Catégorie : Non classé

2025 l’année de l’hybridation !

Non je ne parle pas de voiture ici !

En ce début d’année 2025, comme à chaque début d’année, on présente ses voeux, ce que je m’empresse de faire au nom de toute l’équipe d’Implcit. Merci pour votre fidélité, et pour les projets excitants qui nous attendent !

En début d’année, il est aussi de bon ton de s’aventurer à un peu de prospective. Je n’y dérogerai pas, mais sans prendre le moindre risque cette fois.

Quand je parle d’hybridation, je fais référence à la combinaison de deux sources de données pour construire une troisième source qui prend le meilleur des deux. En l’occurrence, les deux sources peuvent être définies ainsi :

Data déterministes	Données statistiques
Hyper granulaires	Agrégées
Parfois considérées comme certaines	Probabilistes (et assumées comme telles)
Fondées sur des identifiants	Sans identifiants
AKA first party ou third party (le second party a été cassé 😉)	AKA zero party
Nécessitent un consentement	Pas besoin de consentement
Partielles (besoin d’identifiant ET de consentement)	Exhaustives (projection)
Ces caractéristiques regroupent les cookies tiers, les identifiants (universels ou probabilistes), les data des cartes de fidélité, etc.	Les données statistiques vont du MMM pour les plus agrégées, aux sondages, et aux panels mesurés pour les plus granulaires.

La distinction « data » vs « données » insiste sur la notion de « data utilisateurs » souvent résumées à « data » dans le monde publicitaire. Les « données », elles, correspondent à des informations, non reliées à des individus.

Quand j’écris « le meilleur des deux », je fais référence à deux objectifs fondamentaux de la publicité digitale :

la précision, la granularité…
le volume, la couverture…

Ces deux objectifs sont difficiles, voire impossible, à concilier. Le Graal d’un système précis et complet reste un mythe. Comme à Galahad, seule la quête du Graal nous est ouverte, il restera introuvable. C’est vers ce Graal que tendent toutes les technologies publicitaires depuis des années.

L’animation ci-dessous présente l’évolution de différentes technologies publicitaires depuis 2018, ou plus précisément depuis le 19 mai 2018 :

Les cookies tiers règnent en maîtres (mais pâtissent d’une qualité de données limitée), les identifiants déterministes balbutient, les données statistiques sont imprécises.
20 mai 2018, le RGPD entre en action. Tous les systèmes d’identifiants et les cookies sont soumis au consentement.
2019-2020, les cookies tiers disparaissent de certains navigateurs. Avec les mobiles, les appareils deviennent de plus en plus personnels, et leurs données s’individualisent.
En 2024, les données statistiques restent à 100% de couverture, et leur précision rivalise avec les data déterministes.
En 2026 (enfin, disons, un jour), les cookies tiers sont encore plus rares, les identifiants universels s’approchent de leur plafond du consentement. Les identifiants probabilistes risquent de perdre un peu en volume si les navigateurs s’y attaquent.
Au final, un arc précision-volume dessine le Graal inatteignable, que les différentes technologies approchent, sans jamais l’atteindre.

J’écrivais en début d’article que je ne prends aucun risque avec cette vision prospective. C’est simplement qu’une prospective qui est déjà réalité n’est pas vraiment une prospective. Chez Implcit, nous faisons en effet de l’hybridation depuis toujours.

Au cours des prochaines semaines je vais développer comment on hybride déjà data et données :

en amont d’une campagne
en cours de campagne
en bilan de campagne

L’hybridation entre les data déterministes et les données statistiques permet de résoudre la conjecture de la précision et du volume. Et ce, dès aujourd’hui !

13 janvier 2025

Vers une sémantique « user-centric » ?

Au début des années 2000, je bossais (déjà) dans les panels Internet. J’étais (déjà) intéressé par la sémantique et l’IA.

Je bossais avec un labo de recherche en traitement du langage, quand une équipe de Google a publié un article révolutionnaire. Leurs algorithmes utilisaient d’énormes volumes de données, et obtenaient des résultats extraordinaires. « The power of one billion » : ces méthodes ne devenaient efficaces qu’à partir d’un milliard de documents analysés.

Les chercheurs du labo étaient sonnés : linguistes de formation, leurs analyses reposaient principalement sur les liens entre les mots, les champs linguistiques. L’approche statistique de Google remettait en cause 20 ans de travail pour certains.

Aujourd’hui, on a tous intégré qu’une Intelligence Artificielle n’a besoin de rien connaître a priori pour fournir des résultats intéressants. Les algorithmes statistiques n’ont pas besoin de savoir ce qu’est un nom ou un verbe (je schématise mais l’idée est là), comme l’IA générative peut créer une image très ressemblante à Emmanuel Macron, mais avec six doigts…

Après la sémantique linguistique, la sémantique statistique des documents, Implcit a peut-être inventé la sémantique statistique des personnes. 😉

Le panel de Médiamétrie nous fournit plus d’un milliard de signaux du type : le panéliste 123 a visité la page ABC. En découpant les URLs en mots, on décuple cette information : le panéliste 123 a visité une page qui parle de A, de B et de C.

Il y a du bruit évidemment, mais peut-être dix fois moins qu’une analyse de contenu des pages. Et pourquoi ? Parce que les URLs sont un élément-clé du référencement dans les moteurs de recherche. Les sections et sous-sections sont donc nommées avec beaucoup de précautions. Notamment, les homonymes sont évités la plupart du temps, pour que les recherches soient efficaces.

On obtient donc une énorme base de données entre des individus (les panélistes) et leurs centres d’intérêts.

Créer une cible des internautes intéressés par les voitures hybrides ou le déménagement devient un jeu d’enfants.

Alors, je me suis amusé à regarder les relations entre les mots-clés. L’idée est la suivante : quels sont les mots-clés les plus affinitaires avec la population qui est intéressée par un mot-clé donné ?

