L’impact des lois numériques sur les stratégies de ciblage d’audience

Aujourd’hui, il est nécessaire d’adopter de nouvelles approches pour la création d’audiences, qui s’écartent considérablement des stratégies employées les années précédentes. Ce besoin est ancré dans les changements réglementaires, notamment l’introduction du Digital Markets Act, une réglementation lancée par la Commission européenne, entrée en vigueur le 6 mars 2024.

Le DMA n’est pas directement lié aux méthodologies de formation d’audience, mais il les affecte, et nous verrons comment dans les paragraphes suivants.

Le DMA vise d’une part à protéger la vie privée des utilisateurs et d’autre part à assurer une concurrence plus juste et plus équitable sur les marchés numériques.

L’une des nouveautés les plus pertinentes introduites par le DMA concerne la figure des contrôleurs d’accès (gatekeepers) : des gardiens qui régulent l’accès aux fonctionnalités numériques et qui doivent répondre à des exigences spécifiques pour être classés comme tels. Les critères incluent : une taille significative, avec des revenus dépassant 7 milliards d’euros au cours des trois dernières années ; un accès étendu aux données des utilisateurs ; et une position solide sur le marché.

Les entreprises actuellement identifiées comme contrôleurs d’accès sont : Alphabet (la holding de Google), Amazon, Apple, ByteDance (la holding qui contrôle TikTok), Meta et Microsoft. Ces six géants gèrent un total de 22 « services de plateforme essentiels » (Core Platform Services), qui couvrent différents secteurs : places de marché, réseaux sociaux, services de publicité en ligne, systèmes d’exploitation, moteurs de recherche et navigateurs.

Pour le DMA, l’importance des contrôleurs d’accès réside dans leur capacité à influencer significativement la dynamique du marché, car leur contrôle sur certaines plateformes peut restreindre l’accès aux concurrents plus petits. Pour contrecarrer cette tendance et promouvoir un environnement de marché plus équitable, les contrôleurs d’accès doivent remplir certaines obligations, à savoir :

• Assurer une plus grande ouverture sur leurs plateformes. Par exemple, si un utilisateur recherche un lieu spécifique via Google sur Chrome, il doit pouvoir recevoir des résultats qui incluent non seulement Google Maps, mais aussi des services similaires offerts par d’autres entreprises, afin de réduire les barrières à l’entrée pour les concurrents potentiels ;
• Obtenir le consentement explicite des utilisateurs avant d’utiliser leurs données. La responsabilité de la collecte et du traitement des données n’est plus la seule prérogative des entreprises ; les contrôleurs d’accès doivent s’assurer que les plateformes tierces opèrent également en conformité avec le consentement fourni par les utilisateurs.

Google, en ce qui concerne la conformité au DMA, a indiqué qu’à partir de 2024, il sera essentiel d’obtenir un consentement explicite avant d’envoyer des données aux plateformes. À cette fin, il a commencé à améliorer et à mettre à jour les technologies de gestion du consentement qui, bien que développées avant 2024, sont devenues cruciales pour la conformité aux nouvelles réglementations : c’est le cas du mode de consentement.

Mode de consentement : ce que c’est et comment ça marche

Le mode de consentement est une technologie introduite en septembre 2020, dont l’adoption n’était pas obligatoire mais fortement recommandée. Cependant, avec l’arrivée du Digital Markets Act, elle a pris de nouvelles connotations et exigences.

Le mode de consentement permet l’envoi de signaux sans cookies à Google, c’est-à-dire sans utiliser de technologies basées sur les cookies, pour les utilisateurs qui n’ont pas donné leur consentement. Cela se traduira par des conversions observées et modélisées. Dans le second cas, Google modélise les données anonymisées et sans consentement grâce à l’application de techniques d’apprentissage automatique, afin d’estimer le nombre d’utilisateurs ayant réellement effectué une conversion.

