Qui ?
Vincent Balusseau (en photo), professeur de marketing d'Audencia Guilhem Bodin, partenaire chez Converteo, et Khoi Truong, ex-CDO Consumer data & Digital ops du groupe L’Oréal, fondateur et CEO de Manœuvre .
Quoi ?
Notre synthèse en trois parties (2° partie ici 3° partie là) du chapitre consacré au marketing piloté par l'algorithme, de « Mange ta soupe : 20 experts internationaux aident les marques à bien grandir » (Dunod), coordonné par Wiemer Snijders et Vincent Balusseau. Sortie le 22 septembre, disponible à la pré-commande ici
Comment ?
Drôle de timing : Google et Facebook sont pris à parti par les législateurs partout dans le monde (et pour de bonnes raisons). Et invitent au même moment les annonceurs à faire confiance à leurs algorithmes et aux solutions publicitaires largement automatisées, maintenant disponibles dans leurs plateformes : « Laissez faire la machine si vous voulez gagner du temps, et de la performance ». Cettte orientation prise par le duopole vaudra pour toute la publicité digitale (et, à terme, pour les autres médias digitalisés).
Selon les prévisions de Warc pour 2021, pour la première fois dans l’histoire de la publicité, la majorité des investissements publicitaires mondiaux sera gérée par des machines. Aucun annonceur, petit ou grand, n’échappera aux plateformes et au régime algorithmique qu’elles ont instauré.
Au même moment, l’ensemble des services de Google est à l’arrêt, au niveau mondial. L’incident ne dure pas mais suffit à nous rappeler que sur Internet, quand un GAFA vient à manquer, tout, ou presque, est dépeuplé. Et ce qui vaut pour Google vaut évidemment pour Facebook. On imagine assez bien le désarroi des annonceurs ou de leurs trading desk, quand la plateforme d’achat de publicité Facebook - Facebook Ads Manager - se met à tousser - ce qui arrive. Ces problèmes techniques font figure de détail dans la longue liste de griefs entretenus envers le duopole de la publicité digitale : respect de la vie privée des utilisateurs, contrôle des discours haineux , brand safety . Après avoir été condamnés à de nombreuses amendes, les deux géants sont maintenant poursuivis pour abus de position dominante et entente illicite aux Etats-Unis, et harcelés un peu partout dans le monde par des législateurs enfin décidés à prendre les choses en main (voir aussi nos articles).
Certaines pratiques répréhensibles n’ont pas été l’apanage de ces deux acteurs. L’ensemble des plateformes d’achat du marché (et des DSP), comme d’ailleurs l’ensemble des acteurs de la chaîne programmatique (définie au sens large) ont pu se voir reprocher des dérives. La complexité de la chaîne programmatique a en effet entretenu la suspicion. Mais la question de la confiance des annonceurs envers les Google et Facebook, à la fois éditeurs de solutions AdTech et régies publicitaires, prend une dimension particulière dans un marché en situation de duopole : ils captent près de 75% du marché de la publicité digitale française, et 55 % aux Etats-Unis.
La question de la confiance à l’heure de l’automatisation
Si la dépendance des annonceurs envers les deux acteurs est quasi-totale, la confiance, elle, n’est pas entière. La fiabilité des données transmises par les plateformes est toujours sujette à caution : si les données relatives à la performance des campagnes diffusées sur Facebook et Google sont maintenant certifiées par des mesureurs-tiers, ces derniers n’ont pas la possibilité de mesurer ces données « à la source », ce qui pose problème. Comme la réduction progressive des données à disposition des annonceurs souhaitant analyser (et optimiser) la performance de leurs campagne : 30% des requêtes ayant conduit à une impression ou à un clic facturé à l’annonceur ne sont plus communiquées sur Google Ads. Sur Google Display Advertising, les URL où ont été diffusées les publicités ne sont plus accessibles. Facebook, Instagram, et le Facebook Audience Network limitent les informations sur le placement effectivement retenu pour la diffusion de l’annonce au format publicitaire, sans contexte de diffusion.
Et pourtant, Facebook et Google appellent les annonceurs à faire plus que jamais confiance à leurs algorithmes et aux solutions amplement automatisées, proposées, voire imposées, dans leurs plateformes d’achat. Des solutions toujours plus simples à opérer mais aux modes de fonctionnement s’approchant de la « boite noire », et qui laissent nettement moins de contrôle aux opérateurs par rapport aux solutions pilotables manuellement, et qu’elles viennent progressivement remplacer. Ainsi, des campagnes "Smart Shopping" sur Google Ads remplacent les campagnes Google Shopping classiques, en promettant une réduction substantielle du temps passé à l’optimisation manuelle des performances.
Les annonceurs et leurs agences ont quand même la possibilité de tester (et de comparer) la performance de ces solutions avant de les adopter.
Bientôt, un annonceur n’aura plus qu’à spécifier ses objectifs de campagne (de haut ou bas de tunnel), un KPI business, et un budget, pour ensuite « regarder faire » les algorithmes auto-apprenants. Les cibles, la diffusion, les niveaux d’enchères et même la création sont ensuite gérés par l’algorithme.
