3 façons dont les données peuvent vous orienter dans l'erreur - et comment glaner de meilleures informations

Les spécialistes du marketing modernes sont obsédés par les données - et pour une bonne raison. Il nous donne une orientation et informe nos stratégies, parmi de nombreux autres avantages. Mais toutes les données ne sont pas également utiles ou utiles. Les mauvais ensembles de données peuvent être tout aussi dommageables pour votre programme de marketing que de ne pas en avoir.

Il est essentiel de savoir identifier les bonnes données, afin que vos informations guident avec précision votre prise de décision. Dans cet article, j'aborderai trois façons dont l'utilisation abusive des données peut nuire à nos efforts de marketing et comment une méthodologie de test holistique peut aider à glaner de meilleures informations.

Au cœur des grandes tendances marketing se trouvent les données

Regardez les tendances qui ont retenu l'attention des spécialistes du marketing au cours des trois dernières années :

• 2021 : La montée en puissance de la fonction de protection de la confidentialité des e-mails d'Apple , qui masquait les données d'activité des utilisateurs. Les spécialistes du marketing ont paniqué à l'idée de perdre les taux d'ouverture.
• 2022 : données de première partie et de première partie, dont les gens ont soudainement réalisé qu'ils avaient besoin pour compenser la perte imminente d'informations sur les cookies tiers.
• 2023 : L'essor de ChatGPT et d'autres modèles de traitement du langage naturel basés sur l'IA (c'est-à-dire basés sur les données).

Qu'il s'agisse de perdre l'accès aux données, de devoir trouver de nouvelles sources de données ou de leur donner le pouvoir de prendre des décisions à notre place, les données sont au cœur de ces tendances.

Les données ont des définitions technologiques et philosophiques. Il peut s'agir d'informations qu'un ordinateur peut utiliser pour le traitement ou, comme Google le définit, "de choses connues ou supposées comme des faits, constituant la base d'un raisonnement ou d'un calcul" (c'est moi qui souligne).

Cette partie "ou supposée" est l'endroit où nous pouvons nous tromper avec les données. Les gens disent toujours : « Les chiffres ne mentent pas. Les données ne mentent peut-être pas, mais elles peuvent aussi ne pas signifier ce que vous pensez.

Approfondir : pourquoi nous nous soucions du marketing basé sur les données

Le bon côté des données

Je pourrais vous dire des choses que vous savez déjà sur les données, mais écoutez-moi. Nous nous appuyons quotidiennement sur des données, à la fois dans les choses évidentes et non évidentes (pour emprunter un terme à Rohit Bhargava).

Pour les spécialistes du marketing par e-mail, l'évidence comprend les données marketing que nous utilisons lors de la création et de la structuration des campagnes, du choix des audiences, de la mesure du succès et des prochaines étapes. C'est pourquoi le marketing par e-mail est si utile. Il génère des données que nous pouvons appliquer à toute l'écosphère marketing.

Ensuite, il y a la valeur non évidente. Nos données de messagerie peuvent informer d'autres canaux marketing et même aller au-delà de l'équipe marketing pour prendre en charge le service client, les opérations commerciales et plus encore dans toute l'entreprise.

Nos campagnes sont comme une source permanente d'études de marché. Parce que les personnes auxquelles nous envoyons des e-mails sont nos clients potentiels et existants, nous exploitons, suivons et mesurons quotidiennement notre clientèle.

En plus de tout cela, la technologie marketing d'aujourd'hui facilite la collecte de données. Nous trouvons des données partout où nous nous tournons - dans nos ESP, nos plateformes d'automatisation, nos CRM, nos moteurs de commerce électronique. Les chiffres nous dépassent si vite que nous ne pouvons pas tous les attraper.

Mais c'est mon propos. Nous n'avons pas besoin que tous les chiffres nous parviennent. Nous devons savoir quels sont les bons chiffres et ce qu'ils signifient - c'est là que nous nous trompons souvent.

Creusez plus profondément : pourquoi nous nous soucions du marketing par e-mail : un guide du marketing

"Insights, insights, insights" et non "data, data, data"

Comme mon bon ami Chad S. White, auteur de "Email Marketing Rules", l'a parfaitement dit :

"Vous parlez de 'données-données-données.' Je ne suis pas fan des données. Personne ne veut vraiment de données. Ce qu'ils veulent vraiment, ce sont des informations et les analyses, c'est la façon dont vous trouvez les informations qui se cachent dans vos données.

Les données vous tromperont beaucoup. Vous devez vous assurer que vous apportez vos connaissances sur vos clients, vos connaissances sur votre entreprise et analysez ces données pour éliminer toutes les conneries et vous retrouver avec ce qui est de l'or.

Il y a beaucoup d'erreurs dans les données. Donc des idées, des idées, des idées. C'est ce que nous voulons.

– Chad S. White lors d'un discours d'ouverture à la conférence ANA-Email Evolution à Washington, DC.

Vous pouvez collecter toutes les données que vous souhaitez, mais vous devez également trier les données nécessaires des superflues, les pertinentes des non pertinentes et les vraies des fausses pour savoir ce que cela signifie vraiment.

