Guide des meilleures pratiques de gestion des rendements

La gestion des rendements est le processus stratégique consistant à sélectionner et prioriser soigneusement des opportunités d'enquête viables afin de garantir que les études les plus performantes reçoivent le plus de trafic, tandis que les enquêtes en dessous des seuils de mesure souhaités sont soit dépriorisées, soit pas du tout prises en compte.

Pour aider nos partenaires fournisseurs à mettre en place un système efficace de gestion des rendements, nous recommandons d'appliquer les approches suivantes, parmi quelques autres considérations. Ce contenu n'est pas pertinent pour nos partenaires Match Integrat.

• Création de règles de filtrage adaptées à l'enquête

• Identification des levés viables

• Classement des enquêtes éligibles

• Participants à l'enquête sur le rythme

• Suivi des performances des enquêtes

• Fermeture des enquêtes mal performantes

• Construire un cadre de test

Création de règles de filtrage adaptées à l'enquête

Au début de votre intégration, il est important de surveiller si les règles initiales de filtrage des enquêtes appliquées à votre abonnement Feed Opportunities ou au sein de votre propre système restreignent fortement l'inventaire d'enquêtes disponible. Disposer d'un nombre significativement réduit d'enquêtes pour associer les utilisateurs peut impacter les gains potentiels.

Une bonne pratique recommandée est de garder vos critères de filtrage d'enquête plus larges pendant la phase de lancement en douceur. À mesure que vous comprenez mieux les performances de vos répondants par rapport aux différents types d'enquêtes, la durée de l'entretien (LOI), les préférences des acheteurs, etc., vous pouvez progressivement affiner et tester vos règles de filtrage des sondages pour optimiser la performance. Voir ici plus d'informations sur la création d'un cadre de test.

Les opportunités de flux vous permettent d'ajuster facilement les critères des enquêtes dont vous recevez des notifications, simplifiant ainsi le processus de filtrage progressif des enquêtes qui ne sont pas pertinentes pour votre modèle économique spécifique. En adoptant cette approche, vous pouvez adapter et adapter votre processus de sélection des enquêtes pour qu'il corresponde aux préférences de vos utilisateurs et maximise vos revenus basés sur les enquêtes.

Exemple de filtrage par sondage

Exemple d'opportunités : demande d'abonnement

{
    "callback" : {{callback}},
       "opportunities": [{
            "country_language" : {"in": ["eng_gb", "eng_us"]},
            "length_of_interview": { "lte" : 20 },
            "conversion": { "gte" : 0.05 },
            "revenue_per_interview": { "gte" : 0.50 },
            "study_type": {"in": ["adhoc", "recontact"]}
     }]
}

Identification des levés viables

Avant de présenter les meilleures opportunités d'enquête à vos répondants, il est crucial de s'assurer que les critères suivants sont respectés :

• L'enquête est toujours en ligne

• Le quota total est disponible

• Tout sous-quota correspondant aux profils des répondants est disponible

• Les données profilées sur un répondant répondent aux critères de qualification

• Le répondant n'a jamais tenté cette enquête auparavant

• Le répondant n'a jamais tenté d'enquête dans ce groupe auparavant (si applicable)

Classement des enquêtes éligibles

Cint fournit un ensemble complet de données via nos API et nos informations de redirection, permettant aux fournisseurs de cibler les enquêtes les plus adaptées et performantes. Pour vous aider à utiliser efficacement ces données, nous avons compilé une liste de ce que nous considérons comme des points de données cruciaux lors de la création d'un algorithme de classement par sondage.

Veuillez noter que certains de ces indicateurs doivent servir de point de départ pour évaluer la santé globale des enquêtes d'un point de vue global ; il est essentiel de suivre vos performances internes lorsque vous orientez les répondants vers les enquêtes.

Participants à l'enquête Pacing

Lors de l'envoi des répondants à une enquête, nous recommandons d'abord de mesurer le nombre d'utilisateurs envoyés, en testant avec un petit groupe de 20 à 30 répondants pour comprendre la performance.  Cette pratique est particulièrement importante pour les opportunités totalement nouvelles pour Cint et qui ne disposent pas de données globales.  Si les indicateurs internes de votre système dépassent les références de performance souhaitées, commencez à ouvrir l'enquête à un public plus large, en continuant à surveiller la performance sur une base de participants d'enquête en continu, en modifiant les classements des enquêtes en fonction des dernières données.  