Les paramètres clés qui soutiennent la structure du mode de consentement sont « ad_storage », qui gère le stockage des informations liées à la publicité, et « analytics_storage », qui gère les informations liées à l’analyse des données.

Ces paramètres indiquent si l’utilisateur a consenti ou non à être suivi à des fins de marketing. Si l’utilisateur accorde la permission, la valeur sera « granted » ; sinon, elle sera « denied ».

En 2024, avec l’introduction du DMA, deux autres paramètres liés à la publicité ont été introduits :

• « ad_user_data » qui régit le consentement pour les données utilisateur en publicité ;
• « ad_personalisation » qui régit le consentement pour la publicité personnalisée.

Ces deux paramètres ne peuvent être séparés de « ad_storage », car ils sont considérés comme un sous-ensemble de celui-ci. Leur implémentation a des implications significatives pour la gestion des balises et la création et la diffusion d’audiences sur les plateformes. Lorsqu’un utilisateur accorde son consentement, les balises fonctionnent normalement, activant les cookies de suivi de première partie, qui ne sont pas affectés par le contexte sans cookies. Cela permet un suivi efficace : les conversions obtenues sont les vraies conversions observées par les plateformes de mesure publicitaire. D’autre part, lorsque le consentement est refusé, des balises sont activées qui ne stockent pas de cookies et n’envoient que des signaux indiquant le statut de consentement refusé. En cas de conversion, un signal est envoyé, collectant des informations anonymes, par exemple sur la technologie utilisée par l’utilisateur, sans détails granulaires supplémentaires. En ce qui concerne Analytics, des signaux sont envoyés concernant les pages visitées et les événements enregistrés, également sans cookies. Ces données sont ensuite modélisées par Google pour fournir aux plateformes une estimation qui, bien que non totalement exacte, se rapproche des taux de conversion réels des plateformes. La non-implémentation du mode de consentement entraînera :

• La désactivation progressive des audiences de remarketing, car Google cessera de transmettre les données des utilisateurs qui n’ont pas activé le mode de consentement ;
• La difficulté à construire efficacement des stratégies marketing basées sur des audiences similaires (lookalike audiences), qui sont essentielles pour les campagnes de génération de la demande ;
• L’incapacité à exécuter des campagnes de remarketing dynamique, en raison du manque de données et de signaux ;
• L’imprécision dans le calcul des conversions, car il n’est pas possible de modéliser les conversions de tous les utilisateurs qui n’ont pas fourni leur consentement.

Il existe deux façons d’implémenter le mode de consentement :

• Implémentation de base : les balises ne sont pas activées tant que l’utilisateur n’a pas explicitement donné son consentement pour les cookies. Si l’utilisateur visite un site et donne son consentement, les balises ne seront pas déployées tant qu’il n’est pas clair s’il souhaite être suivi. Une fois le consentement obtenu, le suivi commence avec des informations supplémentaires liées au mode de consentement, permettant de modéliser les données des utilisateurs qui n’ont pas donné leur consentement ou les données observées de ceux qui l’ont fait.
• Implémentation avancée : toutes les balises Google sont activées quel que soit le consentement de l’utilisateur, car le mode de consentement module les pings et les informations envoyées. Un avantage de l’approche avancée est que la modélisation ne se limite pas aux conversions dans Google Ads, mais s’étend également au comportement des utilisateurs dans Google Analytics, incluant la modélisation des données de trafic des utilisateurs qui n’ont pas fourni leur consentement. Un tel travail de modélisation basé sur l’apprentissage automatique nécessite un volume de données considérable, au moins 700 clics publicitaires sur 7 jours consécutifs par domaine ou pays, afin que Google puisse modéliser efficacement les données et fournir des informations utiles pour une perception correcte des conversions, des sessions et du trafic.

Solutions aux défis générés par les lois numériques

Dans ce contexte, il est devenu crucial pour les entreprises d’identifier et de mettre en œuvre des stratégies efficaces qui non seulement respectent les réglementations actuelles, mais leur permettent également de capitaliser sur ce nouveau scénario de marché plus ouvert et compétitif.

