Dans tous les média, on procède de la même façon pour estimer la répétition optimale des messages publicitaires.
On fait de nombreux post-tests, et on regroupe les données pour estimer le lien entre la répétition d'un message (en anglais Frequency), et sa mémorisation (en anglais Recall).
On obtient alors une courbe qui vient s'infléchir : la mémorisation additionnelle tend vers un plateau.
En parallèle, les coûts, eux, augmentent linéairement : pour répéter un message quatre fois, je dois acheter quatre fois plus d'espaces publicitaire que pour le répéter une fois sur le même nombre de contacts.
Pour connaître l'optimum, on regarde l'efficacité marginale (l'apport en mémorisation d'une répétition supplémentaire), qui se calcule simplement en divisant la mémorisation par le coût. On constate que cette efficacité marginale passe par un maximum. Ce maximum correspond à l'optimum de répétition de ce message.
Le graphique ci-dessous illustre cette analyse (sur des données fictives).
Dans notre exemple, l'optimum est atteint pour une répétition de 6.
Que se passe-t-il dans la réalité, lorsqu'on achète des publicités ?
En fait, on est toujours loin de l'optimum. Ce constat se vérifie dans tous les média, et on en arrive en télévision à faire des plans média pour ré-exposer une population déjà exposée.
Chez Alenty, on estime qu'en moyenne 70% à 85% des contacts sont sous-exposés !
En effet, 10% à 30% des publicités n'étant pas vues, la fréquence d'exposition réelle telle que nous la mesurons est encore plus faible que celle estimée par les serveurs publicitaires.
Sur Internet, on a mis en avant le fameux capping. Les serveurs publicitaires peuvent en effet borner la répétition d'un message et éviter la sur-exposition. Mais ce capping est rarement mis en place sur l'ensemble d'un plan média, mais plutôt site par site. Ainsi, un capping de 10 peut conduire à être exposé 10 fois sur un site A, 10 fois sur un site B, etc. Pas idéal, donc, mais c'est mieux que rien, car les autres média ne contrôlent absolument pas la répétition.
Le graphique ci-dessous montre des données fictives (mais conformes à nos mesures) sur la répartition des contacts (nombre de contacts exposés X fois), dans la réalité, et l'optimum atteignable qu'il faut chercher à obtenir.
La courbe optimale utilise un capping à 10, mais cette fois sur l'ensemble de la campagne.
La forme en cloche peut être obtenue en forçant la répétition, grâce au reciblage ou retargetting.
Il est en effet possible sur Internet de cibler spécifiquement les contacts (via leur cookie) qui ont déjà été exposés à la campagne. On n'est jamais sûr de réussir à toucher à nouveau un contact, ce qui fait qu'on ne peut pas mettre tout le monde à l'optimum.
Ces technologies existent, mais sont encore peu utilisées par les annonceurs et les agences. C'est dommage, car l'efficacité de la répétition des messages publicitaires est aujourd'hui très, très loin de l'optimum.
Encore une fois, Internet montre ses capacités technologiques pour faire du branding efficace.
Jeu de briques
Snake
Pacman
Bubble