Pour les enquêtes qui ne sont pas complétées ou qui ne dépassent pas les seuils de performance, consultez les directives fournies dans la section Arrêter les enquêtes sous-performantes .

Vous devez également vous assurer de bien orienter les répondants dans les enquêtes en fonction du nombre total de réponses encore disponibles.  Un taux de surquota élevé peut survenir si une enquête est proposée à un nombre excessif de répondants.  Une bonne règle générale pour le nombre de répondants à inscrire dans un sondage à un moment donné est de ne pas dépasser le nombre atteint avec cette formule :

Quota remaining / System conversion rate

Suivi de la performance des enquêtes

Avant d'envoyer les répondants aux enquêtes, vous devriez utiliser les données récupérées via nos API pour comprendre la performance globale de chaque enquête. À mesure que la performance des enquêtes évolue sur le terrain, il est crucial de collecter et de mettre à jour continuellement les informations de performance dans votre base de données.  

Une fois que vous commencez à envoyer des utilisateurs vers une enquête, il devient important de suivre, d'enregistrer et d'utiliser vos propres indicateurs internes de performance pour déterminer s'il faut continuer à envoyer des répondants à cette enquête ou non.  Bien que les données mondiales offrent un indicateur précieux de la performance des enquêtes, il est important de noter que la performance peut varier considérablement selon vos propres utilisateurs.    

Pour prendre des décisions éclairées de classement des enquêtes, nous recommandons d'utiliser la logique suivante pour stocker et utiliser les données de performance :

• Performance mondiale : Utilisez les indicateurs de performance globaux (par exemple conversion et RPC) retournés par les API avant que les répondants ne tentent une enquête

  • Dans les cas où les indicateurs de performance sont nuls, il faut envisager de tester et de stocker une valeur moyenne basée sur des données de performance antérieures. Idéalement, ajustez cette valeur en fonction de la performance historique de l'acheteur et de la performance spécifique à chaque pays.

• Performance interne : Une fois que les répondants commencent à participer à une enquête, commencez à calculer les indicateurs de performance internes, en utilisant ces informations comme principal indicateur pour les décisions de classement.  Nous recommandons d'utiliser les données internes de performance après la fin de 20 sessions et la collecte des résultats des sessions.  

  • Lors du calcul des indicateurs de performance internes, nous recommandons d'exclure les résultats des sessions des services de protection par enquête Cint . Ces suppressions sont basées sur la qualité des utilisateurs et ne sont pas une indication de la performance d'une enquête.  De plus, si un répondant n'est pas revenu sur votre plateforme après avoir doublé la LOI médiane de l'enquête (ou si la LOI n'est pas disponible, utilisez BidLOI), nous conseillons de le classer comme un « drop ». Mettez à jour votre base de données avec les données de résultats de session retournées si elles reviennent ultérieurement.

Pour vous aider à calculer vos performances internes, il existe deux méthodes pour collecter les résultats des sessions.

1. Redirections : Pour collecter les codes de présélection Cint Exchange (Marketplace) et de réponse client pour chaque session des répondants, assurez-vous que les paramètres ci-dessous soient ajoutés à toutes vos redirections.  

   1. InitialStatus=[ %InitialStatus %]

   2. ClientStatus=[ %ClientStatus %]

      1. Si ces éléments manquent, parlez à votre équipe de compte pour les inclure. Notre ressource de collecte de données à partir des redirections fournit plus d'informations sur les paramètres pouvant être ajoutés et les options de formatage disponibles.

2. Alimentez les résultats des répondants : créez un abonnement aux résultats pour recevoir des notifications sur votre webhook concernant les résultats des sessions des répondants.  Notre recommandation est de recevoir des événements pour tous les codes de réponse disponibles, mais si vous souhaitez les limiter à des codes de réponse spécifiques, vous pouvez y parvenir grâce aux options de filtrage disponibles. Consultez nos FAQ sur les Opportunités de fil d'actualité et les résultats des répondants pour quelques exemples d'abonnements.

