Introduction

L’intelligence artificielle est un sujet au cœur des problématiques du web depuis plus d’une dizaine d’années. Dans de nombreux secteurs, l’intelligence artificielle est actuellement en phase de test, de déploiement, ou commence à faire partie intégrante de certains processus techniques.

Il est intéressant de se pencher sur la perception qu’a le grand public de l’intelligence artificielle. Comme nous allons le voir, il existe une différence fondamentale entre la perception de l’intelligence artificielle par les particuliers, et la perception qu’en ont les entreprises. Pour ces dernières, l’intelligence artificielle apparaît comme un moyen assez fiable de renforcer la rentabilité de son acquisition sur le web, soit en développant une notoriété particulièrement adaptée à sa cible, soit en ciblant de potentiels prospects avec une précision impossible à obtenir jusqu’à maintenant. Nous allons voir pourquoi cette perception est encouragée par les géants du web (principalement Google et Facebook dans le cadre de cette étude), et pourquoi elle peut s’avérer dangereuse pour les entreprises.

Pour illustrer cette grande confiance accordée à l’intelligence artificielle par le monde des entreprises, nous pouvons notamment citer une étude menée en septembre 2018 par Keley Consulting et YouGov France :

Figure 1 keley-consulting.com/blog/intelligence-artificielle-une-etude-exclusive-aupres-des-francais

Nous pouvons constater que sur la question « L’IA peut elle améliorer la qualité du service des administrations ? », la population des cadres affiche une réponse plus positive que la moyenne française. Cette perception est similaire à celle que nous connaissons en agence de webmarketing. Le grand public accorde une confiance mesurée à l’efficacité de l’intelligence artificielle, tandis que les annonceurs sont plus enclins à envisager l’utilisation de systèmes automatisés :

Figure 2 actuia.com/actualite/une-etude-sinteresse-a-la-perception-de-lintelligence-artificielle-par-les-francais

Il sera intéressant de mentionner dans cette introduction la différence entre l’intelligence artificielle et le machine learning. En effet, la confusion entre ces deux « technologies » est l’un des facteurs qui encourage les annonceurs à se reposer sur des systèmes automatisés, a priori préférables à une intelligence marketing humaine.

Dans le domaine technologique, on considère que le « machine learning » est une sous-branche de l’intelligence artificielle ; elle permet à la machine d’apprendre par elle-même en fonction des données déjà recueillis au cours du processus de fonctionnement. L’intelligence artificielle, quant à elle, regroupe tous les processus qui permettent à la machine de faire des choix, et d’automatiser certains processus. Il s’agit pourtant d’une approximation par rapport au webmarketing. Dans cette discipline, la plupart des processus des outils équipés « d’intelligence artificielle » sont en fait des algorithmes dont le fonctionnement repose entièrement sur l’accumulation de données. Il n’existe donc réellement aucune notion d’abstraction dans le fonctionnement de ces processus. Cet état de fait est en train de changer, notamment via le travail de Google sur le sujet. Cependant, leur façon de communiquer autour de leur produits (principalement la suite Google Ads, anciennement Google Adwords) reste trompeuse pour les annonceurs.

Au sein de l’agence Monsieur Biz, nous avons recueilli les avis de nos clients sur la perception de l’intelligence artificielle au service du marketing. Nous avons récolté plus d’une cinquantaine de réponses sur le sujet, qui seront utilisées dans le cadre de cette étude.

Nous distinguerons au sein de l’étude les secteurs B2B des secteurs B2C, dont les problématiques d’acquisition sont, pour la plupart, très différentes entre elles. De plus, sans mentionner le nom des entreprises, nous indiquerons leur chiffre d’affaires moyen en ligne. En effet, le machine learning au service du webmarketing est un outil qui devient de plus en plus efficace en fonction du volume de données récoltées. En ce sens, les annonceurs disposant de budgets conséquents peuvent espérer de meilleures retombées de l’utilisation de ces outils que les TPE/PME.

Première partie : Contexte entrepreneurial et analyse de la perception des outils par les annonceurs

I Présentation de l’entreprise

1. Une agence disposant d’une clientèle très différenciée

L’agence Monsieur Biz existe depuis 8 ans. Elle emploie à l’heure actuelle une quinzaine de personnes, toutes travaillant dans des branches du webmarketing. L’agence gère un peu plus de 20 clients à l’heure actuelle, avec une forte diversité de typologie entre les différents annonceurs.

