La journée d’un consommateur est aujourd’hui partagée entre plusieurs écrans connectés : son ou ses ordinateurs, son smartphone, de plus en plus souvent sa tablette et dans un avenir proche une multitude d’autres appareils (télévision connectée, voiture, etc.). Du point de vue marketing et publicitaire, cette évolution rapide met à mal le système de tracking issu de l’ère des ordinateurs (les cookies), construit sur le principe d’un accès à internet par un navigateur sur un appareil unique.
Après avoir en partie résolu le problème du tracking mobile, l’industrie doit maintenant trouver le moyen de suivre un même utilisateur derrière ses différents écrans. Cette étape comporte deux principaux enjeux pour les annonceurs : un enjeu de respect de la vie privée et un enjeu technologique.
Le problème consiste à unifier le suivi, le ciblage d’audience et la pression publicitaire autour de chaque utilisateur et non plus autour des appareils utilisés. Une approche simpliste laisserait aux géants du web (Google ou Facebook par exemple) le soin d’exploiter la masse de données personnelles qu’ils détiennent sur chacun d’entre nous et sur tous nos appareils. Ce serait toutefois ignorer l’exigence de respect de la vie privée des utilisateurs, de plus en plus sensibles à l’exploitation commerciale de leurs données et à leur dissémination auprès d’un nombre conséquent d’intermédiaires qui accroît la difficulté à faire respecter ses droits.
Pour être acceptable aux yeux des consommateurs, le tracking cross-device devra utiliser des données anonymes récoltées au plus près des marques auxquelles ils font confiance. Plus généralement, ce tracking ne devra pas être déterministe, c'est-à-dire rechercher la certitude sur l’audience ciblée. Pour autant il doit produire des résultats et offrir des performances satisfaisantes.
Cela implique une approche probabiliste dans laquelle l’enjeu n’est plus de retrouver un individu, mais d’optimiser le tracking et le ciblage à partir de la masse des données anonymisées qui peuvent être récoltées lors de campagnes (logs, bid requests, etc.). Le traitement et l’analyse de ces données permettent de regrouper les écrans connectés autour d’éléments communs et d’utiliser par inférence cette information pour déduire avec un seuil de confiance acceptable qu’un même consommateur se trouve derrière ces écrans. On construit ainsi une probabilité qu’une seule et même personne se trouve derrière deux écrans différents en utilisant de nombreuses variables : proximité géographique, horaires de connexion, marques d’appareil, etc. Cette méthode utilise les avancées scientifiques et techniques des dernières années en matière de data mining, de pattern recognition et de machine learning pour construire un algorithme précis et capable de fonctionner sur de très grands volumes de données.
Le résultat de cet effort de tracking est la possibilité d’assigner un ID commun à des traces issues de différents appareils et d’utiliser cet ID pour l’amélioration du ciblage et du capping publicitaire cross-device. Quelques acteurs travaillent sur ce type de solutions comme Tactads ou l'américain Drawbrid.ge qui fournit ces technologies à des acteurs du marché publicitaire et à des annonceurs.
Romain Gauthier est le fondateur de Tactads. Spécialiste des problématique de tracking publicitaire cross-devices.