Fermeture des enquêtes mal performantes

Un élément essentiel d'une gestion efficace des rendements consiste à établir des seuils minimaux de performance dans les enquêtes dans votre système et à désactiver les enquêtes qui ne correspondent pas aux critères souhaités. Diriger continuellement un grand nombre de répondants vers des enquêtes qui performent mal affecte non seulement des indicateurs tels que les taux de conversion et le RPC, mais impacte aussi la satisfaction des répondants.  Idéalement, ces seuils de performance devraient être configurés au niveau des pays, car la performance des enquêtes peut varier selon les pays.

Comme mentionné dans la section précédente Suivi de la performance des enquêtes, il est recommandé d'utiliser initialement les données globales fournies via nos API pour déterminer la performance des enquêtes. Cela aidera à identifier les enquêtes qui sont en dessous de tout seuil de performance et qui devraient donc être marquées comme « inactives » dans votre base de données et non prises en compte dans vos décisions de classement. Si la performance de l'enquête mondiale s'améliore avec le temps, vous devriez mettre à jour votre système avec les dernières informations et définir le statut de l'enquête comme « actif ».  

Lorsque vous commencez à orienter les utilisateurs vers des opportunités d'enquête, utilisez vos indicateurs de performance internes pour déterminer s'il faut augmenter ou arrêter le trafic vers des enquêtes spécifiques.  Les enquêtes qui ne donnent pas un résultat complet ou qui sont en dessous de votre seuil de performance doivent être marquées comme inactives.  Lorsque vous augmentez l'envoi, continuez à surveiller la performance sur une base de participants d'enquête en continu, en modifiant le statut et le classement de l'enquête en fonction des dernières données.

Construire un cadre de test

Établir le bon algorithme de gestion des rendements implique généralement un processus itératif, où différentes stratégies sont testées pour comprendre la meilleure approche. Par conséquent, nous recommandons de développer un cadre système qui facilite les tests fractionnés avec différentes variations de classement des enquêtes et permet la mise en œuvre fluide de stratégies réussies. Tester les changements progressifs dans le ciblage et la priorisation des enquêtes est une approche à faible risque pour acquérir des informations précieuses sur des méthodes efficaces sans affecter de manière significative la performance globale. Cette approche vous permet de vous adapter aux tendances évolutives et de rester compétitif sur le Cint Exchange.

Après que le Soft Launch soit souvent un excellent point de départ pour les tests, vous aurez accumulé un jeu de données initial lié à la performance d'intégration des enquêtes. Utilisez ces données pour planifier et mettre en œuvre les changements futurs à tester. En fonction de vos hypothèses basées sur les données, introduisez ces modifications sous forme de variations de test et surveillez de près la performance.

Pour les enquêtes que vous avez testées et mises inactives en raison de mauvaises performances, nous vous suggérons de surveiller les données globales afin d'observer les améliorations apportées par les acheteurs sur le terrain qui auraient amélioré la performance de l'enquête. Il peut être utile de retester une enquête pour évaluer si les modifications apportées par l'acheteur donnent de meilleurs résultats pour vos répondants.

Considérations supplémentaires

Segmentation des répondants

Avoir un bassin de répondants diversifié signifie que l'application d'un algorithme unique et universel de classement des sondages peut limiter le succès de votre intégration.  Segmenter votre panel vous permet de cibler ces répondants avec des opportunités qui amélioreront la performance, la satisfaction client et réduiront votre risque de rapprochement.  Nous avons ci-dessous présenté quelques options à considérer, y compris dans votre algorithme de gestion des rendements :  

• Âge du répondant : Pour les nouveaux utilisateurs, privilégier les enquêtes avec une LOI plus courte et/ou un taux de conversion plus élevé est un bon moyen de garantir une expérience favorable.  Plus ils peuvent accomplir d'opportunités et gagner des récompenses, moins ils ont de chances de se défaire.

• Qualité des répondants : Si un répondant a un score de qualité faible, soit à cause de l'échec des contrôles de qualité, soit parce qu'il est un nouvel utilisateur, régulez les types d'inventaire présentés.  Par exemple, les exclure des enquêtes à revenu plus élevé par entretien.

