Pub

Joanna O’Connell (MediaMath) : le Machine Learning est une tendance de fond du programmatique

Joanna O’Connell (MediaMath) : le Machine Learning est une tendance de fond du programmatique

OConnell_Bio

Avant de rejoindre MediaMath en tant que Chief Marketing Officer, Joanna a fondé le département Research pour adexchanger.com où elle a mené entre autres plusieurs études sur le marketing programmatique. Auparavant, Joanna a passé 3 ans chez Forrester Research en tant que Principal Analyst. Elle a désormais plus de 15 ans d’expérience dans le marketing digital, sa carrière a commencé dans l’agence Avenue A à New-York en 2000 et elle a créé le premier Trading Desk chez Razorfish en 2007.

 

Que fait MediaMath et en quoi vous différenciez-vous ?

MediaMath a été fondé en 2007 et depuis le début, notre mission est de transformer la pratique du marketing, dans un monde devenu data driven et mobile. Parallèlement, il s'agit de donner plus de moyens au marketer afin qu’il tire profit de cette nouvelle donne. L'idée est qu'il puisse engager les consommateurs partout où ils se trouvent.

Il s'agit d'entrer de plain-pied dans le programmatique.

Le programmatique, c'est l'automatisation des process et de la décision en temps réel, en s’appuyant sur la data. Le programmatique s'est développé dans les adexchanges à partir de 2003, mais par nature les algorithmes et le Machine Learning peuvent adresser un champ beaucoup plus vaste : ils peuvent s'étendre à l'ensemble des moyens de communication.

Un point clé de notre différenciation tient dans la volonté de développer depuis le début des produits transparents pour nos utilisateurs. La transparence intervient à plusieurs niveaux : les prix, les emplacements, la chaîne de valeur, la data.

La transparence est fondamentale dans la mesure où elle permet au marketer d'apprendre, d'être plus intelligent. Nous pensons que les solutions « black box » ne sont pas bonnes pour les marques, qui ont besoin d'apprendre jour après jour pour au final être capables de prendre les bonnes décisions.

Un autre point de différenciation est le fait que nous sommes seulement buy side : nos clients sont des acheteurs, et seulement des acheteurs, c'est un point central pour nous. En cela, nous nous distinguons d'autres acteurs indépendants qui sont à la fois du côté de l’achat et du côté de la vente. Toute notre innovation sert les besoins des acheteurs, ce qui, entre autres, nous rend plus crédibles auprès de nos clients et partenaires.

Fragmentation / consolidation : comment abordez-vous ces deux tendances du marché ? 

La fragmentation et la consolidation du marché vont continuer simultanément. Il y aura toujours de nouvelles startups et des entreprises plus traditionnelles qui se diversifieront sur le marché du digital. Nous vivons dans un monde qui change en permanence et c’est particulièrement vrai pour le monde du marketing.

Il existe désormais par exemple des frigos connectés, qui envoient et reçoivent des infos, et qui du coup deviennent des media.

Prenez un autre cas, la télévision : nous assistons à l’arrivée de la télévision personnalisable (Addressable TV), avec de nouvelles applications comme l'apple TV ou Roku qui connectent la télévision et changent le marché.

Tout ceci crée de la complexité pour les marketers.

Face à cette fragmentation, il existe des acteurs, en nombre assez réduit, comme Adobe ou MediaMath, capables de gérer des campagnes marketing sur l’ensemble des canaux depuis une interface unique.

Il y a un autre aspect de la fragmentation, elle concerne les usages. Dans un monde fragmenté, cross canal, le cookie devient un problème. L'arrivée des écrans mobiles a en particulier considérablement fragilisé le cookie sur le desktop. Reconnaître et comprendre le consommateur qui navigue d'un écran à un autre est devenu très compliqué.

La nouvelle frontière est bien l'identité et la compréhension de l'identité.

Faut-il aborder le cookie dans une approche déterministe ou dans une approche probabiliste ? Il y a quelques années, nous avons développé Connected ID, dans le but de proposer le meilleur des deux modèles, déterministe et probabiliste.

Il existe de nombreuses solutions pour comprendre l’utilisateur dans un monde fragmenté, mais l'un des enjeux est de rester responsable et respecter la vie privée de l'individu. Il est en effet plus important que l'utilisateur puisse être oublié plutôt que de le mémoriser dans nos bases sans son accord. Nous sommes foncièrement du côté du respect de la vie privée, nous sommes « privacy by design ».

Les marketers et les agences sont-elles prêtes pour le programmatique ?

