Apporter des informations sur les produits au marketing

Il y a près de deux ans, j'écrivais que les équipes produit et marketing devaient renforcer leur collaboration en matière d'analyse numérique. Avant de rejoindre Amplitude, j'avais vu de nombreux cas d'organisations travaillant en silos pour l'analyse numérique. Les équipes produit et marketing ont utilisé différentes mesures de réussite ou même différents produits d'analyse. Chez Amplitude, nous avions une vision selon laquelle le marketing et l'analyse des produits convergeraient, et deux ans plus tard, nous voyons la preuve que notre vision était correcte.

Amplitude pensait que les équipes produit et marketing devraient accroître la collaboration liée à l'analyse, car nous avons vu des opportunités pour les deux équipes de bénéficier l'une de l'autre. Dans cet article, je vais décrire certains des avantages que les clients d'Amplitude voient grâce à notre combinaison d'analyses de produits et de marketing. Plus précisément, nous expliquerons comment les spécialistes du marketing peuvent tirer parti des informations sur les produits pour améliorer leurs campagnes marketing grâce aux données d'analyse des produits.

Comprendre la conversion en aval

En tant que spécialiste du marketing, je sais à quel point il peut être difficile de démontrer la valeur du marketing. Les spécialistes du marketing travaillent dur pour trouver des moyens nouveaux et créatifs d'attirer de nouveaux clients pour acheter des produits (B2C), afficher du contenu (Médias) ou convertir en prospects (B2B). Bon nombre des mesures que les spécialistes du marketing utilisent pour justifier leurs efforts sont à court terme. Le nombre de visiteurs uniques, de rebonds, de commandes et de prospects ne fait souvent qu'effleurer la surface de ce qui est nécessaire.

Par exemple, supposons que vous travailliez pour une société de logiciels B2B et que vous ayez des campagnes mettant en évidence les fonctionnalités qui rendent votre produit meilleur que vos concurrents. Votre campagne marketing peut inclure des annonces de recherche payantes, des annonces display et des annonces vidéo pour inciter les utilisateurs à participer à un essai gratuit de votre produit logiciel. Vous pouvez utiliser la fonctionnalité d'analyse marketing pour voir quelles parties de votre campagne marketing attirent le plus d'utilisateurs vers vos propriétés numériques. Dansune certainemesure (en raison des failles de l'attribution multi-touch), vous pouvez également voir quels éléments de campagne amènent les utilisateurs à remplir des formulaires de prospection. Mais supposons qu'il faille quelques semaines ou quelques mois aux utilisateurs pour s'engager dans l'essai gratuit de votre logiciel et finalement acheter.

Dans ce scénario, les données d'analyse marketing ne peuvent fonder leurs conclusions que sur des données jusqu'au moment où un utilisateur remplit un formulaire de prospect. Après cela, l'équipe produit capture les données d'utilisation des produits d'essai gratuits à l'aide de la fonctionnalité d'analyse des produits. Si les données d'utilisation du produit sont isolées des données d'analyse marketing dans le même produit d'analyse ou dans un produit d'analyse différent, il est impossible de connecter l'utilisation du produit à la campagne marketing. Mais si les données d'analyse sont connectées, idéalement dans le même produit d'analyse, il est possible de joindre les données d'utilisation de l'essai gratuit à la campagne marketing qui a conduit l'essai gratuit.

La première façon dont les informations sur les produits peuvent aider à améliorer les campagnes marketing consiste à rendre compte du véritable succès en aval. Supposons que les données produit puissent montrer quels prospects ont acheté le produit après l'essai gratuit. Dans ce cas, les données d'analyse des produits peuvent montrer à l'équipe marketing quelles campagnes ont mené au succès en aval, souvent lié aux revenus. Au lieu de baser les décisions de futures campagnes marketing sur le nombre de prospects ou de MQL, les décisions peuvent être basées sur la conversion réelle. Ces données peuvent aider à clarifier quelles campagnes marketing fonctionnent et lesquelles ne fonctionnent pas. Par exemple, certains mots-clés de recherche payants peuvent générer de nombreux prospects mais entraîner très peu de conversions en aval.

