Jellyfish intègre Share of Model à PMax pour optimiser les campagnes avec les signaux fournis par les LLM
S’inspirer de ce que les LLM et les agents conversationnels disent des consommateurs et des marques pour optimiser l’achat média sur Google Ads. C’est, en deux mots, ce que commence à faire Jellyfish avec son outil propriétaire Share of Model en intégration directe avec Performance Max (PMax) de Google Ads. Les premiers résultats obtenus sur des campagnes optimisées aux Etats-Unis, marché où le recours aux IA est parmi les plus matures, montrent des compteurs qui grimpent aussi bien sur des indicateurs média que business.
Pour une marque de mode californienne, l’optimisation a débouché sur des ventes en hausse de 38% et sur un ROAS multiplié par 13 en cinq semaines de campagne, assure Jellyfish. Un gain généré qui a permis au passage, en une seule opération et dès le premier mois, de couvrir trois fois le coût annuel de la licence à Share of Model. Pour une marque de lunettes, le taux de clics a évolué de 17,5% et le taux de conversion, de 14,5%. Enfin, pour MSC Direct, distributeur d’équipements industriels, 30 jours ont été suffisants pour augmenter les recettes de 45% et le ROAS de 50%, déclarent nos interlocuteurs.
"Les agents conversationnels deviennent progressivement des intermédiaires de choix en influençant la manière dont les consommateurs découvrent les marques. Ces données sont par conséquent précieuses pour permettre aux annonceurs d’optimiser leurs campagnes. C’est pourquoi nous connectons désormais directement la compréhension des LLM à une activation publicitaire concrète à grande échelle", explique Thomas Skowronski, VP Technology Solutions chez Jellyfish. En deux mots : alors que tout le monde dans cette industrie, y compris Jellyfish, cherche à influencer les réponses des LLM, ici Jellyfish fait le chemin inverse qui consiste à optimiser la manière de cibler les audiences en tenant compte de ce que les LLM ont compris de ces dernières et des marques qu’elles sont susceptibles de consommer. "Les LLM sont de nouvelles sources précieuses d’insights : les résultats de nos optimisations sont là pour le démontrer", ajoute Frédéric Derian, product lead chez Jellyfish Technology Solutions.
En pratique, les équipes de Jellyfish jouent sur deux catégories de signaux qu’il est possible de modifier sur Performance Max pour orienter les algorithmes de diffusion des campagnes : les search themes et les audiences segments. Pour agir sur les thèmes de recherche, tout d’abord, elles interrogent Share of Model afin de mesurer la manière dont les IA (Gemini, ChatGPT, Llama, Claude, etc.) perçoivent les marques, les produits, leur environnement concurrentiel et les attentes des consommateurs. L’algorithme de la plateforme compare ces perceptions avec tous les éléments créatifs, textuels et thématiques utilisés sur les campagnes PMax en cours pour identifier les "lacunes sémantiques”, c’est-à-dire les thèmes pertinents dont la marque ne se sert pas sur Google Ads.
Pour la marque de lunettes américaine par exemple, les équipes ont constaté, via les LLM, que sa principale force est d’être classée comme étant design et avant-gardiste et ont pu déterminer plusieurs nouveaux search themes très précis (et secrets !) en lien avec cette perception. "Pour chaque campagne PMax, nous pouvons déclarer jusqu’à 50 search themes. Sachant que les besoins des consommateurs évoluent en permanence, Share of Model nous permet d’actualiser constamment ces search themes de manière très aboutie afin d’être au plus près des intentions d’achat", explique Frédéric Derian. Ces nouveaux thèmes sont injectés dans PMax via l’API reliant les deux plateformes.
Le même travail est fait pour les audiences : interrogés via Share of Model les LLM indiquent à Jellyfish, pour une marque et même pour un produit donné, quels segments de la population ou personae sont les plus susceptibles de les consommer. "Nous utilisons un score d’intention d’achat en interrogeant les IA plutôt qu’un panel de consommateurs. Les IA deviennent des assistants d’achat, elles sont capables de recommander des marques et d’exprimer des préférences. C’est pourquoi il devient possible de mesurer leur propension à choisir un produit exactement comme ferait un panel de consommateurs", précise Frédéric Derian. Ces clusters de personae détaillés sont ensuite comparés à ceux présents dans "audiences segments" de PMax via l’API reliant les deux plateformes pour, si nécessaire, les compléter. Ainsi pour une marque spécifique de savon pour le sol, on connaitra les 5 clusters d’audience qui sont les plus susceptibles de s’y intéresser, comme les familles urbaines avec enfant, les propriétaires d’animaux de compagnie et les personnes seules de plus de 65 ans.
Les prochaines étapes pour les équipes de Share of Model seront de proposer une fonctionnalité permettant de modifier les assets créatifs des campagnes sur PMax et de mettre en place une intégration avec Google Ads sur le "broad match". Jellyfish reste ouverte à réaliser ce même type d’intégration avec d’autres plateformes publicitaires du marché.