Troisième partie : Réponses apportées par une agence de webmarketing

Dans cette partie nous allons présenter quelles sont les réponses apportées par l’agence aux problématiques induites par l’intelligence webmarketing. Ces réponses sont de deux grands ordres différents. D’une part un éventail de processus destiné à garder la main sur la stratégie webmarketing, et d’envisager l’intelligence artificielle comme un outil et non comme un pilote. D’autre part une gestion des portefeuilles et des stratégies qui laissent la part belle à la créativité et à la personnalisation des comptes, qui reste encore à l’heure actuelle les meilleurs vecteurs d’amélioration à court terme de la rentabilité du webmarketing.

Quelques soient les dispositifs mis en place par l’agence (qui sont très variés en fonction de la typologie des annonceurs), il apparaît que la pédagogie reste l’élément le plus important à mettre en place pour assurer une utilisation efficace de l’intelligence artificielle.

I Pédagogie : dégager la technologie de l’intelligence marketing

La pédagogie avec l’annonceur est très importante, et nécessite des méthodes très variées, en fonction des besoins de ce dernier et de sa maturité quant à la compréhension de l’intelligence artificielle et de ses ressorts technologiques. Nous allons prendre des exemples réels pour présenter les solutions apportées par l’agence aux différentes problématiques que nous avons vus dans les parties précédentes.

1. Définir avec l’annonceur ses priorités

Dans le cas des TPE et des start-ups, il est primordial d’insister sur le budget minimal à dépenser pour espérer un retour intéressant de l’intelligence artificielle. Nous pourrons citer deux cas correspondant à cette typologie :

• Un acteur du web spécialisé dans les produits premium américain (type épicerie), dont la catalogue est résolument haut de gamme.
• Une start-up dont le service est la mise en relation entre des élèves français désireux d’apprendre le chinois et des professeurs bilingues chinois.

Dans le premier cas, nous avons calculé les volumes de recherche annuel sur les différents produits proposés par l’annonceur. Tous les produits et les gammes correspondantes affichaient des volumes de recherche très faibles au niveau annuel, impossible donc d’obtenir une centaine de clics par annonce sur une période de 6 à 8 semaines, ce qui est recommandé pour l’utilisation de l’intelligence artificielle. Nous étions face à une très large gamme de produits de niche, recherché par une des cibles précises de connaisseurs.

De plus, il était impossible d’espérer trouver plus de volume via les requêtes génériques, ces dernières aussi étant très limitées en valeur absolue, et tout à fait stables au fil du temps. Nous avons ainsi pu définir avec l’annonceur que son objectif premier n’était pas le volume, structurellement très difficile à développer, mais la précision de son langage publicitaire, et la définition fine de son audience cible.

Figure 24 Evolution du volume de recherche pour le terme “épicerie américaine” pour les 5 dernière années sur Google

Dans le deuxième cas, nous avons analysé les volumes de recherches sur les requêtes liées à l’apprentissage du chinois. Nous avons été confrontés à un problème typique du secteur : la grande perméabilité entre les requêtes relevant de l’informationnel (et de la recherche de ressources gratuites) et les requêtes liées à la volonté réelle de s’inscrire à un cours. Les budgets de l’annonceur étant très limités, il était inenvisageable de mettre en place une solution d’acquisition automatisée, dont le taux de déperdition initial allait être très conséquent.

Plutôt que de faire appel à l’intelligence artificielle (qui paraissait pertinente pour l’annonceur justement du fait de la difficulté à cibler des étudiants suffisamment motivés pour aller jusqu’à l’acte d’achat d’un cours particulier), nous avons mis en place des partenariats ciblés sur des sites connexes, permettant de toucher un public déjà sensibilisé aux avantages concurrentiels du client (intérêt de dialoguer avec un professeur natif du pays). Cette solution permettait de maximiser la visibilité de la start-up pour un budget réduit et maîtrisé (il s’agissait donc d’une acquisition via referral).

