Retail Media : pourquoi les Data Clean Rooms sont insuffisantes

Retail Media & Data clean rooms

Le retail media connait une croissance explosive, les dépenses devant atteindre 160 milliards de dollars d’ici 2027 selon GroupM. Cependant, les sérieux défis de mesure rencontrés par les marques menacent de freiner cette croissance. Bien que les data clean rooms aient émergé comme une solution potentielle, elles présentent des limites qui empêchent une mesure macro et fiable. Les marques ont besoin de solutions plus holistiques et neutres pour quantifier l’impact incrémental et optimiser leur dépenses sur les réseaux de retail media.

L’essor rapide du retail media

Les retail media networks (RMN) permettent aux marques de faire de la publicité en utilisant les données propriétaires des distributeurs. Cela alimente des publicités ciblées à la fois sur les canaux appartenant aux (e)commerçants et hors sites, via des mécanismes d’extension d’audience.

Les réseaux de retail media ont explosé pour plusieurs raisons:

• Une croissance massive du commerce électronique pendant la pandémie, les achats en ligne atteignant 20,3% de tous les commerces de détail selon eMarketer
• La disparition des cookies et identifiants tiers comme l’IDFA
• La promesse d’une mesure en “closed loop” reliant les publicités aux ventes
• Le besoin des retailers de monétiser leur audience et leurs données.

Cet essor a conduit à un environnement fragmenté avec de nombreux inconvénients:

• Prolifération de nouveaux networks et types de publicités. Plus de 100 réseaux sont ainsi référencés à ce jour.
• Walled garden empêchant le partage des données
• Réglementations sur la confidentialité des données limitant le suivi inter-plateformes
• Méthodologies de mesure souvent basiques, s’appuyant généralement sur des méthodes d’attribution au dernier clic.

Ces facteurs ont ainsi créé de nouveaux et importants défis de mesure pour les marques et les agences.

Les limites des data clean rooms

Les datas clean rooms comme celles de Liveramp, Amazon (AMC) ou Infosum ont émergé comme un moyen de permettre une certaine collaboration entre marques et enseignes sans partager de données clients brutes. Les annonceurs peuvent faire correspondre et analyser les données de plusieurs parties, souvent pour activer des audiences.

Les retailers, comme Carrefour en France (avec Liveramp) ont rapidement adopté les data clean rooms pour alimenter leurs réseaux de retail media. En anonymisant et segmentant les données, ils peuvent les exposer en toute sécurité aux marques pour le ciblage (beaucoup) et la mesure (un peu!).

Cependant, les data clean rooms, dans leurs formes actuelles tout du moins, présentent des limites :

• Elles renforcent les walled gardens, chaque distributeur cloisonnant sa donnée.
• Les marques doivent rejoindre chaque data clean room séparément.
• L’ajout de nouveaux partenaires augmente la complexité.
• Les cas d’utilisation sont souuvent prédéfinis et limités.

Cette nature fermée, si elle a des vertues, notamment pour la privacy, empêche une analyse flexible nécessaire à l’optimisation. Les data clean rooms ne résolvent donc pas le problème fondamental des approches de mesure disparates entre les détaillants.

Les limites de la mesure actuelle du retail media

La plupart des réseaux (qu’ils utilisent des technologies propriétaires ou celles de Criteo, RelevanC ou Citrusad) s’appuient sur l’attribution au dernier clic. Cette approche présente des inconvénients majeurs :

• Elle ignore le parcours omnicanal du client.
• Elle ne tient pas compte des facteurs externes qui stimulent les ventes. (Les modèles de mix marketing montrent que ceux-ci peuvent stimuler 60 à 80 % des ventes.)
• Elle n’aide pas dans la planification des budgets.

Une attribution des ventes au dernier contact ne donne aucune visibilité sur l’impact transverse ou l’incrémentalité. Les marques et les agences manquent donc des insights nécessaires pour quantifier l’impact, optimiser les campagnes et planifier les budgets.

Les défauts des alternatives actuelles

Outre l’attribution au dernier contact, les marques utilisent d’autres méthodologies qui sont également insuffisantes :

Tests d’incrémentalité : comparer les groupes exposés et témoins pour estimer le gain incrémental peut avoir du sens. Mais les petites tailles d’échantillon sont souvent des facteurs limitants.

Analyse des data clean rooms : comme indiqué précédemment, la conception fermée de ces systèmes entrave une analyse poussée.

Attribution multi-touch : utiliser des modèles basés sur des règles ou algorithmiques pour partager le crédit entre les différents points de contact. La disparition des cookies tiers impacte fortement cette méthodologie.

Optimisations au niveau des plateformes : les informations des plateformes comme Amazon ou Criteo RMP sont intéressantes. Néanmoins, les optimisations sont limitées à la plateforme et axées sur l’efficacité des coûts/ROAS plutôt que sur les ventes incrémentales.

Ces différents approches fournissent donc des informations partielles. Aucune ne résout le défi fondamental : mesurer l’impact réel de ces investissements marketing et leur traduction en des ventes incrémentales (voir notre article sur le sujet de l’importance de la mesure de l’incrément).

La nécessité d’une mesure holistique

Pour optimiser les médias de détail, les marques ont besoin d’une approche plus holistique. La mesure doit :

• Combiner les données en ligne et en magasin pour une vue omnicanal
• Incorporer toutes les actions marketing au-delà des seuls investissements en media
• Analyser de manière flexible les différents jeux de données
• Permettre l’optimisation par rapport aux ventes incrémentales réelles

Cela nécessite en premier lieu de supprimer les silos de données et non d’en créer de nouveaux.

Vers des environnements de mesure neutres

Pour répondre à ces besoins, les solutions émergentes utilisent des environnements neutres et sécurisés pour combiner ces jeux de données et ainsi:

• Relier les données d’exposition de tous les canaux
• Ingérer les données transactionnelles
• Fournir une analyse flexible des objectifs d’impact sur les ventes
• Prendre en charge l’optimisation et la simulation pour la planification
• Offrir une mesure cross-retailer
• Conserver une gestion de la privacy sans failles

Les marques et les agences obtiendront ainsi les informations dont elles ont besoin pour quantifier l’impact, simuler des stratégies d’investissement et optimiser leur plan média en fonction de résultats commerciaux tangibles.

Le retail media a un énorme potentiel, mais les marques ont encore du mal à mesurer son impact. Les data clean rooms ont aidé, mais ne permettent pas de répondre à toutes les questions de marques. Pour continuer à stimuler la croissance du marché, les acteurs du retail media ont donc besoin de technologies et de processus de mesure améliorés.

Des solutions neutres comme mimbi qui fournissent une analyse agile des objectifs d’impact sur les ventes offriront un moyen de libérer la pleine puissance du retail media!