Rendez-vous compte de la complexité de cette simple question. Cela revient à construire une matrice de plusieurs milliards de lignes et plusieurs milliards de colonnes !

Un des premiers besoins auxquels cette méthode répond est la brand safety. Dans certains résultats, on cherche à bloquer des mots (block-list). Prenons l’exemple du porno. On peut se creuser les méninges pour trouver des mots liés à cette thématique, si on n’est pas expert. Ou on peut demander à notre système les mots les plus affinitaires avec les individus intéressés par le porno.

Et là, les résultats sont impressionnants ! Des centaines de mots et de combinaisons de mots sont venus remplir notre block-list, simplement sur le thème du porno. Je ne vous cache pas que j’ai appris plein de trucs, dont certains que je regrette de connaître maintenant 😳 !

Pour rappel, ce ne sont pas des mots qui se retrouvent dans des pages porno, mais simplement les mots les plus affinitaires avec les individus intéressés par le porno. Ce sont donc des liens beaucoup plus larges, mais tout aussi puissants !

Cette méthode s’applique à des thèmes comme la guerre, Gaza, les accidents, etc. Naviguer de mots en mot est une activité assez fascinante. C’est toute la sociologie des Français en un clic !

On a donc considérablement renforcé notre brand safety de cette manière.

Mais on en arrive aussi à se poser des questions philosophiques amusantes. Par exemple, doit-on bloquer un mot anodin, lorsqu’il n’est affinitaire qu’avec des mots qui sont eux-mêmes bloqués ? En effet, ce mot anodin en apparence, ne l’est peut-être plus sur Internet. Donc la plupart des contenus liés à ce mot pourraient ne pas être « brand safe ».
Par exemple, les mots affinitaires avec « chat » (litière, croquettes…), ne sont pas les mêmes qu’avec « chatte » (pas besoin de vous donner d’exemples). Ce qui est étonnant, c’est que dans ce cas, les mots liés au porno sont écrasants !

Étant donnée la représentativité du panel Internet de Médiamétrie, on ne parle pas ici d’un biais d’analyse, mais bien d’une vérité sociologique. Je vous laisse en tirer vos conclusions sur vos voisins de bureau… 🤔

Cette nouvelle méthode d’analyse sémantique trouve plusieurs applications :

Faire penser à des thématiques affinitaires avec une population intéressée par un thème donné.
En effet, lorsqu’on cible des individus, on cherche à obtenir une population large mais cohérente. Avec cette méthode, on trouve des individus « voisins » d’une population donnée. Par construction, ils sont proches des premiers, plus proches mêmes que ceux ciblés sur des mots d’un même champ sémantique par exemple.

Étendre les mots-clés de recherche lors d’une campagne adwords.
Vous achetez des mots-clés, mais vous pensez certainement aux mêmes mots que vos concurrents. Et Google se frotte les mains parce que les enchères augmentent. Et les mots que Google vous propose sont les mêmes que ceux qu’il propose à vos concurrents, et hop! les enchères s’envolent encore ! Trouver les mots différents de ceux de vos concurrents, mais qui seront cherchés par les mêmes personnes que vous ciblez, vous permet de vous démarquer.

En conclusion, je dis parfois qu’un panel comme celui-ci constitue une immense base sociologique. On comprend les relations entre les centres d’intérêts, les comportements, et même les achats.

De quoi alimenter notre IA et rendre ces informations opérationnelles !

26 septembre 2024
Que les schizos lèvent la main !

Ce week-end, j’étais à un anniversaire de mariage. J’y ai rencontré de nouvelles têtes, et comme cela se fait souvent, j’ai expliqué ce que je fais dans ma vie professionnelle.

Dans ces cas-là, je commence en douceur « Je travaille dans la publicité digitale ». Je lis souvent dans les yeux de mes interlocuteurs une déception « Il avait l’air sympa »… J’enchaîne alors en précisant « On fait du ciblage publicitaire et de la mesure en respectant la vie privée ». Petit éclair d’intérêt dans leur regard « Ah ? ». « Oui, on ne traque pas les gens, on fait des stats et de l’IA, sans identifiants, sans cookies ».
« Enfin ! Mais c’est génial, ça ! Il y en a marre de ces pubs qui nous espionnent !!! »

J’ai renouvelé l’expérience trois fois ce week-end, et des dizaines de fois ces dernières années. 100% de réussite.

Mon échantillon n’est sûrement pas représentatif, mais j’ose prendre le risque d’affirmer « les gens ne veulent pas être espionnés à des fins publicitaires ».

J’en vois déjà qui se lèvent pour me rétorquer « Oui, mais ils veulent tous que la publicité soit personnalisée ! ». On est d’accord : espionner non, personnaliser oui !

Quand j’écris que les identifiants sont parfois un marteau-piqueur pour casser une noix, je ne dis rien d’autre : a-t-on besoin de ce niveau de détail pour simplement personnaliser la publicité ?

Il y a quelques semaines, j’ai pris la parole dans une conférence. Environ 300 personnes dans la salle, toutes professionnelles de la publicité digitale. La table ronde ne s’est pas passée comme je pensais, mais j’avais prévu de poser une question à l’assemblée « levez la main si vous avez un adblocker ? ».

J’ai déjà réalisé l’expérience en petit comité : entre 30% et 50% des acteurs du marché ont un adblocker. Certains peuvent ne pas en avoir au travail (il faut pouvoir vérifier que la campagne que l’on suit fonctionne), mais ils en ont un à la maison.

Et lors de cette conférence, tout le public hochait la tête d’approbation lorsque les intervenants louaient les performances des identifiants et de la data…

A titre personnel, personne ne veut être espionné, mais dès qu’on devient professionnel, on accepte d’espionner les gens ? 🤔

Certains me diront : « c’est juste une question de performance ». Et bien non ! A part dans un cas très spécifique (retargeting de visiteurs ou d’acheteurs), la performance n’est pas meilleure en espionnant les internautes.