Consentement dynamique avec la Modern Data Stack

Le processus de gestion du consentement des utilisateurs a été stimulé par des réglementations strictes telles que le RGPD, qui a introduit les bannières de cookies obligatoires. Ces réglementations ont souvent généré de vastes discussions et réflexions parmi les délégués à la protection des données (DPO) et les services juridiques des entreprises, conduisant à la nécessité d’équilibrer la conformité légale avec l’impact commercial. Dans certains cas, cela a impliqué des évaluations coûts-avantages, amenant certaines entreprises à prendre le risque de ne pas adhérer pleinement aux réglementations en matière de gestion des cookies et du consentement.

Actuellement, ignorer la collecte de consentement équivaut à renoncer à la publicité numérique. Il est donc crucial d’être conforme et de comprendre comment gérer les consentements exprimés de différentes manières dans différents contextes. Par exemple, dans le cas d’utilisateurs qui expriment leur consentement au marketing et à la mesure via une carte de fidélité, mais refusent le consentement sur le site web de l’entreprise.

C’est le défi pour les entreprises modernes : être dynamiques et résilientes, en particulier celles opérant à la fois dans le monde physique et numérique, avec différents points d’interaction utilisateur.

Une solution consiste à centraliser la gestion des données dans un entrepôt de données cloud unique (Cloud Data Warehouse). Cette approche permet de collecter et d’intégrer les données transactionnelles et comportementales avec les données de consentement, créant ainsi une plateforme toujours à jour en fonction du dernier consentement de l’utilisateur et capable de réagir de manière appropriée.

Disposer d’un point unique et centralisé pour la gestion du consentement place l’entreprise dans une position avantageuse par rapport aux obligations imposées par les lois numériques.

Mettre l’accent sur les audiences de première partie

Les lois numériques ont eu un impact sur le processus de liaison des services offerts par les grands acteurs numériques, rendant impossible de lier le comportement des utilisateurs entre différentes propriétés sans le consentement explicite de l’utilisateur.

Le déliement n’entraîne pas nécessairement une dégradation des audiences, mais il est largement reconnu parmi les analystes et les plateformes numériques elles-mêmes que la qualité des audiences internes, telles que celles qui pourraient être recueillies sur YouTube ou les audiences dites « Life Events », diminuera. Ce phénomène est aggravé par la suppression progressive des cookies tiers.

Pour maintenir des audiences de qualité, il est essentiel d’obtenir le consentement de l’utilisateur et de créer des audiences de première partie. En recherchant en ligne les meilleures pratiques pour les lois numériques et comment réagir au déliement, on trouve les audiences de première partie parmi les premières stratégies. Google, par exemple, a organisé de nombreux webinaires sur ce sujet.

Pour construire efficacement des audiences de première partie, en plus du consentement, il est crucial de disposer d’un point d’agrégation de données robuste. De plus, les algorithmes d’IA jouent un rôle clé dans ce processus, permettant d’enrichir et de segmenter dynamiquement la base de clients. Un exemple est l’algorithme RFM pour identifier les clients les plus importants. Ou des algorithmes spécifiques pour analyser les intérêts des utilisateurs. Ces données, une fois enrichies et modélisées, peuvent ensuite être utilisées pour construire des « audiences de départ » qui servent de base aux campagnes de type lookalike.

Dans le passé, il y a eu une certaine confusion concernant les campagnes lookalike en raison de la décision de Google de déprécier les « audiences similaires ». Il les a en fait remplacées par un nouvel ensemble d’algorithmes qui exploitent la similarité de différentes manières.

La plateforme de prédiction Bytek utilise l’intelligence artificielle et les données de première partie pour regrouper les utilisateurs, créant des audiences bien définies qui peuvent être continuellement envoyées aux plateformes publicitaires pour une utilisation optimisée dans les campagnes.

