C’est l’histoire d’une jeune start-up lilloise qui réussit vraisemblablement à se démarquer d’outils aussi gros et massifs que Google Analytics ou AT Internet en faisant autre chose : en apportant aux données collectées par ces derniers l’intelligence qui permet d’aller plus loin que la seule logique de l’attribution. Mazeberry n’attribue pas, elle aide plutôt les annonceurs à prendre la bonne décision en augmentant l’éventail d’indicateurs clés de performance analysés. En quatre ans de commercialisation, la société équipe 200 sites de marques premium. Renforcée par deux levées de fonds, elle emploie 35 personnes et ouvre son troisième bureau en ce moment même. Nous faisons un tour d’horizons avec son fondateur et PDG Thibaut Lemay.
Vous collectionnez dans votre portefeuille de clients des références importantes et très variées, comme 1,2,3, Aubade, Celio, Accor Hotels, BforBank, Crédit Agricole, But, Corsair et voyages-SNCF pour n’en citer que quelques-unes. Pouvez-vous nous expliquer la spécificité de votre solution d’attribution ?
Notre solution est beaucoup plus qu’un outil d’attribution. Nous avons consacré trois ans de recherche et de développement pour définir une méthodologie d’aide à la décision pour les annonceurs que nous avons continuée d’itérer pour aboutir courant 2013 à une solution performante. Les principaux éléments de notre solution sont uniques en France et nous avons créé de nouveaux standards pour l’industrie.
Pouvez-vous nous expliquer la différence entre un outil d‘aide à la décision comme le vôtre et une solution classique d’attribution ?
L’aide à la décision intègre chez nous des indicateurs d’attribution et des indicateurs de contribution. Nous avons constaté que de se limiter à l’attribution ne permet pas de prendre des décisions. C’est d’ailleurs ce qui explique pourquoi notre développement est si fulgurant. Les indicateurs d’attribution ne constituent que 25 % de nos indicateurs clé de performance (KPI). L’attribution se limite à vous communiquer le montant du coût par action, par campagne ou par levier. Et ça s’arrête là. Mais pensez-vous que sur la seule base du coût par action vous pouvez prendre la décision de continuer ou d’arrêter ?
Je suppose que non… il faut peut-être voir le retour que cela vous génère, non ?
Tout à fait, il faut des paramètres supplémentaires. Il faut par exemple chercher à comprendre si le levier joue véritablement le rôle pour lequel il a été engagé. Nous avons des clients qui investissent plus sur un levier dont le CPA est élevé (et donc qui dispose d’une mauvaise notre d’attribution) parce qu’il génère une excellente contribution.
C’est une notion de qualité que vous introduisez…
Tout à fait : on peut avoir un CPA élevé mais une satisfaction aussi élevée pour l’annonceur qui a des résultats en retour. C’est cette notion qualitative que nous avons réussi à modéliser dans notre entonnoir de décision. Nous avons ainsi généré des standards dans l’industrie qui ont été validés et approuvés par de nombreux clients, qui ont diminué fortement leurs coûts d’acquisition.
Pouvez-vous nous donner des exemples de ces standards ?
Nous analysons le rôle des leviers et des campagnes à travers l’indicateur de leur présence dans le parcours de conversion. Notre méthodologie est un entonnoir qui permet d’analyser 30 KPI. L’attribution souvent se résume à 5 indicateurs…
J’ai cru comprendre que vous ne taguiez pas les sites. Comment faites-vous pour accéder aux données ? Et travaillez-vous aussi en environnement in-app ?
L’attribution en environnement in-app et l’aide à la décision sur le web sont deux industries tout à fait différentes. Nous sommes sur le web, qu’il soit mobile ou desktop. Nous pouvons analyser les performances de certaines applications mobiles, mais nous sommes sur des périmètres différents des solutions dédiées, spécialisées [telles qu’Appsflyer, Tune, etc, ndlr.]. Quant aux sources de données, un autre facteur fortement différentiant de notre offre est le fait que nous nous appuyons sur les outils existants de collecte de données. Nous faisons de la smart data et non du big data. Nous ne générons pas de données mais apportons de la valeur ajoutée à la donnée existante. Nous avons mis en place des connecteurs dans le cadre de partenariats technologiques que nous avons développé avec toutes les solutions d’attribution classiques et big data du marché, telles que Google Analytics, AT Internet, Eulerian Analytics et Commanders Act. Grâce à cette approche, on ne génère pas un énième projet informatique chez nos clients. C’est du plug and play. Nous récupérons les données de façon brute et non-échantillonnée pour ensuite appliquer nos algorithmes d’aide à la décision.
L’annonceur doit donc bien avoir les deux solutions.
Tout à fait. Pour certains modules il peut y avoir un effet de doublon, mais le fait est que nos solutions sont complémentaires et que nous apportons l’analyse que les solutions d’attribution seules ne peuvent pas fournir.
La suite de l’interview de Thibaut Lemay fondateur et PDG de Mazeberry sera publiée demain.
Propos recueillis par Luciana Uchôa-Lefebvre
