Fragilisation du machine learning et retour au pilotage manuel

Nous vous avons proposé cette semaine une série d’article pour décrypter la fin du cookie et les changements induits pour les annonceurs. Nous aborderons notamment les thèmes du consentement, de l’achat contextuel et l’achat d’audience, de la fin de la mesure digitale et des responsables d’acquisition.Nous clôturons cette semaine sur le thème de la fragilisation du machine learning et retour au pilotage manuel.

Un site e-commerce peut définir un objectif de retour sur investissement et laisser un algorithme remplir l’objectif. Les plateformes comme Google Ads et Facebook Business Manager tendent depuis quelques années vers ce modèle de pilotage.

Partagez un budget et un objectif cible, la plateforme s’occupe du reste

Les plateformes d’achat média optimisent selon un objectif précis définit par le média trader lors de la programmation de la campagne. Sous le capot de ces plateformes se trouvent des algorithmes nourris par de la donnée. Ces algorithmes prennent des décisions parfois à la marge ou produisent des conseils, d’autres fois ils pilotent les campagnes de façon autonome, en boite noir.
Le temps passé par les média-traders sur l’optimisation des campagnes se rétrécit en particulier pour les plateformes fermées où les algorithmes ont pris les commandes. Des trading desk présents sur le programmatique ouvert proposent aussi une gestion des campagnes média par une intelligence artificielle, comme AntVoice.

La qualité de la donnée est le socle de ces modèles

La qualité de ces modèles d’apprentissage automatique (machine learning) dépend de la quantité et de la qualité de la donnée entrante. Cette donnée peut être par exemple :

• de la donnée de navigation récoltée sur des sites tiers via un cookie tiers (ou identifiant mobile), permettant de modéliser de la consommation média, des intérêts d’achat…
• des achats et conversions sur le site d’un annonceur récoltés via un cookie tiers (ou identifiant mobile) permettant de rechercher des profils similaires…
• de la donnée socio-démo propriété de la plateforme média
• des interactions et engagements avec les créations, propriété de la plateforme média

Le manque de donnée nécessite la reprise en main des commandes

L’absence de cookie tiers met à mal ces modèles : il est moins possible – voir bientôt plus du tout – de définir un objectif de performance sur site et de laisser l’algorithme de la plateforme d’achat média remplir le contrat (eg: coût à la visite, ROAS…) car l’outil d’achat sera aveugle sur une partie des informations. ll ne sera plus capable d’enchérir sur des profils similaires aux profils ayant rempli l’objectif.
Le media trader devra alors reprendre les commandes. Il pourra par exemple vérifier les performances de chaque ligne de ses campagnes dans ses outils propriétaires, comme l’outil de web-analyse, et modifier les allocations budgétaires en fonction. D’autres méthodes pourront être déployées comme le groupe de contrôle géographique, le croisement avec la base CRM… nécessitant une proximité entre le media trader et d’autres équipes internes.
Les campagnes de notoriété pilotée à la couverture sur cible ou les A/B tests créatifs, paramétrés dans les plateformes opérant dans des univers logées (eg : Facebook Business Manager, Snapchat…), pourront continuer de tourner de façon autonome grâce à des algorithmes.

Le média trader devra avoir accès au contexte et à la donnée de l’annonceur

Il sera nécessaire d’avoir des média traders investis, compétents… et surtout ayant accès aux outils propriétaires et au contexte business – d’autant plus pour les stratégies d’acquisition et de performance. Cela passera vraisemblablement par une internalisation partielle ou total du trading média avec un accompagnement ; les entreprises prenant cette direction auront un avantage concurrentiel sur leurs concurrents.

Auteur : Adrien Rambaud, Consultant Senior Media x CRM