Qu’est-ce que le CBO Facebook va changer dans votre stratégie digitale ?

Temps de lecture : 10 minutes

 

Le budget est un sujet critique dans le cadre de votre stratégie digitale.

En effet, beaucoup d’annonceurs se demandent quel budget investir en publicités Facebook.

Qui plus est, avec les changements du Power 5 de Facebook, les règles du jeu ont changé.

Vous l’avez sûrement remarqué, l’utilisation du CBO est désormais largement répandue. Vous ne déterminez plus un budget par ad set mais plutôt au niveau de la campagne.

Ce qu’il faut comprendre, c’est que le Machine Learning prend de plus en plus de poids dans la balance.

Aujourd’hui, et dans la lignée de l’article précédent, j’aimerais partager avec vous une nouvelle session du Webinar Perform donné par Facebook.

L’idée de cet article est d’abord de comprendre comment le Machine Learning agit sur votre budget.

Ensuite, nous découvrirons comment utiliser le Machine Learning pour diffuser votre budget sur les meilleures opportunités.

Pour illustrer le propos, il y aura d’ailleurs un cas avant / après.

C’est-à-dire d’un côté une campagne avec un budget au niveau des publicités. De l’autre, on aura la même configuration mais avec un budget au niveau de la campagne.

Vous êtes toujours là ? Félicitations ! Il ne vous reste plus qu’à vous souhaiter une bonne lecture.

Le concept de liquidité de votre stratégie digitale

La notion de liquidité a été évoquée dans l’article Quelle place prend le Machine Learning dans vos campagnes de Marketing Digital publié la semaine dernière.

La liquidité c’est tout simplement donner un peu plus de rondeur et de flexibilité au Machine Learning et de flexibilité. Cela permet de prendre les meilleures décisions pour vos campagnes.

L’objectif final est ainsi d’utiliser au mieux chaque euro investi sur Facebook.

L’autre objectif est d’avoir une optimisation en temps réel et automatique de vos campagnes.

A ce sujet, les cinq piliers de la liquidité ont été présentés la semaine dernière :

Ce qu’il faut savoir, c’est que ces cinq volets sont tous imbriqués dans l’optimisation de vos campagnes et dans l’utilisation du machine Learning. Il faut vous en rappeller quand vous définissez votre stratégie digitale !

Pour rappel, les signaux sont vraiment la pierre angulaire du machine Learning. Il est donc nécessaire d’avoir de signaux de qualité et en nombre.

Ces signaux vont ensuite nourrir le placement, le budget et l’audience. Tout ça forme ensuite la simplification des campagnes.

Aujourd’hui, nous allons nous intéresser de plus près au budget.

 

La liquidité du budget dans votre stratégie digitale

La notion de liquidité dans une stratégie digitale peut paraître un peu floue. Laissez-moi vous l’expliquer simplement.

Cela correspond à optimiser la diffusion de votre budget en utilisant le maximum de signaux. Ces signaux se dénotent par leur qualité et leur nombre.

Qui plus est, le concept de liquidité intervient quand vous mettez en place le moins de contraintes possibles. Cela permet de donner plus de rondeurs à l’algorithme.

Vous suivez jusque-là ?

Cette notion de liquidité de budget dans votre stratégie digitale sera expliquée dans 2 volets :

• L’optimisation du budget de campagne (le fameux CBO que vous connaissez sûrement)
• Les limites par ensemble de publicités

Le premier point va vous permettre de comprendre ce qu’est le CBO. Vous allez voir quels résultats il est intéressant d’analyser quand vous ce genre de configuration de campagne.

Le deuxième point a pour sujet le contrôle sur les campagnes, qui peut être une notion importante pour un annonceur.

Cette partie est utile si vous avez besoin d’avoir un certain contrôle sur vos publicités ou sur une audience particulière.

D’ailleurs, les conseils que je vais partager avec vous sont à prendre avec modération. Et oui, qui dit limite dit aller contre le principe de liquidité et de flexibilité.

En général, cela peut diminuer la performance du Machine Learning et donc de vos campagnes.

Néanmoins, ce sont des petits conseils à garder en tête si vous en avez besoin un jour.

 

Le sujet de l’Optimisation du Budget de Campagne (ou CBO)

Je vous propose de commencer par le fonctionnement de l’optimisation du budget au niveau de la campagne.

Bien entendu,  la plupart d’entre vous avez auparavant l’habitude de définir vos budgets au niveau des ensembles de publicités. C’était une pratique courante pour une stratégie digitale sur Facebook.

Aujourd’hui, et avec les avancées du Machine Learning, l’idée est d’agréger ces budgets et de les définir au niveau de votre campagne.