Sur le marché américain, on assiste comme souvent à un mouvement de balancier.

Aux débuts du programmatique, les agences régnaient en maître, elles étaient les experts. L'annonceur venait avec son brief et l'agence prenait les décisions concernant la technologie, les éditeurs à retenir, les optimisations.

Avec le développement du programmatique, l'impact croissant sur le business et la multiplication des cas d'étude, le balancier a basculé du côté des annonceurs : les marques veulent de plus en plus internaliser l'expertise.

Ceci a de nombreuses implications : les annonceurs sont beaucoup plus impliqués, deviennent ou souhaitent devenir des spécialistes et doivent recruter des équipes. C'est particulièrement vrai pour les gros annonceurs. Je pense qu'ils peuvent y arriver. La question est : jusqu'où peuvent-ils aller et jusqu'à quel niveau de complexité. La condition est bien sûr d'investir dans les ressources nécessaires.

Entre deux extrêmes (l’internalisation complète et l’externalisation), il y a en réalité une large palette de solutions intermédiaires : par exemple, des marketers souhaitent s'impliquer dans la décision, notamment concernant les choix technologiques, mais laissent l'exécution à l'agence.

En tout état de cause, ce mouvement a un effet vertueux : il force les agences à s'améliorer, à se sophistiquer davantage, et certaines ont aujourd'hui un très haut niveau d'expertise et de service.

Qu'est-ce que le mobile change ? Comment l'aborder ?

Nous voyons chez MediaMath une très forte croissance dans le mobile, comme dans la vidéo du reste, qui a un potentiel considérable de croissance. En effet, plus de 50% des impressions que nous voyons passé dans le monde sont des impressions « mobile ». Les impressions display (hors vidéo) ne représentent plus que 38% du total.

Deux principes doivent être conciliés :

Il convient d'une part d'être respectueux du format du mobile et de tirer parti de ses spécificités et opportunités (par exemple la géolocalisation).

D'un autre côté, il convient de mettre le mobile dans le contexte plus global de l'expérience utilisateur. La stratégie mobile doit aller de concert avec le marketing de la marque.

La question clé est le format. Il ne s'agit pas seulement de s’adresser aux bonnes personnes au bon moment avec le bon message, il est important de savoir comment, dans quel format le message est délivré. Il faut arriver à ce que la pub, mise en contexte, soit perçue comme quelque chose de normal, et non en rupture avec l'expérience. Parfois une publicité doit être disruptive, parfois au contraire elle doit éviter de créer tout sentiment d'intrusion. Pour tout dire, la publicité mobile est efficace, et de manière massive, mais elle se cherche encore en matière de format et doit encore s'améliorer pour continuer à progresser.

En quoi les algorithmes de Machine Learning vont-ils améliorer la publicité ?

Chez MediaMath, nous exploitons depuis plusieurs années notre algorithme, nommé « The Brain », qui est fondé sur des algorithmes de Machine Learning. Nous avons une équipe entière dédiée à son développement. D’un côté, The Brain est totalement concentré sur les objectifs du marketer, par exemple les retours sur l'investissement publicitaire. D’un autre côté, The Brain s’intéresse à l'écosystème : quelles sont les dynamiques du marché, avec à tout moment la capacité d'avoir la bonne information pour prendre la meilleure décision : déterminer la valeur exacte de chaque impression selon les objectifs de l’annonceur pour fixer le prix d’enchère optimal.

Le travail sur le Machine Learning est central. Dans un environnement aussi complexe, où il faut des décisions en temps réel, il faut comprendre quels signaux comptent et dans quelle mesure ils comptent. Le système doit devenir plus intelligent dans le temps et doit être capable d’apprendre par lui-même.

L’un des champs d’application est l’attribution multi touch. L'idée est de passer définitivement du monde plat de l’attribution last clic à un système multidimensionnel sur la base de données enrichies et complexes.

Voir l'infographie :

infographie-machine-learning

----

 

Plus d'articles Pub

+ TOUS LES ARTICLES Pub
  • Philipp Schmidt (Prisma Media) : la vidéo représente 25 % de notre chiffre d’affaires

    Nous avons interviewé Philipp Schmidt, Directeur exécutif de Prisma Media Solutions.Prisma Media continue sa transformation avec su...

  • ASMR, quand les marques chuchotent pour se faire entendre

    Si vous suivez les tendances de recherche sur Google et YouTube vous avez déjà entendu parler de l’ASMR ou "Autonomous sensory meridian resp...

  • Rentrée de la pub : 17 phrases à retenir des Rencontres Udecam

    ...