Acheteurs média : comment trouver un compromis entre liquidité et contrôle

La limitation des contraintes permet d’augmenter la liquidité d’une campagne. Lorsque les restrictions sont limitées, le système de diffusion des publicités peut identifier les meilleures opportunités à partir d’un ensemble plus vaste, ce qui permet de trouver des options intéressantes qui auraient autrement été exclues.

Si vous disposez d’objectifs et d’indicateurs clairs (des données sur le comportement des consommateurs), il est facile d’indiquer au système ce que vous voulez et de lui laisser le champ libre pour trouver une approche optimale. Mais si vos objectifs et vos indicateurs sont plus flous, vous devez mettre en place des garde-fous pour orienter le système et faire en sorte qu’il ne dévie pas trop de la trajectoire prévue.

L’ajout de ces contraintes vous permet d’exercer un meilleur contrôle, mais la liquidité s’en trouve réduite. Cela peut entraîner une augmentation des coûts et avoir un impact sur l’efficacité, car la limitation des opportunités entrave la capacité du système à trouver les options les plus intéressantes.

L’ajout de contraintes n’entraîne pas la disparition totale de la liquidité. Il existe en fait différents niveaux de liquidité et les produits destinés à l’améliorer peuvent aider les annonceurs à atteindre le niveau de contrôle dont ils ont besoin tout en assurant l’efficacité de la campagne.

Plus spécifiquement, les différents produits peuvent fonctionner ensemble pour permettre aux annonceurs d’exercer un meilleur contrôle sur les quatre dimensions de la liquidité : le placement, l’audience, le budget et le contenu publicitaire.

En ajoutant des contraintes pertinentes dans ces quatre domaines, il est possible de fournir aux systèmes de machine learning davantage d’informations sur les éléments que vous valorisez et d’aider les algorithmes à comprendre comment mieux évaluer les opportunités.

Si vous envisagez de mettre en place des contraintes, il est important de garder à l’esprit que les quatre dimensions de la liquidité sont interdépendantes. L’ajout d’une contrainte sur une dimension limitera les opportunités disponibles pour le système dans son ensemble, même si la liquidité est maintenue pour les autres dimensions.

Comment déterminer si vous devez exercer davantage de contrôle sur les systèmes de diffusion des publicités ? Voici certaines raisons qui peuvent vous inciter à mettre en place des contraintes :

• Vous percevez différemment les opportunités offertes dans le cadre d’une même campagne (par exemple, les utilisateurs d’Instagram par rapport aux utilisateurs de Facebook) et vous ne souhaitez pas que le système les traite de la même manière.
• Vous utilisez le même canal pour différentes stratégies (comme la prospection et le reciblage) et vous souhaitez communiquer différents objectifs de coût au système.
• Vous avez des données fournies par des sources auxquelles le système de diffusion n’a pas accès (par exemple, des canaux hors ligne) et vous voulez transmettre ces informations pour que le système puisse mieux évaluer les opportunités.
• Vous avez des restrictions commerciales (comme des exigences relatives à la brand safety ou des allocations budgétaires par région) et vous voulez que le système tienne compte de ces éléments.
• Vous souhaitez affiner vos objectifs de campagne avec le temps (par exemple, vous souhaitez augmenter vos dépenses cibles pour augmenter le volume) et vous voulez que le système soit flexible.
• Vous avez des objectifs multiples (augmenter les interactions sur votre page tout en réduisant les coûts) et vous avez besoin que le système en tienne compte.

Il peut être tentant de mettre en place de nombreuses contraintes, mais la clé est d’exercer le niveau de contrôle dont vous avez besoin de la manière la moins intrusive possible, car la limitation des contraintes donne au système plus de liberté pour identifier des opportunités intéressantes.

En outre, les différentes dimensions de la liquidité (placement, audience, budget et contenu publicitaire) sont interdépendantes, donc l’introduction de contraintes dans un ou deux domaines permet souvent d’exercer un niveau de contrôle adapté.

Enfin, pour parvenir à maîtriser cette notion de liquidité dans un environnement complexe, l’objectif doit être d’ajouter seulement les contraintes qui sont absolument nécessaires, afin de laisser aux systèmes de machine learning une grande marge de manœuvre pour parvenir à la liquidité.