Éduquer l’IA des régies publicitaires

Comment avoir de la performance avec Google Ads ou Facebook Ads alors que ces régies enlèvent de plus en plus de possibilités de suivi et d’optimisation ? Comment générer de la performance alors que ces régies publicitaires nous retournent moins de données et enlèvent des options pour simplifier leurs outils ?

La plupart des utilisateurs ne savent pas bien se servir des régies publicitaires en ligne. Les mastodontes de la publicité ont donc engagé leur révolution il y a quelques années : plutôt que de fournir des centaines d’options permettant aux power-users de mener des campagnes très performantes et de laisser, dans le même temps, perplexe les utilisateurs moins avancées, Google Ads et Facebook Ads ont fait le choix de simplifier leurs outils et de laisser l’intelligence artificielle trouver les bons paramètres. Selon eux, les gains de performance sont très marqués.

C’est surtout vrai sur les comptes qui étaient mal tenus qui voient une élévation franche de leurs performances. C’est beaucoup moins visible sur les comptes bien tenus qui se sentent désormais bridés. Mais il faut vivre avec (ou plutôt sans) et apprendre à travailler avec des régies plus opaques. Quelles sont donc les bonnes pistes pour tirer le meilleur parti de l’IA ?

Tracking

Rien de nouveau sous le soleil : le tracking doit être parfait. Plus facile à dire qu’à faire surtout dans un contexte ou les données sont moins disponibles lorsqu’il faut veiller au consentement de l’utilisateur et au respect des données personnelles. Pour essayer de ne pas trop perdre de données de tracking, plusieurs approches :

• Expliquer et convaincre l’internaute de donner son consentement ;
• Tracker moins mais mieux pour ne pas avoir besoin de demander le consentement ;
• Tracker de façon invisible (via tracking serveur par exemple) ;
• Générer des conversions factices mais plausibles via IA ;
• Remonter les conversions hors ligne.

Conversions

Quoi remonter dans les outils de tracking pour améliorer le travail de l’IA ? Faut-il avoir beaucoup de conversions ciblant les différentes étapes de la vente ? Faut-il donner une valeur à chaque conversion ? Ce qui est surtout important, c’est de bien faire comprendre à l’IA quelles sont les conversions les plus importantes (macro conversions) et bien les classer : engagement, prospect, vente, fidélisation.

Expliquer à la régie pub l’enchaînement des conversions et donner des valeurs très différentes à chaque conversion permet d’expliquer le cheminement de l’utilisateur dans le tunnel de vente et de prioriser les conversions les plus recherchées. Riche de ce paramétrage initial pénible mais nécessaire, il faut ensuite attribuer à chaque campagne la bonne conversion ultime à rechercher.

Pour aller au bout de la démarche, il ne faut pas hésiter à scinder les conversions. Plutôt que d’avoir une seule conversion « Vente » pour un client qui ciblait 3 types de clients bien identifiés, nous sommes par exemple passés à 3 conversions « vente baptême découverte », « vente stage » et « vente matériel ».

Cibler large et laisser le champ libre aux robots

C’est certainement le point ou il y a le plus de crispations. Par le passé, il fallait cibler précis pour obtenir de bons résultats. Désormais, face à des outils qui sont de plus en plus des boites noires, il faut laisser du mou à l’IA pour qu’elle puisse travailler. Concrètement, ça veut dire :

• Ciblage plus large (voir même beaucoup plus large) ;
• Suppression des règles d’exclusion (emplacement, mots clés, lieux, dates, horaires) ;
• Messages plus variés ;
• Construction plus simple des campagnes avec moins de cloisonnement.

Ça veut dire plus de volume et donc plus de dépenses. Mais c’est nécessaire pour pouvoir travailler sur une masse suffisante de données. Effectivement, c’est contre-intuitif et ça génère beaucoup de déchet au début mais cette approche va permettre à la machine de tester plein de combinaisons possibles. Une fois qu’une tendance se dessine et que les performances arrivent, on peut alors restreindre et remettre des contraintes afin de ne plus laisser l’IA s’éparpiller.

