Interview : comment Critéo utilise les données pour personnaliser les annonces ?

La personnalisation des annonces est au coeur des stratégies de marketing digital. Quelles sont les données utilisées lors du ciblage et quels résultats peuvent apporter les bannières personnalisées en terme de conversion et de vente ?

Extrait de la vidéo de formation Digital Marketing

François Costa est Directeur Général Adjoint de CRITEO France, une société spécialisée dans le marketing à la performance créée il y a 11 ans. L’objectif de Critéo est de générer des ventes pour les annonceurs en poussant des bannières personnalisées à un milliard d’internautes, chaque mois dans le monde.

Quelles données sont utilisées dans la personnalisation des annonces ?

Le modèle publicitaire de Critéo est centré sur l’utilisateur. C’est un algorithme qui a besoin d’être nourri par des données de masse, autrement dit de la Big Data. L’objectif est que le moteur propulsé par Critéo apprenne dans une logique de machine learning. Pour cela, Critéo s’appuie sur 6 sources de données différentes :

• la donnée utilisateur : quel médium utilise l’internaute pour surfer sur le site des annonceurs. Est-ce qu’il a utilisé un mobile, un ordinateur, une tablette ? Est-ce qu’il a utilisé un navigateur et si oui, lequel ? IOS, Android, Safari ?
• la deuxième source de données concerne le comportement d’achat du consommateur. On va donc regarder le temps qu’il a passé sur le site d’un e-commerçant. On va regarder le nombre de pages vues, le nombre de produits consultés, le type d’action qu’il a effectué.
• la troisième source de données qui intéresse Critéo est la donnée de catalogue produit. Elle va ainsi permettre de pousser les produits des clients dans leurs bannières.
• ensuite vient la donnée des éditeurs. Ce sont en fait les sites avec lesquels Critéo est en partenariat pour pousser ses publicités. Ce sont des portails ou des sites de presse par exemple. Les données recueillies vont permettre de savoir quelle page a vu un visiteur, à quel type de publicité il a été soumis et où se situait la publicité sur la page consultée.
• la cinquième source vient directement des données Critéo. Elles permettent de comprendre comment a réagi l’utilisateur aux campagnes. A combien de bannières il a été exposé ? A-t-il cliqué sur ces bannières ? Est-ce qu’il a converti ? Cela va permettre de déterminer quelle est la fatigue de l’utilisateur aux campagnes Critéo.
• enfin la donnée universal match permet d’identifier les différents écrans que va utiliser un même utilisateur pour surfer sur internet. Et cela pour être capable de comprendre qu’un internaute a commencé sa visite via son smartphone, puis qu’il a continué via son ordinateur de bureau et qu’il a fini par acheter via sa tablette. Il faut bien comprendre que ces 3 écrans ne sont pas 3 personnes différentes, mais bien un seul et unique individu.

Quels résultats sont récupérés ?

Les six sources de données présentées ci-dessus permettent d’alimenter le moteur Critéo qui va ensuite faire un travail de personnalisation de la publicité. Ce moteur est constitué de 3 briques : la valeur, la personnalisation et le mode d’adresse.

Première brique : déterminer la valeur de l’internaute

La première brique va chercher à déterminer quelle est la valeur d’un internaute pour un annonceur. Pour cela le moteur s’appuie sur la deuxième source de données. Il va chercher à voir le nombre de pages vues, le type de produit, si un produit a été mis au panier.

On va essayer de déterminer quel a été le niveau d’engagement d’un internaute vis-à-vis d’un site de e-commerce. Cela permet de prédire le niveau de clics effectués par l’internaute si on lui pousse une bannière de cet annonceur. Mais également sa conversion et son panier moyen. Autrement dit quelle somme cet internaute est prêt à dépenser sur le site de l’annonceur.

Une fois ces données déterminées on va faire entrer les annonceurs en compétition, pour que celui qui est prêt à payer un certain prix et pour lequel l’internaute aura le plus de valeur puisse afficher sa bannière à celui-ci.

Deuxième brique : personnalisation des annonces

Mettons qu’un internaute navigue sur un site de e-commerce vendant des chaussures et consulte une paire de chaussures rouges. On va lui pousser une bannière qui a ces chaussures rouges. Mais on va compléter cette présentation de produit par des recommandations. Alors comment cela se passe :

• premièrement, on va lui pousser des produits qui ont été vus par les autres internautes qui ont également regardé la paire de chaussures rouges ;
• deuxièmement, on va aussi ajouter les best-of. C’est à dire les meilleures ventes de ce site e-commerce.

Cela permet d’avoir une bannière qui contient le produit qui a effectivement été vu par l’internaute. Mais également des produits qui pourraient lui plaire, pour avoir une personnalisation sur ce qu’il a fait et ce qu’il pourrait faire. Cette phase est fondamentale puisque 70% des transactions générées portent sur des produits qui n’ont pas été vus à l’origine. Autrement dit sur des produits qui ont été recommandés.

Troisième brique : comment s’adresser à l’internaute

Le concept de cette troisième phase est très simple. Chaque internaute peut réagir différemment à un message, à une image, à une bannière. Pour cela on va isoler l’ensemble des éléments qui composent une bannière :

• les différents formats,
• les différentes photos,
• les différentes images de recommandations de produits,
• les différents messages,
• les différents éléments d’appel à l’action,
• les différentes couleurs de fond…

On est ensuite capable de reconstituer à la volée et automatiquement jusqu’à 40000 bannières pour un produit donné sur le marché français. Ensuite, les bannières vont être soumises à un système d’optimisation dynamique qui va permettre de pousser les bannières qui auront la plus forte probabilité de clics et de conversion pour un internaute donné, dans un contexte donné. Cet élément est vraiment important car il permet de « skelibiliser » le modèle mais aussi d’être capable de générer 11% de ventes supplémentaires sur les campagnes Critéo.

Pour conclure

Dès l’origine avant même de trouver son business modèle, Critéo a fait en sorte de travailler sur des modèles algorithmiques qui permettaient de proposer des discours personnalisés en fonction de la donnée des internautes. Pas de la donnée identifiante car les internautes restent anonymes, mais de la donnée comportementale. C’est à dire être capable d’avoir le discours le plus approprié en fonction du comportement d’achat. C’était vraiment un véritable élément différenciant qui structure la stratégie actuelle et future de Critéo.