Étude de cas : "My Coke Music Soundcheck" (le test de son de Coke Music)

En collaboration avec l'agence Mediacom, Stailamedia a mené une campagne pour le compte de Coca-Cola Suisse, sous la forme d'un test A/B. Cette campagne a donné lieu à une étude de cas.

L'objectif de la campagne en ligne était d'accroître la notoriété du projet "My Coke Music Soundcheck 2015" auprès du groupe cible pertinent de jeunes Suisses aimant la musique.

stailamedia_teaser

Pour le test, la technologie de ciblage sémantique de Stailamedia a été utilisée afin d'éviter les pertes de diffusion à la fois par le biais d'un ciblage socio-démographique et d'un ciblage d'intérêt "personnes ayant une affinité avec la musique" généré individuellement pour la campagne.

stailamedia0

A la demande du client, il s'agissait de valider le retour sur investissement d'un ciblage d'intérêt individuel. Pour ce faire, deux segments de groupes cibles ont été soumis à la même pression publicitaire. Les mêmes paramètres de base ont été utilisés, tels que le frequency capping ou les mêmes créations. Le taux d'engagement a été mesuré pour chacun des deux groupes d'utilisateurs et le coût par engagement (CPE) qui en résulte a été déterminé.

stailamedia

Le taux d'engagement des utilisateurs appartenant au segment de groupe cible "personnes ayant des affinités avec la musique" était en moyenne 36,5 % plus élevé que celui des utilisateurs du groupe de comparaison. Le CPE a pu être réduit d'environ 17,8 % grâce à l'utilisation du ciblage.

Ciblage par intérêt

Le comportement d'utilisation de plus de 30 millions de clients uniques avec une moyenne de 20 contacts par mois est saisi et évalué en continu sur le Stailamedia Data Exchange - Le pool de données de plus de 100'000 pages web sur le Stailamedia Data Exchange permet d'identifier un groupe d'utilisateurs qui reflète de manière optimale l'affinité souhaitée (ici "les personnes avec une affinité pour la musique"). Ceux-ci constituent le groupe cible principal. Pour tous les autres utilisateurs, il est possible de calculer un score d'affinité qui indique dans quelle mesure le comportement d'utilisation de l'utilisateur est similaire à celui du groupe cible principal. La précision du ciblage d'intérêt peut être réglée en fonction du score d'affinité.
 

More articles on the topic