Sébastien Garcin (L'Oréal) "Nos données nous permettent de déterminer un seuil d'émergence et de saturation de nos campagnes TV"

Le directeur marketing de L'Oréal évoquera son travail sur ses data d'annonceur online et offline lors du JDN Event "E-Beauté" le 7 juin prochain.

JDN. Vous participez à la table ronde "Data et personnalisation client : et si on s'y mettait vraiment ?" lors de la conférence "E-beauté" organisée le 7 juin 2018 par le JDN. Quelle est la stratégie de L'Oréal en matière de traitement des données ?

Sébastien est directeur marketing chez L'Oréal France. © L'Oréal

Sébastien Garcin. J'ai pour habitude de dire que nous sommes pauvres en données riches, mais riches en données pauvres. Nous ne disposons pas de données transactionnelles, nous ne sommes pas des distributeurs. En revanche, en tant qu'acteur majeur sur nos marchés, notamment dans la cosmétique, nous sommes un très grand annonceur. En conséquence, nous disposons d'énormément de données liées à nos campagnes publicitaires. Cette donnée est anonyme et non individuelle. Nous nous concentrons sur des analyses statistiques de groupes de consommateurs ou sur des clusters de comportements.

Pouvez-vous nous donner quelques-unes des pistes que vous développez ?

Depuis environ dix mois, nous mesurons l'efficacité de toutes nos campagnes marketing en ligne comme hors ligne. Nous avons d'abord travaillé en priorité sur la catégorie maquillage, où nous disposons de plus de data. Nous avons amassé et intégré trois ans de données issues de toutes nos campagnes marketing. Nous avons intégré toutes ces données dans une infrastructure big data. Cela représente une quantité colossale de données. Surtout que ces dernières augmentent sans cesse : une marque organisait une quarantaine de campagnes par an maximum il y a quelques années chez nous. Aujourd'hui, nos marques réalisent en moyenne 150 actions par an.

"Des zones du territoire français réagissent plus à certaines typologies de parfum"

Ces campagnes nous permettent ensuite d'identifier des populations qui regardent nos vidéos plus que d'autres. Ces signaux faibles nous informent sur ceux qui préfèrent plutôt des shampoings pour cheveux secs par exemple. Autre exemple : nous constatons que certaines zones du territoire français réagissent plus à certaines typologies de parfum. Ce sont des informations utiles pour nos réseaux de distribution.

De quels leviers disposez-vous pour recueillir cette donnée ?

En offline, nous disposons des campagnes TV, radio, en affichage et en presse. Nous prenons ensuite toutes les campagnes digitales qui permettent d'aller assez loin dans l'analyse, comme sur Youtube par exemple. Jusqu'où sont-elles vues ? Sont-elles sponsorisées ou organiques ? Quel est la nature des vidéos? Quelles promotions avons-nous réalisé en même temps ? Puis, nous croisons la courbe des ventes de nos produits grâce à des panels qui indiquent le nombre de consommateurs à avoir acheté nos marques par période. Nous réalisons surtout ces analyses sur des produits grand public, notamment vendus en grande distribution, car c'est là que nous disposons d'informations fiables provenant des panels.

"Nous analysons et cernons l'impact direct de la télévision et de la promotion"

Tout le travail de mon équipe est alors de trouver les corrélations et déterminer le lien de causalité entre les campagnes marketing et les ventes. Un exemple de corrélation possible : nous réalisons deux campagnes à la télévision. L'une au premier novembre et l'autre au quinze novembre couplée avec une promotion. Nous analysons alors la différence sur plusieurs années et cernons l'impact direct de la télévision et de la promotion. Cela demande de grosses puissances de calcul et nous avons dû embaucher des profils ingénieurs et mathématiciens.

Quels sont les objectifs de L'Oréal avec ce traitement des données ?

Notre objectif est double. Tout d'abord, d'une marque à l'autre, nous n'avons pas la même sensibilité des consommateurs à la publicité. Un euro investi sur une marque A peut me rapporter plus qu'un euro investi sur la marque B. Ce traitement des données nous permet donc de mieux gérer nos budgets marketing. Ensuite, au sein même d'une marque, nous avons diverses sous-catégories de produits pour les yeux, le visage, les lèvres ou encore les ongles par exemple. Nous arrivons alors à différencier la bonne réception d'une publicité selon ces sous-catégories. Cette méthode permet de mieux orienter nos campagnes. Nous savons ainsi que la presse reste très efficace pour certains produits. Par exemples, ceux qui nécessitent de grandes et belles images. Pour d'autres sous-catégories, c'est la télévision. Les résultats obtenus ne sont pas toujours intuitifs.

C'est-à-dire ?

Un exemple : ce traitement des données nous permet de déterminer un seuil d'émergence et de saturation dans nos campagnes à la télévision. En dessous du budget marketing permettant d'atteindre le seuil d'émergence, il ne faut pas miser sur la télévision. Une fois le seuil de saturation atteint, il ne faut pas investir plus. A l'aide de toutes ces données, nous développons même un outil en interne pour prévoir notre budget marketing sur l'année, avec une répartition optimale des dépenses.

Sébastien Garcin est directeur marketing chez L'Oréal France. Il gère le CRM, les réseaux sociaux et la donnée pour l'ensemble des soixante marques de L'Oréal dans l'Hexagone. Auparavant, il a notamment travaillé en tant que directeur du digital chez Publicis Conseil et chez l'agence de publicité DDB Paris. Il est diplômé de l'école nationale supérieur de création industrielle.

Et aussi :

Annonces Google