Nous collectons des données non pas pour remplir des silos, des lacs et des entrepôts de données, mais pour les utiliser pour comprendre nos clients et mesurer le fonctionnement de nos programmes marketing. Tout le reste que nous faisons en tant que spécialistes du marketing dépend de ces efforts.

Ainsi, cela peut être dommageable lorsque nous collectons de mauvaises données ou recherchons des significations que les données ne sont pas habilitées à donner car, comme le dit White, cela nous oriente mal. Les mauvaises données sont tout aussi mauvaises que l'absence de données - peut-être pire parce qu'elles peuvent vous donner un faux sentiment de sécurité et d'accomplissement.

Si vous utilisez des données de courrier électronique pour informer la compréhension de votre marque sur votre public et orienter la prise de décision au-delà du service marketing, imaginez le chaos si vous basez vos informations sur des analyses erronées.

Quand les bonnes données tournent mal : 3 scénarios à surveiller

Permettez-moi de me corriger : les données ne vont pas mal. C'est la façon dont nous l'utilisons et l'interprétons qui crée des problèmes. Lorsque vous utilisez vos données à mauvais escient, délibérément ou accidentellement, vous pouvez entraîner votre équipe et même votre entreprise sur une longue et mauvaise voie. C'est facile à faire, surtout si vous essayez d'optimiser votre programme de messagerie en testant différentes parties et pas seulement en fonction de votre instinct.

Je ne peux pas compter combien de fois les clients ont commencé avec de bonnes intentions de test et ont dévié parce que les tests ont été configurés de manière incorrecte ou parce que l'équipe est arrivée à de mauvaises conclusions. Voici trois scénarios dans lesquels les données peuvent vous orienter vers un mauvais test A/B.

1. Optimiser pour la mauvaise métrique de réussite

Le courrier électronique est célèbre pour être si facile à mesurer. Trop souvent, la mesure que nous choisissons ne reflète pas le véritable succès ou l'échec de nos campagnes. Mais ne soyons pas trop durs avec les e-mails. Les spécialistes du marketing de tous les canaux, des médias sociaux au marketing d'influence, font la même erreur.

Le taux d'ouverture est le coupable évident. Cette métrique résout un problème qui afflige les spécialistes du marketing numérique et traditionnel : savoir si quelqu'un a réellement visionné nos campagnes ou s'est contenté de défiler, de tourner la page, de jeter le catalogue ou de se lever pour une collation pendant la publicité. Pas étonnant que nous ayons sauté sur des taux d'ouverture importants comme mesure de succès.

Mais ces taux d'ouverture élevés ne se traduisent souvent pas par des mesures importantes, telles que les revenus de la campagne, les commandes, la taille des paniers, les rachats et d'autres chiffres liés à la campagne. Si vous utilisez une ligne d'objet intrigante pour optimiser un taux d'ouverture plus élevé, de nombreuses personnes pourraient ouvrir cet e-mail par curiosité et ne pas continuer à cliquer. Vous obtenez donc un taux d'ouverture extraordinaire, mais votre campagne a échoué.

De nombreux spécialistes du marketing ont paniqué lorsque la fonctionnalité MPP d'Apple a été lancée en 2021, car elle masquait les données d'activité des e-mails, telles que les ouvertures, les heures et les emplacements. Ils craignaient de perdre une mesure de performance clé. C'était un rappel opportun pour le reste d'entre nous que le taux d'ouverture ne correspond pas toujours à nos objectifs de campagne.

Cependant, la solution de contournement suggérée par de nombreux MPP - se concentrer sur le taux de clics - n'est qu'un conseil légèrement meilleur. Les clics sont une preuve plus tangible de l'intérêt des clients que les ouvertures. Mais ils peuvent aussi être manipulés et ils ne sont pas toujours en corrélation avec les conversions.

2. Changement de direction basé sur des tests ponctuels

Cette erreur va de pair avec l'optimisation de la mauvaise métrique de réussite. Cela se produit lorsque vous exécutez un seul test A/B sur une seule fonctionnalité, comme une ligne d'objet, un appel à l'action, une offre, une image, un corps de texte ou une heure de la journée.

Ces tests sont faciles à faire. De nombreux ESP vous permettent de les configurer en quelques clics. Vous pourriez même obtenir des résultats qui semblent clairs et inattaquables.

"La ligne d'objet A a obtenu un taux d'ouverture de 54 % et un taux de clics de 25 %. La ligne d'objet B a obtenu un taux d'ouverture de 24 % et un taux de clics de 12 %. La ligne d'objet A est la gagnante ! Faisons toutes nos lignes d'objet comme la ligne d'objet A à partir de maintenant !"

Cela suppose deux faits que les données ne vous donnent pas :

• A a obtenu plus d'ouvertures que B, et il a également mieux converti.
• Votre public répondra toujours mieux aux lignes d'objet comme A.