Prédiction de la performance des enquêtes

Dans la section Pacing Survey Entrants , nous avons parlé de l'importance de tester de nouvelles opportunités avec un petit groupe de répondants afin de comprendre la performance et d'ajuster l'envoi d'échantillons en fonction de vos indicateurs d'enquête.  Nous allons pousser ce concept encore plus loin et nous concentrer sur la manière dont vous pouvez optimiser votre envoi en priorisant les meilleures nouvelles opportunités d'enquête.  En particulier sur nos marchés à forte demande, où un grand nombre de nouvelles enquêtes peuvent être lancées à tout moment.

En général, les classements d'enquête sont formulés à partir de métriques sur le terrain telles que la conversion, le RPC et le RPCM.  Alors, comment classer les nouvelles opportunités lorsque ces données ne sont pas disponibles ?  Ce que nous recommandons, c'est d'appliquer une approche d'apprentissage automatique et de former votre système sur les principales caractéristiques et les schémas de données (en dehors des données de terrain) derrière les bonnes enquêtes de conversion, par chaque acheteur.

Une fois que votre système a identifié les différents schémas de données attribués à la performance de l'enquête, attribuez un score de prédiction selon les critères en fonction du niveau de confiance pour atteindre le résultat souhaité.  

Ce système de notation doit ensuite être appliqué à votre algorithme global de classement par sondage.  Dans les marchés à forte demande, il peut être préférable d'adopter une approche prudente et de ne présenter les enquêtes les mieux prédites aux utilisateurs qu'une fois que vous avez épuisé toutes les enquêtes avec des indicateurs sur le terrain au-delà de vos seuils souhaités.  Ou bien, vous pourriez envisager d'évaluer les nouvelles opportunités, où vous êtes confiant dans le résultat de performance, sur une échelle similaire à celle des enquêtes où vous disposez de données sur le terrain.

Quelle que soit l'option que vous postulez, nous recommandons que lorsque vous envoyez dans de nouveaux sondages, vous continuiez à suivre les 20 premiers participants et à ajuster les classements en fonction de vos propres données internes.

Reportage

Utilisez les rapports du Portail Fournisseurs ci-dessous pour obtenir des informations sur les performances de votre intégration API. Après vous être connecté au portail, cliquez sur « Mes rapports » pour accéder à ces informations précieuses.

Tableau de bord du flux d'échange de fournisseurs :

Ce rapport offre un aperçu complet de votre intégration, englobant des indicateurs clés tels que la conversion et la GMV. De plus, il fournit des informations détaillées sur les raisons pour lesquelles les répondants à l'enquête licencient, que ce soit dans le pré-sélection ou dans l'enquête client. Vous pouvez basculer les données entre les 6 derniers mois et les 14 derniers jours.

Tableau de bord de gestion des rendements des fournisseurs :

Ce rapport examine la performance de votre intégration au niveau de l'enquête au cours des 3 derniers jours. Il constitue une ressource précieuse pour identifier les cas où vous pourriez diriger un trafic excessif vers des enquêtes en sous-performance et ne pas supprimer rapidement des enquêtes mal performantes

Exemple de classement par sondage

Après avoir partagé nos recommandations pour construire un système efficace de gestion du rendement, nous avons conclu cet article par un exemple simple de la manière dont vous pouvez classer les enquêtes au sein de votre système.

Objectif : Atteindre un taux de rétention élevé des utilisateurs et maximiser le potentiel de gains en filtrant les enquêtes LOI plus longues et en priorisant les études à plus forte conversion.

Étapes

1. Créez des liens d'entrée pour les enquêtes éligibles selon des règles de filtrage établies.  Dans cet exemple, nous avons utilisé les règles suivantes :

Règles de filtrage

2. Créez un tableau qui stocke les données collectées à partir des données Feed Opportunities pour chaque enquête éligible.  Ces points de données seront utilisés comme entrées pour les colonnes ajoutées à l'étape suivante.   L'ID de l'enquête, le pourcentage de conversion globale et la lettre d'intention seront tous stockés dans cet exemple.

Tableau d'exemple

3. Ajoutez les colonnes calculées à la table.  Ces points de données seront utilisés comme entrées pour les colonnes ajoutées à l'étape suivante.  À cette étape, les colonnes ajoutées seront Conversion interne et Conversion fonctionnelle %.

Exemple de tableau :

4. Ajoutez les colonnes de classement et de statut de l'enquête.

Tableau d'exemple