Optimiser la pertinence des annonces sans cookies tiers

14 décembre 2022

Joey Trotz
Directeur de la gestion des produits, Privacy Sandbox

Introduction

La Privacy Sandbox vise à préserver la confidentialité de l'activité des utilisateurs sur un Internet ouvert et sans frais. Pour ce faire, nous collaborons avec le secteur publicitaire afin de passer à de nouvelles technologies publicitaires privées et d'abandonner la prise en charge des cookies tiers dans Chrome au second semestre 2024.

Que vous soyez responsable produit, CTO, CMO ou PDG, il est essentiel de comprendre comment prendre en charge les cas d'utilisation publicitaires dans un monde où la confidentialité est de plus en plus importante. Vous devez également adopter des solutions qui peuvent optimiser à la fois les résultats commerciaux et la confidentialité des utilisateurs.

2023 sera une année critique pour se préparer à un monde sans cookies tiers. Dans ce guide, nous allons voir comment l'écosystème publicitaire peut aborder la pertinence des annonces dans un avenir sans cookies :

• Quels changements sont apportés aux données utilisées pour diffuser des annonces pertinentes ?
• Comment les solutions de technologie publicitaire peuvent-elles proposer de la publicité ciblée par centres d'intérêt sans cookies tiers ?
• Comment le machine learning peut-il maximiser les performances à l'aide de signaux respectueux de la confidentialité ?

Qu'est-ce qui change concernant les données utilisées pour diffuser des annonces pertinentes ?

La publicité par centres d'intérêt, également appelée publicité personnalisée, est un type de publicité qui utilise des informations sur les centres d'intérêt et les préférences d'une personne pour lui montrer des annonces plus pertinentes. Ce type de publicité utilise un large éventail de données comme signaux pour déterminer quelle annonce diffuser. Par exemple, le contenu qu'un utilisateur a consulté, le schéma des sites qu'il a récemment vus ou un site spécifique qu'il a déjà visité.

Aujourd'hui, ces signaux sont principalement alimentés par des identifiants multisites tels que les cookies tiers, qui sont propres à un appareil. À mesure que les cookies tiers sont abandonnés, les solutions d'ad tech pour la publicité basée sur les centres d'intérêt doivent évoluer pour tirer parti des signaux respectueux de la confidentialité afin de diffuser des annonces pertinentes. Il s'agit, entre autres, des données first party, des signaux contextuels et des API de préservation de la confidentialité fournies par la plate-forme, telles que l'API Topics, l'API FLEDGE et l'API Attribution Reporting, qui permettent de prendre en charge des cas d'utilisation essentiels pour le secteur de la publicité tout en protégeant contre le suivi multisite.

La publicité ciblée par centres d'intérêt peut survivre et prospérer grâce aux technologies innovantes développées dans l'écosystème. Ces technologies nous aideront à progresser vers un monde où les données des utilisateurs sont mieux protégées, tandis que les annonces peuvent continuer à générer des résultats marketing qui soutiennent un Web dynamique et ouvert.

Comment les solutions de technologie publicitaire peuvent-elles proposer de la publicité ciblée par centres d'intérêt sans cookies tiers ?

Aujourd'hui, les annonceurs basés sur les centres d'intérêt configurent généralement les éléments suivants pour leurs campagnes par le biais de leurs fournisseurs de technologie publicitaire :

