Marketing mobile : comment s’en sortir avec les KPIs ?

Eclipse by Swiper 

Les statistiques : on peut faire dire tout et n’importe quoi aux chiffres. Bien plus qu’un dicton, cette phrase porte en elle une réalité bien présente pour les professionnels du marketing mobile. Les KPIs, comme leur nom l’indique, doivent uniquement comporter les indicateurs les plus pertinents (ils ne sont absolument pas destinés à devenir un mix de toutes les variables possibles et imaginables!). Il s’agit bien de savoir quelle problématique nous concerne et ensuite d’adapter ses KPIs afin de viser cette même problématique et de ne pas se noyer dans une montagnes de chiffres qui ne veulent plus rien dire. Les KPIs sont, en effet, trop essentiels pour oublier le plus important : ils doivent être de vraies aides à la décisions, des données qui impactent directement sur la stratégie mobile à suivre.

Ainsi, vous trouverez ci-après un guide, un récap’, qui vous permettra (on l’espère) de mieux utiliser les KPIs et de vous concentrer sur ceux qui vous concernent et intéressent vraiment.

 

Le piège dans lequel il ne faut pas tomber

Très souvent, les professionnels du marketing mobile ont en tête les données clés à récolter. Or, ces dernières ne garantissent pas toujours de cerner toute la dimension de la problématique. Par exemple, s’y trouvent le taux de conversion, le coût par acquisition, le taux de rebond. Il n’est pas du tout ici question de dire que ce sont de mauvaises données, mais plutôt de dire que ce sont des indicateurs très globaux qui ne permettent pas toujours de cibler une action spécifique. Il s’agit en réalité de savoir les utiliser au bon moment, dans le bon contexte, car par exemple, ils n’apportent aucune indication sur le comportement de vos users, sur leur fidélité, sur le profit généré etc… Le contexte, le contexte et encore une fois : le contexte !

 

Identifier vos KPIs

La première chose à faire est d’identifier, qualifier et énoncer votre/vos objectif(s) clairement. Ensuite, il s’agit, pour chacun d’entre eux, de mener une réflexion pour déterminer quels KPIs mèneront à la réussite de ces objectifs. Comment savoir si j’ai atteint mon objectif ? Quels indicateurs pourront me montrer que ce dernier est validé ?

 

Case study

Les KPIs à surveiller pour vos notifications push

Comme chaque KPI est bien spécifique et correspond à une action, vous comprendrez qu’il est impossible de tous les lister, cependant, il est possible d’identifier ceux qui ont un réel rôle à jouer pour le « Mobile Marketer ». La réflexion est très simple : pour examiner votre  performance, il s’agit dans un premier temps de prendre en compte l’adhésion, l’opt-in des utilisateurs de votre application, et, dans un deuxième temps, l‘interaction de ces derniers.

Le taux d’opt-in :  la mesure du taux d’opt-in par jour/par mois, permet d’obtenir une vision fiable sur l’efficacité du service proposé. Mais surtout, l’important est de le mesurer dans le temps. Dans le cas présent, il s’agit ainsi du nombre de users qui choisissent de recevoir des notifications. Cet indicateur est important car il permet de savoir si le service proposé est accepté et satisfait les utilisateurs.

Le taux d’engagement : savoir combien de personnes ont engagé une action en lien avec vos notifications est primordial. En effet, l’engagement permet de savoir si beaucoup de personnes entreprennent une action vis à vis de la notification envoyée. Un moyen de le calculer dans le cadre du push est de s’intéresser au taux d’ouverture : en effet, ouvrir une notification représente un engagement du user vis à vis de l’application, ce dernier s’engage en cliquant.

Pour aller plus loin, il serait intéressant de calculer le taux d’engagement moyen par utilisateur mais surtout de classer les utilisateurs par degré d’engagement. Par exemple, imaginons des push envoyés à 100 personnes sur un mois, il s’agirait alors de savoir combien de personnes se sont engagées entre 1 et 5 fois, combien entre 5 et 10 fois etc…

De même, il serait intéressant de croiser le taux d’engagement avec la durée des sessions par utilisateur, afin d’en avoir une vision plus juste. En effet, si cliquer, ouvrir, appuyer sur un push peut être fait par erreur, si nous constatons une durée des sessions élevée, alors l’engagement ne peut plus être « une erreur », il est vrai et avéré. Il s’agit simplement de combiner ces deux variables pour avoir une vision claire et précise de la situation.

