GARNES Vivien, DBA

Vivien Garnès est un entrepreneur, actuellement co-fondateur et Président d’une startup leader mondial en SaaS pour le marketing d’influence, Upfluence Inc. basée à New York, avec près de 100 employés.

Il a défendu sa thèse de doctorate of business administration en Septembre 2021, explorant la question du retour sur investissement des campagnes de marketing d’influence, sous la supervision du Professeur Kiane Goudarzi, professeur à l’IAE Lyon, Directeur du programme MBA, Directeur adjoint du centre de recherche Magellan, et référent local du Business Science Institute à Shanghai.

Pr. Goudarzi Kiane

Retour sur investissement du marketing d’influence

Le marketing d’influence est une étoile montante du marketing numérique. (i) On estime que le secteur atteindra 20 milliards de dollars d’ici 2024, (ii) en croissance annuelle de 32% (Markets & Markets, 2019), (iii) alors que le terme semble avoir été inventé très récemment, en 2004, seulement 17 ans avant que ces lignes ne soient écrites.

Pourtant, l’analyse de 7,400+ ventes en ligne générées par les influenceurs, représentant plus de 5,7 millions de dollars de chiffre d’affaires révèle qu’il n’existe aucune corrélation statistique entre les coûts des influenceurs et le retour sur investissement qu’ils génèrent (corrélation de -0,0294). Tristement, les professionnels du marketing ne dépensent pas leurs budgets de manière rentable.

Le monde de la recherche n’a malheureusement pas fait beaucoup mieux. Alors que le marketing d’influence a fait l’objet d’un certain nombre de publications, notamment sur son impact psychologique sur le processus de décision d’achat, rien ne permet de quantifier l’impact sur le ROI du marketing d’influence (ROIMI). A la place, il nous est proposé (i) des métriques alternatives (EMV, AVE, SMIV), qui ne quantifient ni les coûts ni les ventes, et (ii) de la littérature grise basée sur des données d’enquête déclaratives au niveau du budget ou de la campagne, qui, bien qu’indicatif, n’est pas exploitable par les professionnels du marketing.
Encouragé par les lacunes identifiées de la littérature, et la marge de progrès qui ressort des données, l’objectif de cette recherche est d’offrir aux professionnels du marketing une compréhension (i) de la terminologie derrière le ROIMI, (ii) de leur proposer une méthode de calcul complète du ROIMI, (iii) leur donner les variables à maximiser pour améliorer le ROIMI et (iv) une méthode de calcul des coûts des influenceurs pour maintenir un ROIMI élevé.
Ayant accès à un grand volume de données sur les ventes générées par les influenceurs, la recherche a été effectuée selon une analyse quantitative basée sur des régressions 3 linéaires multiples, permettant d’obtenir le modèle d’équation structurelle suivant qui cartographie toutes les variables ayant un impact positif significatif sur le ROIMI.

Bien que le ROI soit, directement, délicat à prédire, le modèle révèle que deux variables doivent être maximisées afin d’améliorer les commandes : (i) le nombre de followers de l’influenceur, et (ii) le nombre de commentaires. Cependant, le nombre de followers bien que fortement corrélé avec la performance, est également fortement corrélé avec les coûts, car il s’agit de la façon traditionnelle avec laquelle les influenceurs et les marques les déterminent. Afin de remettre en cause ce status quo, le modèle a ensuite été décomposé sous la forme d’une équation prédictive des coûts des influenceurs, afin de donner aux professionnels les moyens de maintenir les campagnes à fort ROIMI : coût_influenceur < (4.575e-05 * followers_influenceurs + 0.028 * commentaires_influenceur – 7.798e-04 * likes_influencer) * panier_moyen / ROI_attendu

Cette équation a été appliquée à l’ensemble du dataset et a généré une amélioration de 50,28 % du ROIMI à budget constant. Une belle preuve de sa pertinence.