La plupart des rapports que nous héritons d’une agence précédente partagent un problème. Ils sont pleins de chiffres, et aucun ne répond à la question posée par le client : si l’argent dépensé le trimestre dernier a produit plus d’argent ce trimestre. Les métriques d’agence de marketing AI qui survivent à l’examen ne sont pas celles qui bougent le plus vite ou qui paraissent les plus impressionnantes sur une diapositive. Ce sont celles qui connectent une décision de dépense à un résultat commercial avec une chaîne de preuves qu’un directeur financier peut suivre. Cette chaîne est ce que nous construisons en premier, avant de toucher à une enchère ou à un brief.
L’AI dans la gestion de campagnes a rendu cela plus difficile plutôt que plus facile. Les enchères automatisées, les créatifs générés et les modèles de prédiction d’audience produisent tous des scores internes, et ces scores sont tentants à rapporter car ils sont abondants et ont généralement une tendance à la hausse. Mais un score de confiance de modèle n’est pas un résultat. Pas plus que le nombre de variantes créatives produites ou les heures de travail manuel qu’un outil prétend avoir économisées. Nous traitons cela comme de la télémétrie opérationnelle et les gardons hors de la section où le client décide ce qu’il faut financer ensuite.
Commencez par la décision, pas par le tableau de bord
Une métrique gagne sa place en changeant une décision. Avant d’ajouter quoi que ce soit à un rapport, nous demandons quelle action un mouvement dans ce chiffre déclencherait. Si la réponse honnête est rien, il est supprimé. La part d’impressions est un bon exemple. Seule, elle ne change rien, car la bonne réponse à sa perte dépend de si les enchères perdues valaient la peine d’être gagnées. Associée à un coût par prospect qualifié au niveau du segment, elle devient exploitable : nous pouvons dire que nous cédons du terrain délibérément dans un segment qui convertit à la moitié de la moyenne du compte.
Ce cadrage protège également contre l’accumulation lente de vanité dans les rapports d’agence. Quelqu’un demande un graphique au deuxième mois, il n’est jamais supprimé, et au quatorzième mois, le deck a quarante diapositives et un client qui saute à la dernière. Nous examinons la structure du rapport trimestriellement et supprimons plus que nous n’ajoutons. Un rapport court qu’un client lit en entier bat un rapport complet qui finit classé.
Les métriques d’agence de marketing AI que nous rapportons réellement
L’ensemble de base est petit et délibérément ennuyeux. Coût par prospect qualifié, défini avec le client plutôt que par nous, car la définition de qualifié appartient à l’équipe de vente. Marge de contribution après médias et frais, pour que le chiffre porte le coût du travail qui l’a produit. Période de récupération, qui compte plus que le retour sur investissement publicitaire combiné pour tout modèle d’achat répété. Revenu incrémental là où nous pouvons le tester honnêtement, étiqueté comme corrélé là où nous ne pouvons pas.
- Coût par prospect qualifié, segmenté par canal et par la propre étape de qualification de l’équipe de vente, pas par un événement de conversion de plateforme
- Marge de contribution après dépenses médias, frais d’agence et coûts de plateforme, rapportée mensuellement pour que la tendance soit visible avant qu’elle ne devienne un problème
- Période de récupération en mois, avec les hypothèses sur la rétention écrites à côté plutôt qu’enterrées dans une annexe
- Part du pipeline sourcée versus influencée, gardée séparée, car les fusionner gonfle chaque chiffre en aval
- Taux d’intervention du modèle : combien de fois notre équipe a outrepassé une décision d’enchère ou de budget automatisée, et ce qui s’est passé ensuite
Ce dernier point est celui que les clients demandent rarement et celui qui leur en dit le plus sur l’agence qu’ils ont embauchée. Si nous n’outrepassons jamais l’automatisation de la plateforme, ils paient pour l’accès à un bouton. Si nous outrepassons constamment et que les résultats ne s’améliorent pas, nous ajoutons du bruit. Suivre l’intervention et son résultat nous garde honnêtes sur l’endroit où le jugement ajoute de la valeur et où la machine avait déjà raison.
L’attribution est un modèle, alors dites-le
Chaque configuration d’attribution est un ensemble d’hypothèses portant le costume d’un fait. Le dernier clic sous-évalue tout ce qui est en amont. Les modèles basés sur les données se déplacent sous vous lorsque les données sous-jacentes s’amincissent. Les conversions rapportées par la plateforme sont mesurées par la partie vendant la publicité, un conflit qui vaut la peine d’être nommé à voix haute. Rien de tout cela ne rend l’attribution inutile, mais le chiffre doit voyager avec ses hypothèses attachées.
Notre approche pratique est de tenir deux vues à la fois. Les chiffres de la plateforme pilotent l’optimisation en vol, où le mouvement relatif compte plus que la précision absolue. Une vue réconciliée construite à partir des propres données de commande ou CRM du client pilote les décisions budgétaires. Lorsque les deux divergent largement, nous enquêtons sur l’écart plutôt que de choisir le chiffre le plus amical. L’écart est souvent le chiffre le plus informatif du rapport, pointant vers des échecs de suivi, de longs cycles de considération ou des canaux faisant un travail non crédité.
Construire des chiffres qui résistent au questionnement
Une métrique défendable a quatre propriétés. Sa définition est écrite et n’a pas changé silencieusement. Sa source est un système que le client contrôle ou peut auditer. Sa fenêtre de temps est fixe plutôt que choisie après coup. Et un mécanisme plausible connecte l’activité au résultat, énoncé en une phrase. Quand quelqu’un demande comment nous savons, nous devrions être capables de décrire la conception du test, le groupe témoin et la période sans chercher une métaphore.
Là où un test propre n’est pas possible, et pour la plupart des comptes de taille moyenne, ce n’est souvent pas le cas, nous le disons clairement et rapportons les preuves directionnelles pour ce qu’elles sont. Les clients ne s’opposent presque jamais à un chiffre étiqueté comme une estimation. Ils s’opposent à découvrir qu’un chiffre qu’ils traitaient comme certain était une estimation tout du long. Choisir des métriques d’agence de marketing AI que vous pouvez défendre signifie accepter des revendications plus petites en échange de revendications qui survivent à la prochaine réunion, à la prochaine revue financière et à la prochaine agence qui vient pour démonter votre travail.
Continuez à lire : Agence de marketing AI · Optimisation AI