Customer Match

Le Customer Match est une méthodologie qui permet aux entreprises d’utiliser des données de première partie, telles qu’une adresse e-mail hachée, pour identifier les utilisateurs, les envoyer à des plateformes publicitaires comme Google, Meta ou TikTok, qui vérifient ensuite si l’adresse e-mail hachée est présente dans leurs systèmes, sans révéler l’identité spécifique de l’individu, afin de préserver la vie privée. Si l’e-mail est reconnu, elles permettent aux entreprises de mener des campagnes de reciblage.

Cette technique a été considérée comme une stratégie pionnière pour le marketing numérique, car elle évite l’utilisation de cookies tiers, bénéficiant d’une relation directe 1:1 entre les plateformes et les utilisateurs. Cependant, comme nous l’avons vu, l’introduction du DMA a introduit de nouveaux défis : Google et d’autres plateformes exigent un consentement explicite pour afficher des publicités personnalisées via le Customer Match.

Afin d’implémenter le Customer Match, si l’on décide de transférer des données à Google via un fichier CSV, la plateforme exige que les annonceurs confirment qu’ils ont un consentement spécifique pour personnaliser les annonces. Cela nécessite une double confirmation via une bannière. La responsabilité d’assurer la conformité incombe donc aux annonceurs. Si, d’autre part, les données sont transmises via des API, le consentement pour la personnalisation des annonces doit être spécifié pour chaque utilisateur, indiquant si et à quels types de données l’utilisateur a donné son consentement.

Il est donc nécessaire de repenser la manière dont le consentement lui-même doit être géré. En utilisant des outils comme BigQuery pour centraliser les données, les audiences peuvent être mises à jour dynamiquement en fonction des changements de consentement de l’utilisateur. En l’absence de ces informations de consentement spécifiques dans Google, la ligne de données correspondante sera ignorée par la plateforme.

Conversion Push

Cet aspect ne reçoit souvent pas l’attention qu’il mérite : pour optimiser la gestion du mode de consentement, il est essentiel de travailler également sur la plateforme de gestion du consentement (Consent Management Platform). Une configuration inadéquate de ces éléments peut avoir des répercussions non seulement sur l’audience cible, mais aussi sur les conversions elles-mêmes. Dans un contexte où les campagnes publicitaires sont de plus en plus pilotées par l’intelligence artificielle et dépendent des conversions pour l’alimentation et la formation des algorithmes, une mauvaise performance de campagne peut être directement attribuée à une gestion sous-optimale du consentement.

Google a introduit deux solutions pour relever ces défis. La première, que nous avons déjà vue, est le mode de consentement, qui façonne les conversions pour s’adapter aux cas où le consentement de l’utilisateur n’est pas disponible. La deuxième solution est l’Enhanced Conversion (conversion améliorée), une technologie qui permet d’envoyer un signal de conversion même lorsque l’utilisateur n’est pas suivi via des pixels traditionnels, en exploitant des données personnelles. Cette technologie peut être implémentée via des API, permettant aux opérateurs d’utiliser les données collectées dans leur entrepôt de données cloud (Cloud Data Warehouse), telles que l’adresse e-mail de l’utilisateur, la date de conversion et la valeur de la transaction, pour transmettre ces informations aux plateformes publicitaires. Étant donné que les utilisateurs accèdent souvent à divers services en utilisant la même adresse e-mail, les plateformes sont en mesure de lier l’affichage d’une annonce à une conversion spécifique, attribuant ainsi le crédit à la campagne publicitaire appropriée.

Ce processus d’attribution, autrefois prédominant dans des industries telles que l’automobile – où l’achat peut survenir des mois après le premier contact, suite à un essai routier – est désormais considéré comme essentiel pour tous les types d’entreprises. Sans cette pratique, un nombre significatif de conversions pourrait être perdu. La modélisation des conversions via le seul mode de consentement pourrait ne pas être suffisamment efficace.