Data Glossaire

Le Match rate, donnée essentielle du Data Onboarding

February 12, 2020  |   Arthur Sauvage

Qu’est-ce qu’un « match rate » ?

Un match rate fait référence au pourcentage d’utilisateurs d’un fichier qu’un OnBoarder est capable de trouver avec des données. Étant donné que le data onboarding devient un outil essentiel de tout marketeur, connaître le match rate (ou taux de match) de l’ensemble de vos utilisateurs est crucial pour comprendre la taille de votre audience adressable en ligne.

Disons que votre CRM comprend trois millions d’adresses e-mail. Si le match rate est de 40 %, vous pouvez vous attendre à ce que votre audience en ligne – le nombre d’utilisateurs que vous pouvez cibler – soit d’environ 1,2 million d’utilisateurs.

Comment le match rate est-il calculé ?

Il est important de clarifier la définition de « match rate », car celui-ci peut être calculé de différentes manières. Chez LiveRamp, nous calculons le match rate selon la formule suivante :

Nb d’individus uniques qui ont correspondu à au moins un ID/nb total d’individus uniques.

Il convient de noter que la base de calcul n’est pas le nombre total d’identifiants, mais plutôt le nombre d’individus uniques correspondant à un identifiant. Souvent, il existe plusieurs identifiants (cookies, ID d’appareils, adresses IP) par individu, car les utilisateurs surfent sur Internet avec plusieurs appareils et navigateurs. Donc si une entreprise compte ces identifiants au lieu des enregistrements en correspondance, ils majorent en réalité le match rate.

En outre, “l’individu” doit être défini de façon cohérente. Si vous saisissez une liste d’adresses (le dénominateur est donc mesuré en foyers), mais que la correspondance s’effectue avec l’adresse nominale et postale (le numérateur est donc mesuré en individus), vous obtiendrez à nouveau un match rate majoré, car chaque foyer abrite plusieurs personnes.

Qu’est-ce qui fait augmenter et diminuer les match rates ?

La qualité des partenaires d’un OnBoarder a dans son réseau est ce qui booste essentiellement les match rates. Le partenaire correspondant au sein du réseau envoie une information d’enregistrement cryptée, telle qu’une adresse e-mail pseudonymisée, qui est ensuite utilisée pour matcher les données hors ligne, telles que l’historique d’achat et les données démographiques. Ainsi, le nombre d’utilisateurs trouvés via le réseau de partenaires fait directement augmenter ou diminuer les match rates.

Le second moteur de match rate est la précision du match. Un OnBoarder peut réduire la précision, en augmentant le nombre de « faux positifs » (mauvaises correspondances) dans le fichier d’audience. Cela donnera lieu à un match rate perçu plus élevé et à un sens des proportions majoré. Pour ce faire, il est possible d’inclure des critères de correspondance moins stricts (comme demander uniquement le nom et la ville au lieu d’une adresse exacte), une correspondance au niveau du quartier (c.-à-d. code postal), ou une correspondance d’adresse IP. Pour certains marketeurs, cela est parfaitement acceptable (imaginez un supermarché essayer d’atteindre des individus dans un certain quartier).

Toutefois, pour les marketeurs cherchant à atteindre leurs clients réels, être flexible sur les données requises pour atteindre une plus grande échelle est risqué, car cela dilue l’audience, rend impossible la mesure précise du succès des campagnes transversales, et gaspille les dépenses publicitaires en ligne.

Il existe de nombreux autres moyens d’atteindre une grande échelle en ligne, tel que le lookalike modelling. Toutefois, sans correspondance précise, certains des use cases du CRM OnBoarding, tels que le retargeting et l’analyse, ne sont pas fiables. Comme on dit dans le monde des données : “garbage in, garbage out.”

Que pouvez-vous faire pour assurer des match rates élevés sans compromettre la précision ?

En tant que marketeur, vous devez comprendre cette problématique lorsque vous envisagez des partenaires d’OnBoarding potentiels. De nombreux marketeurs ont été dupés en achetant une solution qui leur promettait un « match rate élevé » pour se rendre compte que les données n’étaient pas fiables ou que le match rate était en réalité calculé d’une manière bancale qui majorait les chiffres.

Pour éviter ce type de scénario, demandez aux OnBoarders éventuels comment ils calculent leur match rate, où ils obtiennent leurs match en ligne (c.-à-d. ont-ils des relations directes avec des éditeurs de qualité ?), et quels sont leurs standards de précision.