Déjà largement utilisé dans plusieurs domaines tels que la finance, le Machine Learning se démocratise encore plus. Et notamment dans le secteur du marketing digital et au sein même des régies publicitaires !

Petit tour d’horizon des derniers outils, leurs capacités… et leurs limites. C’est parti :

Petit rappel du Machine Learning

Pilier majeur dans le fonctionnement des “intelligences artificielles”, le Machine Learning permet d’identifier plusieurs récurrences dans des flux de données…  et d’en tirer des prédictions !

Comment ? En se basant sur des probabilités / statistiques. Vive la data !

En même temps que grandissent les flux de données (réseaux sociaux, sites web, CRM etc.), l’efficacité et l'utilité du Machine Learning se démultiplie puisque il y a plus de données.

L’Intelligence Artificielle au service de la créa

Prenons l’exemple des créas. Dall-e génère automatiquement des images numériques, à partir de requêtes textuelles. Voici le résultat quand je lui ai demandé : “coca cola ad with a blond woman, 1950's style photo” :

Mieux encore, les possibilités graphiques sont multiples :

• Créer des déclinaisons
• détourer des photos
• remplacer un élément

Dois-je encore insister pour dire que c’est ultra cool ? Je peux aussi mentionner “Meta AI” qui transforme une requête textuelle en courtes vidéos type GIF.

Vos annonces textuelles grâce au Machine Learning

Dans le même ordre d’idée, il y a désormais pléthore d’outils (toujours gratuits) générant des textes basés sur un input. Par exemple, en utilisant copy.ai et en lui suggérant “Ultra-endurance GPS watch with exceptional battery life”, l’outil m’a proposé :

“This GPS watch is engineered to provide the ultimate in performance, comfort and reliability. With 5-9 days of battery life (depending on settings), multiple activity tracker modes and customizable screen options, you can enjoy a superior training experience while staying well connected at all times.”

Bref, même plus de besoin de copywriters ! Bon je vais peut-être un peu loin là 😅

Des publicités utilisables en l’état ?

Alors forcément, ce ne sera jamais parfait car il faudra à minima l’adapter aux spécificités de votre produit et de votre marque. Mais c’est un très bon début et une belle source d’inspiration !

Ces outils pourraient être utilisés dans la phase de recherche d’un projet, par exemple en déclinant un logo ou des publicités.

A noter, ces images et textes ne sont pas sujets à des droits d’auteur et sont uniques.

Quid du Machine Learning pour la gestion des enchères publicitaires ?

Rien de nouveau de ce côté mais ça ne fait pas de mal de le rappeler.

Chez Google Ads, on a par exemple tCPA (= target cost-per-action). Cette stratégie d'enchère intelligente définit des enchères pour obtenir un maximum de conversions en fonction du coût moyen que je suis prêt à payer par conversion.

Lorsqu'un utilisateur lance une recherche sur Google, et si elle correspond à mon objectif, Google Ads va se baser sur mon CPA cible (mon tCPA donc) pour proposer une enchère en fonction de la probabilité de conversion de l'enchère en question.

Le Machine Learning de Google utilise donc son stock de données internes et les données accumulées sur mon compte google, ainsi que sur mes précédentes campagnes afin d'effectuer des enchères au meilleur moment, auprès du meilleur prospect et en ajustant le coût par action.

Les usages du Machine Learning en publicité

Outre le gain de temps évident à déléguer la gestion des enchères à un algorithme, c’est aussi l’assurance d’un process de gestion cohérent, efficace et détaillé. Pour les créas et les textes créés par IA, c’est aussi un gain de temps énorme et une base de travail très intéressante.

On pourrait même imaginer une IA pour retranscrire une requête textuelle en précisant nos cibles, notre budget et une action. On peut d’ailleurs déjà prendre pour exemple “Performance Max” chez Google Ads.

Cette typologie de campagne optimise de manière automatique nos budgets et enchères en fonction de nos objectifs de conversion, en temps réel et sur tous les canaux de Google Ads (search, shopping, display, vidéo, etc.). Et ce, à l'aide du Machine Learning de Google !

Bref, il existe déjà une IA qui se charge de la stratégie et du mix média dans une certaine mesure. Ce n’est pas parfait mais c’est un très bon début !

Et demain… ?

Dans un futur proche, où le Machine Learning sera capable de construire toute notre stratégie publicitaire en allant de la créa, aux enchères, jusqu’au ciblage… Quel serait le rôle du traffic manager ?

Bien que les IA soient de plus en plus performantes, elles sont encore sujettes à diverses imperfections.

Le rôle du Traffic Manager sera alors double :

• Fournir la bonne data pour que le Machine Learning fonctionne de la meilleure manière possible.
• Jouer un rôle de garde fou pour que l’IA ne s’emballe pas, que ce soit au niveau des enchères ou encore du contenu publié, etc.

Et vous, vous êtes aussi fan des IA que moi ? Dites-le moi sur Twitter !