Comment l'IA simplifie les complexités de la planification média


Résumé de 30 secondes:

  • L’explosion des options médiatiques ouvertes aux consommateurs aujourd’hui rend de plus en plus difficile pour les annonceurs d’atteindre un public de masse.
  • Les communications de marque doivent être adaptées à des publics multiples et fragmentés, tandis que les investissements dans les médias doivent être optimisés et les campagnes mises sur le marché rapidement.
  • L’intelligence artificielle aide les planificateurs média à résoudre les complexités de l’optimisation des plans média dans ce monde fragmenté.
  • Un réseau neutre artificiel, alimenté par l’IA, peut «apprendre» à penser comme un planificateur média réel et en quelques secondes exécuter des dizaines de milliers de combinaisons de plans média et voir leur impact sur les métriques de sortie.

Les défis auxquels sont confrontés les spécialistes du marketing se sont considérablement développés ces dernières années. Les publics sont de plus en plus fragmentés, les budgets de plus en plus serrés et, face aux actions des concurrents ou aux perturbations imprévues, comme le Coronavirus, les stratégies marketing ont dû évoluer plus rapidement et de manière cohérente. Par conséquent, les communications de marque doivent être adaptées à de multiples publics, les investissements dans les médias doivent être optimisés et les campagnes mises sur le marché rapidement. Pour aider à résoudre la complexité de l’optimisation du plan média dans ce monde fragmenté, nous nous tournons vers l’IA.

L’IA a étendu sa sphère d’influence à de nombreux aspects du marketing, mais un domaine dans lequel elle ne fait que réaliser son plein potentiel est celui de la planification média, ce qui nous permet d’aider nos clients à relever ces défis, de deux manières clés:

Faire face à la complexité de la planification sur de nombreux publics fragmentés

L’explosion des options médiatiques ouvertes aux consommateurs, issue de la révolution mobile et numérique, signifie qu’il est aujourd’hui difficile pour les clients d’atteindre un public de masse, comme ce fut le cas lors des décennies précédentes via la télévision ou la presse par exemple.

Il s’agit d’un phénomène appelé «fragmentation de l’audience», ce qui signifie que pour rassembler une audience suffisamment large, les marques doivent utiliser de nombreux canaux médiatiques, tactiques et messages différents, ainsi que des options multimédias non payantes comme le parrainage, le partage de contenu, etc.

Traditionnellement, lorsque les «audiences de masse» pouvaient être facilement atteintes, ce n’était pas un problème pour les systèmes de planification. Ils pouvaient calculer les effets d’un plan pour un public principal (par exemple, les acheteurs principaux âgés de 25 à 55 ans) et la technique utilisée était simple: une «courbe de réponse» moyenne a été créée pour le public de masse, qui indiquerait combien de personnes pourraient être atteint dans ce groupe pour un montant de budget donné.

Aujourd’hui, la création de plans média est devenue un défi, en raison du nombre accru de segments d’audience qui doivent être inclus dans une campagne. Certains peuvent se chevaucher considérablement, ce qui signifie que les personnes appartenant à plusieurs segments d’audience risquent d’être «surexposées» aux publicités, ce qui entraîne un gaspillage d’argent inutile pour les marques.

L’utilisation d’outils de planification traditionnels avec des courbes de réponse moyennes pour un public ne fonctionne plus.

Planifier efficacement sur plusieurs segments d’audience tout en comprenant comment ils se chevauchent nécessite une planification à un niveau de données très granulaire: pas au niveau du segment, mais au niveau du consommateur.

Nous devons être en mesure de simuler l’impact d’un plan média sur les consommateurs individuels, et non sur un segment d’audience moyen. Cela signifie que nous devons utiliser des données très différentes: des données beaucoup plus granulaires sont nécessaires.

Nous utilisons des panels de consommateurs au niveau granulaire comme une représentation pondérée de la population d’un pays, où nous comprenons la consommation individuelle des médias, ainsi que leur implication avec différentes catégories de produits et marques.

Cela signifie également que nous devons utiliser différentes techniques pour analyser ces données. C’est là que l’IA entre en jeu: elle nous permet de construire un modèle de simulation d’un plan média pour chaque consommateur individuel, puis d’agréger les effets du plan jusqu’à chaque groupe d’audience.

La technique que nous utilisons pour cela s’appelle les simulations basées sur des agents, ce qui nécessite des calculs intensifs et complexes.Elle a donc commencé à décoller avec l’émergence du Cloud Computing, bien qu’elle soit encore rarement utilisée dans l’industrie du marketing.

C’est effectivement le seul moyen de résoudre ce problème de fragmentation de l’audience: chez Wavemaker, nous avons fait des tests parallèles homme vs machine: une équipe senior de planificateurs s’est vu confier la tâche de créer un plan qui optimiserait la portée sur trois audiences qui se chevauchent.

Ils ne pouvaient pas le faire, car chaque fois qu’ils amélioraient la portée de l’un des segments d’audience, ils perdaient de la portée des autres. En revanche, notre système d’IA a résolu le problème en 1,5 minute.

Optimisation des mises en plan média pour les planificateurs

L’un des principaux résultats que nous créons pour les clients est des plans médias hebdomadaires détaillés, qui capturent le montant des investissements consacrés à chaque canal médiatique, chaque semaine.

Il est essentiel de bien faire les choses car de nombreux facteurs influencent l’efficacité des médias: la dégradation de la mémoire (c’est-à-dire que la vitesse à laquelle les gens oublient les messages de la marque est différente pour la télévision, les médias sociaux et les affiches extérieures par exemple), le montant réel des dépenses, le modèle des investissements (avant-chargement, continuité, pulsation, rafale…), la fréquence d’exposition au message, la visibilité des publicités (par exemple certaines personnes bloquent les publicités sur leurs appareils), etc.

C’est un processus délicat qui nécessite beaucoup de temps et d’expérience de la part de nos planificateurs pour réussir, même avec les bons outils.

Mais encore une fois, l’IA peut aider ici: ne pas remplacer les planificateurs médias, car l’expérience et le savoir-faire sont un métier essentiel dans la planification média. Mais pour les aider à y arriver plus rapidement en leur suggérant une bonne première version d’un plan: ce ne sera pas le plan final, mais ce sera peut-être à 70 ou 80% du chemin, ce qui fera gagner un temps considérable aux planificateurs.

Ceci est possible grâce à un réseau neutre artificiel, qui peut «apprendre» à penser comme un véritable planificateur médiatique. En quelques secondes, il est capable d’exécuter des dizaines de milliers de combinaisons de plans média et de voir leur impact sur les métriques de sortie.

Une fois que le réseau neuronal est formé, un algorithme génétique, qui imite un processus de sélection naturelle, utilise le réseau neuronal et, sur la base de celui-ci, détermine quel est le plan optimal.

L’IA a clairement un rôle à jouer dans la planification média – elle transforme déjà la façon dont nos équipes travaillent et habilite nos planificateurs à produire les plans média les plus efficaces et efficients pour nos clients.

Je suis certain que ce n’est que le début.

Stephan Bruneau est le responsable mondial des solutions produits chez Wavemaker Global.

Partager:

Partager sur facebook
Partager sur twitter
Partager sur telegram
Partager sur reddit
Partager sur linkedin
Partager sur pinterest

Articles Similaires