Le machine learning est souvent présenté comme « l'avenir du marketing », mais les annonceurs peuvent-ils déjà l’utiliser ?
Le marketing digital consiste essentiellement à identifier les tendances, en différenciant les signaux pertinents des « bruits de fond ». Mais avec l’immense quantité de données à traiter, il peut s’avérer difficile de repérer les informations importantes et en tirer le meilleur parti.
« Les marketeurs doivent avoir une vision complète, des détails les plus évidents jusqu'aux concepts les plus vagues. Grâce au machine learning, cette vision multidimensionnelle est désormais possible », explique Janusz Moneta, Senior Ads Marketing Director chez Google.
Exploiter tout le potentiel du machine learning
À travers des tests et des expériences, l'équipe marketing B2B de Google a testé la capacité du machine learning à identifier plus rapidement des insights dans plus de 40 pays et plus de 20 langues. Nous avons appliqué une technologie de machine learning avancée à chaque phase de notre processus de développement de manière à transformer nos stratégies marketing. Cet article revient sur les résultats obtenus par la mise en oeuvre de cette technologie dans nos campagnes marketing.
Capter l'émotion : le machine learning et l'analyse des sentiments
Il peut sembler contre-intuitif de parler de « sentiment » lorsqu'on évoque le machine learning. Avant, le marketing B2B privilégiait les messages rationnels et ignorait ou marginalisait le fait que les chefs d'entreprise étaient avant tout des êtres humains, animés par des motivations humaines. Les marketeurs sont-ils passés à côté d'une opportunité en omettant ces besoins fondamentaux ?
Le traitement du langage naturel (TLN) permet aux marketeurs d'analyser le sentiment de leurs messages et ainsi comprendre pourquoi certains d'entre eux trouvent un écho auprès des utilisateurs. L’analyse TNL nous a permis de traiter un vaste ensemble de données à connotations émotionnelles et le machine learning à générer de nouvelles variantes de messages à grande échelle et ce, dans toutes les langues européennes.
Nous avons augmenté les niveaux d'acuité émotionnelle et d'empathie dans nos actions marketing, et identifié les meilleurs messages grâce à des tests en Allemagne, en France, en Italie et au Royaume-Uni, tout au long de l'année 2018. Résultat : nous avons très nettement amélioré nos performances, et même multiplié par 2 le taux de conversion de nos annonces dans certains cas.
Ces mêmes techniques peuvent permettre d'optimiser les performances des pages de destination, en cartographiant les éléments de la page et en testant différentes alternatives générées par le machine learning. Là encore, nous avons obtenu des résultats impressionnants avec des performances jusqu'à 80% supérieures pour les meilleures variantes vs. la version d'origine.
À noter que les données collectées nous ont permis d'analyser les nuances de chaque création : dans un cas, nous avons constaté que l'impact d'une bannière provenait à 81% d’une seule phrase inspirant la satisfaction.
Prévoir l'avenir : le machine learning et l'optimisation prédictive
Le marketing B2B implique souvent de longs cycles d'achat, et jusqu'à 6 mois peuvent s'écouler avant que la valeur réelle d'une inscription n'apparaisse clairement. Adopter une approche attentiste en matière d’optimisation n’est tout simplement pas viable, surtout avec ce type de délai.
Nous avons constaté qu'en analysant l'historique des données d'une campagne, le système de machine learning pouvait prédire la valeur potentielle d'un clic sur une annonce. Seulement 2 jours après l'inscription d'un client potentiel, il est possible d'estimer avec précision s'il adoptera nos solutions au cours des 3 prochains mois.
Pour les campagnes optimisées en vue d’un impact à long terme, l'analyse avant/après a révélé une hausse du ROI jusqu’à 33%. Prédire la valeur à long terme d’un client permet de rationaliser le processus de vente en s'assurant que chaque nouveau client bénéficie d’un accompagnement adapté à ses besoins.
Comment tirer parti du machine learning maintenant ?
Peut-être profiterez-vous plus facilement des solutions de machine learning si vous disposez de l’expertise de data scientists et d’ingénieurs, mais cette restriction est en train de disparaître. La technologie progresse si rapidement que des solutions prêtes à l'emploi commencent à émerger. Idem pour les outils d’analyse des sentiments et d'optimisation prédictive.
Avec tout ce buzz, on peut facilement penser que le machine learning est un concept futuriste très vaste, que son application est encore limitée, voire qu'il pourrait nuire à la créativité et à la vision des marketeurs. Or, la mise en oeuvre du machine learning dans nos campagnes marketing et la mesure de performances confirment son rôle clé de soutien à toutes les étapes.
Plus que jamais, les marketeurs ont le pouvoir d’identifier et d’appréhender les besoins de leurs clients. Le machine learning, déjà inscrit dans le présent, signe l’avenir du marketing.