Contextualiser les données : des emplois pour les ouvriers de la data ?

Stephane Gendrel _ 20 octobre 2016
Attribution marketingBig dataBonnes pratiques
Ce matin, j’assistais à une conférence de haut vol lors de l’événement VivaTechnology "The end of marketing" au cours duquel Lubomira Rochet, CDO de L’Oréal, disait : "Companies have tons of data available but if you don’t have the context, data is useless".

Ce soir, je tombe sur cet article de Tech Republic qui pose la question de la disparition des emplois faiblement qualifiés dans les services au fur et à mesure que l’Intelligence Artificielle se développe, faisant ainsi un parallèle avec le remplacement des hommes par des robots dans l’industrie.

Guru Banavar, responsable du programme Watson d’IBM (pas un perdreau de l’année en terme d’Intelligence Artificielle), indique que le monde des IA ne suivra pas la même voie car il y a besoin de « petites mains » pour contextualiser les données que l’on donnera aux algorithmes de machine learning pour leur apprentissage. En effet, un algorithme ne sait pas a priori ce qui est positif ou négatif ni comment classer des masses de données, par contre si on l’éduque en labellisant les données, il saura parfaitement se débrouiller par la suite. Ceci ouvre la voie à une nouvelle classe d’employés que l’on pourrait qualifier d’ouvriers de la Data.

La nécessité de contextualiser la donnée

Chez Adloop, nous appliquons ce concept au marketing digital. Que ce soit pour éduquer nos algorithmes de machine learning ou pour donner plus de profondeur aux marketeurs qui analysent les résultats de leurs actions marketing, il nous semble absolument essentiel de contextualiser les campagnes.

Prenons l’exemple de Google Analytics : les campagnes sont identifiées par 5 paramètres (les paramètres utm), deux d’entre eux identifient les canaux marketing et les campagnes, il en reste trois pour d’autres dimensions. On peut d’ailleurs regretter que Google ait imposé une sorte de standard en la matière. Ces 5 labels sont totalement insuffisants pour effectuer des analyses approfondies, qu’elles soient humaines ou algorithmiques.

Si l’on veut recueillir tout le contexte de ses actions marketing, il faudrait probablement au moins une dizaine de dimensions répartie à parts égales entre :

  • Des dimensions métier, par exemple
    • Dans quelles campagne s’inscrit mon action ?
    • Pour quel produit ou service ?
    • Quelle est la cible visée ?
    • Quel est l’objectif de l’action (conversion, awareness, engagement) ?
  • Et des dimensions liées à la diffusion de la campagne et spécifiques au canal utilisé :
    • Quel Canal ?
    • Quel Prestataire ?
    • Quelles subdivisions du canal (Campagne/Adgroup/Mot clé pour le SEA, Site de diffusion et Format de pub pour le display, etc. etc.) ?

Prenons un exemple

Voici un exemple illustré des dimensions que l’on peut imaginer pour une « action marketing » d’Adloop (en l’occurence, un Adword chez Google) :
Les données métiers s’appliquent quelque soit les campagnes et permettent de comparer l’efficacité d’une campagne sur différents canaux. Les données liées au canal permettent de « creuser » un canal dans ses niveaux de granularité. En se plaçant au niveau le plus proche de l’utilisateur (ce qu’il voit ou ce qu’il recherche), on est au plus proche de l’action : si ça ne fonctionne pas, on coupe ; si ça fonctionne, on conserve ou on renforce.
Avec des labels, l’analyse (humaine ou algorithmique) devient plus riche, plus fine et mènera au bout du compte à de meilleures décisions et donc de meilleures performances. Par contre, cela demande une organisation ‘logistique’ :
  1. définir et faire évoluer un corpus de données contextuelles cohérent
  2. mettre en place une organisation pour appliquer cette contextualisation sur l’ensemble des actions marketing
  3. impliquer l’ensemble de l’écosystème pour appliquer le process : personnels internes, agences, canaux marketing
  4. maintenir l’effort dans la durée et le contrôler pour s’assurer de la qualité de données

En adoptant une bonne organisation, il est possible de décharger les équipes internes de ces tâches de labellisation et de les confier aux agences et prestataires qui sont au plus proche de l’exécution publicitaire. Une partie de ces tâches devrait même être automatisée en allant chercher les labels dans des systèmes tiers comme Adwords, les Ad Servers ou les plate-formes des prestataires (affiliation, retargeting, etc.) si tant est qu’ils veuillent bien partager leurs données (mais la transparence n’est pas toujours de mise dans un univers aussi ouvert et concurrentiel que le web).

Cet effort est – pour les consultants d’Adloop – une nécessité absolue, elle permet de conserver la mémoire de ses actions marketing au fil du temps, de s’assurer de se constituer un actif pérenne autour de ses propres données au lieu de les laisser aux mains de tiers extérieurs et enfin de renforcer ses possibilités d’action.

Adloop s’est précisément fait une spécialité de ces problématiques de labellisation de campagne tout en automatisant au maximum ce qui peut l’être. N’hésitez pas à nous contacter pour en parler.

Stephane Gendrel

Demandez un audit

  • Optionnel
  • Optionnel
  • Ce champ n’est utilisé qu’à des fins de validation et devrait rester inchangé.