1. Objectif : quel résultat commercial l'annonceur essaie-t-il d'atteindre avec cette campagne publicitaire ? Cela indique aux plates-formes publicitaires ce qu'elles doivent optimiser. Par exemple, l'annonceur peut souhaiter générer des ventes sur son site Web de vêtements pour enfants. Ces objectifs sont souvent mesurés à l'aide de balises de conversion multisites et de rapports sur l'attribution.
2. Audience : qui l'annonceur souhaite-t-il toucher ? Cela indique à la plate-forme publicitaire qui, selon l'annonceur, est susceptible d'être un bon candidat pour l'annonce. Par exemple, l'annonceur peut souhaiter toucher de nouveaux clients qui recherchent actuellement des vêtements pour enfants.
3. Emplacement : sur quels sites Web l'annonceur souhaite-t-il diffuser des annonces ? Cela indique où les annonces sont autorisées à être diffusées en termes d'inventaire publicitaire ou de catégories d'inventaire publicitaire. Par exemple, les annonceurs peuvent diffuser leurs annonces sur un large éventail de sites Web ou sélectionner des sites spécifiques plus susceptibles de toucher l'audience souhaitée.
4. Budget et enchère : combien l'annonceur souhaite-t-il dépenser au total et pour une action spécifique (impression diffusée, clic sur une annonce ou conversion d'annonce, par exemple) ? Cela permet de s'assurer que la campagne répond aux exigences de coût pour ses objectifs. Par exemple, l'annonceur peut souhaiter dépenser jusqu'à 1 000 $et payer au maximum 2 $de CPM pour diffuser 500 000 impressions auprès d'audiences ciblées et sur des sites Web spécifiques.

Évolution de la création d'audiences

Dans un monde sans cookies tiers, les fournisseurs de solutions publicitaires devront adapter la façon dont leurs plates-formes diffusent des annonces pertinentes. Aujourd'hui, la pertinence des annonces est généralement obtenue grâce aux audiences qu'un annonceur peut utiliser pour toucher les personnes les plus susceptibles d'être intéressées par ses produits et services. Aujourd'hui, les annonceurs utilisent couramment les différents types d'audience suivants :

1. Affinité : touchez les utilisateurs en fonction de leurs habitudes, de leurs centres d'intérêt et des sujets qui les passionnent.
2. Sur le marché : touchez les utilisateurs en fonction de leur intention d'achat récente.
3. Remarketing : touchez les utilisateurs ayant déjà visité le site Web d'un annonceur.
4. Extension d'audience : touchez les utilisateurs d'un éditeur spécifique sur d'autres sites Web.

Une fois les cookies tiers abandonnés, les fournisseurs de solutions publicitaires pourront continuer à aider ces types d'audience à atteindre leurs objectifs en utilisant de nouvelles approches, y compris les API Privacy Sandbox.

Affinité

Aujourd'hui, les annonceurs touchent les utilisateurs classés selon leur affinité (également appelée "centres d'intérêt"), le plus souvent en exploitant des segments de données tiers. Ces audiences sont fournies par de nombreuses places de marché de données et distribuées pour être activées dans l'écosystème de technologie publicitaire via des canaux tels que les plates-formes côté demande (DSP) et les plates-formes de gestion des données (DMP).

Ces segments sont généralement créés en suivant les utilisateurs à l'aide de cookies tiers, puis en les regroupant en fonction d'une taxonomie de catégories et de méthodologies propriétaires permettant de déterminer quand un utilisateur est éligible à une catégorie.

Après l'arrêt des cookies tiers, la sélection d'audience basée sur l'affinité évoluera pour utiliser différents signaux afin de déterminer si les utilisateurs peuvent être inclus dans une audience donnée. Vous pourrez le faire de plusieurs façons à l'aide des API Privacy Sandbox protégeant la confidentialité, y compris :

