Tout le monde parle encore de la mort des cookies tiers, mais la conversation évolue. Alors que les éditeurs, les annonceurs et les fournisseurs de technologie ne savaient pas au départ comment le ciblage - et le marketing numérique en général - fonctionneraient à l'avenir, l'accent est maintenant mis sur la mise en œuvre de solutions qui profitent à tous.
Alors que Google teste diverses propositions sur le thème des oiseaux dans son projet Sandbox pour faire face à une baisse estimée de 52 % des revenus des éditeurs, les acteurs du secteur ont jeté leur dévolu sur les données de première partie et le ciblage contextuel comme moyens de les aider à naviguer dans l'incertitude sans cookie.
Ce changement est de bon augure pour un avenir qui permet la fourniture continue d'un marketing numérique efficace tout en préservant l'accès aux données, le contrôle et la conformité à la confidentialité sur le Web ouvert. Cela garantira également l'évolutivité et la monétisation durable.
Cependant, pour que ce changement soit vraiment réussi, il faudra également l'aide de la technologie, en particulier l'intelligence artificielle (IA) et la modélisation prédictive.
Craquer le fouillis des données de première partie
Les éditeurs savent qu'une voie sûre vers le salut post-cookie est déjà à leurs pieds : les données de première partie. Avec une connexion directe à leur public, les éditeurs ont plus de chances d'obtenir le consentement des utilisateurs et de rassembler les données nécessaires pour alimenter des stratégies de contenu et de monétisation sur mesure et, en retour, protéger leurs résultats.
Cependant, l'exploitation des données de première partie nécessite une approche holistique. Les informations issues des interactions des utilisateurs avec le Web sont souvent non structurées et difficiles à gérer, en particulier pour les éditeurs aux ressources limitées. Certains utilisateurs peuvent être connectés tandis que d'autres sont anonymes, ce qui signifie que la couverture des données et la compréhension de l'activité des utilisateurs sont souvent incohérentes et incomplètes. Par exemple, nos données montrent que seulement 2 à 10 % des utilisateurs partagent des détails tels que l'âge et le sexe, laissant les 90 % restants inconnus.
Pour tirer le meilleur parti des précieuses données d'audience, les éditeurs ont besoin d'un moyen de les organiser, de les développer et de les exploiter efficacement. C'est là que l'IA peut aider. Premièrement, les outils alimentés par l'IA avec une capacité de traitement et d'orchestration élevée peuvent consolider de vastes pools de données non triées dans un seul magasin d'informations plus facile à comprendre et à activer. Deuxièmement, ils peuvent combler les lacunes essentielles pour donner aux éditeurs une image unifiée très importante du parcours de l'utilisateur, ce qui ouvre la porte à une segmentation et une activation précises, même en l'absence de données concrètes.
Par exemple, les algorithmes d'apprentissage automatique peuvent analyser automatiquement l'engagement des utilisateurs consentants en fonction de signaux contextuels pour fournir une fenêtre en temps réel sur les intérêts et les préférences uniques qui maintiennent les profils à jour et précis. Cela permet non seulement d'économiser des jours, voire des semaines, de traitement manuel, mais améliore également l'expérience publicitaire en générant davantage de formats d'annonces à forte valeur ajoutée axés sur les éditeurs qui correspondent au contexte et à l'expérience utilisateur.
De plus, la technologie de modélisation avancée de l'IA peut combler les lacunes pour les utilisateurs intraçables. Par exemple, en incluant des données provenant de différents environnements - Web, application, CRM et CTV - des modèles parmi les utilisateurs avec certains attributs peuvent être découverts, alimentant l'enrichissement du profil d'utilisateurs similaires pour maintenir la ciblabilité sur l'ensemble du public . Ces technologies se concentrent sur des attributs logiques plutôt que déclarés , qui répondent directement aux problèmes de confidentialité qui ont causé la dépréciation des cookies tiers en premier lieu.
Porter le contextuel à un nouveau niveau
Le ciblage contextuel a également regagné en popularité alors que l'industrie poursuit ses efforts pour trouver des solutions efficaces, mais respectueuses de la vie privée et conformes, pour cibler les consommateurs à l'ère post-cookie.
La technologie dans ce domaine a parcouru un long chemin au cours des 10 dernières années, permettant désormais le développement d'outils de ciblage contextuel plus précis et agiles. À eux seuls, les éditeurs disposent des connaissances et de la capacité extensibles nécessaires pour personnaliser le contenu et créer des segments d'audience qui constituent une base viable pour la publicité contextuelle. Pourtant, avec des outils plus sophistiqués, ils peuvent désormais offrir une précision de ciblage beaucoup plus grande.
Par exemple, la nouvelle génération actuelle de technologie basée sur l'IA permet aux éditeurs de dépasser les limites contextuelles traditionnelles. En utilisant des signaux en temps réel et une évaluation complète de leurs propriétés numériques, ils peuvent rassembler des informations précises et évolutives sur l'audience qui peuvent être mises à la disposition des marques ainsi que du propre service marketing de l'éditeur.
En bref, il offre l'adressabilité incrémentielle nécessaire pour faciliter la personnalisation, ce qui est non seulement très attrayant pour les annonceurs, mais garantit également une meilleure expérience pour les utilisateurs, renforçant ainsi les liens avec l'audience et augmentant la probabilité d'une fidélité à long terme.
Se concentrer sur les données de première partie et le ciblage contextuel avancé est certainement un pas dans la bonne direction pour le paysage médiatique numérique. Du côté de l'éditeur, le simple fait d'échanger un cookie (tiers) contre un autre (première partie) peut ne pas suffire pour échapper complètement à l'incertitude des cookies. La clé est de construire une stratégie première partie agile et évolutive en testant des technologies alternatives. Cela créera de nouvelles opportunités pour les éditeurs d'augmenter la valeur offerte aux utilisateurs et aux marques et, par conséquent, de renforcer leur position sur le marché.
