Tendances du marketing numérique pour 2022

digital-trends-phone_2.jpg

L’avènement des outils numériques a bouleversé les processus séculaires du marketing et de la publicité. La technologie de marketing numérique est désormais indispensable pour identifier, attirer et fidéliser les clients dans un monde omnicanal.

Un nouveau livre électronique de l’Initiative du MIT sur l’économie numérique met en lumière les enseignements du Sommet des directeurs marketing du MIT 2022 qui s’est tenu ce printemps. Le message principal aux responsables marketing : ajoutez des données, des analyses et des algorithmes pour mieux atteindre les consommateurs modernes socialement liés.

Voici les principales tendances du marketing numérique des chercheurs du MIT Sloan pour 2022 :

Consommateurs sociaux dans les vastes réseaux numériques et de médias sociaux

Les consommateurs d’aujourd’hui prennent des décisions de marque basées sur un très large éventail de réseaux connectés numériquement, de Facebook à WhatsApp, et le mélange est en constante évolution.

Étant donné que les consommateurs sociaux sont influencés par ce que les pairs des réseaux sociaux pensent de différents produits et services (une tendance appelée « preuve sociale »), les spécialistes du marketing doivent utiliser une analyse granulaire pour vraiment comprendre le rôle des médias sociaux dans le marketing, selon le directeur de l’IDE.

Aral a examiné 71 produits différents dans 25 catégories achetés par 30 millions de personnes sur WeChat et a constaté des effets significativement positifs de l’insertion d’une preuve sociale dans une publicité, bien que l’efficacité variait. Par exemple, Heineken a enregistré une augmentation de 271 % du taux de clics, tandis que les interactions de Disney ont augmenté de 21 %. Il n’y avait aucune marque pour laquelle la preuve sociale réduisait l’efficacité des publicités, a déclaré Aral.

Analyse vidéo sur TikTok, YouTube et autres médias sociaux

Les influenceurs TikTok occupent une place importante, en particulier avec la génération Z. Le problème est de savoir si ces vidéos d’influenceurs viraux se traduisent ou non au-delà de l’attention en ventes.

La recherche montre que l’engagement et l’apparence du produit ne sont pas le facteur crucial – il s’agit plutôt de savoir si le produit est complémentaire ou bien synchronisé avec la publicité vidéo. Et l’effet est plus prononcé pour « les achats de produits qui ont tendance à être plus impulsifs, hédoniques et moins chers », selon une étude menée par Jeremy Yang, professeur adjoint à la Harvard Business School, alors qu’il était doctorant au MIT.

Mesurer l’engagement des consommateurs avec l’apprentissage automatique

Appelez cela le défi « chip and dip » : les spécialistes du marketing ont longtemps cherché à regrouper les produits, à trouver les bons produits de consommation à combiner pour un co-achat à partir d’un vaste assortiment. Avec des milliards d’options, cette recherche est exigeante et à grande échelle, et l’analyse des données peut être décourageante.

Le chercheur Madhav Kumar, doctorant au MIT Sloan, a développé un cadre basé sur l’apprentissage automatique qui parcourt des milliers de scénarios de terrain pour identifier les paires de produits réussies et moins réussies.

« La politique de regroupement optimisé devrait augmenter les revenus de 35 % », a-t-il déclaré.

Utiliser l’apprentissage automatique pour prévoir les résultats

La plupart des spécialistes du marketing sont préoccupés par la rétention et les revenus, mais sans de bonnes prévisions, les décisions concernant des interventions marketing efficaces peuvent être arbitraires, a déclaré responsable d’un groupe de recherche sur l’expérimentation sociale et numérique à l’IDE. Au lieu de cela, mettez à jour le ciblage des clients en utilisant l’IA et l’apprentissage automatique pour prévoir les résultats plus rapidement et avec plus de précision.

En collaboration avec le Boston Globe, les chercheurs de l’IDE ont adopté une approche d’apprentissage automatique statistique pour analyser les résultats d’une offre de remise sur le comportement des clients après les 90 premiers jours. La prédiction de substitution à court terme était tout aussi précise qu’une prédiction faite après 18 mois.

« Il y a beaucoup de valeur à appliquer l’apprentissage automatique statistique pour prédire les résultats à long terme et difficiles à mesurer », a déclaré Eckles.

Ajout d’une « bonne friction » pour réduire le biais de l’IA

Les spécialistes du marketing numérique parlent fréquemment de la réduction des points de «friction» des clients en utilisant l’IA et l’automatisation pour faciliter l’expérience client. Mais de nombreux spécialistes du marketing ne comprennent pas que le biais est un facteur très réel avec l’IA, a déclaré responsable du groupe de recherche sur l’interface homme/IA à l’IDE. Au lieu de se laisser emporter par la «fièvre sans friction», les spécialistes du marketing doivent réfléchir au moment et à l’endroit où la friction peut réellement jouer un rôle positif.

« Utilisez la friction pour interrompre l’utilisation automatique et potentiellement non critique des algorithmes », a déclaré Gosline. « Utiliser l’IA d’une manière centrée sur l’humain plutôt que d’exploiter sera un véritable avantage stratégique » pour le marketing.

Lire le rapport du sommet MIT CMO 2022

Facebook
Pinterest
Twitter
LinkedIn
Email