Historiquement centrée sur le B2B, les fondateurs de l’agence ont démarré l’activité via une forte spécialisation dans ce domaine. La spécificité du B2B dans le webmarketing repose sur deux problématiques majeures :

• La concurrence non pertinente des acteurs B2C : pour une part importante des acteurs B2B, il est très compliqué de se positionner sur le web à côté des acteurs B2C. Ces derniers affichent un trafic bien plus volumineux et une notoriété externe (prise en compte dans la visibilité naturelle) bien plus importante. Pour devenir visible sur les moteurs de recherches, les annonceurs sont donc confrontés à un dilemme : dépenser un budget conséquent pour apparaître au côté des acteurs B2C, et attirer en majorité un trafic peu qualifié, ou bien se concentrer sur des requêtes et des emplacements particulièrement spécifiques au B2B, et donc in fine perdre beaucoup de visibilité.
• Le faible volume de recherche de certaines requêtes : la plupart des solutions de visibilité sur le Search fonctionnent sur le principe du « volume de requête minimal ». Il faut comprendre qu’en dessous d’un certain seuil de recherche mensuel, il n’est pas possible de diffuser des annonces sur ces requêtes. Or, beaucoup d’annonceur B2B, notamment dans les milieux industriels ou technologiques de pointe, vise un public d’acheteurs potentiels très restreint. Il est dès lors très difficile pour eux d’utiliser les fonctionnalités habituelles du Search, que ce soit celles de Google ou d’un autre moteur de recherche.

La typologie de la clientèle de l’agence est divisée en trois groupes : un tiers relève des TPE et des start-ups, un tiers d’acteurs moyen, PME et ETI, le dernier tiers étant constitué de grands comptes. Les problématiques webmarketing pour ces trois catégories sont très différentes entre elles :

• Les TPE / Start-Ups : Ces deux types d’acteurs du web sont confrontés à la même problématique : des budgets webmarketing restreints, et la nécessité d’obtenir un ROI rapidement une fois les budgets investis (nous parlons dans ce cas des start-ups pré levée de fonds, pour les autres il faut se référer à la catégorie suivante). Lorsque ces entreprises travaillent dans des secteurs particulièrement innovant, elles sont confrontées à une autre problématique : le manque de notoriété des termes d’acquisition qu’elles souhaitent utiliser. Par exemple, les cabinets de conseil en ressources humaines qui travaillent essentiellement sur les problématiques de la QVT (qualité de vie au travail) souhaitent remonter sur ce dernier acronyme. Malheureusement celui-ci n’est connu que d’un noyau très restreint d’internautes, en majorité les personnes travaillant déjà dans le secteur. Il faut donc, pour cette typologie de client, apporter une rentabilité rapide et trouver des requêtes sur lesquelles annoncer, qui correspondent à la cible visée sans pour autant se concentrer sur le cœur sémantique de l’activité de l’annonceur.
• Les PME : cette catégorie d’annonceurs dispose de plus de moyens dédiés au webmarketing, et souvent d’une notoriété plus importante (le branding ayant déjà été travaillé). Nous retrouvons également des startups ayant une ou plusieurs levées de fond à leur actif, leur permettant de mettre en place des campagnes de test en webmarketing et de récolter plus de données. Il s’agit de la catégorie la plus représentée parmi les acteurs du webmarketing. Il faut noter que pour ces annonceurs, il devient possible d’envisager des stratégies multi-leviers, une donnée très importante pour la récolte de data et l’optimisation de la stratégie.
• Les grands comptes : cette catégorie regroupe les annonceurs de taille importante, qui dépensent à minima plusieurs milliers d’euros par mois dans un seul des leviers d’acquisition du webmarketing. Ils affichent un volume de clics souvent très important, et disposent d’historiques volumineux sur les ROAS par levier (Retour sur les dépenses publicitaires). Pour ces entreprises, la plus-value de l’agence est l’optimisation fine de la rentabilité des différents leviers. Le volume de données recueilli permet un retour d’expérience très précis, qui facilite la mise en place de process permettant dégager plus de rentabilité pour un budget équivalent ou supérieur. Ces annonceurs forment la catégorie la plus intéressée par les systèmes d’automatisation en webmarketing, et le potentiel de l’Intelligence artificielle. La complexité de la gestion des comptes est due dans ce cas à la largeur de ces derniers. Elle implique de nombreux gestionnaires pour pouvoir assurer le suivi et l’optimisation quotidienne des campagnes.