Ciblage : après le slim, la vogue de l'oversize
Il n’y pas si longtemps, dans un souci de différenciation et de construction d’avantage concurrentiel par rapport à la publicité dans les grands médias, les deux géants insistaient sur les bénéfices liés au « marketing de précision », et justifiaient à grand renfort de case-studies la définition de listes de mots clés quasi-infinies, ou de cibles extrêmement granulaires. Mais ce récit, si savamment orchestré et dont on perçoit encore aujourd’hui l’influence dans les pratiques des annonceurs, est venu se heurter aux limites opérationnelles du marketing de précision : des campagnes complexes à concevoir, à paramètrer et à gérer , qui peinent à décoller créativement et des campagnes, qui, par manque de reach, n’ont qu’un impact business marginal. Et puis, patatras, arrive sur le devant de la scène le sujet du respect de la vie privée des utilisateurs, dont s’emparent les régulateurs comme certains acteurs de l’industrie (Apple et Mozilla, entre autres), obligeant Google et Facebook à revoir leurs copies (voire même, dans le cas de Google, à se transformer, au moins dans le discours, en chantre de la privacy en ce début 2021). Le nouveau grand récit enjoint maintenant les annonceurs, petits et grands, à faire confiance aux algorithmes et aux solutions automatisées (le tout dans le respect de la vie privée des utilisateurs, juré craché).
Avec une option automatisée, et à partir d’un objectif branding ou acquisition, d’un budget et d’un KPI fixés en amont par le marketeur, l’algorithme va chercher les utilisateurs qu’il estime les plus susceptibles d’accomplir l’action attendue, en utilisant l’ensemble des signaux à sa disposition, en temps réel. L’heure est définitivement au « ciblage large », sur Google Ads et sur Facebook Ads. Au lieu de multiples cibles très précises, et de nombreuses petites campagnes, de courte durée (ce qui relevait des « best practices » il y a peu), les marketeurs sont maintenant invités à élargir le terrain de jeu de l’algorithme. Facebook exhorte ainsi les marketeurs à définir des cibles larges, à lancer des plus grosses campagnes, inscrites dans la durée, qui donnent la possibilité à ce dernier d’apprendre et de déterminer le profil, par tests continus, des cibles « gagnantes ». « En restreignant votre audience sur votre supposée cible, vous limitez Facebook dans sa capacité à identifier d’autres profils à même de réaliser une conversion », explique Danilo Duchesnes, formateur et consultant spécialisé sur Facebook Ads. La même logique prévaut en Paid search, avec un Google qui rend obsolètes les stratégies de gestion de campagnes granulaires et le ciblage précis des mots-clés, et laisse l’algorithme décider des requêtes.
Il utilise les signaux à sa disposition pour choisir le réseau où apparaitra la publicité de l'annonceur : dans le cas d’une campagne Smart Shopping sur Google Ads , la publicité produit de l’annonceur peut être diffusée sur le réseau de recherche, Google Display Network, YouTube ou encore Gmail (l’annonceur soucieux de son image peut bien entendu fixer des limites au contexte de diffusion).
Il sélectionne également l’emplacement et la création à diffuser à tel ou tel utilisateur, pour optimiser les performances de la campagne (la publicité pourra par exemple être crée à partir d’un catalogue produit, comme avec les Dynamic Product Ads de Facebook, ou bien être assemblée à la volée à partir de multiples blocs mis à disposition , comme avec les publicités responsive en Search ou en Display de Google Ads.
La question des enchères
Selon le critère de performance (comme un volume de ventes dans une campagne de bas de tunnel), les options automatiques laissent à l’algorithme le soin de fixer lui même le niveau d’enchère pour chaque impression, en fonction de la probabilité de réalisation de l’action attendue, calculée en temps réel, à partir de la quantité (impressionnante) de signaux à sa disposition ( les marketeurs peuvent déterminer le budget à ne pas dépasser). Le but ? payer le « juste prix » pour l’affichage de chaque publicité, calqué sur la valeur potentielle de chaque impression pour une marque donnée.
Si le reporting de campagne inclut bien la performance sur le KPI principal, il est parfois réduit à portion congrue : avec les « campagnes intelligentes » de Google Ads comme les « campagnes pour applications » ou les campagnes Smart Shopping, il n’est plus possible de savoir où l’annonceur a diffusé , ni même de connaitre les requêtes qui ont déclenché l’affichage de ses annonces. Ces informations sont encore partiellement disponibles pour l’ensemble des campagnes opérées de manière manuelle.
Google Ads, décharge de plus en plus les opérateurs d’une partie de leur travail d’analyse et de recommandation. Avec son nouveau module «Recommandations », Google suggère en continu des pistes d’amélioration, aussi bien pour les campagnes pilotées manuellement que pour les campagnes automatisées. Ces recommandations sont accompagnées d’actions concrètes à mettre en oeuvre qui accroissent le « taux d’optimisation » de son compte Google Ads, et donc, en théorie, la performance de l’ensemble des campagnes . Le gestionnaire n’a plus qu’à cliquer sur « appliquer », et telle recommandation sera mise en oeuvre (comme celle, par exemple, d’utiliser les extensions de lieu pour augmenter son taux de clic, de passer en CPA cible pour accroitre de x % son taux d’optimisation…). Et il peut même laisser la machine appliquer d’office les recommandations qu’elle suggère.
Google multiplie aussi les options automatisées dans DV360, son DSP, d’acheter de l’inventaire Display et Vidéo partout sur le web (mobile) et dans l’univers applicatif. Les media traders peuvent enchérir automatiquement sur les principaux critères de l’achat media (CPM, taux de visibilité, brand safety…). L’algorithme choisit s les inventaires de diffusion pour optimiser le CPM, le volume de clic ou la visibilité des bannières publicitaires. Depuis la fin de 2020, , le Custom Bidding permet d’optimiser les campagnes sur des indicateurs de performance qui sont propres à chaque site internet (Ventes, leads, …). Search Ads 360 propose désormais de prendre en compte la probabilité de conversion de l’internaute sur le site de l’annonceur, en se basant sur des signaux cumulés dans Google ads et dans Search Ads 360 (moment de la journée, device ou encore position géographique de l’individu).