Mais les habitudes sont là, ancrées profondément. Les présupposés ont la vie dure. Et celui qui met en œuvre des solutions de collecte de données personnelles, qui espionne les internautes à des fins publicitaires, celui-ci fait à autrui ce qu’il ne voudrait pas qu’on lui fit !

Quel bonheur c’est pour nous chez Implcit de travailler sur des méthodes en phase avec nos valeurs !
Quel bonheur de ne pas être schizos !

Janus, le dieu aux deux visages, divinité préférée des schizos 😝

10 juillet 2024
Platon, la République et les algorithmes
Si vous m’avez connu avant Implcit, vous savez peut-être que j’ai cofondé Alenty en 2007. Et même si vous connaissez Alenty, vous ne savez certainement pas sur quelle base Alenty a été créée.

En 2007, le javascript transformait le navigateur en véritable système d’exploitation et ouvrait de nouvelles possibilités. Nous avions passé un an à explorer tout ce qu’il était possible de faire, avec comme fil directeur une autre nouveauté de l’époque : les communautés.

Nous avons donc développé une technologie de mesure des échanges dans les communautés. Pour mesurer ces échanges, nous avons développé une technologie d’analyse des blocs d’information dans les pages : les commentaires sont-ils lus ?
C’est cette technologie qui, appliquée aux publicités au lieu des commentaires, a donné la première mesure de la visibilité publicitaire au monde !

Mais revenons à l’autre partie de la technologie, qui a donné lieu à un brevet. Nous avons modélisé les échanges entre les membres d’une communauté. Un échange consiste à :
- écrire un contenu
- lire un contenu
- noter un contenu…
Notre système enregistrait des millions de signaux : « l’individu 1 lit un commentaire écrit par un individu 2, dans un article écrit par 3 ». La combinaison de ces signaux permettait de détecter les experts parmi une communauté.

Comme vous insistez, voici l’algo, amusez-vous bien ! 🤓

Une façon de résumer l’algorithme en langage humain revient à dire : si je suis expert sur un sujet, en passant du temps à lire ton contenu, je te donne un peu de mon poids d’expert. En commentant j’en donne un peu plus, en notant (positivement) encore un peu plus, et en notant (négativement) j’en retire.

Le système mettait alors automatiquement en avant les avis des experts, et permettait rapidement d’avoir une idée de la pertinence d’une information.

Fin 2007, Alenty a été sélectionné pour le grand prix de l’innovation de la ville de Paris. Comme le jury était composé d’élus, j’ai choisi une présentation originale de la solution.

En me basant sur la République de Platon, j’ai comparé les média à des systèmes politiques. Ce que j’ai résumé dans ce tableau :

Adjointe au maire, la présidente du jury, qui connaissait ses classiques, m’a dit que Socrate n’était pas un fan de la démocratie, qui selon lui, menait à l’anarchie puis à la dictature. Je lui ai répondu que je faisais l’hypothèse que pour nous, la démocratie était préférable à l’anarchie.

Revenons-en à nos algos. Le succès de Google est venu de l’invention par Brin et Page du pageRank. Avant Google, le classement des résultats de recherche n’était pas pertinent. Notre algorithme suivait la même logique que le pageRank.

Or, les réseaux sociaux, qui sont quelque part les successeurs des communautés de 2007, n’ont pas mis en place de méthode de qualification de la pertinence des contributions et de leurs auteurs.
L’étalon de mesure est le nombre de followers. Tout le monde se vaut, y compris les bots, y compris les faux profils, y compris les indonésiens payés au clic, y compris les haters qui sont souvent les plus actifs, et donc les plus suivis.

Les réseaux sociaux actuels sont ce qui s’apparente le plus à l’anarchie. Sans contrôle, autre que des armées de modérateurs, la seule règle qui s’applique est la chasse au volume. Et pour avoir du volume, l’outrance et la violence sont bien plus efficaces que la modération et l’empathie.

Dans la page Wikipedia de la République de Platon, on peut lire « Au milieu de l’anarchie qui s’installe, le tyran va apparaître, se présentant tout d’abord comme un protecteur. Se sentant soutenu par la masse, et le pouvoir lui montant à la tête, il s’assure le soutien des classes moyennes en promettant de redistribuer les richesses en leur faveur. »

Je n’ai jamais lu d’études au sujet du lien entre les algorithmes et la démocratie. Mais pour moi, la montée des extrêmes, la fascination croissante pour les dictateurs, la violence des réseaux sociaux, tous ces maux proviennent d’un mauvais choix d’algorithmes.

Un algorithme donne le ton des usages. Je ne dis pas qu’avec notre algorithme, il y aurait moins d’extrémistes sur terre (je ne suis pas devenu brutalement mégalo), mais je pense qu’avec d’autres méthodes que des comptages de followers, les réseaux sociaux auraient pu faire naître des « représentants » au sein des communautés.
Sans parler de réelles élections, ces représentants seraient certainement plus modérés. Leur donner de la visibilité aurait permis de garder les conditions au dialogue. Un peu de démocratie au lieu de l’anarchie.

Internet a ouvert l’accès à la connaissance infinie. Les réseaux sociaux ont permis à chacun de s’exprimer. Mais faute de volonté d’organisation (qui est possible, on peut le voir dans l’exemple de Wikipedia), ils permettent, au mieux, de voir des vidéos de chats, au pire, d’appeler au meurtre de ceux qui ne pensent pas comme nous.

D’un point de vue publicitaire, je ne comprends toujours pas comment les marques peuvent autant investir dans ces plateformes. Elles savent ce qui s’y passent, mais elles ne peuvent souvent pas vérifier dans quel contexte leurs publicités sont diffusées. Ou elles ferment les yeux sur leur responsabilité sociétale.

