À l’ère de l’analytique, comment les annonceurs tireraient-ils pleinement parti du potentiel croissant du big data ? Dans cet article, l’auteur élabore sur diverses applications de la science des données dans la publicité qui peuvent aider les annonceurs à se positionner stratégiquement dans l’environnement commercial hautement concurrentiel d’aujourd’hui.

Le monde numérique d’aujourd’hui s’infiltre plus que jamais dans la vie des gens et cela a fait du marketing en ligne une préoccupation commerciale majeure pour certains alors qu’il a ouvert une pléthore d’opportunités pour d’autres. L’objectif des entreprises du monde entier aujourd’hui est de créer un produit ou un service de valeur pour le consommateur, que ces consommateurs soient des utilisateurs individuels, des entreprises, des agences gouvernementales ou des sociétés. Pour ce faire, les maisons de commerce ont chargé les spécialistes du marketing et les annonceurs de trouver des clients potentiels, d’attirer leur attention sur le produit ou les services offerts, de traduire cette attention en achats et d’étendre leur intérêt vers d’autres offres similaires. Cependant, ce faisant, le défi fondamental auquel sont aujourd’hui confrontés les spécialistes du marketing et les annonceurs est qu’ils doivent rivaliser dans un espace de marché compliqué par l’émergence de nouvelles plateformes technologiques, à la fois en ligne et hors ligne.

La publicité aujourd’hui
La publicité offre un rôle climatique dans la manière dont elle fournit des revenus à l’économie Internet qui est construite sur le principe de fournir du contenu et de la valeur aux utilisateurs finaux, gratuitement tout en répondant à l’objectif le plus fondamental du marketing, qui est la vente. Dans l’ère actuelle de l’économie Internet – avec la diversité numérique et la littératie numérique – un trafic Internet plus important est attribué aux appareils mobiles par rapport aux ordinateurs de bureau ou à d’autres appareils (Adobe Digital Insights, 2017 ; rapport CISCO Mobile VNI, 2015 ; Deloitte, 2015). En Inde, par exemple, le trafic Internet des appareils mobiles est déjà bien en avance sur le trafic des ordinateurs de bureau.

Selon publié par IAMAI en 2016, 373 sur un total de 432 millions d’internautes accèdent à Internet via appareils mobiles. De plus, selon des données récentes, l’utilisateur mobile moyen aux États-Unis passe en moyenne 5 heures à consommer du contenu sur des appareils mobiles uniquement, les médias sociaux et les divertissements représentant la majorité du contenu consommé (Khalaf & Kesiraju, 2017).

Cette tendance croissante à la navigation mobile peut être attribuée à de nombreux facteurs tels que l’amélioration de l’infrastructure numérique, l’accès abordable à l’Internet mobile, la croissance rapide du marché des smartphones, l’accès facile aux appareils à faible coût et une plus grande culture numérique. Mais avant tout, c’est la complexité de la communication mobile à s’adapter à la préférence des utilisateurs pour la satisfaction des besoins qui fait du mobile un outil indélébile (puissant) pour le marketing. Les téléphones mobiles riches en fonctionnalités offrent un élément de portabilité et un accès facile à Internet 24 heures sur 24, ce qui correspond aux préférences des utilisateurs pour des divertissements et des communications plus personnalisés et à la demande. Contrairement à l’ère du divertissement collectif et communautaire, les téléphones mobiles favorisent le désir de profiter du contenu, lorsque cela leur convient, avec un élément de confidentialité et d’anonymat relatifs, lorsqu’ils le souhaitent. Ainsi, une approche généralisée du marketing, reposant sur une messagerie centrée sur le plus petit dénominateur commun pour attirer le plus large éventail de clients, est une stratégie loin d’être idéale pour les utilisateurs mobiles.

eurobizrevuk1807_article_050_01_03
Les téléphones mobiles riches en fonctionnalités offrent un élément de portabilité et un accès facile à Internet 24 heures sur 24, ce qui correspond aux préférences des utilisateurs pour des divertissements et des communications plus personnalisés et à la demande.
Transformer la publicité basée sur les données
La transformation basée sur le mobile des modèles d’accès à Internet et de consommation de contenu permet aux annonceurs d’intégrer la personnalisation à différents niveaux dans leurs stratégies et leurs campagnes. Un environnement comme le mobile offre les conditions les plus favorables pour une publicité personnalisée et hyper-ciblée, principalement en raison de trois facteurs. Ceux-ci sont:

• Un mobile offre un accès omniprésent à Internet à son utilisateur. Un utilisateur est plus susceptible d’avoir un mobile en sa possession la plupart du temps et donc Internet à portée de main.

• L’espace d’écran limité d’un mobile sert d’espace principal qui est disproportionnellement plus susceptible de capter l’attention de l’utilisateur.

