L’impact du cross-device sur la pub en ligne

Le consommateur connecté utilise une tablette à son domicile, un ordinateur à son bureau et un smartphone dans les transports. Pour l’annonceur, comment savoir qu'une publicité affichée sur ces différents appareils a été vue par la même personne ? Cette question est fondamentale pour gérer efficacement la pression marketing et mesurer correctement l’attribution.

Quels sont les problèmes engendrés par le cross-device ?

comprendre-le-cross-device.png

Les adservers qui affichent les publicités sur les sites déposent un cookie qui identifie l’internaute et permet de l’associer à une impression et surtout à un clic (voire à une vente dans le cas d’un site e-commerce). Si l’internaute utilise deux ordinateurs différents, deux cookies différents seront associés au même individu (cookie A et cookie B). L’essor des applications mobiles a encore complexifié le problème puisque l’identifiant associé à l’utilisateur n’est plus un cookie mais un IDFA (IDentifier For Advertiser).

Problème n°1 : sous-évaluation de la pression marketing

L’incapacité à gérer les problématiques de cross-device conduit les annonceurs à sous-estimer la fréquence d’impression et à sur-estimer le reach (nombre de personnes exposée) de leurs campagnes. En effet, si une même personne voit la même publicité trois fois sur trois écrans différents (une fois sur son smartphone, une fois sur sa tablette et une fois sur son ordinateur de bureau), l’annonceur va considérer à tort que sa publicité a été vue une seule fois par trois personne différente.

Problème n°2 : calcul de l’attribution faussé

Si un consommateur voit la pub d’un nouveau produit pour la première fois sur son mobile mais qu’il achète finalement cet article sur son ordinateur de bureau, le canal mobile ne sera pas crédité pour la vente. L’impact des différents canaux d’une même campagne est alors difficile à déterminer.

 

Des solutions pour relier les différents identifiants online des consommateurs

Solution n°1 : l’approche déterministe

Elle s’appuie sur des environnements où l’utilisateur est toujours connecté (Facebook, Gmail), que ce soit sur son ordinateur personnel, son smartphone ou sa tablette. Le  pivot entre tous les appareils de l’utilisateur est l’adresse email servant à se connecter. Facebook est capable de savoir qu’un utilisateur a vu la même publicité sur son smartphone (application mobile) et sur son ordinateur (site Facebook) car dans les deux cas l’utilisateur est connecté.

Cette approche pose deux problèmes. Il faut des bases d’utilisateur gigantesques, ce qui limite cette approche  aux Géants de l’internet (Facebook, Twitter, Google, Amazon...). Une autre problématique est celle du “walled-garden” : dès que l’on sort de l’univers de Facebook ou Google pour faire du média classique, on perd cette vision unifiée. Facebook en a bien conscience et a lancé Atlas pour offrir une solution universelle qui fonctionne en dehors de l’écosystème Facebook. Mais cela n’enlève pas le problème d’asymétrie d’informations entre l’annonceur et le géant Internet, ce dernier possédant toute la donnée...

Solution n°2 : l’approche probabiliste

La réconciliation (ou “matching”) cross-device probabiliste est obtenu par l’analyse algorithmique de milliers de données pour créer des liens entre les différents appareils d’un même individu. Deux appareils peuvent ainsi être couplés si on obsserve qu'ils se connectent au même réseau et aux mêmes heures plusieurs fois par semaine. Parmi les données prisées, on retrouve donc le comportement de navigation, le type d’appareil, le système d’exploitation, la géo-localisation (obtenue par l’intermédiaire de prestataires de matching), le moment de la journée, etc. 

Considérée comme moins précise que l’approche déterministe car s’appuyant sur des modèles statistiques, elle est cependant plus en ligne avec les politiques de protection des données (absence de données PII). Un acteur comme Drawbridge (3,6 Mds d’appareils couplés dans le monde pour plus d’un milliard d’individus tracés) affiche jusqu’à 97,3% de précision… mais sur les 10,3% qu’ils ont réussi à matcher avec un échantillon test fourni par Nielsen ! Cette approche est aussi plus équilibrée pour les annonceurs que les approches déterministes où Facebook et Google sont en position de force.
Sujet: Data Artefact Academy
Êtes-vous un padawan ou un jedi de la data ?
Sujets