En ces temps électoraux, quand on voit la facilité avec laquelle des contenus mensongers sont partagés, il faut absolument comprendre les mécanismes et les algorithmes qui orchestrent ce nouveau « média ».

L’histoire jugera de la responsabilité de ces réseaux sociaux qui influent tellement sur nos vies.
13 juin 2024
Les trois facettes de l’attention publicitaire
Depuis quelques années, le concept d’attention est au centre de toutes les attentions. Certains y voient même le Graal qui va sauver le marché de la fin des cookies ! N’exagérons pas, mais le fait est que c’est une notion importante.

Importante, mais encore floue, car d’une part l’attention n’est pas définie officiellement (comme peut l’être la visibilité), et car d’autre part elle met en jeu des concepts cognitifs complexes. Pourra-t-elle donc être définie précisément un jour ?

La méthode la plus précise et sérieuse pour mesurer l’attention, c’est l’eye tracking. Avec des dispositifs techniques on suit le déplacement du regard sur un écran (ou même hors de l’écran). Selon que le dispositif de mesure est des lunettes (chères) ou une webcam, on obtient des niveaux de précision différents.

Dans les deux cas, la mesure met en jeu un échantillon de volontaires (panel) qui se prête au jeu. Heureusement, personne de sérieux à ma connaissance n’est venu pirater les webcam pour mesurer l’attention…

Cette méthode est donc coûteuse, et peu d’environnements peuvent être mesurés précisément.

Les outils de mesure de l’attention créent donc des méthodes hybrides, qui mélangent différentes sources de données.

On dispose de trois sources de données dans le monde de la publicité digitale :
- user-centric : du point de vue de l’individu
- site-centric : du point de vue du site
- banner-centric : du point de vue de la bannière publicitaire.
L’eye-tracking est purement user-centric (je fais ce que je peux pour limiter les anglicismes, promis !). Mais un panel, dont l’activité est mesurée est aussi user-centric.

Les données site-centric sont souvent récoltées par des robots, qui analysent le contenu des pages. De tels robots peuvent détecter les publicités, leur nombre, leurs formats, leurs positions et fournir des informations intéressantes.

Les données banner-centric sont classiques dans la publicité : la visibilité est un pur exemple de mesure banner-centric. Un script embarqué dans la publicité mesure la visibilité dans son contexte de diffusion.

Site-centric et banner-centric présentent l’énorme avantage d’une presque exhaustivité. On arrive maintenant à mesurer la visibilité de toutes les impressions publicitaires, et à analyser presque tous les sites.

Des modèles peuvent être créés pour combiner ces différentes données et estimer une attention qu’il n’est pas possible de mesurer exhaustivement.

Implcit aussi combine des données user, banner et site-centric.
- user : le panel nous donne le temps passé sur chaque page. Et condition indispensable, le panel mesure si la cible cherchée a été atteinte.
- site : nos robots visitent les pages pour analyser les publicités qui s’y trouvent
- banner : nous collectons les données de visibilité et de complétion pour les vidéos
Par exemple, prenons deux pages :
- elles ont chacune 10 publicités (info site-centric fournies par les robots)
- le panel (user-centric) nous informe que les internautes passent en moyenne 5 minutes sur la première et 5 secondes sur la deuxième.
La qualité publicitaire des deux pages n’est pas la même. L’une exposera le visiteur à une publicité toutes les 30 secondes, l’autre à deux publicités par seconde !

Lorsque la campagne tourne, la visibilité et la complétion fournissent le troisième élément (banner-centric) qui permet d’estimer l’attention.

Je dis bien « estimer », car ce n’est pas à proprement parler une mesure, comme avec l’eye-tracking. Sans certitude d’attention, on est en capacité d’affirmer que la publicité a » probablement été diffusée dans des conditions propices à l’attention ».

Le tout est calculé avec les données mesurées sur les internautes qui font partie de la cible de la campagne. Cette information est aussi user-centric car fournie par le panel.

L’autre dimension de l’attention, c’est son activation. Mesurer c’est une chose, contrôler c’en est une autre. Et dans ce cas, on ne peut parler que d’estimations.

Il est possible de prévoir la visibilité et la complétion d’une publicité. En combinant ces deux prévisions banner-centric avec la qualité publicitaire (telle qu’on la mesure en site-centric et user-centric), on peut réunir les conditions qui, in fine, vont générer de l’attention.

Chercher les inventaires publicitaires de meilleure qualité, où les publicités sont visibles et où les vidéos sont diffusées complètement, c’est se mettre dans les meilleures conditions d’attention. Et alors, quelque soit la méthode utilisée pour la mesurer, l’attention sera maximale.
30 mai 2024
Identifiants et attribution : un marteau-piqueur pour casser une noix !

Franquin, imbattable pour créer des images cultes et transgénérationnelles ! Quand ils croquent un truc dans un plat, mes enfants disent « jamais vu une noix aussi dure ! »

Le marché publicitaire digital repose sur des data, c’est bien connu. Il s’habitue petit à petit, contraint et forcé, à son corps défendant et à l’insu de son plein gré, bref, lentement, à des solutions alternatives pour le ciblage.

Mais j’entends souvent dire : pour la mesure, on aura toujours besoin des data…

C’est vrai, la mesure des performances publicitaires reste le parent pauvre des alternatives aux data. Mais faut-il se contenter de chercher à adapter les méthodes anciennes à un paradigme qui a changé du tout au tout ?

Intuitivement, disposer d’un identifiant pour associer une conversion à une exposition publicitaire, c’est simple et robuste. Sauf que ce n’est pas simple (combien de temps les traders passent-ils à mettre en place des outils de mesure ?). Et ce n’est plus robuste (combien de campagnes se passent sans problème de mesure ?).