Cela permet d’optimiser la diffusion de ce budget selon les opportunités qui se présentent pendant la durée de la campagne.

C’est quelque chose de très important. Lorsque vous définissez un budget au niveau de la campagne, ce budget ne va pas être réattribué de manière explicite au niveau des ensembles de publicité.

Il va être diffusé de manière automatique et en continu selon les opportunités de vos différents ensembles de publicité.

 

Pourquoi utiliser le CBO dans votre stratégie digitale ?

Tout ça c’est bien beau vous me direz, mais pourquoi est-il si important d’optimiser le budget au niveau de la campagne ?

J’aimerais vous répondre en trois points :

• Le CBO permet d’optimiser vos performances
• Vous allez avoir des campagnes plus stables
• Vous allez passer moins de temps à observer vos performances jour après jour

 

 

Le premier avantage du CBO est le fait qu’il permette d’optimiser vos performances. Votre stratégie digitale sera ainsi meilleure.

Ce qu’il faut comprendre, c’est que le CBO est un process de Machine Learning. Il s’appuie sur vos données historiques mais également sur la prévision de performance de vos campagnes.

Et c’est vraiment ce qui va faire la différence par rapport à un budget qu’on gère au niveau des ensembles des publicités.

C’est une vraie force du Machine Learning qui vous permet d’utiliser au mieux chaque euro supplémentaire investi.

Le premier avantage du CBO a donc pour sujet la performance.

Le deuxième avantage du CBO est qu’il vous permet d’avoir des campagnes plus stables.

Plus stable ça veut dire quoi dans votre stratégie digitale ?

Admettons que vous avez une campagne avec un budget par ensemble de publicités.

Vous reconnaîtrez sûrement que vous passez du temps à regarder les performances, tous les jours.

Vous allez faire des arbitrages budgétaires, par ensemble de publicités et selon les performances de vos campagnes.

Cet arbitrage budgétaire fait que vous avez parfois envie de modifier le budget et le réattribuer entre les ensembles des publicités, d’un ensemble à un autre.

Cette modification du budget au niveau de l’ensemble des publicités entraîne un retour à l’apprentissage pour l’ensemble des publicités modifiées.

Par conséquent, la machine va devoir réapprendre pour avoir une bonne diffusion et optimiser vos performances.

Avec le CBO, c’est le Machine Learning qui va optimiser cette rétribution de lui-même. Vous n’aurez plus à toucher au Budget en fonction des publicités.

Donc ça vous enlève le risque de retour à l’apprentissage. C’est un élément non négligeable pour votre stratégie digitale !

Cela vous évite donc de revenir à cette phase d’apprentissage et vous devriez donc avoir des diffusions du budget qui seront plus stables.

Voyons maintenant le troisième point important quand vous utilisez le CBO. Il est d’ailleurs lié au deuxième.

En fait, vous allez passer moins de temps à regarder vos performances jour après jour au niveau de vos ensembles de publicités.

Vous allez pouvoir gagner du temps et attribuer ce temps à des tâches plus stratégiques.

Ces quelques minutes ou dizaine de minutes par jour font plusieurs heures à la fin de chaque mois. Ce n’est pas négligeable !

 

Comment fonctionne le CBO dans une stratégie digitale ?

Dans cette partie, nous allons voir comment fonctionne la fonctionnalité d’optimisation du budget au niveau de la campagne. C’est un point important pour votre stratégie digitale sur Facebook.

L’idée est de regarder un cas avant / après pour mieux comprendre les concepts évoqués.

Je vais donc vous présenter en premier lieu une campagne avec un budget de 30$ au total. C’est une campagne avec une stratégie d’enchères au coût le plus bas.

On peut supposer que c’est une campagne de performance avec l’optimisation d’un événement de bas de funnel (comme un ajout au panier ou un achat).

Bien évidemment, ce pourrait être n’importe quelle autre campagne mais nous prenons cet exemple.

Voici la campagne en question :

On a attribué un budget de 30$ mais l’utilisateur a décidé d’allouer 10$ par ensemble de publicités.

Avec ces 10$, la machine va aller chercher les opportunités à moindre coût, pour chaque ensemble de publicités :

• Pour le premier on a deux conversions, donc on peut estimer un CPA de 5$
• Pour le deuxième, on a cinq conversions, donc un CPA à 2$
• Pour le troisième, on a quatre conversions donc un CPA de 2,5$

Cette campagne nous a permis d’avoir 11 conversions qu’on a réussi à aller chercher avec un Coût par Conversion à 2.73$ en moyenne. En outre, c’est une stratégie digitale que l’on rencontrait par le passé.

Voici le setup et les résultats pour un budget défini au niveau des ensembles des publicités.

Que se passe-t-il si on prend le même budget et qu’on définit le budget au niveau de la campagne ?