• Les données sont beaucoup plus étendues sur mobile que sur d’autres appareils ; plus de points de données peuvent être capturés et intégrés avec une plus grande exhaustivité (par exemple, exploiter la mobilité géographique continue).

Par conséquent, la publicité basée sur les données dans les environnements mobiles génère des conversions nettement plus élevées que celles sur les ordinateurs de bureau dans de nombreuses circonstances (par exemple, 20 000 sur mobile contre 5 000 sur ordinateur dans l’une de nos récentes campagnes pour un fournisseur de commerce électronique indien de premier plan dans la catégorie des gadgets).

Avec la personnalisation de masse basée sur les données, les annonceurs peuvent regrouper des utilisateurs ayant des profils similaires et présenter des messages ciblés en fonction de ces points communs. En micro personnalisation, les annonceurs peuvent dresser un portrait plus nuancé de chacun utilisateur individuel et présenter des annonces qui répondent aux besoins de cet utilisateur spécifique. La recherche et la publicité auprès des consommateurs ont montré que le choix des médias et du contenu est motivé par des besoins sociaux et psychologiques spécifiques (Théorie des usages et de la gratification sur les expériences, les intérêts et les préférences subjectifs des consommateurs par McQuail 1994) tels que les besoins de surveillance (être conscient et surveiller les changements dans les son environnement) et les besoins de diversion (échapper à des circonstances banales ou difficiles), pour n’en nommer que quelques-uns.

Savoir quels besoins les utilisateurs visent à satisfaire avec un support peut être très bénéfique pour garantir que le bon type de message est fourni aux utilisateurs aux moments appropriés. Les chercheurs suggèrent que même des différences subtiles dans les publicités présentées aux utilisateurs peuvent modifier leur comportement et, par conséquent, la publicité personnalisée peut générer de meilleurs dividendes pour les entreprises. Park et John en 2012 ont démontré que les personnes qui pensaient que les capacités pouvaient grandir avec l’apprentissage étaient plus influencées par les publicités basées sur sur l’amélioration de soi tandis que les personnes qui croyaient en la nature innée et stable de la capacité étaient plus influencées par les publicités axées sur l’opportunité de démontrer leurs traits favorables aux autres, élucidant l’approche subjective et qualitative des utilisateurs comme une approche supérieure pour de meilleurs résultats publicitaires.

Puisqu’il est impossible pour les plateformes de publication de contenu ou les marketeurs eux-mêmes de contrôler la personnalisation de masse et micro, la science des données est la technologie utilisée par les réseaux publicitaires pour exécuter ces fonctions assurant la plus grande utilité aux annonceurs et aux éditeurs sur chaque campagne publicitaire.

Utiliser les sciences des données dans la publicité
La science des données est une technologie qui utilise des algorithmes qui permettent aux annonceurs de traduire les informations en action en enregistrant, analysant et classant les données relatives aux intérêts, préférences, désirs et intentions des utilisateurs via la navigation sur Internet, à grande échelle. Ils permettent aux agences de réseaux publicitaires d’établir des modèles de comportement des utilisateurs, d’utiliser ces modèles pour générer des prédictions de comportements futurs et les traduire en entrées exploitables pour diffuser des publicités personnalisées. En conséquence, les entreprises en bénéficient car elles reçoivent des conversions et des revenus plus élevés pour le même investissement monétaire et les utilisateurs bénéficient d’annonces plus pertinentes sur le plan personnel et émotionnellement attrayantes en fonction des besoins et des préférences uniques de l’individu, réduisant l’encombrement non pertinent sur leur écran générant de la valeur.

Les réseaux publicitaires collectent des données sur les utilisateurs en analysant la source du trafic, l’historique de navigation passé sur une plate-forme, avec d’autres points de données tels que l’emplacement, l’heure d’accès, les indicateurs démographiques (par exemple, l’âge, le sexe et l’origine ethnique), l’appareil, le type de navigateur, système d’exploitation, réseau mobile et enfin, données post-campagne de l’entreprise pour laquelle la campagne a été menée (par exemple, la valeur à vie d’un utilisateur, le montant de l’achat, etc.). Cet ensemble de données est ensuite combiné dans un réseau ou un profil d’utilisateur complet qui est utilisé pour diffuser des publicités ciblées personnalisées. Deux principaux les préoccupations sont pertinentes : lorsqu’un utilisateur est identifiable (c’est-à-dire qu’il est connecté), toutes les données relatives à l’utilisateur sont intégrées pour décider quelle publicité afficher sur différentes plateformes, écrans ou appareils, et lorsqu’un utilisateur n’est pas identifiable, les points de données disponibles sont intégrés pour construire un profil d’utilisateur en temps réel afin d’afficher des publicités auxquelles l’utilisateur est le plus susceptible de répondre sur un support particulier.

eurobizrevuk1807_article_050_01_04
Application de la science des données
De nombreuses applications spécifiques de la science des données sont utilisées pour la publicité mobile.

