3 façons dont les données peuvent vous induire en erreur — et comment obtenir de meilleures informations

Les spécialistes du marketing modernes sont obsédés par les données – et pour cause. Il nous donne une orientation et éclaire nos stratégies, entre autres avantages. Mais toutes les données ne sont pas également utiles ou utiles. De mauvais ensembles de données peuvent être tout aussi préjudiciables à votre programme 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 une mauvaise utilisation des données peut nuire à nos efforts marketing et comment une méthodologie de test holistique peut aider à obtenir de meilleures informations.

Les données sont au cœur des tendances marketing importantes

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

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 à des fins de traitement ou, comme le définit Google, de « choses connues ». ou supposé comme des faits, constituant la base d’un raisonnement ou d’un calcul » (c’est moi qui souligne).

C’est dans cette partie « ou supposée » que 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 également ne pas signifier ce que vous pensez.

Creusez plus profondément : 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 les données, à la fois pour les choses évidentes et pour les choses non évidentes (pour emprunter un terme à Rohit Bhargava).

Pour les spécialistes du marketing par courrier électronique, l’évidence inclut 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 étapes suivantes. C’est pourquoi le marketing par e-mail est si utile. Il génère des données que nous pouvons appliquer dans toute l’écosphère marketing.

Ensuite, il y a la valeur non évidente. Nos données de courrier électronique 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 bien plus encore dans toute l’entreprise.

Nos campagnes sont comme une source continue d’études de marché. Étant donné que les personnes à qui nous envoyons des e-mails sont nos clients potentiels et existants, nous exploitons, suivons et mesurons quotidiennement notre clientèle.

De plus, la technologie marketing actuelle facilite la collecte de données. Nous trouvons des données partout où nous nous tournons : dans nos ESP, nos plateformes d’automatisation, nos CRM et nos moteurs de commerce électronique. Les chiffres nous dépassent si vite que nous ne pouvons pas tous les attraper.

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

Creusez plus profondément : Pourquoi nous nous soucions du marketing par e-mail : guide du spécialiste du marketing

« Insights, insights, insights » et non « données, données, données »

Comme le dit parfaitement mon bon ami Chad S. White, auteur de « Email Marketing Rules » :

« 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 des analyses, c’est la façon dont vous trouvez les informations qui se cachent dans vos données.

Les données vous induiront souvent en erreur. Vous devez vous assurer que vous apportez vos connaissances sur vos clients, vos connaissances sur votre entreprise et analyser ces données pour éliminer toutes les conneries et vous retrouver avec ce qui vaut de l’or.

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

– Tchad S.Blanc 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 réelles des fausses pour savoir ce que cela signifie réellement.

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

Ainsi, cela peut être préjudiciable lorsque nous collectons de mauvaises données ou recherchons des significations que les données ne sont pas habilitées à donner car, comme le dit White, elles nous incitent à nous tromper. Des données erronées sont aussi néfastes que l’absence de données – peut-être pire encore, car elles peuvent vous donner un faux sentiment de sécurité et de réussite.

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

Quand de bonnes données tournent mal : 3 scénarios à surveiller

Permettez-moi de me corriger : les données ne se détériorent pas. C’est la façon dont nous l’utilisons et l’interprétons qui crée des problèmes. Lorsque vous utilisez mal vos données – 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 en matière de tests et ont dévié du chemin parce que les tests n’étaient pas configurés correctement ou parce que l’équipe était parvenue à de mauvaises conclusions. Voici trois scénarios dans lesquels les données peuvent vous inciter à de mauvais tests A/B.

1. Optimiser pour une mauvaise mesure de réussite

Le courrier électronique est réputé pour être si facile à mesurer. Trop souvent, les indicateurs que nous choisissons ne rendent pas compte du véritable succès ou de l’échec de nos campagnes. Mais ne soyons pas trop durs avec le courrier électronique. Les spécialistes du marketing sur tous les canaux, des médias sociaux au marketing d’influence, font la même erreur.