Dans le cadre des grands comptes, nous citerons un exemple principal. Il s’agit d’une marque importante dans le secteur de la literie. Client historique de l’agence, nous accompagnons l’annonceur depuis de nombreuses années des ses stratégies d’acquisition sur le web. Suite à la promotion faite par Google de sa solution d’intelligence artificielle, l’annonceur nous à demandé de tester l’outil pour évaluer l’accroissement potentiel du volume et l’amélioration envisageable de la rentabilité. Nous avons donc procédé à l’analyse des comptes et du marché pour vérifier que tous les critères étaient remplis pour la mise en place de l’IA Google pour la gestion du compte. Nous avons ensuite expliqué les avantages et les risques encourus à l’annonceur. Suite à cet échange, nous avons déterminé ensemble qu’il était préférable de mettre en place l’automatisation sur une gamme unique de produits, et non sur l’ensemble du compte.

Conclusion du test : suite à la phase d’apprentissage algorithmique (7 semaines pendant lesquels les résultats furent moins rentables que les taux précédemment générés par l’optimisation manuelle), l’intelligence artificielle a stabilisé son processus d’acquisition pour parvenir à un résultat identique à celui qui avait cour avant l’utilisation de Google Automatisation. Après analyse nous avons déduit que ce résultat s’expliquait pour deux raisons :

• Les comptes étaient optimisés finement au préalable, par des gestionnaires possédant une connaissance poussée de l’outil et du webmarketing.
• Sur un volume de requêtes assez limité (autour d’une gamme unique), l’intelligence artificielle n’est pas parvenue à produire plus de volume de sessions. Elle a fini par paramétrer les différents ciblage et enchères de la même façon qu’un gestionnaire humain, ce qui explique le retour à l’équilibre à la fin de la période d’apprentissage.

Nous avons donc pu constater que si les critères d’utilisation de Google Automatisation étaient remplis, le système pouvait faire aussi bien qu’une gestion humaine, mais guère plus sur un volume de requête limité.

Grâce à ces expériences nous avons développé une grille très précise de critères qui permettent aux annonceurs de jauger la maturité de leur activité web pour envisager l’utilisation de l’intelligence artificielle. Via une pédagogie fondée sur la réalité du ROAS par secteur et par produit, plutôt que sur des statistiques globales peu représentatives de la très grande majorité des annonceurs. Cette grille nous permet désormais d’apporter une réponse pédagogique à l’ensemble de nos clients en amont d’une modification de la gestion de portefeuille.

1. Aller au-delà de l’attribution et préparer l’avenir

Nous avons mis en place, au sein de l’agence, des processus de pilotage de compte qui permettent de réduire l’imprécision des systèmes d’attribution. Notre objectif était d’aller au-delà des problématiques de l’intelligence artificielle, qui fonctionne en vase clos.

Figure 25 Infographie issue d’une étude Abondance sur les parts de marchés du Search dans chaque pays

En effet, comme nous l’avons vu précédemment, les systèmes d’attributions reposent sur les données propriétaires récoltées par chaque plateforme. Dès lors que les conversions croisées représentent un volume de chiffre d’affaire important pour l’annonceur, il est nécessaire de mettre en place un système de gestion plus poussé, que l’intelligence artificielle est incapable de mettre en place.

Cet état de fait pourrait changer à l’avenir, à cause de la concentration monopolistique des plateformes les plus utilisées pour le webmarketing. Il est probable que les croisements entre les différentes plateformes se fassent moins nombreux, les deux géants actuels (Facebook et Google) récoltant la plus grande partie des parts de marché et consolident leur avance technologique sur de potentiels nouveaux intrants. Le problème se limiterait alors à la communication entre ces deux bases de données. Il est déjà possible de repérer dans le langage commercial de Google des éléments qui poussent à l’utilisation d’une plateforme unique.

Figure 26 thinkwithgoogle.com/intl/fr-fr/tendances/vision/audience-et-automatisation-les-cles-de-la-personnalisation-a-grande-echelle

Nous observons dans le texte ci-dessus que Google affiche une volonté assumée : demander aux annonceurs de réduire volontairement le nombre de solutions marketing utilisées. Avec une moyenne de 30 solutions webmarketing par marque à l’heure actuelle, l’éparpillement des données représente un handicap pour toutes les solutions d’intelligence artificielle.

Tenir ce discours présente un double avantage pour Google :

• Assurer leur croissance commerciale en incitant les annonceurs à mettre une plus grande partie de leur budget d’acquisition au sein de la solution Google.
• Permettre un enrichissement de la data plus rapide et un meilleur fonctionnement de l’intelligence artificielle : grâce à une attribution unifiée au sein du système Google, Google Automation va optimiser les rentabilités des budgets investis et ainsi afficher de meilleurs résultats.

