Comment Axa et GroupM optimisent l’attention via de la donnée “log level”

La pratique dite du “custom bidding”, qui consiste à développer un algorithme propriétaire, pour optimiser au mieux la diffusion des campagnes de ses clients, a le vent en poupe chez les agences médias. Parce que c’est un moyen d’aller au delà de ce que permettent les algorithmes sur étagères des DSP et que c’est aussi un moyen d’affirmer son expertise technologique, alors que des pure-players comme Scibids, Chalice ou Greenbids se sont emparés du sujet. 

Publicis Media a son Simba, Havas Media son Moma et GroupM nous présente, lui, Pathfinder. Un algorithme qui, comme son nom l’indique, avait d’abord été développé pour permettre à l’agence média de trouver les chemins les plus courts (et donc les plus performants) vers l’inventaire de ses partenaires éditeurs.

“Nous avons d’abord testé PathfindR dans une logique de SPO”, explique Hoai Nguyen, data et tech director de Nexus France. La mécanique était simple (du moins en apparence) : s’appuyer sur la donnée qu’envoie l’outil d’achat programmatique pour accéder à une multitude de dimensions pour chaque impression (seller ID, domain SSP, device, format, relations ads.txt…). Et isoler, ce faisant, celles qui étaient les plus efficaces. 

On parle, dans le jargon, de “log level data”, une donnée qui permet à l’acheteur média d’identifier des poches d’optimisation qui sont inaccessibles à ceux qui se contentent des reportings agrégés que leur envoie leur DSP.  “C’est comme si on vous demandait, d’un côté, de construire un petit château en vous passant 1m3 de Duplo, et, de l’autre, de le faire en vous passant l’équivalent en Lego”, illustre Hoai Nguyen. 

Rares sont les agences médias à avoir branché leur algorithme de custom bidding à ce genre de données. D’après Hoai Nguyen, il ne serait pas étonnant que GroupM soit la première d’entre elles à le faire. Pas tant un sujet de coût (qui demeure marginal) que de sophistication (il faut que l’algorithme soit outillé pour traiter autant de variables).

C’est, pour résumer, beaucoup plus granulaire (vous avez une ligne par impression, contre 1 même ligne pour un volume d’impressions agrégées dans un reporting classique) et beaucoup plus exhaustif (vous avez accès à des informations que vous n’avez pas dans les API de reporting, comme l’emplacement exact de l’impression concernée, par exemple).

C’est la présence de cette dernière dimension, qu’on appelle également “placement ID”, qui a permis aux équipes de GroupM d’identifier une autre opportunité : mettre la donnée log-level au service d’un KPI encore “nouveau” : l’attention. “L’optimisation de la qualité d’exposition d’un contact publicitaire est directement liée à votre capacité à bien comprendre l’inventaire des éditeurs chez lesquels vous êtes diffusés, puisqu’elle est liée à des variables comme l’emplacement, le device ou la pression publicitaire sur la page”, rappelle Hoai Nguyen.

Optimiser l’attention c’est, à en croire Fabien Magalon, le sujet 2025 des clients d’xpln.ai, la solution qu’il a cofondée. “Maintenant qu’ils ont bien pris en main le sujet de la mesure, ils veulent aller plus loin.” Certains vont activer xpln.ai ou l’un de ses concurrents directement via leur DSP, en prebid. Cela leur permettra, en amont d’une enchère, de filtrer des impressions qui sont “a priori” peu performantes sur le KPI de l’attention. C’est une approche probabiliste qui s’appuie sur une information incomplète. 

D’autres vont, comme l’a fait GroupM pour le compte d’Axa, s’appuyer sur la donnée log-level pour analyser, post-bid les performances de chaque impression achetée. On est, ici, sur de la donnée déterministe, hyper granulaire et quasiment temps réel. “Nous collectons les données d’attention effective mesurées en cours de campagne et les restituons, impression par impression, à GroupM, qui pourra ensuite surinvestir là où ça marche, désinvestir là où ça marche moins bien”, résume Fabien Magalon. 

Dans le premier cas, vous achetez un segment prebid “tout fait” et vous enchérissez la même valeur partout. Dans le second cas, vous faites varier le niveau et la fréquence d’enchère, selon une combinaison de critères que vous avez vous-même définis, grâce au custom bidding.

La collaboration, amorcée en septembre dernier, a porté sur trois campagnes successives. Et elle a vite porté ses fruits : +50% de durée d’attention versus une campagne pilotée de manière traditionnelle (c’est-à-dire sur la visibilité et la complétion).

Un progrès rendu possible grâce à l’amélioration de toute une série de KPI sous-jacents. On peut notamment citer un encombrement pub divisé par deux et une proportion de players vidéos qui occupent moins de 10% de l’écran qui passe de 20 à 1% des impressions. “Cela permet, en fin de compte, d’éliminer les formats inacceptables pour un annonceur”, commente Fabien Magalon. 

Et cela se fait sans impacter les CPM, ce qui démontre, selon l’expert, que l’optimisation de l’attention s’accompagne d’un effet d’aubaine. “La plupart des marques se contentent encore d’optimiser sur des KPI traditionnels, comme la visibilité et la complétion, les poches d’inventaires très performantes sur le KPI de l’attention ne sont donc pas encore soumises à rude concurrence.” 

“Le coût pour générer 1000 impressions de 5 secondes a carrément diminué de 66%”, se félicite Hoai Nguyen. C’est d’autant plus bluffant que la campagne était diffusée sur un périmètre relativement restreint : 50 domaines au lancement, 200 domaines pour les deux dernières campagnes. 

La démarche a également un impact sur le coût carbone de la campagne puisque, selon Hoai Nguyen, “cette optimisation a permis d’augmenter significativement la part de sites qui ont un GCo2Pm (grammage de Co2 pour mille impressions) inférieur à la moyenne.” Pas une surprise quand on sait que le KPI de l’attention permet généralement de sortir les sites qui sont très fortement encombrés de pub du plan média.  

“Cette méthodologie d’optimisation avancée nous permet d'atteindre des niveaux exceptionnels de performance et de coûts sur des métriques d'attention jusque-là difficiles à optimiser”, se félicite la head of media d’Axa, Anne Ferrandin.