voire quelques
semaines, devient disponible en quelques clics et le temps d’un café…
Alors,
comment cette nouvelle capacité de modélisation permet-elle d’améliorer à la
fois l'expérience de la MMM et ses capacités à produire des actions bénéfiques
à la conduite des affaires ? Revenons aux limitations mentionnées précédemment
:
- Longueur du processus : les premières pistes de réflexion et d’actions peuvent être discutées quelques heures après la validation des données, grâce à la rapidité de modélisation. Combiné à une approche efficiente de collecte et de gestion des données, l’optimisation du ROI devient un processus en temps quasi-réel, disponible à la demande, conforme aux attentes du marketing d'aujourd'hui .
- Flexibilité : des points de vue multiples, voire divergents peuvent être facilement explorés. In fine, ils s’agit moins de rechercher une Vérité unique exprimée sous la forme d’un modèle, que de susciter une conversation fructueuses entre les parties prenantes, facteur d’adhésion et d’alignement internes.
- Transparence : les hypothèses sous-jacentes peuvent être énoncées et explorées via des modèles différents si nécessaire. Du fait de sa rapidité, la modélisation est en effet toujours effectuée en présence de l'utilisateur final qui peut à tout moment intervenir dans la discussion.
- Evolutivité : l’approche s’adapte à différents niveaux de complexité, car le coût marginal de chaque nouveau projet se réduit tout au long de la courbe d'apprentissage.