Pour illustrer l’importance des volumes de données, nous proposons l’étude suivante, de 2018 :

Figure 4 Etude DOMO de 2018 sur la récolte de data et les interactions par plateforme et par minute

D’après cette étude, le volume de data récolté par minute à travers le monde est en croissance continue depuis plus de 15 ans, et la croissance s’accélère de plus en plus. Il est intéressant de noter que l’acquisition de data renforce le caractère monopolistique des géants du web, dont la course vers l’efficacité des solutions webmarketing repose en grande partie sur les volumes de données déjà présents dans leurs systèmes.

1. Une agence à mi-chemin entre l’intelligence technique et l’intelligence marketing

L’une des spécificités de l’agence web Monsieur Biz est le travail marketing quasi systématique de plusieurs leviers d’acquisition. L’orientation résolument technique et opérationnelle de la gestion des comptes client lui confère une connaissance avancée des rouages des différentes solutions de webmarketing proposées par les GAFA.

La diversité de sa clientèle, comme vu précédemment, l’oblige à développer une intelligence marketing adaptée à chaque secteur, selon ses spécificités. Les stratégies adoptées par l’agence pour la gestion des budgets webmarketing est donc très différente pour chaque acteur. Cette largeur de vue confère aux consultants de l’agence une expérience large de l’efficacité des différents leviers en fonction des secteurs.

Grâce à cette connaissance poussée des systèmes, notamment de RTB (real time bidding ou enchère en temps réelle), l’agence a développé des process particuliers pour tout ce qui concerne l’Intelligence artificielle au service du webmarketing. Au fil des années, plusieurs solutions présentées comme l’IA au service du webmarketing ont été testées par l’agence. Ces solutions reposent sur plusieurs leviers : SEO, SEA, SEM etc… La plupart d’entre elles apportent des avantages et des inconvénients :

• Gain en temps de gestion : grâce aux systèmes automatisés, il est possible de viser une cible plus large que via du search uniquement. On parle alors de la recherche d’intention (“solutions intent” côté Google). Par exemple, grâce à une campagne de visibilité autour des amateurs de chaussettes, nous allons donner de la visibilité à un e-commerçant qui cherche des clients sur cette gamme. Ce ciblage étant possible grâce aux cookies de navigateur, la plupart des méthodes de « ciblage intelligent » repose sur l’intérêt démontré de l’internaute pour des sites similaires, sur la requête chaussette.
• Perte de rentabilité : Via ces méthodes de RTB, le ciblage intelligent pêche sur deux points. D’une part les données de navigateur (cookies de session) ne récolte pas de données sur la conversion de l’internaute, ni la mise en panier sur un site tiers, ou bien la transaction finale. A cause de ce manque de données sur le statut réel de l’internaute (est il encore en recherche de chaussettes), l’annonceur perd de la rentabilité en ciblant des internautes qui viennent d’acheter un produit, produit qui ne relève pas d’une logique d’achat récurrent. L’intelligence artificielle arrive donc trop tard pour servir la rentabilité de l’annonceur. L’autre problème soulevé par ces méthodes de RTB est la mise en concurrence intensive de l’annonceur avec les autres acteurs de son secteur. La grande majorité des e-commerçants utilisant des systèmes de ciblage via les cookies de session, l’internaute va être reciblé par plusieurs vendeurs de chaussette au même moment. Ce que l’on nomme le phénomène de « surimpression » en webmarketing est généralement néfaste pour l’image de la marque ou de l’entreprise. De plus, si l’annonceur ne parvient pas à mettre en avant ses avantages comparatifs par rapport à la concurrence (ce qui peut s’avérer délicat sur un format display généralement assez réduit), il risque de perdre une visite au profit d’un concurrent direct.

Cet exemple est intéressant car il permet de comprendre l’importance de la stratégie marketing globale pour la définition des objectifs du webmarketing. Ce dernier apparaît comme un levier important de la stratégie d’acquisition, mais doit se plier aux problématiques du marché et de l’annonceur : notoriété importante ou faible, qualité du branding mis en œuvre, avantage concurrentiel orienté prix ou qualité, etc…

Le profil marketing des employés de l’agence est donc utile dans ce contexte, ces derniers doivent comprendre l’ensemble du dispositif marketing de la société pour pouvoir proposer un dispositif web adéquat et orienté vers la rentabilité.

Le profil technique des consultants leur permet d’aller plus loin, en prenant en compte les principes de fonctionnement des différentes solutions marketing proposées et leur adéquation à la problématique du client. Voici un exemple de l’intérêt de l’intelligence technique nécessaire à la bonne mise en œuvre d’une stratégie d’acquisition webmarketing.