À l'inverse, certaines campagnes marketing peuvent ne pas sembler bonnes en fonction du nombre de prospects, mais convertir de manière significative. Le fait de disposer de données de conversion en aval élimine une grande partie des conjectures et permet aux équipes marketing de transférer de précieux budgets publicitaires vers les campagnes qui génèrent des revenus. Bien sûr, cela suppose que vous puissiez connecter avec précision la campagne marketing au prospect, ce qui devient de plus en plus difficile dans le monde actuel sans cookies et centré sur la confidentialité ! Mais en supposant que vous puissiez surmonter cet obstacle, tirer parti des données d'analyse des produits pour afficher les conversions en aval est un moyen pour le produit et le marketing de bénéficier de la collaboration.

Comprendre l'utilisation des fonctionnalités du produit/de l'application

La prochaine façon dont les informations sur les produits peuvent aider les campagnes marketing consiste à utiliser les fonctionnalités des produits numériques. Les équipes produit passent beaucoup de temps à comprendre comment les utilisateurs interagissent avec les différentes fonctionnalités du produit. Dans un contexte B2B, cela peut signifier analyser quelles fonctionnalités logicielles sont utilisées. Dans un environnement B2C, cela peut signifier analyser les filtres utilisés par les utilisateurs pour filtrer les produits sur un site Web de commerce électronique. Indépendamment des fonctionnalités spécifiques ou du modèle commercial, comprendre ce qui intéresse les utilisateurs du point de vue du produit peut être utile à l'équipe marketing. Voyons cela à travers quelques exemples.

Poursuivant notre précédent exemple de logiciel B2B, l'équipe produit a un aperçu des fonctionnalités du produit utilisées lors des essais gratuits. Cela pourrait fonctionner avec le marketing pour déterminer si l'utilisation des fonctionnalités dans l'essai gratuit diffère en fonction de la campagne marketing à l'origine de l'utilisateur. Si les spécialistes du marketing apprennent que les utilisateurs de la campagne A ont tendance à utiliser le plus les fonctionnalités A, B et C dans l'essai gratuit, ils peuvent utiliser ces informations dans les futures campagnes marketing pour mettre en évidence ces fonctionnalités. Par exemple, supposons que les utilisateurs provenant du terme de recherche payant "outils de gestion de base de données" entrent dans l'essai gratuit et utilisent principalement la fonction de recherche du produit. Ce scénario peut présenter une opportunité de partager plus d'informations sur la fonction de recherche dans les futures publicités. Peut-être sous le titre de l'annonce de recherche payante, l'équipe marketing ajoute : « Découvrez la meilleure fonctionnalité de recherche de tous les produits de gestion de base de données ! " Ce type de publicité basée sur les données peut aider à augmenter les taux de conversion et le retour sur les dépenses publicitaires (ROAS).

Dans un contexte B2C, supposons qu'un détaillant en ligne utilise des données d'analyse de produits pour déterminer que de nombreux nouveaux clients provenant de campagnes marketing utilisent la fonction de filtre de navigation de gauche pour affiner les produits. Plus précisément, les utilisateurs interagissent souvent avec les filtres de dimensionnement et de notation pour trouver des produits. Ces informations indiquent au détaillant que les nouveaux venus dans la marque souhaitent pouvoir filtrer rapidement ses produits en fonction de ces attributs essentiels. Vous pouvez ensuite partager ces informations avec l'équipe marketing et les ajouter aux futures campagnes marketing. Par exemple, les nouvelles campagnes peuvent utiliser des phrases telles que «Trouvez les meilleurs produits XYZ par taille ou évaluation client…» Ou les publicités vidéo peuvent souligner à quel point il est facile de trouver des produits en utilisant les filtres spécifiques que de nombreux prospects ont tendance à utiliser. Ce ne sont là que quelques exemples simples d'utilisation des informations sur l'utilisation des fonctionnalités issues de l'analyse des produits pour améliorer les futures campagnes marketing.

Comprendre l'abandon

En tant que spécialiste du marketing, il est souvent difficile de suivre l'activité de ceux que vous acquérez au-delà de leurs interactions initiales. Par exemple, un spécialiste du marketing peut savoir qu'il a conduit un nouveau client vers un site Web de vente au détail, mais que se passe-t-il si ce visiteur achète un produit au cours de cette session, mais achète beaucoup plus de produits trente jours plus tard ? Selon la sophistication du suivi des analyses marketing, il peut être difficile de prouver que la campagne marketing a généré des achats en aval. Dans un exemple B2B, un spécialiste du marketing peut savoir qu'il a conduit un nouvel utilisateur à un essai gratuit, mais peut ne pas savoir que le même utilisateur a abandonné l'essai gratuit après quelques jours.