Le taux d’ouverture est le coupable évident. Cette mesure résout un problème qui afflige les spécialistes du marketing numérique et traditionnel : savoir si quelqu’un a réellement consulté nos campagnes ou s’il les a simplement fait défiler, a tourné la page, a jeté le catalogue ou s’est levé pour une collation pendant la publicité. Il n’est pas étonnant que nous ayons sauté sur des taux d’ouverture importants pour mesurer notre 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 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 cliquer ensuite. 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 de messagerie, telles que les ouvertures, les heures et les lieux. Ils craignaient de perdre un indicateur de performance clé. C’était un rappel opportun pour nous tous que le taux d’ouverture ne correspond pas toujours aux objectifs de notre campagne.

Cependant, la solution de contournement suggérée par beaucoup de 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 joués et ils ne sont pas toujours en corrélation avec les conversions.

2. Changer de direction sur la base de tests ponctuels

Cette erreur va de pair avec une optimisation pour une mauvaise mesure 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 seulement. Vous pourriez même obtenir des résultats 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 désormais toutes nos lignes d’objet comme la ligne d’objet A ! »

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

• A a obtenu plus d’ouvertures que B, et il s’est 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, auprès de cette audience. Mais votre public évolue constamment. Les personnes qui ont ouvert et cliqué sur votre version dite gagnante cette fois-ci ne seront peut-être pas celles qui verront votre prochaine campagne. Ou bien ils le verront mais ne réagiront pas de la même manière.

Changer votre approche de messagerie sur la base d’un seul test peut conduire au désastre. Vous devez continuer à tester et tester différents composants et vous assurer que vos indicateurs de réussite reflètent les objectifs de votre campagne.

Si vous souhaitez que les gens voient votre message, un taux d’ouverture ou de clics peut fonctionner. Mais si vous souhaitez qu’ils achètent, s’inscrivent, mettent à niveau, téléchargent, créent un compte ou effectuent toute autre action liée 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 une augmentation des conversions

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

« Ad hoc » est un terme sophistiqué pour « conjecture ». En fait, vous jetez les choses contre le mur pour voir ce qui colle : en testant un seul composant au lieu d’adopter une approche holistique fondée sur des hypothèses qui prend en compte tous les aspects d’une campagne.

Lorsque vous testez à la volée, vous vous exposez aux problèmes rencontrés par les gens 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 lors des 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 % supplémentaires de votre liste, d’attendre quelques heures et d’envoyer le gagnant au reste. 80%.

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

Des mesures significatives telles que les conversions ne se produisent pas toujours dans les 2 premières heures, et optimiser pour ces résultats rapides peut signifier optimiser pour un mauvais résultat. Le test 50/50 vous donne également une plus grande taille d’échantillon, rendant ainsi le test plus robuste.

La combinaison de méthodes scientifiques avec une méthodologie de test holistique vous permet de mieux comprendre votre public et ce qui le motive. En savoir plus sur les problèmes de test et mon approche de test holistique dans cette chronique MarTech, « 7 problèmes courants qui font dérailler le succès des tests d’e-mails A/B/n ».

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

Les nouveaux clients sont souvent sceptiques lorsque je souligne (de manière diplomatique, bien sûr !) que les performances de leur campagne ou les données de test ne soutiennent pas les conclusions qu’ils en ont tirées. Pourquoi les e-mails ne rapportent-ils pas d’argent même s’ils obtiennent d’excellents taux d’ouverture ou de clics ?

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

Créez trois listes :

• Le top 10 des campagnes avec le taux d’ouverture le plus élevé.
• Le top 10 des campagnes avec le taux de clics le plus élevé.
• Les 10 principales campagnes avec les conversions ou autres objectifs de campagne les plus élevés.

En supposant que votre calcul de conversion n’est pas lié à votre taux d’ouverture mais basé sur les e-mails envoyés, 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 converties par rapport à celles qui ont généré le plus d’ouvertures ou de clics ?

Avez-vous utilisé des lignes d’objet plus longues qui faisaient office de trieurs de boîte de réception, attirant ainsi vos clients les plus motivés ? Le contenu du message a-t-il utilisé des textes plus longs ou plus courts, 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, en gardant les yeux rivés 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 : « analyser ces données pour en éliminer toutes les conneries et se retrouver avec le reste. des trucs qui sont en or.