Partons du principe que l’on a toujours la stratégie d’enchère au coût le plus bas.

Le scénario est exactement le même à la différence près qu’on ne sait pas combien d’opportunités on va avoir pour chaque ensemble de publicité.

On va donc laisser la machine délivrer le budget ou créer des opportunités. On va donc aller chercher les opportunités les moins chères.

Lorsqu’on aura épuisé ses opportunités les moins chères on ira chercher les deuxièmes moins chères et ainsi de suite.

Voici la campagne en question :

Voyons voir les performances de cette stratégie digitale. Je sais que c’est ce que vous attendez n’est-ce pas ?

• Pour le premier ad set, on a trois conversions pour 15$, ce qui fait un CPA de 5$
• Pour le deuxième on a six conversions pour 12$, ce qui fait un CPA à 22$
• Pour le dernier on a trois conversions pour 3$ ce qui fait un CPA à 1$

Nous avons donc au total 12 conversions avec un Coût par Conversion à 2,50$ en moyenne.

Attendez une minute. Faisons un focus sur les résultats de cette nouvelle campagne.

Pour rappel, dans l’autre campagne on avait un ad set avec quatre conversions pour 10$.

Que s’est-il passé ? (Question rhétorique).

En fait, le Machine Learning est allé chercher les conversions les moins chères dans chaque ensemble de publicités.

Potentiellement, on a d’abord eu les trois premières conversions vraiment moins chères à 1$. Ensuite, la quatrième conversion devait coûter 7$.

Là, le fonctionnement du Machine Learning a fait que dans l’ad set, on est allé :

• Chercher les conversions les moins chères d’abord (celles de l’ad set 3 à 1$)
• Ensuite, on est allé chercher les deuxièmes conversions les moins chères (ad set 2 à 2$).
• On a fini avec les conversions qui potentiellement coûtaient le plus cher (ad set 1 à 5$).

Il est important de noter qu’on n’est pas allé chercher la conversion de l’ad set 3 à 4 $.

La machine a identifié que la conversion supplémentaire dans l’ad set 3 allait coûter plus cher (7$).

Elle a donc privilégié une conversion de plus dans l’ad set 2 à 2$ et une conversion incrémentale dans l’ad set 1 à 5$.

Au final, cette campagne permet d’avoir un volume total de 12 conversions, soit une de plus dans la précédente campagne et les 11 conversions. Une stratégie digitale améliorée donc !

Le Coût par Conversion est plus faible également. Il est dans la campagne avec CBO activé à 2.50$.

Ce qu’il faut retenir, c’est qu’avec un budget similaire, on obtient plus de Conversions et un Coût par Conversion moins cher.

Magique n’est-ce pas ? En fait non, c’est la puissance du Machine Learning qui fait son œuvre !

 

Comment la machine prend des décisions dans votre stratégie digitale ?

Pour répondre à cette question, on va prendre l’exemple simplifié d’une campagne de vues de vidéo avec deux ensembles de publicités. La stratégie digitale est toujours au coût le plus bas.

Vous verrez sur le graphique ci-dessous le coût par événement en ordonnées et le temps en abscisses :

Au tout début de la campagne, on observe des coûts par événement (coût par vue de vidéo)  inférieurs pour l’ensemble 2 et des coûts un peu supérieurs pour l’ensemble 1.

Si on regarde les performances au niveau des ensembles de publicité, notre intuition nous pousserait à désactiver l’ensemble 1 car il semble moins efficace que le2.

L’idée est donc de passer l’intégralité du budget sur l’ad set 2 qui enregistre de bonnes performances sur les 7 premiers jours.

Par contre, vous verrez que la courbe de l’ad set 2 augmente de manière exponentielle.

C’est dans un cas comme ça que le Machine Learning va pouvoir prédire cette augmentation des coûts au fur et à mesure du temps. C’est un élément incontournable sur lequel votre stratégie digitale doit reposer !

Ceci vaut pour un ensemble de publicité et pour certaines opportunités à l’intérieur de cet ensemble de publicité.

Il va ainsi pouvoir éviter cette augmentation des coûts dans votre campagne en réattribuant le budget dans l’ad set qui coûtera le moins cher.

Vous avez donc dans la zone un peu grisée le fonctionnement du Machine Learning.

Le système va donc reprioriser l’ensemble de publicités 1 et c’est celui-là qui aura une grande partie du budget qui lui sera attribué.

Ce qui veut dire que sur un budget global de 500$, on a en fin de campagne 450$ qui seront dépensés sur l’ensemble 1 et seulement 50$ à l’ensemble 2.

L’intuition de départ, si on avait regardé les résultats au niveau des ad sets, nous aurait incité à faire l’inverse.