Le pire, c’est l’utilisation qui est faite de ces données. Utilise-t-on les données individuelles pour tirer des enseignements individuels ? Pour prendre des décisions individuelles ? Pour agir individuellement ?

Vous me direz, on peut exclure des individus qui ont acheté un produit pour une campagne sur ce produit. Qui le fait ? J’avais posé cette question à Criteo il y a plus de 10 ans. Réponse : c’est compliqué, ça ne fait rien économiser, et ça peut rapporter un peu en cross-sale. Rien économiser, en effet : avec une estimation généreuse d’une conversion pour 1000 expositions, on économise 0,1% de son budget média.

Non, les analyses publicitaires ne sont pas individuelles. Elles sont agrégées.

Même une société comme Scibids, dont le succès est fondé sur la finesse de ses analyses, travaille sur des corrélations statistiques.

Pour le reste, les analyses restent souvent assez basiques : domaine de l’exposition, navigateur, device, jour, heure… Où est la donnée individuelle là-dedans ? Nulle part. Elle ne sert qu’à nourrir des analyses agrégées.

Alors pourquoi utilise-t-on un marteau-piqueur pour casser une noix ?

Le problème du marteau-piqueur, c’est qu’il est lourd et qu’il fait du bruit.

La data est lourde, on l’a vu. Et bientôt, reproduire ce qu’on faisait avec des cookies sur la base d’identifiants, qu’il faudra combiner pour arriver à des volumétries suffisantes, ce sera encore pire.

Et si ces identifiants sont eux-mêmes statistiques, ça devient drôle : on utilise des statistiques pour obtenir de l’information pseudo-individuelle, qui sera utilisée pour faire des statistiques !

Et la métaphore du bruit du marteau-piqueur, c’est les dommages collatéraux des données. Comme le ciblage individuel, la mesure individuelle a mauvaise presse chez les internautes. Tous les abus commis par les adtech ont créé une légitime paranoïa publicitaire. Se savoir « espionné » sur le site d’un annonceur peut générer chez les visiteurs une défiance vis-à-vis de la marque.

Attention, je ne dis pas que les bases CRM sont illégitimes et inutiles ! Une marque a le droit (et même l’obligation) de connaître ses clients et si possible ses prospects. Mais sur une base claire de consentement et de volontariat.

Pour le reste, le marché devrait chercher des solutions d’attribution agrégées. Qui ne passent pas par des identifiants dont finalement, on n’a pas vraiment besoin.

Mon petit doigt me dit que certains y réfléchissent déjà ! 🤔

14 mai 2024
Pourquoi s’acharner ? Les cookies tiers sont déjà morts !

La couverture d’un album mythique de ma jeunesse : Closer de Joy Division

On ne parle que de ça depuis ce matin : Google annonce qu’ils laissent plus de temps à l’autorité de la concurrence anglaise (CMA) pour tester son alternative aux cookies tiers (Privacy Sandbox). Voir le court article de Google.

Google s’est déjà plusieurs fois déjugé en repoussant l’arrêt des cookies. Cette fois, ils utilisent la CMA pour partager la responsabilité. Ça se voit, mais là n’est pas le sujet…

Je ne peux pas m’empêcher de faire un parallèle avec la loi Hadopi de 2010. Cette loi visait à pénaliser les téléchargements illégaux (de musique essentiellement à l’époque). Il y a eu finalement assez peu d’amendes à payer, mais le bruit de la loi a eu plus d’effets que les sanctions. Grâce à Hadopi, on a commencé à parler de la rémunération des artistes. De nombreux jeunes ne s’étaient jamais posé la question, la loi a permis de les éduquer. Sans Hadopi, les plateformes de streaming légales se seraient-elles développées ?

Il y a donc un effet indirect des décisions publiques. Hadopi d’un côté, les cookies tiers de l’autre.

Depuis plus de 4 ans, le marché publicitaire internet vit dans l’incertitude : « comment ferons-nous lorsqu’il n’y aura plus de cookies ? ». Vraiment ? Vous pensez qu’on est restés à attendre dans le stress, avec fatalité ? D’ailleurs, dans fatalité, le « fa » vient de l’indo-européen qui signifie « la parole », fatalité, c’est la parole contre laquelle on ne peut rien, celle de Dieu. Google, un Dieu omniscient ?

Bref, le marché n’a pas attendu.

Déjà, Firefox et Safari avaient ouvert le robinet qui vide la baignoire (on parle de data pool) aux data. 40% des contacts publicitaires n’ont déjà plus de cookies tiers du fait de leur blocage par les navigateurs. Ajoutez le RGPD, vous ajoutiez encore 10% en 2022. La moitié des contacts publicitaires n’avaient déjà plus de data associées en 2022. Depuis, la baignoire continue de se vider. Certains annoncent même qu’elle est déjà vidée à 70% !

Mais surtout, le marché en a marre d’attendre la parole divine !

L’annonce de la fin des cookies a eu le même effet que la loi Hadopi. Tout le monde (les internautes lambda, les régies, les agences, les annonceurs) a pris conscience que la publicité utilise des data. Quiconque travaille dans la publicité digitale connaît des collègues qui utilisent des adblockers ! Schizophrénie ? Ou simple prise de conscience individuelle ?

Certains annonceurs, dans la grande consommation par exemple, renoncent à collecter des data sur leurs clients. Bon, d’accord, avec la vente indirecte, ils n’en avaient pas beaucoup. Mais au moins, ils peuvent communiquer sur le respect de la vie privée, et se poser en chevaliers blancs. C’est de bonne guerre…

Les agences ont une priorité : trouver où dépenser le budget que les annonceurs leur ont confié. Si elles se focalisaient sur les cookies tiers, tout leur budget serait concentré sur 30% des internautes ! Absurde, non ? Elles ont donc l’obligation de trouver des alternatives aux cookies tiers. Et, je le répète, pas sur Google et Meta !

