Regardez le webinaire ici:
Lorsque les revenus d’un éditeur baissent, la pression pour changer quelque chose arrive rapidement. Un floor est ajusté. Un bidder est supprimé. Davantage de publicités sont ajoutées. Les règles de refresh sont modifiées.
Le problème, c’est que les revenus n’évoluent généralement pas pour une seule raison.
Le mix de trafic peut avoir changé. Une catégorie de contenu performante peut attirer moins d’utilisateurs. La profondeur de session peut avoir diminué. La demande peut s’être affaiblie. La vitesse de chargement des pages ou la viewability peuvent avoir évolué. Parfois, plusieurs de ces facteurs changent en même temps.
C’est pourquoi la première étape ne devrait pas être d’optimiser, mais de comprendre ce qui a changé et pourquoi.
C’était le sujet central de notre dernier webinar, Diagnostiquer Avant d’Optimiser : Utiliser les Insights et l’IA pour Augmenter les Revenus des Éditeurs, au cours duquel Olly Aulakh, Chief Revenue Officer chez Opti Digital, et Rob Beeler, CEO & Founder de Beeler.Tech, ont expliqué comment les éditeurs peuvent connecter les données entre les équipes et prendre de meilleures décisions de revenue.
La Pression sur les Revenus Peut Venir de Plusieurs Facteurs
Les revenus globaux indiquent qu’il existe un problème. Ils ne montrent pas où il a commencé.
Un Page RPM plus faible peut indiquer une demande moins forte, mais il peut aussi être lié à un changement de source de trafic, d’engagement, de performance de page, de mix de contenus ou de comportement de navigation des utilisateurs.
La situation devient plus complexe lorsque chaque équipe analyse ses propres données séparément. Les équipes revenue se concentrent sur la monétisation. Les équipes éditoriales suivent les performances des contenus. Les équipes audience analysent le trafic et l’engagement. Les équipes produit se concentrent sur l’UX et la vitesse.
Les éditeurs disposent souvent déjà des données, mais celles-ci sont analysées séparément par les différentes équipes. Cela complique la compréhension de la manière dont un changement peut en affecter un autre.
Une bonne analyse des revenus publicitaires doit aider à connecter tous ces éléments.
L’objectif n’est pas de produire un rapport supplémentaire, mais d’apporter suffisamment de contexte autour d’un changement pour comprendre ce qui le provoque.
Les Données Connectées Offrent aux Équipes Revenue un Meilleur Point de Départ
La monétisation des éditeurs est étroitement liée au parcours utilisateur.
La source de trafic est importante, car les utilisateurs ne se comportent pas tous de la même manière. Une personne provenant d’une newsletter peut passer plus de temps sur le site qu’une personne arrivant via Discover. La profondeur de session influence le nombre d’opportunités monétisables. La catégorie de contenu peut avoir un impact sur la demande des annonceurs. La vitesse de page peut influencer la viewability. Le layout peut affecter à la fois l’UX et les revenus.
Analyser ces facteurs ensemble offre une vision plus claire que d’observer uniquement le CPM ou le fill rate.
Si les revenus baissent sur une section du site, l’étape suivante ne devrait pas systématiquement consister à modifier le pricing ou la demande. Il peut être plus utile de vérifier si le mix d’audience a changé, si l’engagement a diminué ou si les performances de la page affectent la diffusion publicitaire.
C’est là que l’optimisation des revenus des éditeurs devient plus efficace. Les équipes peuvent analyser les relations entre les différents signaux au lieu de traiter chaque métrique comme un problème distinct.
Les Insights en Temps Réel Sont Essentiels Lorsque le Temps de Réaction est Court
Certains changements peuvent attendre le rapport hebdomadaire. D’autres non.
Une baisse soudaine des revenus, un pic de trafic inhabituel ou un changement dans le comportement d’un bidder peuvent nécessiter une intervention pendant qu’ils sont encore en cours.
L’analyse en temps réel aide les équipes à comprendre ce qui a changé, pourquoi cela a changé et quelle action entreprendre tant que l’information reste pertinente.
C’est là que les alertes peuvent apporter davantage de valeur qu’un reporting de routine.
Au lieu de consulter les mêmes dashboards tout au long de la journée, les équipes peuvent se concentrer sur les changements qui nécessitent réellement une analyse. Elles disposent ainsi de plus de temps pour investiguer et faire du testing, plutôt que de le consacrer au suivi manuel.
L’IA Peut Accélérer l’Analyse, Mais Elle a Toujours Besoin du Bon Contexte
L’IA prend une place croissante dans les workflows des éditeurs, mais sa valeur dépend des données auxquelles elle peut accéder.
Si les données de revenue, d’audience, d’UX et de demande restent déconnectées, l’IA ne peut fournir qu’une réponse partielle.
L’utilisation la plus pertinente consiste à s’appuyer sur l’IA pour analyser les performances à partir de données connectées. Un éditeur peut repérer une baisse de revenus, puis utiliser une interface assistée par IA pour comparer des périodes, analyser des segments d’audience, examiner les performances des contenus ou identifier d’autres signaux ayant évolué au même moment.
Insights Hub d’Opti Digital inclut des alertes alimentées par l’IA et un AI Assistant conçus pour réduire le temps nécessaire à la détection d’un changement et à l’analyse des causes possibles.
Cela ne remplace pas le jugement humain. Cela permet aux équipes revenue d’accéder plus rapidement aux informations dont elles ont besoin avant de prendre une décision.
