Qu’est-ce que la détection d’anomalies en marketing ?
La détection d’anomalies en marketing utilise des modèles statistiques pour repérer le moment où une métrique de campagne ou d’entreprise sort de son schéma habituel, comme une chute soudaine des conversions, un pic de coût ou une hausse inattendue des clics. Au lieu que quelqu’un remarque le changement dans le rapport de la semaine suivante, le système le signale dès que les données le montrent.
Le mot clé est « habituel ». Chaque métrique a son propre rythme. La détection d’anomalies apprend ce rythme et signale les écarts par rapport à celui-ci, au lieu de réagir à chaque mouvement.
Comment fonctionne la détection d’anomalies ?
- Apprendre la référence. Un modèle étudie l’historique de chaque métrique, y compris les schémas selon le jour de la semaine, les tendances et la saisonnalité.
- Prévoir la plage attendue. Pour chaque nouveau point de données, le modèle estime où la métrique devrait se situer.
- Signaler les valeurs aberrantes. Les valeurs nettement en dehors de cette plage sont signalées comme anomalies, dans un sens comme dans l’autre.
- Transmettre aux personnes. Les alertes parviennent à l’équipe dans les outils qu’elle utilise déjà, avec assez de contexte pour prioriser.
Quel est un exemple de détection d’anomalies ?
Une baisse le week-end que personne ne surveillait
Une campagne cesse de convertir le vendredi soir après une modification de la page de destination. Les week-ends sont souvent plus calmes, si bien qu’une alerte fixe « baisse de 20 % » se déclencherait chaque samedi et serait ignorée.
Un modèle d’anomalies sait à quoi ressemble un samedi normal pour cette campagne, signale que les conversions sont bien en dessous même de ce niveau, et l’équipe corrige la page avant lundi.
Détection d’anomalies vs. alertes à seuil
| Alertes à seuil fixe | Détection d’anomalies par modèle | |
|---|---|---|
| Comment elle décide | Une règle fixe, comme « l’investissement a baissé de 20 % » | Comparaison avec le schéma habituel appris de la métrique |
| Gère les variations selon le jour de la semaine et la saisonnalité | Non | Oui |
| Bruit | Souvent élevé, si bien que les alertes sont ignorées | Plus faible, centré sur ce qui est inhabituel |
| Idéal pour | Les limites strictes, comme un plafond budgétaire | Repérer les changements de performance inattendus |
Beaucoup d’équipes utilisent les deux : des règles pour les limites strictes, des modèles pour tout ce qui est difficile à prévoir.
Pourquoi la détection d’anomalies est-elle importante ?
Le délai pour corriger un problème de campagne, ou pour profiter d’une percée, est généralement court. Une panne de flux ou une page cassée peut affecter les résultats en quelques heures, et personne ne peut surveiller tous les comptes toute la journée.
- Protéger l’investissement. Repérez les campagnes défaillantes avant qu’elles ne gaspillent le budget.
- Saisir les opportunités. Les hausses inhabituelles sont aussi signalées, pour que les équipes puissent en profiter.
- Moins de surveillance manuelle. Les équipes réagissent aux signaux au lieu de les chercher.
- Vérifier d’abord les données. Beaucoup d’anomalies sont des problèmes de données, comme un flux obsolète ou un champ renommé, d’où l’importance du contexte.
Comment Alli s’y prend-il ?
Alli Alerts assure la détection d’anomalies marketing et la surveillance des campagnes pour chaque canal connecté. Alli Anomaly Detection utilise des modèles conçus par l’équipe data science de PMG, qui jugent chaque métrique par rapport à son propre historique et signalent aussi bien les baisses que les hausses inhabituelles.
Elle fonctionne aux côtés de Custom Alerts pour les plafonds budgétaires, le pacing, la santé des flux et les contrôles de pages de destination, et envoie les alertes dans Slack. Les équipes peuvent vérifier la santé des flux dans Datasources, investiguer dans Data Explorer ou lancer une action de suivi via Generative Workflows. Les modèles lisent les données gouvernées mais ne les modifient pas.
FAQ : détection d’anomalies
Qu’est-ce qu’une anomalie dans les données marketing ?
Une valeur qui sort nettement du schéma habituel d’une métrique, comme une chute soudaine des conversions, un pic de coût ou une hausse inattendue des clics.
En quoi la détection d’anomalies diffère-t-elle des alertes ?
Les alertes à seuil se déclenchent selon des règles fixes. La détection d’anomalies compare chaque valeur au schéma appris de la métrique, ce qui permet de tenir compte des variations normales et de produire moins de bruit.
La détection d’anomalies ne repère-t-elle que des problèmes ?
Non. Elle signale les hausses inhabituelles comme les baisses, pour que les équipes repèrent tôt les percées et les opportunités.
Que vérifier en premier lorsqu’une anomalie se déclenche ?
Vérifiez les données : le flux est-il à jour, et une plateforme a-t-elle modifié un champ ? Si les données sont saines, examinez la campagne, les pages de destination et le tracking.
Dernière mise à jour : Retour au glossaire