Les régies voient fondre la valeur de leurs inventaires sans cookies tiers. Celles qui dépendent exclusivement de GAM (le serveur publicitaire de Google) ne peuvent même plus vendre les espaces publicitaires non consentis via GAM ! Pensez-vous que les régies ont renoncé à 70% de leurs inventaires publicitaires ?

Les internautes enfin, ont pris conscience du caractère intrusif de la publicité. Les taux de consentement baissent. Les sites doivent marchander pour obtenir le Graal du consentement : cookie wall (contenu inaccessible sans consentement), abonnement fictif (à un prix prohibitif)…
Mais le message est passé, les internautes veulent de la publicité ciblée, mais à la condition qu’ils ne s’en rendent pas compte !

C’est qu’en quatre ans, des solutions se sont développées. Certaines reproduisent les cookies tiers avec de nouvelles approches. D’autres partent d’un point de vue radicalement différent. C’est le cas d’Implcit, qui offre les mêmes capacités de ciblage que les data (socio-démographique, comportement, centres d’intérêts, intentions d’achats…) mais sur une couverture maximale. En effet, le ciblage contextuel n’a besoin ni de cookies ni de consentement.

L’annonce d’aujourd’hui sur les cookies tiers est donc un non-évènement.

Le marché a déjà tourné la page du cookie tiers. Certes, ils sont toujours utilisés, mais personne ne peut décemment fonder une stratégie publicitaire sur les cookies tiers.

Quelque soit la date réelle de la fin des cookies tiers, le mal est fait. Ils sont déjà cliniquement morts. Ne pratiquons pas l’acharnement thérapeutique sur les cookies tiers !

Chez Implcit, on ne parle même plus des cookies tiers…

24 avril 2024
Réveillez-vous ! Sinon la fin des cookies tiers affaiblira encore plus l’Open Web !

La force de Google et surtout de Méta, c’est d’avoir construit un écosystème où les données utilisateurs sont constitutives non seulement du modèle publicitaire, mais aussi et surtout du service.

Ce n’était pas vrai à l’origine pour Google, mais la personnalisation des réponses aux recherches et des vidéos Youtube se fonde sur des données d’historique et améliore le service.
C’est en revanche central chez Méta, où les contenus ne sont pilotés qu’à partir des data utilisateurs, au premier lieu desquelles le réseau d’amis.

Il est donc logique que l’intérêt légitime ait été invoqué pour ne pas demander explicitement le consentement. De là à considérer que l’option d’un abonnement payant à 13€ par mois est justifié, il y a un gouffre. Non, Méta cherche à conserver ses data utilisateurs, et l’abonnement payant n’est qu’un repoussoir…

Légitime ou non, utile ou non, la donnée utilisateurs restera disponible à des fins publicitaires dans Google et Méta (et Amazon…). Car rappelons que la révolution de 2024 ne concerne que les cookies tiers, et donc les identifiants provenant qu’un tiers : dans notre cas la technologie publicitaire est un fournisseur tiers du site où la publicité s’affiche.

La dimension « tierce » partie est fondamentale ici. C’est directement une prime aux gros. En effet, quand vous possédez votre propre technologie, celle-ci n’est pas « tierce ». Le domaine qui gère les publicités peut être le même que celui qui gère les contenus. C’est d’ailleurs en intriquant finement contenus et publicités que Facebook a réussi à rendre inefficaces les adblockers.

Quand vous êtes petits, vous ne pouvez pas développer votre propre technologie publicitaire. Vous devez utiliser celle d’un tiers. Et même si en théorie celle-ci peut faire croire qu’elle est hébergée chez vous, avec la bidouille des CNAME, d’une part ça ne marche pas aussi bien (les cookies propres de la plateforme deviennent à leur tour tiers pour le reste du marché), mais en plus Apple ou Chrome ont bien l’intention de bloquer l’usage des CNAME.

Pire encore, si vous êtes petits, vous avez besoin de regrouper vos forces. Par exemple, en regroupant plusieurs sites. Mais alors, les cookies de chaque site deviennent tiers pour les autres. Donc vous ne bénéficiez pas du regroupement des forces.

En résumé, la fin des cookies tiers va encore renforcer les plus gros. Comme s’ils avaient besoin de ça !

Quel est le risque en 2024 ?

Les alternatives aux cookies pullulent. C’est à la fois leur force (le marché innove) et leur faiblesse, car elles donnent l’image d’un marché éclaté, hétérogène et complexe.
Les solutions d’identifiants seront toutes très limitées en couverture (5% à 20% chacune, et au mieux 30% en cumulé).

Le contextuel en revanche, comme Implcit, offre 100% de couverture potentielle. La difficulté est plus de l’ordre de l’éducation du marché (les statistiques demandent plus d’explications que les data utilisateurs).

Les acheteurs média auront le choix entre une pléiade de solutions partielles, des solutions complètes (statistiques), et celles, monolithiques, connues, des GAMAM. Leur réflexe naturel ne sera-t-il pas de mettre encore plus de budget sur les GAMAM ?

Je le crains. Mais ce serait une erreur.

Ce serait une erreur pour la société française.

80% des budgets publicitaires partent déjà chez Google et Meta. Or, ils ne représentent qu’un peu plus de 40% du temps passé par les internautes. Leur part de marché est donc déjà deux fois leur part de voix !

Estimation des parts de temps passé par les internautes à domicile sur les principaux sites et les principales applications

Les 20% restants financent à eux seuls tous les services que vous ne trouvez pas chez Google et Meta, des jeux, certes, mais aussi des films, tous les salaires des journalistes, etc.
Au lieu de cela, des influenceurs fiscalement planqués à Dubaï s’engraissent en diffusant leurs vidéos sur Youtube, Insta ou Tik Tok…

Une démocratie a-t-elle plus besoin d’influenceurs corruptibles que de journalistes avec une déontologie ?