Être congruent

Pour que la machine puisse bien apprendre, il faut lui donner des pistes claires et il ne faut pas oublier le plus important : la machine ne comprend rien à ce qu’elle lit, voit ou essaie. Elle fait des tests et constate les résultats. Ce n’est pas de l’intelligence, c’est de l’apprentissage automatisé. Pour bien guider l’IA, il faut donc lui simplifier le travail et ne pas laisser de doute possible. Il faut, par exemple, se méfier des mots clés ayant plusieurs sens et bien aligner l’objectif de la campagne avec les conversions choisies.

Envoyer les bons signaux

Pour aider l’IA qui ne comprend pas les données avec lesquelles elle travaille, il faut la nourrir avec d’autres données. Plus il y a de signaux, plus l’IA peut travailler correctement. On peut distinguer au moins 2 types de données sur lesquels on a la main :

• Les données initiales : mots clés, textes d’annonces, éléments multimédia mais aussi listes d’audiences (listes de clients, listes de prospects, listes de remarketing, audiences lookalike, audience d’intention ou d’affinité…) ainsi que les conversions.
• Les arbitrages manuels réalisés : les mots clés exclus, les regroupements logiques opérés (ensembles de publicités et groupes d’annonces), les éléments mis en pause car moins performants…

Arbitrer par petites touches

Et comme l’IA est tatillonne, il faut y aller par petites touches. Si les règles du jeu changent trop fort, trop vite, la machine peut décider que l’apprentissage engagé n’est plus valable et repartir de zéro. Ce n’est surtout pas ce qu’il faut viser. Pour éviter que le machine fasse reset et relance ses tests, il faut procéder par petites touches et ne pas faire d’arbitrage violent ou massif. C’est pénible mais ça veut dire qu’il ne faut pas apporter de variations de plus de 20% par semaine par exemple : pas de gros changements sur le budget, sur la structure de la campagne, sur les données ciblées, sur le tracking… Bref, il faut y aller tranquillement et laisser la machine digérer chaque modification. À noter : le chiffres de 20% par semaine sort de nul part. L’idée c’est d’y aller mollo.

Partir de loin pour affiner

Pour ne pas bloquer la machine avec dès le départ des exigences trop élevées, il est aussi possible de commencer une campagne avec des objectifs non satisfaisants. On peut ainsi affecter un budget plus important que prévu et cibler un coût par conversion trop élevé dans un premier temps afin de permettre à l’IA de bien travailler. Puis, une fois que les données sont là, on peut alors, chaque semaine baisser le coût par conversion prévu. Suivant ls stratégie d’enchères retenue, la méthode est légèrement différente mais l’idée c’est d’avoir un comportement en entonnoir.

Comme la machine dispose de données, elle peut affiner et ajuster. Au fil des semaines, la campagne s’améliore. Dès que les performances ne sont plus là, on sait alors qu’il faut baisser ses attentes : le point d’équilibre entre volume et performances est atteint. Si le client a compris l’intérêt de la démarche, l’approche peut donner de bons résultats. Elle permet, en outre, de savoir jusqu’où on peut aller et quel est le bon coût par conversion réaliste possible.

Dans la même approche, partir dès le départ avec des campagnes à l’ancienne, très segmentées, risque d’empêcher la machine de bien travailler. Retour donc au ciblage très large, au moins dans un premier temps pour accumuler des données.

Montrer que le compte mérite d’être bien traité

Les régies publicitaires veulent des campagnes qui leur rapportent de l’argent mais elles veulent aussi que les internautes soient contents. Il faut donc produire des campagnes qui auront de belles métriques : bon score de qualité, bon CTR, des conversions… Ce n’est pas forcément facile avec une approche large. Aussi, il ne faut pas hésiter à utiliser les campagnes de marque qui fonctionnent très bien. Ça fera toujours des clics pas chers que n’auront pas les concurrents et ça enverra des signaux de qualité au compte qui rejailliront sur les autres campagnes.