L’augmentation de la clientèle Les coûts d’acquisition (CAC) créent une véritable brèche dans les budgets marketing, plaçant les équipes marketing dans une position où elles doivent faire plus avec moins.
En ce qui concerne les campagnes d’acquisition d’utilisateurs, quelques petits incendies doivent d’abord être éteints. Les problèmes de nombreuses organisations découlent de décisions prématurées majeures prises sur la base de données incomplètes, et c’est un problème qui pèse plus lourdement sur les startups qui vendent à d’autres entreprises que celles qui vendent aux consommateurs.
Pour commencer, les startups B2B ont généralement des entonnoirs plus longs que leurs homologues car leurs offres incluent souvent des options freemium et des essais gratuits. En conséquence, ces startups ne voient pas beaucoup de conversions au cours des premières semaines suivant l’acquisition de nouveaux abonnés. Cela ne veut pas dire qu’il n’y aura pas plus de conversions – les startups B2B qui suivent un modèle de croissance axé sur les produits ont simplement besoin de plus de temps.
En fin de compte, les équipes marketing de ces B2B finissent par se démener pour prendre des décisions de campagne majeures en fonction des premiers CAC ou des mesures de retour sur les dépenses publicitaires (ROAS) qui reposent sur des moyennes historiques. Ils ont besoin d’une petite aide supplémentaire sous la forme de marketing prédictif, dont certains éléments peuvent facilement être réalisés en interne.
Pour vous aider à mieux évaluer vos campagnes dès le début, notre équipe de science des données a créé un Simulateur de probabilité de groupe d’annonces.
Les spécialistes du marketing peuvent utiliser cet outil pour estimer la probabilité de la capacité d’une campagne à générer un ROAS élevé au fil du temps en saisissant simplement quelques chiffres.
Comme son nom l’indique, les spécialistes du marketing peuvent utiliser cet outil pour estimer la probabilité de la capacité d’une campagne à générer un ROAS élevé au fil du temps en saisissant simplement quelques chiffres.
Comment utiliser le simulateur
Étape 1
Sur la base de vos données de campagne historiques, remplissez la classification du groupe de qualité, qui divise vos campagnes en groupes de clusters de qualité 1-5, où 5 est la meilleure qualité (avec la plus forte probabilité de conversion) et 1 est la moins favorable (la plus faible probabilité de convertir).
Naturellement, les campagnes ont une probabilité plus élevée d’appartenir à ce dernier. Si vous ne disposez pas de ces données, demandez à votre équipe BI de les extraire pour vous en suivant les instructions ci-dessous :
Choisissez les conversions moyennes du groupe de clusters de qualité. Supposons que vous disposiez de l’historique de 500 groupes d’annonces et que vous vous intéressiez aux conversions survenues au cours des 12 mois.
Option 1
Prenez l’ensemble de vos 500 groupes d’annonces et calculez les 10e, 30e, 50e, 70e et 90e centiles du taux de conversion sur 12 mois. Ce sont les centres des taux de conversion de vos cinq groupes de clusters.
Option 2