Le taux de rétention : Le taux de rétention d’une application mobile calcule le nombre d’utilisateurs toujours actifs un certain temps après le téléchargement, il est ici question d’espace temps. Ce taux est complètement corrélé d’une part à l’opt-in, mais aussi au taux d’engagement (KPIs précédents). En effet, l’envoi de notification push augmente la rétention de 26% (d’après une étude menée par Localytics), en d’autres termes, plus l’opt-in est élevé, plus le taux de rétention sera élevé. Mais aussi, il est possible de faire un parallèle avec l’engagement des utilisateurs, qui signifie que ces derniers ont un intérêt pour le push, l’application et auront ainsi tendance à garder l’application plus longtemps.

Il existe différentes formules possibles pour calculer le taux de rétention d’une application mobile. Il est par exemple possible de mesurer le nombre  d’utilisateurs toujours actifs 30 jours, 3 mois ou 1 an après l’installation. Le taux de rétention, aussi appelé le taux de fidélisation, est un indicateur précieux puisqu’environ 25% des applications installées ne sont jamais utilisées et 26% sont abandonnées après la première utilisation (d’après une étude menée par Google). Le taux de rétention permet ainsi de pouvoir plus rapidement se remettre en question, améliorer son application, ses notifications push, il suffit en réalité de surveiller ses fluctuations.

Eclipse by Swiper 

Pour aller plus loin

La segmentation de l’audience : suivre son audience est également essentiel. Créer des segments au sein de son audience en utilisant les tranches d’âges, le sexe, la zone géographique ou encore le statut social, permet ensuite d’utiliser vos KPIs sur une partie bien précise de l’audience et, potentiellement, d’en déduire un persona, une cible principale. Par exemple, si l’on considère que sur notre application, la population française est la population qui a le taux d’opt-in, d’engagement et de rétention le plus élevé, alors il est possible d’en conclure que le marché français doit être notre priorité.

L’utilisation de tags : Un tag est une étiquette, un mot-clé qui est assigné à un contenu et qui décrit l’une de ses caractéristiques, ils peuvent ainsi permettre le regroupement de différents contenus qui sont associés au même mot-clé. Plus concrètement, il est possible de calculer le taux d’engagement sur les notifications push associées au tag “culture” et ainsi pouvoir déduire, si oui ou non, les utilisateurs apprécient ce type de push. Les tags permettent donc d’affiner le calcul du taux d’engagement.

Mais plus loin, il serait très intéressant de croiser les données utilisateurs (récoltées au préalable) avec les tags. Admettons que l’on effectue un AB-testing sur une population homogène de 100 personnes en leur envoyant 2 push par jour pendant un mois, avec alternativement, les hashtags « politique » et « sport ». A l’aide des KPIs, de la segmentation de l’audience et des hashtags, nous serions par exemple capables de dire que le segment des 18-25 ans s’engage bien plus avec des notifications sur le sport, alors que le segment des 35-45 ans interagira, lui, bien plus avec les hashtags « politique ». Ce croisement de données peut réellement apporter des informations très précises et peut même, à terme, permettre de personnaliser les notifications push.

Eclipse by Swiper 

Le Bilan

Suivre les bons KPIs est primordial. Car en effet, si de nombreux KPIs peuvent être mis en place, l’important est avant tout de choisir les KPIs les plus adaptés au suivi de ses objectifs. Mais que ce soit afin de savoir quel type de personne ouvre mes notifications push ou encore de savoir quels tags suscitent le plus grand intérêt, la volonté est la même : en savoir plus sur les utilisateurs et leur comportement. Et, en ce sens, plus que d’analyser des données et résultats, des outils existent afin d’aller plus loin. L’idée est de ne plus uniquement s’intéresser aux constats à l’instant T, mais d’assembler le comportement d’un utilisateur afin de prédire et devancer ses attentes. Avec le Machine Learning on parle bien ici de prévoir des push envoyés au bon moment, au bon endroit et à la bonne personne. Imaginez un restaurant où le serveur vous apporterait le plat que vous désirez, à la seconde où vous le désirez, sans même avoir commandé : ne rêvez plus, c’est ici, c’est maintenant !

Eclipse by Swiper 

Leave a Reply

Your email address will not be published. Required fields are marked *