Premièrement, la science des données peut faciliter les décisions concernant le type d’annonce à afficher. Par exemple, une personne qui parcourt principalement les pages technologiques d’un site Web d’actualités devrait voir une annonce différente de celle d’une personne qui parcourt principalement les pages de divertissement. De plus, une personnalisation encore plus grande est réalisée en fonction, par exemple, du type de divertissement préféré de l’utilisateur, qu’il s’intéresse principalement aux émissions de télévision ou films, quelle langue de programmation il aime, quelles catégories (humour, romance, horreur, etc.) sont préférées, etc. Combinée aux points de données discutés précédemment, la science des données permet d’identifier et de diffuser l’annonce la plus pertinente pour l’utilisateur ; par exemple, une annonce en anglais incitant à l’installation de l’application Netflix, ou une annonce en anglais incitant à l’achat d’un abonnement à Netflix, ou une annonce en langue régionale incitant à l’abonnement à Amazon Prime, parmi plusieurs autres options. De même, deux utilisateurs peuvent tous deux provenir de pages de mode de différents sites Web, mais leurs historiques de navigation et leurs points de données individuels peuvent être utilisés pour cibler la micro-personnalisation au niveau des marques préférées, des accessoires préférés et des styles préférés.

Savoir quels besoins les utilisateurs visent à satisfaire avec un support peut être très bénéfique pour garantir que le bon type de message est fourni aux utilisateurs aux moments appropriés.
La deuxième application majeure de la science des données au mobile la publicité concerne l’augmentation du taux de conversion pour les annonceurs, c’est-à-dire la maximisation de la mesure dans laquelle le destinataire d’une annonce se traduit par un client pour l’entreprise pour laquelle l’annonce est diffusée. Dans ce contexte, la science des données peut être utilisée pour rendre compte du fait que les utilisateurs sont susceptibles de ressentir différents niveaux d’attention, de motivation et d’intérêt à acheter à différents moments, sur différents supports et liés à différentes problématiques. Un élément de ceci est d’assurer la plus grande probabilité de conversion, jusqu’à la livraison. Par exemple, les analyses peuvent indiquer qu’un utilisateur qui achète des produits sur un site Web de commerce électronique après minuit est plus susceptible de retourner des produits car son attention est réduite la nuit et, par conséquent, les achats sont effectués avec moins de soin. Un autre utilisateur peut être plus susceptible d’acheter l’après-midi parce que la motivation à acheter est plus élevée que lorsqu’il est à la maison le soir. Ce type de données peut être utilisé pour garantir que les annonces sur les sites Web de commerce électronique sont affichés aux moments et dans les contextes où l’attention et la motivation d’achat des utilisateurs sont les plus élevées afin que le taux de conversion final soit amélioré.

Un autre élément de cette application consiste à analyser la réponse d’un utilisateur à une annonce une fois qu’elle a été diffusée et à l’intégrer aux données disponibles afin de déterminer la stratégie publicitaire ultérieure pour cet utilisateur, c’est-à-dire s’il doit afficher des annonces identiques ou similaires, ou si des annonces différentes devraient lui être diffusées et à quel moment. La question du reciblage est pertinente ici. La science des données facilite les décisions concernant des publicités similaires ou différentes qui peuvent être diffusées autour d’un domaine d’intérêt particulier pour un utilisateur et d’un moment approprié pour l’affichage. Ainsi, l’étendue et l’élasticité du reciblage pour chaque profil d’utilisateur peuvent être déterminées.

La troisième application de la science des données à la publicité mobile implique le choix d’annonces en temps réel et la conception créative d’annonces personnalisées pour l’utilisateur. Les annonceurs peuvent utiliser la science des données pour déterminer le type de messagerie d’un utilisateur le plus susceptible d’être réceptif et de fournir exactement ce format et ce contenu de message dans l’annonce finalement affiché à l’utilisateur, en quelques instants. L’annonce est donc conçue pour chaque utilisateur en temps réel, c’est-à-dire qu’il y a un choix de marque, une création de message et un affichage d’annonce en temps réel. Par exemple, les différences entre les personnes provenant des sites Web 1 et 2 peuvent être identifiées pour garantir que différents types de messages sont affichés. L’exemple le plus simple serait celui de la langue, de sorte que les utilisateurs provenant d’une page Web en anglais devraient voir l’annonce en anglais tandis que ceux provenant d’un site Web vernaculaire devraient voir l’annonce dans cette langue vernaculaire. Cependant, cela est souvent beaucoup plus complexe car les données relatives aux plateformes de publication sont intégrées à une grande quantité de données sur chaque utilisateur individuel pour assurer le maximum de pertinence et de personnalisation.

En conséquence, plutôt que de se concentrer uniquement sur l’apport du plus grand nombre d’utilisateurs à la plate-forme, l’objectif est d’amener le plus grand nombre d’utilisateurs qui effectueront des achats et se convertiront en clients avec une valeur à vie élevée.