• API Topics : cette API propose une taxonomie standardisée des centres d'intérêt et une méthodologie connue publiquement pour la classification des centres d'intérêt sur l'appareil pour un utilisateur donné, en fonction des types de sites Web visités récemment. Les solutions de technologie publicitaire peuvent appeler l'API Topics pour obtenir les centres d'intérêt d'un utilisateur donné. L'API protège la confidentialité en limitant la durée de l'historique de navigation pris en compte, les parties pouvant accéder à un thème donné, le nombre de catégories renvoyées, etc. Cette API est particulièrement utile pour les technologies publicitaires qui n'ont pas de relations directes avec les éditeurs ni de capacités d'optimisation contextuelle.
• API Topics avec données contextuelles : une méthode plus avancée consiste à comparer les thèmes d'un utilisateur et le contexte d'une page pour estimer d'autres affinités pour les utilisateurs. Par exemple, les solutions de technologie publicitaire peuvent apprendre que les personnes intéressées par un ensemble de thèmes spécifiques (comme les activités de plein air) sont plus susceptibles de visiter certaines catégories de pages (comme les sites sur les barbecues). Une technologie publicitaire peut entraîner un modèle de machine learning pour prédire qu'un visiteur d'un site Web sur les activités de plein air pourrait être intéressé par les barbecues, même si "Barbecue" n'est pas renvoyé comme thème par l'API Topics. Cette méthode est particulièrement utile pour une société ad tech côté achat si elle dispose de capacités d'optimisation contextuelle.
• API FLEDGE : cette API permet aux solutions de technologie publicitaire de créer des segments d'audience en attribuant aux visiteurs d'une page Web un libellé indiquant qu'ils appartiennent à un segment spécifique, par exemple "intéressés par les aventures en famille". Si le fournisseur de solutions de technologie publicitaire possède d'autres sites Web dans son réseau de partenaires qui concernent les "aventures en famille", il peut également ajouter les visiteurs de ces sites au même segment. FLEDGE protège la confidentialité des utilisateurs en conservant l'attribution des utilisateurs à des segments d'audience sur l'appareil. Il ne partage pas avec les solutions de technologie publicitaire si le même utilisateur appartient à plusieurs groupes d'intérêt. Cela limite le suivi intersites. Cette API est particulièrement utile pour une solution de technologie publicitaire disposant d'un réseau de sites partenaires.

Grâce à ces méthodes, les solutions de technologie publicitaire peuvent proposer des segments d'audience d'affinité à grande échelle sans s'appuyer sur des identifiants utilisateur multisites. Les solutions de technologie publicitaire ne sont pas limitées à une seule méthode et peuvent se différencier en fonction de leurs relations avec les éditeurs et les annonceurs, ainsi que de leurs capacités de machine learning.

Sur le marché

Actuellement, les annonceurs touchent les utilisateurs classés comme étant "sur le marché" (également appelés "intentionnistes") en utilisant des segments de cookies tiers, de la même manière qu'ils accèdent aux audiences basées sur l'affinité. Le fait qu'un utilisateur soit classé comme étant sur le marché pour un produit tel que "équipement de cuisine" ou simplement intéressé par la cuisine dépend des taxonomies et méthodologies propriétaires des fournisseurs de solutions publicitaires.

Une fois les cookies tiers abandonnés, les API protégeant la confidentialité fourniront de nouveaux signaux pour créer des audiences sur le marché. Voici quelques méthodes alternatives :

