Comment Terega a utilisé la solution de ciblage sans cookie de Qwarry ?

Votre stratégie marketing est-elle prête pour un environnement cookieless ? Découvrez les enjeux et les solutions pour faire de la publicité sans cookies tiers.
Comment Terega a utilisé la solution de ciblage sans cookie de Qwarry ?

Les points clés

Qwarry a généré un taux de clics 36% supérieur à celui obtenu par les autres acteurs ayant utilisé de la data utilisateur pendant la campagne.

Le challenge

Teréga souhaitait attirer l’attention sur l’importance de la transition énergétique et les enjeux du gaz vert.Acteur majeur des infrastructures de transport et de stockage de gaz, en France et en Europe, Teréga est déterminé à faire du gaz un accélérateur de la transition énergétique.Afin de renforcer sa parole de marque, de toucher différents publics et d’attirer l’attention sur l’importance de la transition énergétique et les enjeux du gaz vert, Teréga a souhaité déployer une campagne de branding avec deux objectifs clés : maximiser la visibilité du message et apporter un trafic de qualité sur le site.

La solution

Teréga a choisi la solution de ciblage sémantique sans cookie Qwarry.Séduit par l’approche sémantique 100% RGPD by Design, Teréga, accompagné par l’agence Makheia, a choisi de confier le volet programmatique de la campagne display à Qwarry. « Notre agence nous a présenté la solution de Qwarry, et leur positionnement éthique sans utilisation de la data utilisateur était proche des valeurs de notre entreprise », explique Dominique Boquillon, la directrice de la communication de Teréga.Qwarry garantie le respect de la vie privée des internautes tout en maximisant leur attention au message de Teréga grâce à un ciblage basé sur leurs centres d’intérêt immédiat.Avant le lancement de la campagne, Qwarry a analysé le champ sémantique de Teréga et a défini des segments sémantiques sur-mesure. Sur la cible B2B, plusieurs segments sémantiques ont été utilisés (par exemple : industrie, urbanisme, agriculture ou énergies renouvelables) pour les lier à chaque cible définie par Teréga.Les algorithmes de Deep Learning développés par Qwarry, qui s’appuient sur des technologies de Natural Language Processing (NLP) et de Natural Language Understanding (NLU), ont permis de comprendre le contenu et les sentiments associés pour chacune des pages sur lesquelles la publicité est diffusée.

Les résultats

Qwarry a généré un taux de clics 36% supérieur à celui obtenu par les autres acteurs ayant utilisé de la data utilisateur pendant la campagne.Suite à la diffusion de la campagne de branding opérée par Qwarry en programmatique, Teréga a pu améliorer sa reconnaissance en tant qu’acteur prépondérant de la transition énergétique.L’impact sur l’engagement a été positif et l’ensemble des performances ont été en hausse tout au long de la campagne. Le dispositif a généré un taux de complétion de 63% à 69% selon les publics avec un taux de rebond de 23% en moyenne. Le taux de clics a été 36% supérieur à celui obtenu par les autres acteurs ayant utilisé de la data utilisateurs pendant la campagne.Les budgets ont également été optimisés. Le coût à la vidéo vue était inférieur à quatre centimes d’euros quand sur Youtube il atteignait sept centimes.

À lire aussi

Comment Terega a utilisé la solution de ciblage sans cookie de Qwarry ?
Étude de cas

Comment Terega a utilisé la solution de ciblage sans cookie de Qwarry ?

Qwarry a généré un taux de clics 36% supérieur à celui obtenu par les autres acteurs ayant utilisé de la data utilisateur pendant la campagne.

Comment Térega a utilisé la solution de ciblage contextuel de Qwarry pour sa première campagne programmatique.
Étude de cas

Comment Térega a utilisé la solution de ciblage contextuel de Qwarry pour sa première campagne programmatique.

Le contexte réglementaire et les politiques anti-tracking des navigateurs amènent de plus en plus de sociétés à se positionner sur le ciblage contextuel. Pour toucher différents publics, le transporteur et stockeur de gaz Térega a ainsi fait appel à Qwarry, une société qui utilise l’analyse sémantique du contexte de diffusion pour orienter des campagnes programmatiques. mind Media a interrogé Qwarry et Térega, pour évaluer les premiers résultats de cette campagne.

Nos derniers articles