ExchangeWire a publié un article remettant en question les méthodes de profilage d’audience.

Héritées des médias traditionnels, ces méthodes ne sont plus appropriées au marketing actuel. Créées par les marques et agences média dans le but d’assurer la diffusion des publicités auprès du public approprié, ces audiences cibles prédéfinies permettent-elles réellement d’aider les marques à atteindre les personnes susceptibles d’acheter leurs produits ? Est-il nécéssaire de poursuivre l’utilisation de ces méthodes qui sont ni plus ni moins stéréotypées ?

La définition de l’audience ou création de profils stéréotypés

Le plus souvent l’audience cible se basera sur des personnes profilées en fonction de critères d’age, critères démographiques, de genre, géographiques ou encore comportementaux, etc. Mais en réalité l’audience d’une marque est constituée de tous ceux qui achètent ses produits. Le problème de la définition de l’audience est qu’elle dépend de généralisations ou d’hypothèses et que les individus correspondent rarement aux attentes.

Prenons l’exemple d’un opérateur TV qui lance une campagne publicitaire afin d’inciter sa cible à s’abonner à son dernier pack de programmes de football. L’audience cible de cette campagne sera probablement les hommes de 18 à 55 ans qui se sont rendus sur des sites de football ou autres sites sportifs. Il y aura bien sûr un grand nombre d’utilisateurs qui correspondront à ce profil et seront intéressés par l’abonnement. Mais qu’en est-il de ceux qui ne correspondent pas au profil stéréotypé des fans de football et qui seraient toutefois intéressés par le produit ? Au Royaume-Uni notamment, 20 % des adeptes de football sont des femmes, ce qui représente environ 2 millions de personnes qui ne seraient pas touchées par cette campagne malgré leur intérêt pour cette discipline.

De même pour un homme de 30 ans qui aura visité un site de football à trois reprises durant la dernière semaine et correspondra à l’audience cible mais ne sera pas intéressé car il se sera déjà engagé auprès d’un autre fournisseur. Les impressions diffusées seront donc gaspillées parce que le profil de l’utilisateur trop simpliste ne peut être réellement efficace. Comment donc les marques peuvent-elles planifier une campagne qui touchera ceux qui sont intéressés par leurs produits ?

Une data pertinente pour définir les profils autrement

La meilleure option est de générer de la data pertinente autour de sa base de données de clients existants et donc de construire un profil précis de ses consommateurs.

Une fois les données rassemblées, elles devraient être intégrées au sein de la campagne digitale et combinées avec des informations third-party. En utilisant des données de géolocalisation, la création de profils complexes peut permettre aux annonceurs de savoir qui sont leurs clients. Par exemple : est-ce qu’un utilisateur voyage régulièrement d’un endroit à un autre ? Est-il souvent à l’aéroport ? A quelle fréquence va-t-il au supermarché ?

Ces données permettent d’établir un aperçu du comportement d’un utilisateur (de façon anonyme) pour permettre aux marques d’adapter leur publicité à l’individu, une approche privilégiée par les consommateurs.

Il est aussi important de tenir compte des facteurs d’un point de vue de la campagne : durée de la publicité, format diffusé, format rich media ou non, campagnes les plus efficaces dans un environnement précis à ce moment de la journée, etc…

Mais il faudrait considérer ces facteurs au niveau de l’impression. Or, il est quasiment impossible d’obtenir ce niveau de granularité en temps réel.

Pour aller plus loin : l’intelligence artificielle…

Grâce entre autres aux algorithmes, l’Intelligence Artificielle (AI) permettrait d’exploiter la quantité exacte de données disponibles et d’optimiser la publicité au niveau de l’impression.

Une fois qu’un utilisateur répond à l’ensemble des critères requis par l’annonceur, des informations provenant de milliards de points de données sont appliquées à la campagne en utilisant l’analyse predictive pour identifier quelle publicité est la plus susceptible d’engager l’utilisateur à ce moment précis. Chaque campagne devrait fonctionner avec un certain nombre d’impressions non optimisées en tant qu’impressions témoin (10%) pour démontrer l’effet que l’AI a sur les résultats de la campagne. En mettant en œuvre l’intelligence artificielle, les campagnes peuvent bénéficier de plus de 300 % de hausse de leurs KPIs.

Il devient essentiel que les publicités concordent avec les utilisateurs peu importe que ceux-ci correspondent ou non avec notre idée d’un public. En utilisant l’intelligence artificielle pour identifier les publicités qui intéressent les utilisateurs plutôt que de faire des hypothèses basées sur des préférences fondées sur l’âge ou le sexe, il est possible d’améliorer l’expérience de la publicité pour l’utilisateur ce qui implique de meilleurs résultats pour l’annonceur.

Retrouvez l’intégralité de l’article