Ces deux exemples impliquent de comprendre l'abandon des produits numériques. De nombreuses implémentations d'analyse de produits encouragent ou obligent les utilisateurs à créer un identifiant unique (via l'authentification) pour répondre au concept d'abandon. En B2C, cela peut passer par la création d'un compte sur un site marchand. En B2B, cela peut impliquer de se connecter pour utiliser un produit. Vous pouvez ensuite assembler le comportement des utilisateurs sur différents appareils et sessions lorsque vous disposez de comptes authentifiés. L'assemblage des utilisateurs permet aux équipes de produits et aux données d'analyse des produits de voir à quelle fréquence chaque utilisateur revient sur le site Web ou l'application au fil du temps.

Dans l'exemple B2C précédent, l'équipe produit peut voir les achats au-delà de l'achat initial. Tous les achats d'un même utilisateur sont associés à la campagne marketing d'origine à l'origine de l'utilisateur. Cette association permet à l'équipe produit de voir la valeur à vie de l'utilisateur et de travailler avec le marketing pour les affecter aux campagnes marketing. La valeur à vie, à son tour, aide le marketing à identifier une vue plus précise du retour sur les dépenses publicitaires. L'équipe produit peut également travailler avec le marketing pour identifier les clients connus qui ne sont pas revenus sur le site Web au cours desxdernières semaines. Le marketing peut utiliser ces informations pour déclencher des campagnes de remarketing afin de réengager les clients qui sont devenus inactifs.

Dans l'exemple B2B précédent, l'équipe produit peut identifier les utilisateurs de l'essai gratuit qui ont cessé de participer à l'essai gratuit. Vous pouvez utiliser des cohortes d'utilisateurs d'essai gratuits dormants pour rappeler aux utilisateurs qu'ils ont un temps limité pour explorer le produit avant qu'il ne soit trop tard. Ou le marketing peut travailler avec l'équipe produit pour grouper les utilisateurs d'essais gratuits dans des cohortes en fonction des étapes d'essai gratuit qu'ils ont et n'ont pas prises. Ce type de cohorte peut fournir au marketing un moyen de cibler des cas d'utilisation spécifiques pour libérer des bandes-annonces. Par exemple, supposons que cinquante utilisateurs d'un essai gratuit aient exécuté un rapport mais ne l'aient envoyé à personne. Dans ce cas, l'équipe produit peut travailler avec le marketing pour envoyer un e-mail personnalisé aux utilisateurs formés sur la façon de passer à l'étape suivante et de partager des rapports avec des collègues.

Un autre avantage de la combinaison des équipes et des données marketing et produit est la visualisation de l'utilisation à long terme des produits par campagne ou canal marketing. Les spécialistes du marketing sont doués pour voir quand les utilisateurs rebondissent immédiatement de leurs campagnes ou s'ils reviennent au cours des 30 ou 90 prochains jours. Mais après 90 jours, la plupart des organisations s'appuient sur les données d'analyse des produits pour analyser la rétention des utilisateurs. La nécessité d'une analyse de la rétention à long terme est la raison pour laquelle les outils d'analyse de produits offrent de nombreux rapports et visualisations de rétention des utilisateurs différents, tandis que les produits d'analyse marketing en offrent très peu.

Une fois les données de marketing et d'analyse de produit combinées, vous pouvez utiliser les rapports de rétention d'analyse de produit standard pour afficher la rétention des utilisateurs par canal marketing ou campagne :

Quel que soit le contexte, le fait que l'équipe produit partage ses informations sur l'utilisation et l'abandon avec le marketing permet aux deux équipes d'en bénéficier.