Google et le principe du quality score

Google à mis en place depuis quelques années un système de notation de la qualité des annonces, dénommé Quality Score. Via cet indice, Google permet à des annonceurs ayant des enchères équivalentes à celle de leurs concurrents de se positionner plus haut dans les résultats du Search. Cet indice fait donc varier le CPC, et, in fine, le CPA global de l’annonceur.

Figure 5 alouit-multimedia.com/quality-score-adwords-booste-par-le-seo/

Cet indice de qualité s’échelonne de 1 à 10. Comme nous pouvons le voir sur la figure précédente, la variation globale du CPA d’un annonceur peut être très importante selon le niveau de qualité perçu des annonces.  Pour calculer ce niveau de qualité, Google utilise un système complexe et multicritères, dont certains sont quantitatifs et d’autre qualitatifs.

Figure 6 alouit-multimedia.com/quality-score-adwords-booste-par-le-seo/

Nous nous attarderons sur deux critères, qui sont intéressants dans le cadre de cette présentation. D’une par le CTR attendu (taux de clics sur l’annonce dans la page de résultats de recherche) et d’autre part la « convivialité de la page de destination », c’est-à-dire la qualité technique de la page d’arrivée au regard des standards demandé par Google sur les pages de contenu.

• Le CTR attendu : le taux de clic attendu sur l’annonce est un critère déterminant pour le score de qualité. Présenté par Google comme un outil au service de la qualité des résultats de recherche, la réalité est un peu différente. En effet, plus le CTR d’une annonce est élevé, plus les gains engrangés par Google sont importants. Donc, il est préférable pour la firme américaine de bien positionner les annonces qui déclenchent le plus de clic. On peut donc constater que Google présente une astuce financière pour augmenter son panier moyen comme un outil de préservation de la qualité à destination des internautes. Cet exemple est intéressant pour comprendre les nuances qui existent entre le discours commercial de Google et la réalité technique et financière qui sous tend ces modes de fonctionnement.
• La convivialité de la page de destination : la convivialité de la page de destination est en réalité la performance technique de la page d’arrivée présentée suite au clic sur l’annonce. Ce critère est un méta-critère qui prend en compte un large éventail de paramètre : performance de l’affichage, ergonomie mobile, présentation du contenu, facilité de lecture et de navigation pour l’internaute, etc… La majorité de ces paramètres sont au croisement de la couche technique (notamment du choix du CMS et de la structure technique du site) et de la qualité marketing de la page d’arrivée : choix de la sémantique employée, positionnement des CTA (Call to action), quantité de contenu informationnel sur la page etc…

Figure 7 webwatch.be/optimize/quality-score-adwords/

Les autres critères pris en compte pour le calcul du Quality Score relève pour la plupart des mêmes problématiques : un croisement entre le travail mené sur le marketing des pages et la qualité technique de ces dernières, en parallèle de leurs performances commerciales.

Nous l’avons vu, ce type de critère est d’une importance capitale pour l’annonceur, puisqu’il influe très fortement sur la rentabilité de son budget webmarketing. L’intérêt de travailler avec des consultants affichant un profil technique confirmé est donc fondamental. D’autres avantages en découlent, comme une meilleure compréhension du croisement et des synergies entre les différents canaux d’acquisition, et la meilleure façon d’exploiter ces derniers (notamment entre le SEO et le SEA par exemple).

II Perceptions des solutions d’intelligence artificielle par les annonceurs

Dans cette partie nous allons analyser la présentation faite par Google de son nouvel outil d’automatisation, permettant de retirer plus de bénéfices des campagnes webmarketing grâce à l’intelligence artificielle. Nous nous intéresserons dans un premier temps au discours qui entoure l’outil lui-même, ainsi que les bénéfices présentés et les contraintes inhérentes à son fonctionnement. Dans un second temps nous nous pencherons sur la perception de l’efficacité potentielle de l’outil par les annonceurs. Pour cela nous utiliserons des avis récoltés par l’agence auprès de différents clients.

1. Discours commercial de Google autour d’une solution d’IA

Dans son processus commercial, Google vise à la fois les agences et les annonceurs. En effet, une partie de ces derniers emploient des gestionnaires en interne pour gérer les différents canaux d’acquisition webmarketing.

