Vos indicateurs de performance clés de marketing mobile vous trompent-ils ?

Publié: 2016-04-12

La prochaine fois que vous consulterez votre tableau de bord marketing, prenez le temps de vous faire l'avocat du diable : vos indicateurs clés de performance marketing peuvent vous orienter dans la mauvaise direction. La raison?

Les métriques représentent une forme de narration. Avant que les points de données que vous mesurez n'étaient des nombres sur un écran, ils étaient une collection de moments, d'histoires ou d'événements. Des concepts commerciaux importants tels que la rétention, le taux de désabonnement, la rigidité, le coût par acquisition et la valeur à vie sont des histoires que les analystes marketing et les scientifiques des données élaborent des moyens de raconter.

Derrière chaque point de données se trouve un ensemble d'hypothèses et de méthodologies pour calculer les métriques que vous suivez - et étant donné qu'il existe parfois plusieurs façons acceptées de mesurer la même idée ( LTV, par exemple ), vous faites probablement des compromis mathématiques.

Par conséquent, vos KPI préférés peuvent vous tromper ou communiquer une histoire incomplète. Il est important de comprendre les secrets que vos indicateurs marketing clés peuvent garder. Voici comment:

Creusez dans l'opérationnalisation

Le processus consistant à passer d'un objectif commercial (par exemple, augmenter l'engagement des clients) à une mesure tangible et traçable (par exemple, le nombre d'utilisateurs récurrents dans un mois, ou le nombre de sessions par utilisateur récurrent, ou le nombre de conversions par utilisateur récurrent, ou…) est appelé opérationnalisation. . La première étape consiste à proposer une idée que vous souhaitez mesurer. Ensuite, réfléchissez à la façon de quantifier ces idées, en générant une liste d'options. Une fois que vous avez une liste de moyens potentiels de mesurer votre idée, vous pouvez évaluer les compromis (c'est-à-dire dans quelle mesure il est techniquement possible de mesurer quelque chose et si ce nombre est la meilleure représentation de ce que vous essayez de capturer). Après ce processus, qui peut nécessiter des tests et des itérations en cours de route, vous arriverez à la ou aux manières dont vous souhaitez suivre votre métrique.

Pour un exemple non marketing d'opérationnalisation que vous connaissez probablement, jetez un coup d'œil aux classements US News et World Report Education, qui mesurent "l'excellence académique". En fouillant dans les chiffres, vous verrez que l'entreprise examine quelques dimensions différentes pour compiler ses scores globaux, y compris les taux de dons des anciens, les évaluations par les pairs universitaires, etc. US News recueille ces informations par le biais d'enquêtes autodéclarées.

Pour un exemple marketing de ce à quoi ressemble ce processus, consultez le centre d'aide de Google Analytics, où l'entreprise explique comment elle mesure les visites sur le site Web, le temps passé sur le site, les visites de retour, etc., d'un point de vue technique et analytique. Vous pouvez clairement voir comment le code de suivi de Google Analytics fonctionne pour traduire des concepts abstraits en nombres quantifiables, puis générer les nombres que vous voyez lorsque vous vous connectez à votre tableau de bord.

Habituellement, dans leur quotidien chargé, les spécialistes du marketing voient cette métrique finale, et non ce qui se passe dans les coulisses. Mais il est important de savoir exactement ce que vous quantifiez afin d'éviter de vous tromper en vous basant sur des hypothèses ou des conclusions incorrectes.

Connaître les façons dont les données peuvent être mal comprises

Vous avez probablement appris que lorsque vous travaillez avec un ensemble de données, il est important de vérifier vos chiffres. Mais vous n'avez pas encore fini. Vous devez examiner comment vos chiffres sont apparus. Il se peut que la conception de votre expérience comporte des défauts.

De plus, même en supposant que vos données vous montrent ce que vous pensez qu'elles sont, vous pouvez toujours interpréter ces données de manière incorrecte. Voici quelques coupables courants à avoir sur votre radar :

Biais : ce concept statistique reflète une idée fondamentale de l'échantillonnage, à savoir que les groupes que vous analysez doivent être représentatifs de votre population globale. Dans un contexte marketing, les biais peuvent survenir pour diverses raisons. Par exemple, les personnes de votre échantillon peuvent partager un trait commun que vous n'essayez pas de suivre ou d'inclure dans votre analyse actuelle. Voici un exemple : vous pourriez finir par généraliser le comportement d'achat pour tous vos clients, même si vous avez en fait une proportion plus élevée d'individus plus riches dans votre échantillon que votre clientèle moyenne.

Facteurs de confusion : vous pouvez être obsédé par la relation entre deux variables, sans vous rendre compte qu'il existe une troisième variable cachée qui entraîne la corrélation. Par exemple, vous remarquerez peut-être que vos ventes augmentent pendant les vacances d'été et concluez que les vacances sont les meilleurs jours pour les achats, mais en réalité, les ventes sont influencées par le fait qu'il fait chaud.

