Le contexte
Lalalab, une entreprise française renommée dans l’impression de photos, se spécialise dans la transformation de souvenirs numériques en produits tangibles tels que des tirages, des boîtes photo, des livres photo, des aimants, et plus encore. Connu pour son application conviviale et ses offres de formats variées, Lalalab s’adresse à un large éventail d’utilisateurs recherchant des services d’impression photo de qualité livrés directement à leur domicile.
Moloco est une entreprise spécialisée dans le machine learing proposant des solutions de performance pour aider les entreprises du monde entier à augmenter le ROI de leurs stratégies numériques afin d’accélérer leur croissance.
Les enjeux
Lalalab a rencontré des difficultés dans l’acquisition de nouveaux utilisateurs et a atteint un plateau de croissance, en raison de sa dépendance à une gamme limitée de sources de publication de contenu, principalement des réseaux à auto-attribution (Self-Attributing Networks, SANs). L’objectif était de diversifier ces sources, d’élargir leur portée et leur potentiel en dehors des SAN (SANs to the open internet). De plus, l’intégration d’une nouvelle plateforme pour étendre leur publicité au-delà des SAN a offert une opportunité d’apprentissage précieuse, ouvrant la voie à une intégration stratégique et à un succès à long terme.
La stratégie
Lalalab, en collaboration avec son agence, Addict Mobile, s’est associé à Moloco pour mettre en œuvre une approche stratégique visant à diversifier son mix marketing et à étendre sa portée au-delà des walled gardens traditionnels vers l’open internet. Cette initiative s’est concentrée sur l’utilisation des capacités avancées de Machine Learning (ML) de Moloco pour réduire le coût par acquisition (CPA) et maximiser les revenus.
Addict Mobile a facilité un plan d’investissement complet d’un mois pour Lalalab, dans le but d’évaluer les performances initiales de Moloco après son lancement et d’établir des benchmarks. Suivant les recommandations de Moloco, Addict Mobile a développé des créas et de contenu personnalisé en utilisant leurs outils internes. Cela garantissait que les créas non seulement résonnaient avec le bon utilisateur au bon moment avec le bon message, mais étaient également adaptées à divers formats pour une performance optimale sur la plateforme de Moloco. Le moteur ML de Moloco a collecté et analysé des données des 1st party data tout au long de la phase d’apprentissage, permettant une optimisation des campagnes en temps réel.
Les résultats
En surveillant les indicateurs de performance clés tels que le CPA, le ROAS et l’engagement des utilisateurs, Lalalab a considérablement amélioré sa stratégie publicitaire et a constaté une immense amélioration de ses performances. Grâce à la collaboration avec Addict Mobile, l’intégration par Lalalab de la technologie ML de Moloco a permis des avancées mesurables.
- Augmentation du ROAS de plus de 12%
- Top 3 des sources pour Moloco avec une diminution du coût d’acquisition des clients (CAC) de -9%
- Observation du meilleur panier moyen parmi les campagnes d’acquisition d’utilisateurs, y compris les SAN.