Figure 27 Auteur du texte précédent, en charge de l’utilisation de l’IA sur le marché Français

Les agences de webmarketing doivent donc, plus que jamais, se positionner comme des partenaires de solution comme Google Ads, et non des prescripteurs. Il est important d’informer les annonceurs sur les objectifs à termes des différentes plateformes, et faire œuvre de pédagogie sur les contraintes techniques liées à chacune d’entre elles.

Enfin nos processus de gestion font la part belle à la réalité du chiffre d’affaire généré. Grâce à ce prisme de gestion, nous permettons à nos clients de toujours raisonner en fonction des résultats opérationnels des différentes actions engagées en marketing. Grâce à ces méthodes, nous permettons un contrepoint intéressant aux incitations des différentes plateformes monopolistiques. Nous insistons également sur l’analyse des résultats sur le temps long :

• Pour un euro investi sur un canal d’acquisition A, quel est le ROI global au niveau trimestriel ?
• Pour ce même euro, quels sont les ROIs affichés par les différents systèmes d’attribution ?
• Peut-on identifier la source d’une potentielle de-corrélation entre ROI réel et ROI perçu par les systèmes d’attribution ?
• Dans le cas d’une de-corrélation, quelle valeur de ROI faut-il réellement attribuer au canal A ?
• Est-il possible d’obtenir des résultats équivalent sur un canal de forme différente ?

Grâce à un processus de ce type, il est possible de déterminer si l’inclusion dans une seule plateforme de plusieurs canaux différents est pertinente pour l’annonceur. Il faut pour cela une bonne maîtrise technique des sites de l’annonceur et des modes de fonctionnement des plateformes de diffusion publicitaire.

Il est nécessaire de réaliser cette analyse en parallèle d’une réflexion marketing pure. En effet, selon les audiences visées et les plateformes employées, les messages doivent être différents. Il est souvent contre-productif de vouloir utiliser les mêmes éléments de langage quel que soit le canal. Dans le domaine du B2B par exemple, un cold mailing d’acquisition ne pourra pas se présenter sous la même forme qu’une campagne d’acquisition sur LinkedIn par exemple, plateforme sur laquelle il sera possible d’obtenir de meilleurs résultats avec un ton plus informel et une approche plus directe.

II Gestion des comptes : créativité et personnalisation

Dans cette dernière partie, nous allons répondre aux hypothèses émises précédemment concernant l’efficacité d’une 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.

Nous allons voir ensemble dans quelle mesure ces hypothèses ne sont pas forcément vérifiées par une solution de marketing automatisée à l’heure actuelle, et qu’elle serait les critères permettant à cette dernière de devenir un outil plus efficace pour le webmarketing.

1. Utiliser l’intelligence artificielle dans le cadre d’une stratégie planifiée

Comme nous l’avons vu, il existe une incitation forte de la part des grandes plateformes de webmarketing en faveur de la concentration de la data. L’intérêt de cette concentration de données est de réduire l’imprécision de l’attribution, mais aussi de permettre à l’intelligence artificielle une planification stratégique des budgets par canal.

Figure 28 thinkwithgoogle.com/intl/fr-fr/tendances/vision/audience-et-automatisation-les-cles-de-la-personnalisation-a-grande-echelle

Le travail d’une agence de webmarketing consiste aussi à mettre en garde les annonceurs contre cette tendance, qui risque de les rendre captifs et dépendants d’une seule solution de webmarketing. A cause de l’opacité technologique et de la captation de la donnée par Google, les annonceurs risquent de se voir priver de certaines informations statistiques stratégiques, qui constituent des insights intéressants pour leur politique commerciale et leur stratégie de communication notamment.

Cependant si les résultats permis par l’emploi de l’intelligence artificielle contrebalancent ce problème, les annonceurs seront tentés de passer par un système entièrement soumis à l’IA. Par rapport aux réponses récoltées dans notre questionnaires concernant l’IA, l’hypothèse numéro 1 est donc vérifiée : l’argument fondamental pour la mise en place de l’IA au sein d’un portefeuille webmarketing reste la rentabilité.

Nous avons cependant noté dans nos tests que les résultats n’étaient pas aussi bons que ce que laisse présager le discours de Google sur le sujet, comme nous l’avons décrit dans la partie précédente.