• API Topics : comme pour les audiences d'affinité, l'utilisation de cette API pour les audiences sur le marché consiste à renvoyer un thème qui peut approximer l'intention d'achat d'un utilisateur donné en fonction d'une méthodologie et d'une taxonomie publiques sur l'appareil. La période d'analyse standardisée de trois semaines pour générer ces thèmes protège la confidentialité des utilisateurs en limitant la quantité totale de données mises à la disposition des fournisseurs de solutions publicitaires. Toutefois, différentes catégories de produits et services ont des cycles de réflexion différents, allant de quelques jours à plusieurs mois. Cette API est donc utile pour les annonceurs dont le cycle d'achat des clients correspond à la période d'analyse du thème.
• API FLEDGE : comme dans le cas d'utilisation de l'affinité, cette API permet aux plates-formes de technologie publicitaire de créer leurs propres segments, tels que "acheteurs de voitures sur le marché". Si le fournisseur de solutions ad tech possède d'autres sites Web dans son réseau de partenaires qui concernent les "acheteurs automobiles sur le marché", il peut également ajouter les visiteurs de ces sites à ce même segment tout en préservant la confidentialité des utilisateurs sur plusieurs sites. FLEDGE est particulièrement utile pour une solution de technologie publicitaire lorsqu'il existe une relation directe entre l'éditeur et l'annonceur qui permet un partenariat de données, et lorsqu'une personnalisation plus poussée que celle autorisée par Topics est nécessaire.
• API Topics + API Attribution Reporting : en combinant l'API Topics et l'API Attribution Reporting, vous pouvez élargir les listes de thèmes qui correspondent à des conversions spécifiques, comme les achats. Vous disposez ainsi de moyens supplémentaires pour toucher une audience sur le marché. Par exemple, les systèmes d'analyse ou de machine learning peuvent révéler que les utilisateurs qui ont vu une annonce sur du matériel de plongée et l'ont acheté sont très souvent associés aux thèmes "Plages et îles" et "Pêche". Une solution de technologie publicitaire pourrait traduire cet insight en une meilleure couverture des utilisateurs "intéressés par l'équipement de plongée sous-marine" en sélectionnant les utilisateurs ayant ces deux thèmes. Dans ce cas, Attribution Reporting protège la confidentialité des utilisateurs en fournissant des données de conversion agrégées bruitées sur les associations de thèmes avec les conversions. Cette approche est pertinente lorsque les fournisseurs de solutions publicitaires ne disposent pas de nombreuses données contextuelles, mais ont des capacités de machine learning ou d'analyse et de science des données solides.
• Données contextuelles + Attribution Reporting API : les solutions AdTech peuvent exploiter la catégorisation contextuelle des pages sur lesquelles les annonces sont diffusées, la catégorisation des annonceurs et des produits, ainsi que les données d'Attribution Reporting pour identifier les tendances ou les modèles dans les types de sites que les utilisateurs préfèrent lorsqu'ils sont sur le marché pour acheter certains types de produits et services. Par exemple, cette combinaison de données peut générer des insights, comme le fait que les personnes qui consultent des pages Web sur les activités familiales sont très susceptibles d'être sur le marché pour acheter des vêtements d'extérieur.

Ces méthodes ne sont que quelques-unes des nombreuses façons dont les solutions de technologie publicitaire peuvent adapter et personnaliser de manière créative les segments d'audience sans s'appuyer sur les identifiants utilisateur multisites. Ils pourraient également intégrer davantage de signaux, comme les données first party et d'autres combinaisons d'API respectueuses de la confidentialité, pour obtenir des résultats encore meilleurs. Les solutions de technologie publicitaire peuvent donc se différencier en adoptant différentes approches pour créer des audiences, sécuriser des données uniques et développer des capacités de machine learning supérieures.

Remarketing

Grâce au remarketing, les annonceurs peuvent réengager les utilisateurs ayant déjà visité leur site Web. Pour ce faire, ils placent actuellement un cookie tiers dans un navigateur lors d'une visite sur un site Web, puis enchérissent pour diffuser des annonces dans ce navigateur lorsque le cookie est détecté sur un autre site Web. Les solutions de technologie publicitaire peuvent créer différents segments de remarketing pour un site Web donné en fonction des activités des utilisateurs sur ce site.

Sans cookies tiers, les solutions de technologie publicitaire pourront utiliser l'API FLEDGE pour prendre en charge les cas d'utilisation du remarketing :

• API FLEDGE : les solutions de technologie publicitaire peuvent créer des segments de remarketing personnalisés pour un site en créant des groupes d'intérêt en fonction de l'activité des utilisateurs. Dans les cas d'utilisation précédents de FLEDGE, les solutions de technologies publicitaires créaient de très grandes audiences à partir de plusieurs sites Web. Dans ce cas d'utilisation, un seul site Web tente de réengager un ancien visiteur. Sans les protections de confidentialité intégrées à FLEDGE, ce cas d'utilisation pourrait amener les sites Web à cibler des personnes spécifiques. Tout en permettant un remarketing d'audience efficace, cette API protège la confidentialité des utilisateurs en définissant des seuils de k-anonymat pour s'assurer qu'un nombre suffisant de personnes sont éligibles à voir l'annonce.

