Vous cherchez à accroître les performances de vos campagnes de prospection tout en gardant le contrôle de votre ciblage ? On vous présente la méthode « look alike » qui consiste à créer des jumeaux marketing !

La notion d’audience ou de prospect « look alike » (audience similaire) désigne une cible dont les comportements sont semblables à ceux des clients habituels d'une marque, d'un produit ou d'une solution. Ce type de levier, qui repose sur la collecte (Ideal Customer Profile ou Buyer Personæ ) et le croisement de datas, vous permet de générer des leads qualifiés et à termes d'augmenter vos volumes d'affaires.

Les  « look alike », une technique pour étendre sa prospection

Signifiant littéralement « se ressembler », le « look alike » consiste à trouver des « sosies » de vos cibles habituelles. Il s’agit d’une solution big data qui, via l'analyse de vos clients actuels, vous permet de trouver des profils similaires de nouveaux prospects qualifiés, à adresser.

De nombreuses solutions de prospection intègrent ce type d’algorithme. C’est le cas de Facebook Business Manager, avec ses « Audiences Similaires » ou de Google Adwords qui propose de rechercher des « Segments similaires » pour élargir la portée des campagnes.

Si la technique du « look alike » est fréquemment exploitée par les plateformes publicitaires, elle peut cependant facilement être transposée à la prospection commerciale.

Le  « look alike » pour optimiser ses chances de conversion

Grâce au « look alike » , vous pouvez optimiser votre prospection commerciale en concentrant vos ressources et vos efforts uniquement sur des verticales et des personæ susceptibles de s’intéresser à votre produit.

Cette méthode permet donc de décupler le potentiel de chacun de vos leviers de prospection, pour augmenter votre base actuelle de contacts ciblés et qualifiés.

Les « look alike » une méthode « data driven »

Il existe trois types de données clients : les first, les second et les third party data. Chaque type de données repose sur des méthodes de collecte différentes et se caractérise par un niveau de précision différent :

  • Les First party data sont des données collectées directement par une entreprise sur ses clients/prospects. On distingue deux types de 1st party data : les données déclaratives (nom, prénom, mail, etc.) et les données comportementales, mesurées et calculées à partir de la navigation et des actions réalisées par un visiteur sur un site.
  • Les Second Party Data sont des données appartenant à une autre entreprise mais utilisées dans le cadre d’un partenariat ou d’un échange.
  • Les Third party data sont des données déclaratives ou comportementales issues de fournisseurs extérieurs (régies publicitaires, data marketplaces...).

Pour optimiser la création de vos  « look alike » et obtenir vos profils « jumeaux » il est conseillé de combiner les données first et third. Une fois votre « portrait robot » créé, il vous restera à identifier et cibler des individus partageant les mêmes caractéristiques.

Pour ce faire vous pouvez utiliser des solutions de Big Data, ou des plateformes publicitaires comme celles de Facebook, Google Adwords, Twitter ou encore Linkedin, pour traiter ces données et générer vos « look alike ». N’hésitez pas à mobiliser différentes plateformes. Plus vous aurez de « look alike » à tester, plus vous augmenterez vos chances de réussite.

Augmentez la précision de vos « look alike »

  • Les données First Part étant issues de vos outils il est important de bien les collecter : prospects, clients, leads, tracking de l’activité sur votre site, etc.
  • N'hésitez pas à croiser vos données en interne : la combinaison des données issues de votre CRM et de celles du marketing, permettront de parfaire votre base de travail pour générer vos « look alikes ».
  • Vous pouvez échanger ou associer toutes vos données directement au sein d’une DMP (Data Management Platform). La DMP vous permettra de relier toutes vos datas de first, second ou third party et ainsi créer des segments d’audiences très précis.

Conseil

Une fois que vous avez vos suggestions de « look alike » , n’hésitez pas à tester progressivement (petits volumes et petits budgets).

Que pensez-vous de ce contenu ?