La première hypothèse étant vérifiée, nous pouvons nous pencher sur la deuxième hypothèse. Elle est la suite logique de la première, car elle permet de définir ce que les annonceurs attendent par une augmentation de la rentabilité : soit une croissance du volume de chiffre d’affaires, soit une amélioration du ROAS par rapport à une gestion marketing sans intelligence artificielle. Or cette hypothèse n’est pas vérifiée à l’heure actuelle. Comme en témoignent les exemples que nous avons détaillés plus haut, l’intelligence artificielle ne parvient à faire croître le volume de vente ou la rentabilité d’une campagne que sur des comptes très spécifiques :

• Dépenses quotidiennes importantes et volume de clics quotidiens par annonce conséquent (plus d’une centaine pour une annonce).
• Marque ou distributeur faiblement impacté par les effets de saisonnalité ou par des variations importantes et brutales de la demande.
• Marque ou distributeur ayant une audience hebdomadaire suffisante pour accumuler assez de données afin de permettre à l’IA de se reposer sur un apprentissage statistique efficace.

Nous observons donc que les facteurs clés de succès mentionnés dans la deuxième hypothèse sont globalement attendus par l’ensemble des acteurs disposant de budget publicitaire web, mais que l’intelligence artificielle ne peut apporter une plus-value sur ces points que dans une minorité de cas. Elle permet cependant d’autres avantages (comme le gain en temps de gestion) qui sont considérés comme d’une importance mineure par les annonceurs.L’hypothèse numéro 2 n’est pas vérifiée. L’accroissement du volume de vente et de la rentabilité sont un facteur clé de succès d’une intelligence artificielle aux yeux des annonceurs. A l’heure actuelle, l’IA n’est pas capable d’assurer de tels résultats à la grande majorité des annonceurs.

Concernant l’autonomie de l’intelligence artificielle, nos résultats indiquent que cette dernière n’est vérifiée que dans le cadre des annonceurs à budgets très importants, décrits précédemment. En effet, dans la grande majorité des cas, les fluctuations de la demande et les effets marketings de la saisonnalité, par exemple, appellent une gestion humaine en plus de celle de l’IA pour affiner la stratégie, couper les campagnes les moins rentables et tenir compte de certaines informations de contexte que l’intelligence artificielle n’est pas capable de recueillir de façon autonome.

L’hypothèse numéro 3 n’est pas vraiment vérifiée à l’heure actuelle, car l’intelligence artificielle ne peut réagir efficacement qu’à des évènements récurrents. Toute modification statistique importante du trafic ou des ventes n’est pas analysée sur des critères hors web.

Afin d’illustrer cette dernière affirmation, nous pouvons mentionner, par exemple, l’apparition du Black Friday sur le marché français cette année.

Figure 29 Evolution de l’intérêt pour la requête Black Friday sur les 6 dernières années. Données Google Trend.

Les modèles d’intelligence artificielle qui fonctionnent actuellement ne sont pas capables d’anticiper ces phénomènes et de se positionner dessus pour accélérer la croissance des annonceurs. Il est nécessaire d’adapter le vocabulaire de vente, à la fois sur les annonces et les pages de destination (pour faire comprendre à l’internaute qu’il bénéficie bien d’une phase promotionnelle exceptionnelle liée à cet évènement). Sur les différents tests menés par nos équipes sur les comptes client, une gestion humaine à été indispensable pour profiter de ces évènements et provoquer une amélioration du volume de vente. Ce qui nous amène au point noir de l’IA, le problème principal qui impacte toutes les hypothèses émises précédemment.

1. Le marketing humain : une intelligence du contexte, inatteignable par l’Intelligence artificielle

Comme nous l’avons vu, les facteurs clés de succès d’une intelligence artificielle au service du webmarketing reposent sur sa capacité à développer la croissance et la rentabilité des annonceurs, et à fonctionner de façon réellement autonome. L’IA peut offrir ce type de résultat à un petit segment des annonceurs du marché, principalement les grands comptes, dépensant des budgets importants, et dont les produits sont peu soumis aux effets de saisonnalité.

Ce qui implique que l’IA sera à l’origine de mauvais résultats pour chaque nouvelle phase rencontrée pour la première fois.

Il faut donc comprendre que ce défaut ne s’applique pas aux périodes de soldes pour le textile : ces périodes étant récurrentes et s’ouvrant sur des périodes identiques, d’années en années, l’intelligence artificielle deviendra efficace pour gérer les variations de la demande à partir d’un certain nombre d’itérations du pic de saisonnalité.

