Lorsqu’on invente de nouvelles méthodes (d’achat des publicités dans notre cas), on n’a pas toujours la capacité de valider ses innovations à partir d’une source externe. Comment alors savoir si elles fonctionnent, et comment ensuite convaincre nos prospects ?

Il y a quelques années, j’ai développé une méthode pour créer de la confiance en trois étapes.

1. Vérifier ce que l’on sait déjà

Le regard humain ne doit jamais être oublié.

Lorsqu’on découvre les stratégies d’achats que nos algorithmes ont trouvées, on va systématiquement regarder les URLs et les sites les plus en affinité avec la cible. Ce sont ceux dont les publicités sont servies exclusivement à des individus de la cible choisie.

Par exemple, c’est très rassurant de voir que des sites d’universités sont visités presque exclusivement par des étudiants.

Dans certains cas, on cible un comportement : les visiteurs de sites de sport, ou d’un site particulier, ou les internautes intéressés par un thème. Dans ce cas, c’est simplement automatique : les sites que l’on a sélectionnés pour créer la cible sont visités exclusivement par des internautes de la cible et leur affinité est donc maximale.

Prenons une thématique intéressante : les amateurs de trek. Nous sélectionnons les pages qui parlent de trek. Ensuite, on regarde ce que font les panélistes qui ont visité ces pages. Et naturellement, on retrouve les pages de trek parmi celles où la cible des amateurs de trek est la plus sur-représentée.

On voit ça, c’est logique, on est rassurés.

Donc, à la première étape, on n’a rien appris, mais le bon sens a confirmé ce que les machines ont fait.

2. Découvrir et comprendre

Parmi les sites les plus en affinité, on va ensuite découvrir des sites auxquels on n’aurait pas pensé ou qui ne sont pas directement dans la liste des sites qui ont servi à créer la cible.

Prenons nos étudiants. Au milieu des universités, on trouve :

• des sites de bons plans (et oui, les étudiants sont fauchés)
• des sites de jeux (et oui, les étudiants jouent)
• des sites de cinéma (et oui, les étudiants regardent des films)…

Pour les amateurs de trek, c’est encore plus intéressant. On trouve une forte sur-représentation des trekkers sur des sites d’information locale. Et on se dit que, en effet, on a beaucoup plus de chance de trouver des trekkers en province qu’à Paris.

Cette étape consiste donc à découvrir des sites auxquels on n’aurait pas pensé, mais dont on comprend a posteriori pourquoi ils ont été trouvés par notre système.

A la deuxième étape, on apprend des choses, mais on arrive à comprendre le “pourquoi”.

3. Faire confiance

Enfin, on trouve des sites dont la relation ne semble pas évidente à première vue.

Alors les premières fois, on creuse. Et on va bien vérifier que les visiteurs de ces sites sont bien majoritairement des internautes qui font partie de la cible. On ne les as pas inventées, ces données. Elles sont mesurées par un meter que les panélistes installent sur leur ordinateur ou leur mobile ! Si le meter a mesuré cette page, c’est bien que les panélistes y sont allés !

Alors on se rappelle que les gens sont souvent plus complexes qu’on le croit. Les amateurs de trek ne sont pas monomaniaques, ils ne passent pas tous leur vie sur des pages de trek. Ils ont d’autres centres d’intérêts.

Et nos analyses identifient automatiquement les autres centres d’intérêts communs à cette population.

Donc après ces vérifications, on finit par faire confiance, et on accepte ces autres propositions.

A la troisième étape, on apprend (comme à la deuxième), mais cette fois, on ne peut plus expliquer le “pourquoi”. Alors, puisque le “comment” est robuste, on sait qu’on peut utiliser ces résultats.

Finalement, même en l’absence de solution de validation externe, ces trois étapes sont nécessaires pour construire de la confiance dans une solution innovante. Et cette méthode peut s’appliquer à de nombreuses innovations.