Il est important de noter que Google n’en est pas à son premier coup d’essai. En effet, quelques années auparavant, via la solution « Adwords Express », Google espérait développer son panier moyen notamment auprès des annonceurs de taille réduite, en leur proposant une solution tout-en-un utilisant la puissance de l’intelligence artificielle. Grâce à ce dispositif, les annonceurs pouvaient se contenter d’ouvrir un compte et une ligne budgétaire. Ensuite le système se chargeait de créer les annonces par lui-même et de cibler les prospects potentiels. L’annonceur n’avait donc pas la main sur sa stratégie webmarketing, ce qui apparaissait comme un gain de temps intéressant pour certaines entreprises de taille réduite.

Figure 8 Présentation des avantages de la solution Adwords Express

Le bilan de cet outil, pour tous les comptes que nous avons audités, est assez mauvais. En effet, l’intelligence artificielle annoncée par Google comme un outil efficace de gain de temps se contentait de crawler les pages de destination du site de l’annonceur, et d’utiliser la sémantique employée pour diffuser les annonces. Ce qui posait plusieurs problèmes.

D’une part, le vocabulaire employé sur la page de destination (par exemple une page de génération de lead, comme un formulaire à remplir pour être recontacté) n’était pas forcément la page la mieux marketée du site de l’annonceur. De plus, les éléments de langages étaient employés « au hasard » dans les annonces, ce qui déclenchait un problème important au niveau de l’optimisation de la rentabilité par le machine-learning : il fallait un volume de donnée très important pour comparer l’efficacité des différentes annonces, et que le système choisisse de prioriser les éléments de langage les plus importants pour l’acquisition client. Or, la plupart des utilisateurs d’Adwords Express étant des TPE (puisque la solution visait principalement cette typologie d’annonceur), les budgets dépensés pour l’acquisition webmarketing n’étaient pas suffisants pour obtenir des volumes de clics suffisants.

Sans volume de clics suffisant, le système continuait à diffuser de façon homogène les différentes annonces, et de viser plusieurs pages de destination différentes sur le site de l’annonceur. Se faisant, les niveaux de rentabilité étaient particulièrement bas. Si nous considérons qu’il est nécessaire d’obtenir un millier de clics sur une annonce pour savoir quelle est son niveau de rentabilité réelle, et que le système à créer une dizaine d’annonce dès le début, il est juste de considérer qu’il faudra cumuler environ 10 000 clics pour que des procédures d’optimisation pertinente puissent avoir lieu. Sur des secteurs de l’artisanat par exemple, ou les CPC peuvent s’échelonner entre 1 et 3 euros, le budget total à investir avant toute optimisation de la rentabilité pouvait être compris entre 10000 et 30000 euros. Un investissement que la grande majorité des utilisateurs d’Adwords express étaient incapables de réaliser sur une courte période.

Revenons maintenant sur le discours commercial de Google en cette période de fin 2018 concernant le passage à l’automatisation et l’utilisation de l’intelligence artificielle au service du webmarketing.

Figure 9 Sommaire de la présentation Google concernant le passage à l’automatisation

Voici ci-dessous la timeline Google sur les dernières années. Le passage à l’automatisation et à l’utilisation de l’intelligence artificielle fait suite, selon aux autres développements ayant eu lieu au cours des années précédentes.

Figure 10 Timeline Google pour l’automatisation

Il est donc affiché que suite aux progrès mis en place sur les questions d’attribution, l’automatisation est désormais un bon choix de gestion des comptes pour permettre d’améliorer le ROAS des campagnes. En effet, nous voyons quelques slides plus loin que le niveau moyen d’amélioration de la rentabilité sur l’ensemble des comptes ou cette solution a été testée est très important : près de 27%.

Figure 11 Gain de conversions moyen grâce à l’utilisation de l’intelligence artificielle

Avec ce genre d’arguments, Google met en avant une forte hausse possible des gains potentiels. Nous verrons plus tard pourquoi cette hausse annoncée est fondamentalement faussée et ne désigne pas le ROAS réel. D’une part à cause de la problématique de l’attribution, qui n’est pas entièrement résolue (et ne le sera pas à court terme) et d’autre part à cause de la différence entre les conversions trackées dans un dispositif webmarketing et les résultats financiers réel d’un annonceur sur le web.

