La Data Science au service de la performance publicitaire
Depuis le 31 mars 2021, les réglementations de la CNIL stipulent que sans le consentement explicite de l'internaute, il n'est plus possible de collecter ses données personnelles. D'ici 2023, Google mettra également définitivement fin à l'utilisation des cookies tiers sur son navigateur Chrome. Des changements qui redessinent le marché de la publicité numérique et interrogent sur son avenir. Comment concilier ciblage publicitaire et disparition de la donnée utilisateur ?
L’optimisation du ciblage publicitaire grâce à la Data Science
Si la disparition des cookies tiers ne sonne pas nécessairement l’extinction de la data et de la performance, ces bouleversements dans l’écosystème de la publicité digitale signifient cependant qu’un changement de stratégie s’impose en matière de ciblage. Il s’agit d’appréhender, de comprendre et d’utiliser judicieusement les données afin qu’elles constituent de puissants leviers de performance et d’innovation. A la croisée de l’informatique, du métier client et de la modélisation mathématique, la science des données est une discipline qui vise à construire des modèles statistiques et d’apprentissage automatique. Elle permet ainsi d’explorer et d’analyser des données brutes afin de les transformer en informations pertinentes répondant à une problématique business, tel que le ciblage publicitaire. La Data Science apporte donc une solution concrète qui répond parfaitement aux enjeux actuels d’optimisation du ciblage publicitaire.
Un modèle fondé sur l’intelligence artificielle et le machine learning
Depuis plusieurs années déjà, la publicité se transforme à la faveur de l’intelligence artificielle. Celle-ci apporte une subtilité d’analyse permettant de réajuster le ciblage et d’offrir une compréhension plus fine des contextes de diffusion. Grâce aux énormes progrès des offres de cloud computing, il est possible d’entraîner des algorithmes de machine learning sur des volumes de données toujours plus importants pour les rendre extrêmement performants. Ces modèles peuvent ensuite être utilisés pour classifier automatiquement des millions de lignes de données en un temps record et prendre des décisions en temps réel. Une technologie qui, combinée aux algorithmes de NLP (Natural Language Processing), profite grandement au marché de la publicité digitale. Ces systèmes auto apprenants permettent d’optimiser les performances et les investissements publicitaires tout en garantissant à l’annonceur un contexte d’affichage en parfaite adéquation avec à son image et son univers. L’IA propulse le ciblage publicitaire dans une nouvelle ère et cette tendance ne va faire que s’accentuer face à l’émergence du monde cookieless à venir.
L’ère du ciblage sémantique
Aujourd’hui, l’IA permet d’enrichir la data dite « contextuelle » ou encore « sémantique » en y associant l’analyse du sens et de la brand suitability des contenus éditoriaux analysés. Cette approche permet de changer de perspective et de passer d’un ciblage basé sur des données personnelles à un ciblage basé sur de la donnée sémantique. Concrètement, l’utilisateur n’est plus ciblé via ses données personnelles ou de son historique de navigation, mais en fonction de son contexte de lecture immédiat. Ce type de ciblage offre de meilleures performances car le message est personnalisé et s’affiche au moment où l’attention de l’internaute est maximisée sur un sujet précis. De plus, il permet d’atteindre l’utilisateur sans restriction de support ou navigateur et ne nécessite que de la data d’attention. Le ciblage sémantique a également pour avantage de redonner du sens à la publicité. En liant l’offre publicitaire au contenu du site web, le produit ou le service proposé par l’annonceur prend tout son sens, et le contenu éditorial gagne de la valeur.
Rendu possible par la Data Science, le ciblage cookieless et consentless offre de nouvelles perspectives de performance et permet de conserver une approche data driven tout en s’affranchissant de l’utilisation de cookies tiers. Ainsi le « zero user data » ne sera plus une alternative, mais un levier numérique reconnu ou la question du « qui » sera abordée à travers une vision globale et contextuelle.