Encore un article sur la répétition me direz-vous ! Je me répète à parler de répétition, jolie mise en abyme, Borges et Vélasquez auraient aimé !

C’est le dernier de cette série, promis (avant la série suivante) !

Un des problèmes qui ont laissé la répétition dans le caniveau de l’innovation publicitaire, c’est qu’aucun indicateur n’a été inventé pour la mesurer.

Renseigne-toi, Laurent, me direz-vous, il y a la répétition moyenne et le capping ! Ouais, supers indicateurs, qui ne permettent aucune amélioration des performances d’une campagne.

J’ai déjà écrit que la répétition moyenne ne veut rien dire.
50% des contacts à une répétition, et 50% à 9 répétitions, ça fait une moyenne de 5 (ce qui peut être un objectif légitime). Mais pour moi, ça fait la moitié des contacts sous-exposés (perte d’efficacité), et l’autre moitié surexposée (budget non respecté).

Pour moi, le marché n’a jamais inventé l‘indicateur qui mesurerait la qualité de la distribution des contacts.

J’ai alors pensé à introduire une notion de distance par rapport à l’objectif de répétition. Qu’est-ce qu’une distance ? On raisonne souvent en distance dans un espace de dimension 2 (un plan, de coordonnées x et y). Dans ce cas, la distance d’un point (x, y) par rapport à l’origne (0, 0) se mesure avec une norme, et la norme en dimension 2, c’est

Lorsqu’on cherche à optimiser sur une dimension, on utilise la norme 1, c’est-à-dire la norme d’espace de dimension 1. Cette norme est égale à ||

Donc on prend simplement la valeur absolue de la distance qui nous sépare de l’objectif.

Exemple :

• objectif = 4
• valeur = 1 donc distance = 3 (valeur absolue de 4 – 1)
• valeur = 8 donc distance = 4 (valeur absolue de 4 – 8)

L’intérêt de cette méthode, outre sa simplicité extrême, c’est qu’elle va prendre en compte à la fois la sous-exposition (répétition inférieure à l’objectif) et la sur-exposition (répétition supérieure à l’objectif). Les deux problèmes sont de nature différente, mais c’est très pratique de les ramener à une seule mesure.

Reprenons les exemples de distribution de contacts que j’ai présentés dans un précédent article sur le sujet :
En abscisse, le nombre de publicités reçues par individu, en ordonnée, le nombre d’individus qui ont reçu une, deux, trois, … publicités de la campagne. En bleu, la répétition optimale (cible, ici 4 pour l’exemple).

Calculons la distance moyenne de chaque distribution :

Intuitivement, on vérifie que, plus la distribution se rapproche de l’optimum, 4, plus la distance est faible. Si tous les contacts étaient à 4, la distance serait de 0 !

Avec cet indicateur, on peut mesurer la qualité de la répétition publicitaire. Et pas seulement avec une moyenne de répétition qui ne veut rien dire.

Avec l’expérience Alenty, je ne connais que trop bien les difficultés à imposer un nouvel indicateur (nous avons inventé le taux de visibilité en 2007, je ne vous dis pas le temps qu’on a passé à éduquer le marché !).

Je ne pense donc pas que cet indicateur va entrer dans le langage courant des acheteurs média. Mais à tout le moins, il pourra servir de base pour des algorithmes d’optimisation des performances publicitaires.

Qu’en pensez-vous ?