Ce serait une erreur pour les annonceurs.

On voit fleurir ici ou là des études qui prouvent que le trafic apporté par Google et Meta ne serait pas de bonne qualité. Mais encore faut-il d’une part le prouver et d’autre part que les annonceurs poussent leur analyse au delà des clics et des visites, ce qui est rarement le cas.

Google et Meta sont très bons pour fournir ce pour quoi ils sont payés. Et tout le monde sait que plus on « force » un comportement (sans même parler de faux clics, juste en modifiant les messages d’appels au clic, ou en optimisant tous les paramètres), plus on apporte de l’audience qui n’est pas vraiment intéressée. Et cette audience « influencée » n’ira pas tellement plus loin.

Les autres sites en revanche ne disposent pas des mêmes capacités d’optimisation. Leurs performances seront peut-être inférieures à court terme. Mais l’audience qu’ils apportent sera mécaniquement de meilleure qualité, car constituée de personnes réellement intéressées.

Par exemple, le retargeting apporte une majorité de visiteurs qui seraient revenus même sans publicité !

La puissance technologique de Google et Meta se retourne contre les annonceurs.

Si vous voulez une solution qui apporte de la couverture (100% potentiellement contre 30% pour le cumul des identifiants) choisissez le contextuel ! Ces solutions passeront la disparition des cookies sans même s’en apercevoir. Elles vous apporteront de vrais contacts publicitaires, des gens vraiment intéressés (et pas forcés d’une manière ou une autre). Elles vous offriront une transparence que les GAMAM enfouissent sous une couche d’IA (« t’inquiète, tu peux pas comprendre, c’est de l’IA ! »).

En 2024, réduisez vos investissements chez Google et Meta. Soutenez l’open web, le journalisme et la démocratie.
Investissez en contextuel. Via Implcit !

29 mars 2024
Ce que signifie pour moi d’avoir rejoint Implcit deux ans après

On est en 2022 quand Meetrics pour qui je travaille depuis 5 ans se fait racheter par Double Verify. Cela me rappelle le rachat d’Alenty par AppNexus que j’avais vécu 8 ans plus tôt. Il a une effervescence typique des entreprises américaines, on sent que tout est possible et que cela va propulser ce que nous faisons à un niveau supérieur. L’équipe est formidable (coucou si vous passez par là) les projets m’enthousiasment, mais je réalise que pour moi il est temps de laisser un peu de côté l’adverification et d’entamer un nouveau chapitre de ma vie professionnelle.

Au même moment (les étoiles se sont alignées) lors d’un déjeuner, Laurent me propose de rejoindre l’équipe d’Implcit. Je ne connais pas encore grand-chose sur ce projet, mais je lui dis un grand oui, tout de suite pour plein de raisons évidentes pour moi.

Quand un projet est initié par Laurent et Nicolas, vous pouvez être certain qu’il va être d’avant-garde. En effet, ces deux-là font des étincelles et vont toujours à contre-courant pour bousculer le milieu dans lequel on évolue. Donc, le projet allait me plaire, j’en étais certaine.

Humainement, je savais que je rejoignais des personnes qui me connaissent, avec qui j’avais envie d’évoluer et qui surtout sauraient me faire grandir.

Puis quand j’ai réalisé le champ des possibles que pouvait représenter Implcit, j’ai compris que ce projet répondait à mes convictions profondes en ce qui concerne ce marché.

Lors de mes différentes expériences, j’ai souvent eu l’occasion de m’occuper des Publishers. J’ai notamment permis à un certain nombre d’entre d’obtenir la certification Digital Ad Trust. J’ai pu voir les difficultés qu’ils rencontrent et la concurrence acharnée face au GAFAM. J’ai toujours aimé pouvoir leur donner les armes pour se défendre et valoriser leur travail colossal. Ils doivent faire face à des challenges toujours plus nombreux qui nécessitent de lourds investissements pour pouvoir proposer du contenu de qualité et se démarquer. Implcit permet aux publishers de valoriser leurs inventaires, mais aussi aux acheteurs de pouvoir trouver leurs cibles hors les Wall Garden et leurs girons rassurants.

L’attribution est pour moi le nerf de la guerre. Pourquoi attribuer une action à tel ou tel support. Les modèles manquent clairement de transparence, de cohérence et sont souvent, il faut le dire, injustes. Implcit va permettre de répondre post cookies à ces problématiques de mesure de la performance.

La protection de la vie privée est pour moi une condition essentielle pour effectuer notre métier de manière éthique. J’ai toujours su qu’il serait un jour possible de pouvoir proposer des publicités ciblées sans pour autant tracker des personnes et donc en respectant la vie privée des internautes. Comme la plupart d’entre nous, j’apprécie qu’on me pousse des publicités qui me correspondent sans pour autant avoir l’impression que l’on m’a trackée.
Implcit permet de répondre aux demandes des annonceurs qui cherchent à toucher leurs cibles sans pour autant tracker l’internaute de manière individuelle.
Je trouve donc que tout le monde en ressort gagnant. L’annonceur a touché sa cible, l’internaute a vu une publicité qui peut l’intéresser sans s’être senti pigé.

J’ai l’impression d’être aux premières loges pour voir s’opérer la transformation de notre milieu vers un monde sans cookie et on l’espère plus vertueux.

Merci à Laurent et Nico de me permettre de vivre cela 🙂

Julie

12 mars 2024
Attention aux biais d’attribution !

J’ai déjà expliqué que le marché de la publicité digitale vit une forte baisse de la densité informationnelle. En résumé, il y a de moins en moins de données disponibles, et il faut apprendre à raisonner sur des informations incomplètes.

Incomplètes, c’est une chose. Biaisées, c’en est une autre.

