Introduction et contexte :
ANYNA Paris est une marque de cosmétiques haut de gamme spécialisée dans les produits de soin de la peau pour les femmes âgées de 25 à 45 ans. La marque est fière de ses formulations de haute qualité, ciblant les consommateurs soucieux de leur beauté et recherchant le luxe à un prix abordable.
Malgré une gamme de produits solide, ANYNA Paris a dû faire face à des inefficacités en matière d'affichage publicitaire. La marque était confrontée à des coûts d'acquisition élevés, à une baisse de l'engagement et à des taux de conversion médiocres. Ses campagnes publicitaires existantes manquaient de ciblage précis, ce qui entraînait un gaspillage des dépenses publicitaires et des retours minimes.
Le défi (point douloureux et énoncé du problème) :
- Coût par acquisition (CPA) élevé : Moyenne du CPA pour les annonces display $39tandis que la valeur moyenne de la commande (AOV) n'était que $44ce qui rend la rentabilité insoutenable.
- Baisse du taux de clics (CTR) : Chute de 2,1% à 0,9%, signalant un faible engagement publicitaire.
- Dépenses publicitaires inutiles : Un ciblage large de l'audience a conduit à des impressions non pertinentes et à des taux de conversion faibles.
Catégorie
Achat d'espace Display/ InApp/ Programmatic
Clients
ANYNA Paris
Localisation
Paris, France
Dirigé et exécuté par :
Mohamed Chourouki
La stratégie et l'exécution (décomposition étape par étape des mesures prises) :
Nous avons développé une stratégie en plusieurs phases, basée sur des données, afin d'optimiser les performances des publicités display et d'améliorer le retour sur investissement publicitaire (ROAS).
Phase 1 : Affinage et segmentation de l'audience
- Transféré de ciblage démographique large à la segmentation de l'audience basée sur l'intention, y compris
- Recibler les anciens visiteurs (fenêtre de 30 jours)
- Publics similaires sur la base des clients à fort potentiel de vente
- Publics basés sur l'engagement (utilisateurs ayant interagi avec des publicités vidéo ou ayant visité plusieurs pages)
- Mise en œuvre Annonces dynamiques de reciblageLa création d'annonces publicitaires personnalisées en fonction du comportement de navigation des utilisateurs.
Phase 2 : Optimisation des créations publicitaires
- Développé Variations publicitaires générées par l'IA pour tester différents titres, images de produits et emplacements de CTA.
- Introduction de publicités HTML5 interactives avec des éléments de mouvement, ce qui a permis d'augmenter l'engagement de 26%.
- Créations publicitaires personnalisées par segment d'audience (par exemple, produits anti-âge pour les utilisateurs de plus de 40 ans, produits axés sur l'hydratation pour les groupes démographiques plus jeunes).
Phase 3 : Enchères basées sur la performance et optimisation du placement
- Commutation à partir de de l'enchère au CPC à l'enchère automatisée ciblée sur le ROASce qui permet à l'algorithme de donner la priorité aux utilisateurs à fort taux de conversion.
- Axé sur placements d'éditeurs premiumréduisant ainsi le trafic non pertinent.
- Ajustement de la fréquence des annonces à prévenir la cécité des bannièresréduisant ainsi la lassitude à l'égard de la publicité.
Les défis et les obstacles :
- Fatigue publicitaire et cécité des bannières :
- Résolu par la rotation des créations tous les 10 jours et en introduisant des éléments interactifs.
- Désalignement dans l'attribution :
- Mise en œuvre Suivi UTM et attribution multi-touch pour mieux comprendre les parcours des clients.
- Sous-performance initiale des publics similaires :
- Amélioration grâce à l'affinement des données sur l'audience des semences, conduisant à une Amélioration des performances du 36%.
Les résultats et l'impact (comparaison des données avant et après) :
Métrique | Avant l'optimisation | Après optimisation (90 jours) |
Coût par acquisition (CPA) | $39 | $17 |
Taux de clics (CTR) | 0.9% | 3.8% |
Retour sur investissement publicitaire (ROAS) | 1.3x | 4.5x |
Augmentation de l'engagement publicitaire | – | +65% |
Réduction du taux de rebond | – | -28% |
Principaux enseignements et leçons tirées :
- La segmentation est essentielle : Les audiences hyper-ciblées améliorent les taux d'engagement et de conversion.
- Questions créatives : Les publicités interactives en HTML5 sont nettement plus performantes que les publicités statiques.
- La stratégie d'enchères peut faire ou défaire les performances : L'automatisation intelligente des appels d'offres garantit l'efficacité du budget.
- Des tests créatifs fréquents permettent d'éviter la lassitude des annonceurs : La rotation régulière des annonces permet de maintenir des niveaux d'engagement élevés.
- Les modèles d'attribution doivent être optimisés en permanence : Un bon suivi permet de mieux répartir le budget.
Conclusion et réflexions finales :
Grâce à une segmentation avancée de l'audience, à des tests créatifs pilotés par l'IA et à des stratégies d'enchères intelligentes, nous avons transformé les campagnes publicitaires display d'ANYNA Paris, qui n'étaient pas rentables, en un moteur de revenus évolutif.
En affinant continuellement les données et en optimisant les placements, la marque a mis en place une stratégie d'acquisition durable, garantissant une croissance et une rentabilité à long terme.
FR 
EN 
RU