Même sans cookies tiers, la Privacy Sandbox permet aux annonceurs d'utiliser leurs données first party pour le remarketing à grande échelle, sur des sites Web tiers.

Extension de l'audience

Les annonceurs souhaitent parfois toucher une audience similaire à celle qu'ils voient chez un éditeur spécifique, mais lorsque ces utilisateurs sont sur d'autres sites Web. L'extension de l'audience est un processus qui permet aux éditeurs d'étendre leurs audiences propriétaires en les trouvant sur d'autres sites. L'objectif est d'augmenter la fréquence ou la couverture de ces audiences. Grâce à l'extension d'audience, un éditeur peut fournir à un annonceur un segment d'audience (par exemple, une audience d'affinité comme les golfeurs ou une audience démographique comme une tranche d'âge) et lui permettre de trouver cette audience sur d'autres sites. L'extension d'audience est également utilisée lorsqu'un annonceur souhaite accroître la notoriété de ses produits en touchant les consommateurs lorsqu'ils font leurs achats sur le site Web d'un marchand et ailleurs sur le Web.

Les solutions de technologie publicitaire permettront aux éditeurs d'élargir leurs audiences sans cookies tiers :

• API FLEDGE : les solutions ad tech peuvent créer des segments d'extension d'audience personnalisée pour un site en créant des groupes d'intérêt en fonction de l'activité des utilisateurs, par exemple la lecture d'une section spécifique d'un site Web (par exemple, la section "Voyages"). Ce processus est en fait semblable au remarketing et offre les mêmes protections de la confidentialité. Cette solution est idéale pour les annonceurs qui apprécient les données d'audience first party d'un éditeur, mais qui ne peuvent pas obtenir suffisamment d'inventaire publicitaire sur le site Web de cet éditeur pour cette audience.

Comment le machine learning peut-il maximiser les performances à l'aide de signaux respectueux de la confidentialité ?

Avec l'abandon des cookies tiers, les annonceurs peuvent réfléchir à la façon dont le machine learning et les signaux respectueux de la confidentialité peuvent être utilisés pour obtenir les meilleurs résultats.

Améliorer les résultats des annonceurs grâce à l'automatisation

La plupart des solutions publicitaires technologiques proposent différents niveaux d'optimisation manuelle et automatique des campagnes.

Les solutions les plus manuelles exigent des annonceurs qu'ils spécifient les audiences, les emplacements et les enchères souhaités, puis qu'ils s'y tiennent. Les configurations manuelles offrent un contrôle solide aux annonceurs, mais peuvent donner des résultats sous-optimaux si l'annonceur a besoin de connaître toutes les audiences et tous les emplacements performants, ou s'il ne peut pas prédire l'enchère théorique optimale pour chaque impression, compte tenu de toutes les variables impliquées.

Les solutions les plus automatisées demandent aux annonceurs de spécifier le résultat commercial souhaité (par exemple, 2 $) en utilisant le machine learning pour identifier les audiences et les emplacements qui fonctionnent bien pour cet annonceur, ainsi que l'enchère appropriée pour atteindre l'objectif souhaité. Dans cette configuration, la solution de technologie publicitaire est soumise à peu ou pas de contraintes, à l'exception d'un budget et d'un objectif. La sélection d'audience par l'annonceur peut être traitée comme une "suggestion" ou un "point de départ", mais le machine learning recherchera des tendances parmi toutes les données disponibles qui peuvent être indiscernables pour les humains.

Le machine learning utilise ces tendances pour optimiser les performances en ajoutant des audiences plus pertinentes et en ajustant les enchères en fonction des performances prévues de ces audiences. La Privacy Sandbox est l'une des nombreuses sources de signaux qui seront disponibles pour informer le machine learning après l'abandon des cookies tiers. Le machine learning peut maximiser les performances des annonces en testant et en apprenant continuellement les meilleures audiences, les meilleurs emplacements et les meilleures enchères au fil du temps, des campagnes et même des annonceurs. Il convient toutefois de noter que des analyses sophistiquées effectuées par des équipes compétentes peuvent également découvrir des corrélations similaires.