Un seul test A/B vous donne des résultats uniquement pour cette campagne, à ce moment-là, avec cette audience. Mais votre public change constamment. Les personnes qui ont ouvert et cliqué sur votre soi-disant version gagnante cette fois ne sont peut-être pas celles qui verront votre prochaine campagne. Ou ils le verront mais ne réagiront pas de la même manière.

Changer votre approche de messagerie basée sur un seul test peut conduire à un désastre. Vous devez continuer à tester et tester différents composants et vous assurer que vos mesures de réussite reflètent les objectifs de votre campagne.

Si vous voulez que les gens voient votre message, un taux d'ouverture ou de clic peut fonctionner. Mais si vous voulez qu'ils achètent, s'inscrivent, mettent à niveau, téléchargent, créent un compte ou effectuent d'autres actions liées à l'entreprise, vous devez continuer à tester pour voir ce qui fonctionne au fil du temps.

Creusez plus profondément : comment les tests peuvent donner à votre marketing par e-mail un coup de pouce aux conversions

3. S'appuyer sur des tests ad hoc plutôt que sur des méthodes scientifiques

"Ad hoc" est un terme fantaisiste pour "deviner". Vous jetez essentiellement des choses contre le mur pour voir ce qui colle - testez un seul composant au lieu d'adopter une approche holistique basée sur des hypothèses qui prend en compte tous les aspects d'une campagne.

Lorsque vous testez à la volée, vous vous exposez aux problèmes que les gens rencontrent lorsqu'ils testent un seul composant, puis changent de direction en fonction de ces données. Encore une fois, les données ne sont pas fausses, mais les conclusions que vous tirez sur la base de ces données pourraient l'être.

Les tests scientifiques utilisant une hypothèse sont plus susceptibles de fournir des données significatives car ils vous donnent un cadre pour en tirer des informations exploitables. La durée du test en est un exemple. Trop souvent, de nombreuses décisions sont prises trop tôt dans les tests A/B. Disons que la fonction de test A/B de votre plateforme de messagerie vous permet d'envoyer la version A à un échantillon d'audience composé de 10 % de votre liste et la version B à 10 % de votre liste, attendez quelques heures et envoyez le gagnant au reste 80 %.

Cette méthode peut donner des résultats utiles si vous testez les ouvertures ou les clics. Mais lorsque les conversions sont ce qui compte, cela ne fonctionne pas. Un test 50/50 est plus adapté pour calculer le succès en fonction de la conversion. Il vous permet d'attendre de trois jours à une semaine avant de déclarer le gagnant et d'énoncer la conclusion.

Les métriques significatives telles que les conversions ne se produisent pas toujours dans les 2 premières heures, et l'optimisation pour ces résultats rapides peut signifier l'optimisation pour le mauvais résultat. Le test 50/50 vous donne également une plus grande taille d'échantillon, ce qui rend également le test plus robuste.

La combinaison de méthodes scientifiques avec une méthodologie de test holistique vous donne une compréhension plus large de votre public et de ce qui le motive. En savoir plus sur les problèmes de test et mon approche de test holistique dans cette colonne MarTech, "7 problèmes courants qui font dérailler le succès des tests de messagerie A/B/n".

Vos données vous racontent-elles la bonne histoire ? Essayez ce test décisif

Les nouveaux clients sont souvent sceptiques lorsque je signale (de manière diplomatique, bien sûr !) que les performances de leurs campagnes ou les données de test ne corroborent pas les conclusions qu'ils en ont tirées. Pourquoi l'e-mail ne rapporte-t-il pas d'argent même s'il obtient d'excellents taux d'ouverture ou de clic ?

Si vous vous demandez la même chose, mon test décisif peut révéler ce qui se passe lorsque vous utilisez les mauvaises mesures pour déclarer le succès ou l'échec.

Créez trois listes :

• Les 10 meilleures campagnes avec le taux d'ouverture le plus élevé.
• Les 10 meilleures campagnes avec le taux de clic le plus élevé.
• Les 10 premières campagnes avec les conversions les plus élevées ou d'autres objectifs de campagne.

En supposant que votre calcul de conversion n'est pas lié à votre taux d'ouverture mais basé sur les e-mails livrés, vous devriez voir peu de chevauchement entre les trois ensembles de campagnes. Maintenant, regardez les campagnes dans chaque catégorie. À quoi ressemblent vos campagnes les plus génératrices de conversions par rapport à celles qui ont obtenu le plus d'ouvertures ou de clics ?

Avez-vous utilisé des lignes d'objet plus longues qui ont agi comme des trieurs de boîte de réception, attirant vos clients les plus motivés ? Le contenu du message utilisait-il une copie plus longue ou plus courte, des appels à l'action spécifiques ou généraux ? Un type de campagne, comme une vente flash, a-t-il mieux converti qu'une campagne de nouvelles collections ?

Lorsque vous étudiez les données de cette façon, avec vos yeux sur les résultats qui comptent plutôt que sur les données les plus faciles à collecter, vous serez en mesure d'atteindre l'objectif de White "d'analyser ces données pour éliminer toutes les conneries et vous retrouver avec le des trucs qui sont de l'or.