Facebook et Google Ads : le ciblage publicitaire manuel est mort. Vive le machine learning dans vos pubs et stratégies digitales

Longtemps au coeur de toute stratégie marketing, le ciblage publicitaire qui se basait sur des généralités pas toujours véridiques (CSP, âge, répartition géographique, étude sur un échantillon non représentatif, ...) est devenu trop limité face aux millions de possibilités offertes par les algorithmes des GAFA et leur machine learning (apprendre et adapter). En effet, les GAFA s'appuient sur ce que réellement sont, font et consomment les internautes plutôt que ce qu'ils prétendent être, faire et consommer. Mais comment dompter alors ces algorithmes (que la fin du cookie va mettre à mal) et s'en inspirer pour gagner en efficacité marketing ?

 

Facebook, Google, Twitter Ads et les autres : retour d'expérience 

Suite à l'excellente vidéo de Jérémy Bendayan sur le fait que les ciblages ne servent plus à rien dans les campagnes Facebook Ads, j'ai eu aussi envie de m'exprimer sur le sujet. Effectivement depuis quelques temps, je lance deux types de campagnes que ce soit sur Facebook, Google, Twitter Ads, les 3 outils que j'utilise le plus ces derniers temps :  

1. Une campagne avec beaucoup de critères démographiques, CSP, intérêts et mots clés très spécifiques  
2. Une campagne avec très peu de critères hormis, quelques fois, l'intérêt déjà porté a mes contenus ou mes marques dans le passé et une limitation de KPIs (CPA et CPC) et budget à ajuster quotidiennement en fonction des performances.
   

Le deuxième type de campagne l'emporte presque toujours. Mais pour alimenter le machine learning au début, il faut tout de même créer des premières campagnes.

"Donc dire que le ciblage manuel est mort n'est pas tout à fait juste. C'est un pré-requis nécessaire mais plus un axe stratégique à absolument suivre dans le temps."

Les looklikes / audiences similaires créées par les algorithmes sont incroyables efficaces. Ces algorithmes partent toujours de notre ciblage manuel mais l'enrichissent au fil des expériences et interactions. Ils les confrontent au type de contenu et d'action de l'internaute (clic, achat, inscription newsletters, téléchargement d'applis...). La consommation d'un type de contenu et d'action est devenue un critère de ciblage en soi très puissant.

Comment mettre du machine learning dans sa stratégie marketing digital en apprenant des plus grands ?

 Avant toute chose, ne faîtes plus de suppositions, ne partez plus de généralités ou de "si les concurrents le font, c'est que ça doit marcher". Appuyez toutes vos décisions sur des chiffres et vos propres retours d'expériences !

• Big Data, CRM et automation : il est très important de collecter le plus de données possibles (comportementales, utilisateurs,..) mais pertinentes pour votre business à exploiter dans un CRM (et des scoring en fonction de vos personae). A partir de là, vous pouvez créer vos stratégies et campagnes avec des scénarios d'automation dans vos CRM (d'emailing, pop-up, sms...)  et hors de votre CRM (en exportant vos BDD avec emails dans les interfaces publicitaires des GAFA et en créant des audiences similaires). A adapter en (quasi) temps réel en fonction des analyses des chiffres collectés.
  

Exemple : Avant, si l'objectif est faire s'inscrire à une newsletter Economie en Côte d'ivoire (CI), le reflexe était d'avoir des critères qui se basent sur des généralités (hommes de 27 - 55 ans habitant en CI). Avec Google Analytics et le CRM, on se rend bien compte que ce ciblage est trop restrictif et ferait perdre aujourd'hui plus du 65% du potentiel.

• A/B testez en grandeur nature plutôt que de faire des tests utilisateurs ou des études (par définition non représentatif donc inutile et en plus souvent onéreux). Optez pour des circuits courts pour pouvoir optimiser en direct et par itération d'apprentissage surtout pour les ux optimisations et les nouveaux produits ou les grosses évolutions de site.

• Faîtes de la veille et lancez-vous dans le plus de nouveautés possibles. Ne restez pas dans votre zone de confort même si ça marche pour vous. Car en restant statique, on se fait passer devant ou nos performances finissent toujours par s'épuiser
  

•  Laisser les algorithmes faire pour vous. Vous perdez le contrôle du ciblage mais vous gagnez l'optimisation de vos KPIs (CPA, CPC, CA...) en élargissant votre potentiel. De toute façon hors plateforme publicitaire, vous n'avez déjà plus le choix. Dans les feeds, Facebook peut afficher votre contenu à des non fans, ou ne pas afficher votre contenu à vos fans (seulement 2% de vos fans voient vos contenus, le reach organique est très faible).  Google va même plus loin. Il a pris la main sur l'affichage du contenu de vos metadescripitions dans les résultats de recherche. En effet, il estime plus pertinent de l'adapter en fonction des mots-clés. Aujourd'hui, Google réécrit plus de 2/3 des metadescripitions. 
  

Est-ce le futur des algorithmes publicitaires : demain seront-ils meilleurs que les marketeurs pour créer les bons messages ?