En réduisant la nécessité pour les annonceurs de gérer les audiences, les emplacements et les enchères, nous simplifions leur charge de travail et permettons aux systèmes de machine learning de générer les meilleurs résultats possibles. Les investissements dans les technologies publicitaires et les solutions automatisées peuvent aider à abandonner les cookies tiers, en plus de profiter aux annonceurs.

Signaux supplémentaires pour le machine learning

Les solutions de technologie publicitaire ont toujours pris en compte plusieurs signaux pour décider d'enchérir ou non afin de diffuser une annonce. Dans un monde sans suivi des cookies multisites, les solutions d'ad tech bénéficieront de l'utilisation de tous les signaux disponibles respectueux de la confidentialité dans le machine learning pour prédire les résultats commerciaux tels que les clics ou les conversions. Les signaux suivants, qui respectent la confidentialité, sont parfois sous-évalués, mais peuvent contribuer de manière significative à la pertinence des annonces dans un avenir sans cookies tiers :

1. Fonctionnalités de création d'annonces : l'analyse des créations d'annonces au niveau des composants (par exemple, texte, images, design) peut aider à prédire les performances auprès d'audiences spécifiques ou sur certaines pages, comme le sujet de l'annonce ou la quantité de texte qu'elle contient.
2. Données first party : les éditeurs, les responsables marketing et les réseaux commerciaux créent de plus en plus d'identifiants et de segments first party, comme les audiences définies par les vendeurs. Connaître le comportement d'un utilisateur au fil du temps sur un site donné vous permet de mieux prédire les annonces qui fonctionnent le mieux pour cet utilisateur ou ce segment sur ce site, sans profilage multisite. Les données first party d'un éditeur peuvent aider à améliorer les enchères sur tous ses sites. Ces améliorations des enchères spécifiques à un site peuvent augmenter les performances d'une campagne de manière cumulative.

Les solutions de technologie publicitaire peuvent générer les meilleurs résultats en combinant tous les outils disponibles, tels que le machine learning et les signaux respectueux de la confidentialité des API protégeant la confidentialité, ainsi que les données contextuelles, les données sur les créations et les données first party.

Conclusion

Après la suppression progressive des cookies tiers, il est essentiel que le secteur de la publicité continue de diffuser des annonces pertinentes et que les consommateurs bénéficient de la protection de la confidentialité à laquelle ils s'attendent. Nous savons que la création avec de nouveaux outils, comme ceux de la Privacy Sandbox, demande des efforts. Nous continuerons donc à soutenir le secteur tout au long de cette transition.

À l'avenir, nous vous encourageons à :

1. Investissez dans l'ajout d'API protégeant la confidentialité, telles que Topics, FLEDGE et Attribution Reporting, à vos solutions AdTech. Vous pourrez ainsi prendre en charge les cas d'utilisation courants de la publicité ciblée par centres d'intérêt après la disparition des cookies tiers.
2. Testez les API Privacy Sandbox en association avec d'autres signaux respectueux de la confidentialité, y compris les données first party des éditeurs, pour comprendre les performances futures et orienter votre stratégie.
3. Pour maximiser vos performances, autorisez le machine learning à utiliser toutes les données disponibles respectueuses de la confidentialité, avec autant de liberté d'apprentissage et d'optimisation que possible.

Le secteur de l'ad tech peut effectuer de nombreuses fonctions de ciblage et d'enchères de base à l'aide des API Privacy Sandbox. Toutefois, l'intégration de signaux supplémentaires respectueux de la confidentialité au-delà de ces API et le déploiement de tous ces signaux ensemble présentent de nombreux avantages.

L'innovation fait partie de l'ADN du secteur de la publicité numérique. En faisant évoluer les approches existantes concernant la pertinence des annonces, nous pouvons passer des cookies tiers à un Web plus respectueux de la confidentialité et plus performant.