Comment une banque a réduit son CPA de 37 % en optimisant ses dépenses médias à l'aide d'une modélisation prédictive en temps réel.

Celebrus Digital Analytics Homepage Hero

Augmentation du taux de clics (CTR) sur un an

x 4,6

Augmentation du taux de conversion

x 1,6

Economies du coût par acquisition (CPA)

36.6%

Cas d'utilisation

  • Segmentation en temps réel
  • Analyses prédictives
  • Optimisation des médias payants
  • Génération de leads

Défis

Le service des prêts de la banque souhaitait développer son portefeuille grâce à
efforts de marketing digital. Dans le cadre de ce processus, il devait mesurer les performances actuelles des publicités de leurs agences préfèrées. Pour soutenir l'analyse, ils voulaient créer un système de rapports d'analyse couvrant de bout en bout de l'entonnoir de conversion. L'objectif premier de la banque était d'optimiser ses dépenses publicitaires.

13M clients

+200 ans d'activité

woman standing laptop with dot grid

Solution

Celebrus a été choisi car il s'agit d'une solution de données complète capable de boucler la boucle des données numériques et de fournir une visibilité complète de chaque parcours client, depuis la référence aux médias payants jusqu'à l'ouverture d'un nouveau compte et au-delà. La banque a également compris l'intérêt d'utiliser un hub de données d'entreprise en temps réel pour les systèmes internes et externes afin de réduire les efforts et les coûts.

Initialement, Celebrus a été acheté et déployé à des fins analytiques. La banque de détail a ensuite utilisé les capacités temps réel de Celebrus pour s'intégrer avec ses partenaires publicitaires et de les amener à l'étape suivante de leur développement. Un modèle de propension a été construit pour prédire l'intention de demander un prêt personnel en analysant chaque visiteur qui commence à parcourir les pages de la section des prêts aux particuliers du canal. Le modèle obtient des scores en continu en temps réel, selon des objectifs définis.

Le modèle a été construit de manière à définir trois segments : propension élevée, moyenne et faible. Le segment supérieur avait 12 fois le taux de réponse moyen et le segment inférieur avait 5 % du taux de réponse moyen.

La banque a intégré trois fournisseurs de publicité privilégiés, dont deux fournisseurs locaux qui couvrent Facebook et Google DoubleClick Networks, et un troisième qui gère Google Keyword Search et Yahoo Advertising. La Banque a adopté sa norme de code de suivi des publicités pour les campagnes et les promotions, réduisant ainsi le temps de déploiement et les efforts de cartographie/conversion dans l'analyse.

Grâce à la collecte de données Celebrus, une année de données historiques sur les clients du site Web a été utilisée pour compiler les interactions de démarrage, de visiteur, d'appareil, de page et de formulaire. Ces points de données ont été utilisés pour les variables de prédiction. Les données ont été complétées par des données de demande de prêt comme cible de prédiction, rapprochées d'un identifiant unique (dans ce cas, le numéro de téléphone portable inclus dans les deux ensembles de données).

Au cours de la phase finale des tests, deux sous-modèles supplémentaires ont été créés : l'un pour les visiteurs générés par la publicité des fournisseurs et l'autre pour les visiteurs directs du site Web. La notation en session a été mise en œuvre en utilisant des buts liés à des règles de score, chaque but n'étant compté qu'une seule fois par session.

Le connecteur de personnalisation Celebrus a été utilisé pour créer des déclencheurs qui s'intégraient aux systèmes des fournisseurs de publicité lorsque le score était atteint. Les règles de déclenchement ont été configurées pour un score faible, moyen ou élevé en fonction des mesures de valeur de session. Les informations de segment basées sur les scores ont été transmises aux plateformes publicitaires à l'aide de scripts au sein des actions, permettant à la banque d'utiliser une stratégie publicitaire différente pour chaque segment.

Pour le segment à faible score, la banque n'a consacré aucun budget au reciblage. Pour le segment à score moyen, elle a dépensé moins de coût pour mille impressions (CPM) et a diffusé les annonces pendant une durée plus courte. Pour le segment à score élevé, elle a dépensé davantage en CPM et en durée de déploiement accrue. Les agences de publicité ont géré les éléments créatifs des projets conformément aux instructions de la banque, dérivées des modèles de décisions. Le connecteur de personnalisation Celebrus a été utilisé pour créer des déclencheurs qui s'intégraient aux systèmes des fournisseurs de publicité lorsque le score était atteint. Les règles de déclenchement ont été configurées pour un score faible, moyen ou élevé en fonction des mesures de valeur de session. Les informations de segment basées sur les scores ont été transmises aux plateformes publicitaires à l'aide de scripts au sein des actions, permettant à la banque d'utiliser une stratégie publicitaire différente pour chaque segment.

woman standing laptop with dot grid

L'objectif principal du projet était d'optimiser les dépenses publicitaires payantes de la banque. Après une période pilote de 3 mois, les résultats ont été impressionnants.

Résultats

L'objectif principal du projet était d'optimiser les dépenses publicitaires de la banque. Après une période pilote de 3 mois , les résultats ont été impressionnants. Grâce à son approche publicitaire ciblée, alimentée par une segmentation basée sur les données grâce à Celebrus, la banque a réalisé une augmentation de 4,6 fois du taux de clics (CTR) par rapport à l'année précédente. Elle a également réalisé une multiplication par 1,6 du taux de conversion et des économies de 36,6 % sur le coût par acquisition (CPA).

Outre les améliorations massives apportées à l'optimisation des médias payants, la banque utilise des données complètes de Celebrus au profit des efforts de génération de leads et de télémarketing. Par exemple, lorsqu'un visiteur a soumis sa demande de prêt en ligne, la banque l'ajoute à un segment « terminé » qui est ensuite utilisé comme pool de signaux de conversion pour trouver des audiences similaires dans la base de données du fournisseur. De plus, de nombreux visiteurs choisissent de laisser leur numéro de portable et d’attendre que la banque les contacte. La banque utilise la notation pour définir une priorité de contact et des KPI de conversion uniques pour chaque segment afin d'améliorer l'efficacité de son équipe de télémarketing.

woman standing laptop with dot grid

Cette banque l'a fait, et vous le pouvez aussi !

Celebrus est la solution de données radicalement différente qui révèle les informations les plus approfondies pour révéler le véritable contexte et l'identité du client - avec une seule ligne de code !

Résolvez enfin les lacunes en matière de données, d'identité et de connectivité avec une conformité totale pour intensifier vos efforts de marketing et de personnalisation et exploser vos revenus.

Connectez-vous avec nous dès aujourd’hui pour découvrir par vous-même la puissance de Celebrus !

Découvrez la différence Celebrus

 

 

Pour en savoir plus :

site internet celebrus.com

Contactez-nous :

bima consultant tel 2     Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.     bima consultant formulaire

 
 
Sauvegarder
Choix utilisateur pour les Cookies
Nous utilisons des cookies afin de vous proposer les meilleurs services possibles. Si vous déclinez l'utilisation de ces cookies, le site web pourrait ne pas fonctionner correctement.
Tout accepter
Tout décliner
En savoir plus
Analytique
Outils utilisés pour analyser les données de navigation et mesurer l'efficacité du site internet afin de comprendre son fonctionnement.
Matomo
Accepter
Décliner