Nous observons également que le discours auprès des annonceurs prône l’utilisation de l’IA pour tous les aspects de leurs campagnes webmarketing. En effet, l’automatisation ne vise pas seulement les optimisations à réaliser au niveau des enchères ou des emplacements de diffusions des annonces, mais également les annonces elle-même comme nous pouvons le constater. Les équipes de Google insiste fortement sur ce point, annonçant qu’il est préférable pour les annonceurs de mettre toute leur stratégie entre les mains de la machine :

Figure 12 Il est conseillé de laisser faire l’IA sur le plan créatif également

Etant donné que le cœur de cette étude se concentre sur le Search, nous passons sur les autres éléments présentés qui concernent l’automatisation du compte, cette dernière s’étendant au-delà sur Search pur (elle touchera également le display et le remarketing, ainsi que les réseaux de diffusion partenaire à ceux de Google). Sur le Search, il est donc présenté que l’une des plu value les plus intéressantes permise par l’utilisation de l’IA est l’optimisation du rapport entre la requête de l’internaute et l’annonce présentée :

Figure 13 Choix des éléments de langage automatique en fonction de la requête des internautes

Il est à noter que dans la suite de la présentation, il est indiqué que l’intelligence artificielle apparaît comme le moyen le plus sûr de mettre en place des stratégies dites de « CPA cible », c’est-à-dire centrée sur le coût d’acquisition.

Figure 14 Incitation à passer à l’automatisation pour permettre de maximiser le ROAS

En conclusion, nous listerons les points sur lesquels le discours de Google s’appuie pour inciter les annonceurs à passer à un système entièrement automatisé sous contrôle de l’intelligence artificielle :

• Un gain de temps dans la gestion des campagnes
• Une meilleure pertinence de l’annonce par rapport à la requête
• Un accroissement du marché potentiel (l’IA pouvant se positionner sur des champs sémantiques plus large que ne le ferait un gestionnaire humain).
• Une amélioration réelle de l’efficacité du webmarketing, tant en volume qu’en rentabilité, mesurée empiriquement.

1. Impact marketing et perception par les annonceurs

Nous avons interrogé en interne la plupart de nos clients pour connaître leur opinion par rapport à l’automatisation et la confiance qu’il accordait à l’intelligence artificielle pour la gestion du webmarketing. En effet, Google contacte les annonceurs (en parallèle des agences de webmarketing qui travaillent pour leur acquisition) afin de leur faire part de leurs nouvelles solutions, et de les inciter à les utiliser sur un ou plusieurs pans de leurs stratégies.

Le premier élément qui ressort de nos observations est que la confiance accordée par les annonceurs à Google est très importante. Leur discours orienté sur la performance et l’appui aux annonceurs est très efficace. Leur notoriété impacte grandement la perception qu’en ont les annonceurs. Nous observons par exemple que la majorité d’entre eux ont un a priori positif sur l’intelligence artificielle au service du webmarketing.

Notre étude ayant touché l’ensemble des clients de l’agence, nous avons récolté des réponses dans des secteurs très variés :

• Fintech B2C
• Startup dans l’apprentissage des langues
• Génération de lead B2B
• Grands acteurs du retail en ligne
• Tourisme B2B et B2C

La plupart des annonceurs ayant été contactés par Google nous ont demandé s’il était possible d’employer lesdites solutions d’intelligence artificielle dans leur cas particulier. Comme nous allons le voir par la suite, notre expérience nous a permis de tester ces solutions uniquement auprès d’acteurs considérés comme matures pour pouvoir bénéficier d’une plus-value liée à l’intelligence artificielle.

D’après l’étude que nous avons menée, les annonceurs percevait l’intelligence artificielle au service du webmarketing comme :

• Une solution a priori plus rapide pour traiter la gestion des campagnes marketing (mais pas forcément plus efficace)
• Une solution qui allait finir par dominer le marché du webmarketing
• Une solution qui les privait en partie d’une transparence à laquelle il était habitué (utilisation des éléments de langages, gammes de produit mis plus en avant que les autres, etc…)

D’après l’ensemble des réponses reçues, nous pouvons déterminer quelle sont les hypothèses qui doivent être remplie pour assurer l’efficacité d’une l’intelligence artificielle au service du webmarketing.

Hypothèse 1 : Une IA au service du webmarketing doit être un atout pour la rentabilité des campagnes de marketing en ligne de l’annonceur.

Hypothèse 2 : Cette intelligence artificielle doit être capable de faire progresser le volume et le ROAS des campagnes d’acquisition

Hypothèse 3 : L’intelligence artificielle doit être réellement autonome. L’opacité qui entoure le fonctionnement du système est acceptable, si ce dernier apparait comme plus efficace qu’une gestion marketing classique pour toutes les gammes et produits.

Partie 1 du dossier

Partie 2 du dossier

Partie 3 du dossier