Le premier biais que l’on peut constater c’est que les taux de conversion peuvent être faux.
Le taux de conversion est habituellement calculé en divisant le nombre de conversions par le nombre d’expositions publicitaires.
Les conversions ne peuvent généralement être comptabilisées qu’à l’aide de data utilisateurs. Au minimum, un identifiant, pour lequel un consentement aura été donné.
Inversement, les expositions publicitaires n’ont pas besoin d’identifiant.
On peut donc se retrouver dans la situation suivante : exposer des individus qui n’ont pas d’identifiant ou de consentement, et donc pour lesquels on ne peut pas compter les conversions.

Aujourd’hui, au moins la moitié des contacts publicitaires n’a pas de data associées. Donc la moitié des individus exposés à une publicité peut avoir converti sans qu’on le sache. Le taux de conversion mesuré sera donc la moitié du taux de conversion réel.

Même si on ne voit que la moitié de la lune, on sait bien qu’elle est ronde, non ?

Comparons maintenant deux systèmes d’achats publicitaires aussi efficaces l’un que l’autre (même taux de conversions réel). Le premier n’expose à des publicités que les individus qui ont des data utilisateurs. Le second expose tout le monde, mais seuls la moitié des conversions de ces derniers sont mesurées.
Disons que les deux systèmes génèrent un million de contacts publicitaires.
Avec un même taux réel de conversion (0,1% par exemple), on arrive à mesurer 1000 conversions pour le premier système, et seulement 500 pour le second (la moitié n’est pas mesurée et je fais l’hypothèse que son comportement est identique).
Ce second système verra un taux de conversion mesuré deux fois plus petit (0,05%) que le premier (0,1%). Je le rappelle, les deux systèmes sont équivalents. Mais l’un d’eux paraît à tort moins efficace que l’autre. C’est ce que j’appelle le biais de mesurabilité.

Ce biais a permis à Google de conquérir sa part de marché : les outils intégrés ont montré l’apport de Google à un plus grand nombre de conversions que celles de ses concurrents. Etait-ce justifié ? Là n’est pas la question ici : ce qui a compté, c’est la valeur perçue.

Comment corriger ce biais de mesurabilité ?

Tout simplement en calculant un taux de conversion uniquement sur ce qui est mesurable. Autrement dit, on prend en compte toutes les conversions, mais on ne compte que les contacts publicitaires mesurables (avec des data utilisateurs).

Dans notre exemple des deux systèmes aussi efficaces l’un que l’autre, si on ne prend en compte, pour le calcul du taux de conversion, que les contacts publicitaires mesurables. Sur un million, on en trouve 500 000. Rapportés aux nombre de conversions mesurées (500), on retrouve bien un taux de conversion de 0,1%, identique à l’autre système.

Pourquoi est-il intéressant de ne pas limiter ses investissements publicitaires eux seuls contacts avec des data ?

La principale raison est la couverture. En limitant la diffusion d’une campagne de publicités, on se coupe d’une partie de la population aussi intéressante que l’autre. On passe donc à côté d’une opportunité de gagner de nouveaux clients. D’autre part, on prend le risque de saturer l’autre moitié, en lui consacrant un budget double de celui prévu.

Mes exemples se sont fondés sur 50% de contacts publicitaires associés à des data. Selon certaines sources, on serait déjà descendus à 30% seulement. Avec la disparition programmée des cookies tiers cette année, seuls 5% à 20% des contacts seront associés à des data.

Continuerez-vous à surexposer 10% des individus et à délaisser les 90% restants à cause d’un simple biais de mesurabilité ?

J’espère que vous ne commettrez pas cette erreur.

D’autant que je n’ai pas encore parlé du deuxième biais : les contacts mesurables et non mesurables ont-ils la même structure ? Ont-ils la même qualité ? La même valeur ?

Aujourd’hui, les utilisateurs sur Safari ne sont pas mesurables. Or, Safari ne tourne que sur les iPhones, et les Mac, qui sont plus chers. Leurs usagers sont plus riches en moyenne.
Selon la campagne (produit discount ou de luxe), ce biais peut ne pas être gênant ou au contraire réduire l’efficacité de la campagne.
En exposant tout le monde, mais en calculant le taux de conversion sur ce qui est mesurable, on garde les chances de toucher les bonnes personnes.

Allons plus loin dans l’analyse des biais.
Demain, les data seront liées à un identifiant souvent fondé sur une adresse email. Certains sites parviendront à obtenir un grand nombre d’emails, d’autres très peu.
Les seconds seront-ils forcément moins pertinents que les premiers ?

Absolument pas ! Prenons deux sites avec des taux de collecte d’emails très différents :
– site 1 : 50% des visiteurs ont donné leur email et leur consentement
– site 2 : 10% des visiteurs ont donné leur email et leur consentement

Supposons que les visiteurs du site 2 soient deux fois plus intéressés par l’offre de l’annonceur que ceux du site 1. A titre d’exemple, disons que le taux réel de conversion est de 0,1% pour le site 1 et 0,2% pour le site 2.
Le taux de conversion mesuré en comptant toutes les expositions publicitaires (mesurables et non mesurables) est donc :
– site 1 : 50% * 0,1% = 0,05%
– site 2 : 10% * 0,2% = 0,02%

On croira à tort que le site 2 est moins performant, et on mettra plus de budget sur le premier.

Avec un taux qui corrige le biais de mesure, on obtient les taux mesurés suivants (on ne prend que les expositions publicitaires mesurables au dénominateur) :
– site 1 : 50% * 0,1% / 50% = 0,1%
– site 2 : 10% * 0,2% / 10% = 0,2%

On mesure ainsi l’intérêt réel et la réelle contribution des sites aux conversions. Et on privilégiera donc le site 2, objectivement plus efficace.

Les plateformes d’achats publicitaires doivent impérativement corriger le biais de mesurabilité et fournir des chiffres d’attribution de conversions qui reflètent la réalité.

7 mars 2024