Comprendre quelles campagnes attirent les bons/mauvais utilisateurs

Alors que les spécialistes du marketing aimeraient penser qu'ils peuvent cibler des publics spécifiques d'utilisateurs à travers leurs campagnes de marketing, cela est difficile à faire en réalité. Vous pouvez faire de la publicité sur un site Web populaire auprès d'une population plus jeune pour cibler les plus jeunes. Vous pouvez utiliser des réseaux sociaux comme Facebook et Instagram pour cibler des publicités à un niveau de granularité élevé. Mais peu importe à quel point vous concentrez vos campagnes marketing sur le bon public, vous aurez des personnes qui cliquent sur vos campagnes qui conviennent à votre produit/service et celles qui ne le sont pas. La preuve de la précision du ciblage est lorsque les utilisateurs effectuent les actions que vous souhaitez qu'ils effectuent après que vous les avez acquis.

Alors que les spécialistes du marketing sont doués pour constituer des cohortes de clientspotentiels, les équipes de produits sont douées pour constituer des cohortes de clientsréels. Les équipes produit utilisent la fonctionnalité d'analyse des produits pour identifier les utilisateurs qui effectuent les tâches ou les parcours souhaités. Ces cohortes peuvent être simples ou complexes, selon la situation. Par exemple, une équipe produit peut déterminer que son profil client idéal (ICP) pour un service de streaming musical est un utilisateur qui écoute au moins cinq chansons par semaine et crée au moins une liste de lecture tous les trois mois.

Quels que soient les critères, les équipes produit peuvent utiliser des outils d'analyse de produits pour créer des cohortes de leurs utilisateurs idéaux et, à l'inverse, ceux qui ne le sont pas. Vous pouvez utiliser ces cohortes pour déterminer quelles campagnes ou quels canaux marketing attirent les bonnes et les mauvaises personnes. Certaines campagnes de marketing peuvent attirer de nombreux nouveaux clients, mais pas les bons types de clients. Prenons un exemple. Supposons qu'une équipe marketing dépense de l'argent pour la recherche payante, les ressources de référencement et quelques petites communautés/événements. Lorsque les visiteurs entrent dans l'entonnoir d'acquisition, vous capturez leur source dans un produit d'analyse numérique comme Amplitude. Après l'acquisition, l'équipe produit construit des cohortes qui identifient leurs utilisateurs « puissants » et ceux qui ne sont pas des utilisateurs « puissants ». L'équipe marketing et produit visualise ensuite les canaux d'acquisition marketing par chacune de ces cohortes inverses :

Vues sous cet angle, certaines sources marketing (SEO, Product Club Forum et Product World Conference) peuvent attirer plus d'utilisateurs expérimentés que d'utilisateurs non expérimentés. Certaines des sources de marketing les moins actives, comme le Product Club Forum et la Product World Conference, représentent plus du double de leur pourcentage d'utilisateurs expérimentés. Même si ces deux sources sont éclipsées en volume par rapport à la recherche payante, elles produisent plus d'utilisateurs puissants sur une base relative. Que se passerait-il si ces sources recevaient plus d'attention que la recherche payante ? Investir davantage dans ces campagnes pourrait être une expérience intéressante pour voir si le marketing répartit mal ses budgets.

Comme vous pouvez le voir, l'avantage de connecter les données d'utilisation des produits et les cohortes à l'activité marketing est qu'il peut éclairer les opportunités d'amélioration. La combinaison des données marketing et produit est un moyen pour les équipes produit d'informer et d'améliorer les campagnes marketing. Mais ces avantages dépendent de l'utilisation par les deux équipes de la même plate-forme d'analyse numérique ou d'un autre moyen de joindre les données des utilisateurs.

Résumé

Traditionnellement, les équipes marketing et produit travaillaient en silos. Le marketing était responsable de l'acquisition des clients, et l'équipe produit les engageait et les fidélisait. Mais il existe de nombreuses façons pour les équipes produit de collaborer avec les équipes marketing et de les aider à atteindre leurs objectifs grâce à l'analyse et aux données des produits. Les équipes produit ont souvent des informations sur le comportement des utilisateurs à plus long terme que les équipes marketing n'ont pas. Voici quelques exemples :

• Comprendre la conversion en aval
• Comprendre l'utilisation des fonctionnalités du produit/de l'application
• Comprendre l'abandon
• Comprendre quelles campagnes attirent les bons/mauvais utilisateurs

Ce ne sont là que quelques exemples de la façon dont les informations sur les produits peuvent aider à améliorer les campagnes marketing et pourquoi les équipes marketing et produit devraient accroître la collaboration liée à l'analyse numérique.