Erreurs logiques : très probablement, vous les avez apprises au primaire ou au collège (elles sont de retour pour vous hanter dans votre carrière en analyse marketing). Voici quelques-uns des plus courants qui pourraient apparaître dans votre analyse de données :

Erreur écologique : Tirer des conclusions sur un individu en se basant sur un groupe.
Sophisme noir ou blanc : supposer que deux états sont les seules possibilités alors qu'en fait il y a plus d'options.
Cause perçue : supposer que quelque chose cause autre chose, mais en fait il n'y a pas de relation causale. Cette erreur est liée à l'expression « la corrélation n'est pas la causalité », que vous avez peut-être entendue dans les cours de statistiques ou de sciences dans le passé.

De la parole aux actes

Jouer l'avocat du diable est souvent plus facile à dire qu'à faire : vous pouvez vous retrouver en désaccord avec la suite c, passer plus de temps à analyser votre ensemble de données et à vous tourmenter sur les histoires inédites qui, selon vous, passent entre les mailles du filet. Vous pouvez être sous pression pour extraire des chiffres pour un rapport trimestriel ou une campagne de relations publiques, ou vous pouvez être impatient de faire un jugement de campagne basé sur ce que vous lisez dans votre tableau de bord d'analyse.

Néanmoins, il est important de tenir bon et de s'assurer que vous faites une prévision précise basée sur les subtilités de votre jeu de données. Sinon, vos prévisions, projections et même la mesure des résultats pourraient être erronées.

Pour vous aider à démarrer, voici quelques mesures qui sont souvent mal interprétées.

Métrique	Interprétation commune	Possible histoire cachée	Que faire à ce sujet
Taux de rétention élevé	Des taux de rétention élevés suggèrent que votre produit rend vos clients heureux. Vous pourriez penser que vous êtes en bonne position.	Ce sont vos clients les plus précieux qui tournent et vos clients les moins chers qui restent, du moins pour le moment.	Regardez les statistiques de votre échantillon retenu par rapport à l'échantillon baratté. Ensuite, élaborez une stratégie pour une campagne ou des campagnes visant à fidéliser vos précieux clients.
Taux de désabonnement élevé	Des taux de désabonnement élevés peuvent vous amener à croire qu'il y a quelque chose qui ne va pas avec votre produit.	Vous attirez peut-être la mauvaise clientèle (c'est-à-dire que votre produit/marché n'est pas adapté) ou vous perdez peut-être des utilisateurs au profit d'un nouveau concurrent dont vous devez vous différencier.	Analysez comment vos taux de désabonnement varient selon vos différents segments de clientèle. Déterminez s'il existe des modèles clairs, comme autour du canal d'attribution ou des données démographiques.
Augmentation des utilisateurs actifs quotidiens (DAU) ou des utilisateurs actifs mensuels (MAU)	Vos utilisateurs ouvrent votre application, ils doivent donc être engagés.	Ils ouvrent votre application, mais ils n'effectuent aucune conversion valable pendant qu'ils sont dans l'application.	Découvrez ce que font vos utilisateurs après s'être connectés à votre application. Vous pouvez décider de suivre de nouvelles mesures qui mettent en évidence différents niveaux d'"activité" (c'est-à-dire les personnes qui passent un certain nombre de minutes dans l'application, les personnes qui interagissent avec une fonctionnalité particulière, etc.).
Adhérence accrue après le lancement ou la mise à jour d'une fonctionnalité	La nouvelle fonctionnalité ou la mise à jour est à l'origine de l'augmentation de l'adhérence car elle a amélioré le produit.	Une campagne de messagerie réussie, des dépenses publicitaires ou une autre cause pourraient contribuer à l'augmentation de l'adhérence.	Assurez-vous que vous n'attribuez la causalité que lorsque vous pouvez réellement isoler toutes les variables. Sinon, vous pourriez simplement être à la recherche d'une coïncidence ou d'une correspondance.
Augmentation des désinstallations après une campagne	La campagne a été diffusée juste avant les désinstallations. Par conséquent, la campagne a provoqué une augmentation des désinstallations et quelque chose à ce sujet a nui à vos relations avec la clientèle.	Les désinstallations ne sont en fait pas nécessairement signalées au fur et à mesure qu'elles se produisent. Apple et Google utilisent des méthodes qui peuvent entraîner un délai entre une désinstallation et le moment où vous en avez connaissance. Une désinstallation signalée le 30 mars aurait pu se produire à tout moment avant le 30 mars, y compris bien avant cette campagne du 29 mars.	Vous pouvez certainement surveiller les modèles ou les sauts dans vos désinstallations, mais ne faites pas l'erreur de décider qu'une certaine augmentation des désinstallations signifie qu'une certaine campagne était le coupable.

Avant que tu partes

Au fur et à mesure que vous vous entraînerez à interpréter et à travailler avec des données, vous commencerez à avoir une idée de la façon dont vos métriques pourraient vous tromper. Si vous faites une erreur, apprenez-en. Et n'oubliez pas de tenir votre équipe au courant - à mesure que les priorités de l'entreprise changent, il est très probable que les KPI les plus importants changeront également.