Le Testing est Essentiel Parce que Chaque Éditeur est Différent
Même lorsque les données indiquent une cause probable, cela ne signifie pas que la solution doit être déployée immédiatement.
Les éditeurs travaillent avec des audiences, des structures de site, des sources de trafic, des relations avec la demande et des stratégies éditoriales différentes. Ce qui fonctionne pour un éditeur peut ne pas fonctionner pour un autre.
Les questions des éditeurs appellent souvent une réponse du type « ça dépend », car chaque entreprise possède sa propre configuration, son organisation, son audience et ses annonceurs.
C’est pourquoi il est important de réaliser des A/B tests de manière contrôlée.
Une approche efficace consiste à identifier le problème, formuler une hypothèse, tester un changement et mesurer le résultat. Si cela fonctionne, le test peut être étendu. Dans le cas contraire, il apporte tout de même des enseignements utiles.
Cette approche est plus fiable que la mise en place de changements permanents fondés sur des hypothèses ou sur ce qui a fonctionné pour un autre éditeur.
La Densité Publicitaire Montre Pourquoi le Diagnostic Doit Passer en Premier
La densité publicitaire en est un bon exemple.
Lorsque le trafic baisse, ajouter davantage de publicités peut sembler être le moyen le plus rapide de compenser la perte de revenus. Cela peut parfois fonctionner. Dans d’autres cas, cela peut créer un nouveau problème.
Un plus grand nombre de publicités peut dégrader l’expérience de page, réduire l’engagement ou diminuer la probabilité que les utilisateurs poursuivent leur navigation vers une deuxième page. Ces effets sont importants, car le comportement des utilisateurs a lui aussi un impact direct sur la monétisation.
« Parfois, moins, c’est mieux. Ajouter toujours plus de publicités sur la page n’est pas toujours la solution. »
Avant d’augmenter la pression publicitaire, les éditeurs doivent comprendre ce qui se cache derrière la baisse des revenus.
Si le véritable problème vient d’une demande plus faible, d’un engagement en baisse, d’un mix de trafic différent ou d’une évolution des performances du contenu, ajouter davantage de publicités risque simplement de traiter le symptôme.
Les Insights de Revenue Peuvent Améliorer les Échanges avec les Équipes Éditoriales
L’un des principaux avantages d’une analyse connectée des revenus publicitaires est que les insights ne restent pas uniquement au sein de l’équipe revenue.
Les données au niveau du contenu peuvent montrer quelles sections, quels articles ou quels parcours utilisateurs sont les plus performants. Elles peuvent ainsi fournir aux équipes éditoriales et audience des informations plus utiles qu’une simple demande visant à ajouter de l’inventaire ou à modifier le layout d’une page.
Pouvoir revenir vers l’équipe éditoriale en disant « voici ce qui fonctionne » permet d’avoir des échanges beaucoup plus constructifs que de simplement pointer ce qui sous-performe.
Cela change le rôle de la meilleure analyse des revenus publicitaires.
Elle devient une source d’information partagée qui peut aider les différentes équipes à comprendre comment leurs décisions influencent les performances.
Comment Insights Hub Aide les Éditeurs à Connecter les Signaux
Insights Hub rassemble en un seul endroit les données de revenue, d’audience, d’UX, de contenu et d’opérations afin que les éditeurs puissent analyser les performances avec davantage de contexte.
Sa valeur repose sur les connexions entre ces différents signaux.
Une évolution des revenus peut être analysée en parallèle de la source de trafic, de l’engagement, du contenu, de la demande et des performances de la page. Les alertes en temps réel peuvent faire remonter des changements inhabituels. L’analyse assistée par IA peut aider les équipes à les examiner plus rapidement. L’analyse croisée peut permettre d’identifier des tendances difficiles à repérer dans des rapports séparés.
L’objectif n’est pas de fournir davantage de données aux éditeurs. Il s’agit de rendre les données dont ils disposent déjà plus utiles.
Pour les équipes revenue, cela signifie passer moins de temps à rassembler les informations et davantage de temps à décider quel test lancer ensuite.
L’analyse connectée des revenus publicitaires fait toute la différence.
Diagnostiquer D’abord, Optimiser Ensuite
Il existe de nombreux leviers dans la monétisation des éditeurs, mais ils n’ont pas besoin d’être activés tous en même temps.
Le meilleur point de départ consiste à comprendre ce qui a changé, à identifier les signaux liés à cette évolution et à tester l’action la plus susceptible d’améliorer les résultats.
C’est toute la différence entre réagir à un problème de revenus et le diagnostiquer.
FAQ
L’analyse des revenus publicitaires consiste à analyser les performances de monétisation à travers des indicateurs tels que le revenue, le CPM, le Page RPM, la demande, l’inventaire, le comportement de l’audience et l’expérience utilisateur. Une approche connectée permet également d’analyser la manière dont ces différents facteurs s’influencent entre eux.
Les éditeurs peuvent comparer l’évolution des revenus avec les changements observés au niveau des sources de trafic, de l’engagement, du mix de contenus, des performances de la demande, de la latence, de la viewability et du comportement des utilisateurs. L’analyse conjointe de ces signaux peut aider à identifier la cause avant de mettre en place des changements. Une analyse connectée des revenus publicitaires permet de faciliter cette démarche.
L’IA peut aider les équipes à analyser de grands volumes de données, identifier des tendances inhabituelles, comparer les performances et réduire une partie du travail manuel lié à l’analyse. Elle est particulièrement efficace lorsque les données de revenue, d’audience, d’UX et d’opérations sont connectées.