 

 

Conseil 1 : ne désactivez pas manuellement des ad sets quand vous utilisez le CBO

Nous avions précédemment une stratégie digitale incluant un budget au niveau de la campagne de 30$ :

Ce qu’il faut savoir, c’est que quand vous lancez une campagne avec le CBO activé, vous allez chercher les conversions les moins chères.

Au départ, vous allez chercher les 3 conversions au niveau de l’ad set 3 pour 3$. On a aussi 3 conversions sur l’ad set 2 pour 6$.

Au fil du temps, vous pourriez avoir l’intuition que l’ensemble de publicités 1 ne délivre pas (pas d’impressions). Vous souhaitez donc potentiellement désactiver cet ad set.

Si vous gardez le budget au niveau de la campagne et que vous désactivez un ad set, l’algorithme va réattribuer le budget restant aux conversions les moins chères sur les 2 ad set restants.

Dans une stratégie digitale comme celle-ci, voilà ce qui peut se passer :

On a donc 6 conversions dans l’ad set 2 pour 12$ (le CPA est toujours à 2$).

On a aussi 2 conversions supplémentaires dans l’ad set 3.

Précédemment, on avait 3 conversions pour 3$ au total. Maintenant, les 2 conversions de plus vous coûter 15$. On a donc 18$ de dépense au total sur l’ad set 3.

Nous avons donc 15$ dépensés pour 2 conversions incrémentales, ce qui fait beaucoup.

Cela veut dire que vous avez potentiellement une des conversions qui a coûté 7$, et l’autre 8$.

Cela vous fait donc un total pour cette campagne de 11 événements avec un Coût par Evénement à 2.73$.

Voici donc le scénario si vous décidez de désactiver un ensemble de publicités. Cela a une répercussion dans les résultats finaux de votre stratégie digitale.

 

Conseil 2 : soyez prudents quand vous regardez les résultats de vos ad sets

Admettons maintenant que vous décidez de garder l’ad set 1 actif pour voir s’il délivre.

Si vous décidez de ne pas regarder les résultats de Coût par Evénement au niveau des ensembles de publicités, vous serez toujours gagnant.

Vous allez vous retrouver avec 12 événements d’optimisation grâce aux 3 conversions de l’ad set 1.

Le Coût Moyen par Evénement est d’ailleurs moindre que si vous aviez désactivé un ad set. Le Coût par Conversion moyen est de 2.50$.

Cela nous amène donc à 2 recommandations pour votre stratégie digitale :

• Lorsque vous mettez un budget au niveau de la campagne, il est très important de ne pas désactiver un ad set même si vous avez l’impression qu’il ne délivre pas. Même chose si vous pensez que vous allez avoir un Coût par Résultat plus élevé.
• Lorsque vous définissez un budget au niveau de la campagne, il faut toujours regarder le nombre d’événements et le coût par événement au niveau de la campagne et non sur les ad sets.

Sinon, intuitivement, vous auriez pu vous dire, l’ad set 1 va coûter plus cher donc je vais réattribuer mon budget sur les ad sets qui me paraissent les plus performants (les ad sets 2 et 3).

En fait, vous n’aviez pas la totalité de l’information. C’est-à-dire les prévisions de performance sur toute la durée de la campagne.

Vous savez, celles que le Machine Learning aurait pu anticiper mais que vous n’auriez pas pu anticiper.

Voici donc comment cela se passe d’un point de vue théorique selon Facebook.

 

Conclusion

Cet article vous aidera à construire la meilleure stratégie digitale sur Facebook.

J’ai risqué de vous perdre en cours de route pour bien que vous compreniez les enjeux qui se cachent derrière le CBO et le Machine Learning.

Ce qu’il faut retenir, c’est que l’Intelligence Artificielle va plus loin que notre intuition car elle peut prédire des résultats futurs.

C’est pour cette raison que vous ne devez jamais, oh grand jamais, désactiver un ensemble de publicités dans votre campagne avec le CBO activé.

La réattribution de budget sur des ensembles de publicités plus prometteurs est un mauvais pari car vous n’avez probablement pas la totalité de l’information.

Laissez faire les algorithmes de Facebook qui sauront vous trouver les conversions les moins chères sur tous vos ensembles de publicités.

Par ailleurs, pensez à regarder vos performances au niveau de la campagne et non des ensembles de publicités. Ce qui compte au final, c’est bien les résultats de votre campagne dans sa globalité.

Nous arrivons donc à la fin de cet article, et je m’excuse par avance si vous restez sur votre faim.

Ne vous inquiétez pas, la deuxième partie sur “Comment utiliser au mieux le CBO” sortira jeudi prochain !

A très bientôt donc.