La victoire d’AlphaGo contre le champion du monde du jeu de Go, en 2016, avait défrayé la chronique. Mais le machine learning ne se résume pas à de tels coups d’éclats.
Au cœur de la stratégie des GAFA, il fait aujourd’hui partie intégrante de notre quotidien. Nul ne s’étonne plus de recevoir, sur Google, sur notre fil d’actualité Facebook, sur YouTube, des contenus personnalisés toujours plus pertinents.
La régie publicitaire de Google, Google Ads, n’est pas en reste. Son intégration progressive du machine learning, ces dernières années, révolutionne en profondeur les modes d’enchères.
Les annonces responsives Google Ads
N’est-il pas agaçant de tomber, lors d’une recherche Google, sur des résultats (naturels ou sponsorisés) ne répondant pas à notre problème ? En s’appuyant sur le machine learning, Google Ads s’est attaqué à cela. L’objectif ? Aller vers toujours plus de pertinence des annonces présentées aux internautes.
Pour ce faire, Google Ads a inventé les annonces responsives. Le principe est simple : l’algorithme teste plusieurs combinaisons, parmi vos titres et descriptions, et analyse les performances de chacune d’elle. La machine emmagasine et traite cette information. Si cette analyse nécessite un certain volume pour être pertinente, elle permet ensuite de fournir, à chaque fois, la meilleure version de l’annonce, adaptée au cas particulier de chaque internaute.
Ainsi, deux internautes effectuant la même recherche peuvent tomber sur deux annonces différentes, en fonction du contexte. Google indique que recourir aux annonces responsives permettrait d’obtenir 15% de clics en plus.
Des stratégies d’enchères basées sur le machine learning
Vous souvenez-vous d’un temps où il fallait venir ajuster régulièrement, à la main, chaque paramètre de votre campagne, pour remplir vos objectifs sans dépenser des sommes indues ? Ce temps est bel et bien révolu.
Google s’appuie désormais sur le machine learning, et sur les données marketing dont il dispose, pour proposer des stratégies d’enchères intelligentes. Celles-ci dépendent de votre objectif prioritaire : s’agit-il de « maximiser les clics » ou de viser un « coût par acquisition cible », … ?
L’algorithme personnalise ainsi les enchères, pour chaque internaute, en fonction de son historique, de sa localisation géographique, ou des données recueillies sur son comportement en ligne. L’intérêt pour l’annonceur est simple : augmenter son nombre de conversions, ou avoir une meilleure maîtrise de ses coûts d’acquisition.
Qui plus est, Google Ads utilise également des fonctionnalités de ciblage intelligent, afin de présenter les annonces aux internautes au meilleur moment. Un enjeu crucial, dans un monde où notre attention est sur-stimulée en permanence.
Le machine learning à la base des nouvelles solutions de display Google Ads
La dernière révolution proposée par Google Ads, grâce au machine learning, concerne les campagnes display. La plateforme permet en effet désormais d’opter pour deux solutions nouvelles, entièrement automatisées : Smart Display et Smart Shopping.
Avec ces types de campagnes, vous n’avez plus à vous préoccuper du niveau des enchères, ni des emplacements sur lesquelles vos annonces seront visibles. La machine s’en charge pour vous.
L’algorithme arbitre parmi les millions de sites partenaires du réseau Display Google, pour :
- Présenter vos annonces au meilleur endroit, d’une part ;
- Présenter aux internautes les annonces les mieux adaptées à leur profil particulier, d’autre part.
Nous venons de le voir ensemble, le machine learning est une carte maîtresse pour Google Ads. Son application, dans les nouvelles solutions proposées par la régie publicitaire de Google, révolutionne complètement les modes d’enchères.
Le machine learning, c’est indéniable, permet d’optimiser au maximum vos campagnes Google Ads. Il ne s’agit cependant pas d’une solution magique. Il nécessite certains pré-requis : un volume important, tout d’abord, lors de la phase initiale d’apprentissage, mais aussi une certaine variété dans les données recueillies.