Cependant pour toutes les autres périodes, non récurrentes, seule une intervention humaine permettra de maximiser la rentabilité, et d’adapter le message des annonceurs en amont pour profiter des effets de communication spécifiques à la période. Nous allons illustrer ce point par quelques exemples supplémentaires, au-delà du Black Friday cité plus haut. Comme nous le verrons, c’est l’articulation intelligente entre la communication d’un annonceur et son dispositif marketing qui permettent d’obtenir la meilleure performance possible avec son budget webmarketing.

Nous parlons notamment de « reactive marketing » pour décrire ce mode d’action.

Figure 30 Illustration de la célèbre campagne d’Oreo en Reactive marketing suite à une gigantesque panne de courant

Pour les acteurs B2B qui participent à un salon, il est indispensable de mettre en place un dispositif digital pour accroître sa visibilité au moment de l’événement. En effet, il est important d’être très visible au moment de l’événement et dans la période qui va le suivre directement. Beaucoup de prospects potentiels de l’annonceur vont faire des recherches comparatives sur internet suite à une visite du salon, il est donc très important d’apparaître comme un acteur de poids au côté des concurrents, cela participe de la réassurance de marque, et de sa légitimité. Il est alors indispensable de faire appel à du marketing humain, les durées (de quelques jours à une semaine) n’étant pas suffisantes pour qu’une IA détecte une modification du comportement des internautes ou un accroissement brutal de l’intérêt pour le secteur. De plus, il est important d’adapter les éléments de langage de l’annonceur aux spécificités du salon auquel il participe, afin de créer un lien évident entre l’événement et la marque.

Pour le Retail et plus généralement pour les grands secteurs B2C, il est nécessaire de tenir compte du contexte global de l’état de la consommation. Ainsi certains chargés de compte ont su tirer le plus grand parti possible du Black Friday cette année. Pas uniquement grâce à une bonne évaluation de la croissance de notoriété de cette période promotionnelle. Mais également grâce à une vraie conscience du contexte global (contexte social et politique dans le cas des gilets jaunes), leur permettant d’engager des budgets plus importants sur ces journées ou le taux de conversion s’est envolé.

Figure 31 https://www.journaldunet.com/ebusiness/commerce/1196610-le-black-friday-explose-sur-internet-grace-aux-gilets-jaunes/

Enfin nous pouvons citer le cas d’une opération de communication menée par l’un de nos clients suite à la mort de Johnny Hallyday. Cette start-up du domaine de la fintech est spécialisée dans les droits de succession. En réalisant une bonne campagne de « Reactive Marketing » sur internet, correctement relayée par des budgets webmarketing conséquents, elle a pu attirer l’attention d’un large volume d’internautes sur un sujet qui reste peu débattu en France. Cette start-up souffre en effet d’une grande difficulté à annoncer sur sa proposition de service, car les internautes ne connaissent que très peu l’importance de prévoir relativement tôt sa succession pour en faire pleinement profiter les ayants droits. Grâce à cette campagne de reactive marketing, les internautes ont pu s’intéresser au sujet et projeter ce problème sur leur propre situation. Ils ont donc compris la proposition de valeur de la start-up grâce à une communication adaptée.

Ces quelques exemples permettent de mettre en avant le défaut majeur de l’IA en ce qui concerne la gestion de campagne de webmarketing : à cause de son fonctionnement en vase clos, il lui est impossible d’anticiper sur le fondement d’informations externes à son système d’apprentissage statistique.

Or, l’opacité du système explique qu’il est souvent plus difficile pour un gestionnaire humain de reprendre la main lors de ces périodes afin de profiter des évènements. Ce qui explique notamment pourquoi l’IA est encore peu employée par les acteurs de taille moyenne, dont une partie de la communication relève de différents évènements ou de périodes précises. L’IA apparaît donc comme un outil très efficace pour la gestion de campagnes régulières, dont les flux de données sont importants et constants. Cependant, elle affiche encore de nombreux défauts, trop importants pour qu’un annonceur puisse se reposer sur son fonctionnement autonome. Les évolutions à venir dans les prochaines années seront déterminantes sur l’efficacité de l’IA à prendre en compte les informations de contexte et proposer une grande vitesse d’adaptation aux changements brutaux.

Partie 1 du dossier

Partie 2 du dossier

Partie 3 du dossier