Ingénieurs chez Google, Dorothea Wiesmann Rothuizen et Wojtek Skut cherchent à améliorer continuellement l'intelligence artificielle (IA) et les grands modèles de langage. Ils font partie de l'équipe chargée d'implémenter de nouvelles fonctionnalités dans les outils Google Ads, comme la requête large.
Ces derniers mois, l'intelligence artificielle a connu un intérêt grandissant, en raison d'améliorations technologiques majeures. Par exemple, LaMDA (pour Language Model for Dialogue Applications) a permis une compréhension beaucoup plus fine des langues et langages, ce qui donne lieu à des conversations bien plus naturelles et intuitives avec l'IA.
Cette même technologie booste la requête large, un type de correspondance des mots-clés qui permet aux marques d'améliorer la couverture de leurs annonces et de réduire les actions manuelles.
La requête large existe depuis la création de Google Ads. Cependant, il y a environ 15 ans, son plein potentiel n’était pas encore atteint. À cette époque-là, elle aurait pu mettre en correspondance une requête telle que "aide à domicile", avec un mot-clé non pertinent tel que "aide aux devoirs", car elles contiennent tous les deux le mot “aide”. Et elle n’aurait pas fait le lien avec une expression telle que “auxiliaire de vie”, car les 2 expressions n’ont pas de mots en commun. Grâce aux nouveaux progrès réalisés dans le domaine de l'IA et aux mises à jour continues, la requête large est maintenant capable de mieux interpréter les nuances et le contexte.
Aujourd'hui, la requête large comprend mieux les requêtes des internautes et peut identifier l'intention. Elle devient ainsi l'une des solutions de publicité les plus efficaces sur le Réseau de Recherche.
Comment les nouveaux progrès réalisés dans le domaine de l'IA élargissent les horizons du marketing
Lors du lancement de la correspondance large (broad match), nous prenions en compte les synonymes d'un mot-clé et ouvrions le champ sémantique. Par exemple, un mot clé tel que "bordeaux" peut correspondre à une précision de couleur mais aussi faire référence à la ville de Bordeaux. En cherchant "manteau bordeaux", un utilisateur pourrait aussi bien avoir cherché un vêtement de cette couleur qu'un manteau dans un magasin bordelais.
Grâce à de nouvelles fonctionnalités de machine learning, les modèles de langage comprennent à présent mieux l'intention des internautes. Nous alimentons le machine learning avec des milliards d'éléments textuels de sorte qu'il puisse apprendre toutes les variantes et tous les différents sens d'un mot ou d'une expression, et identifier les séquences qui ont du sens. Nous rendons cette étape obligatoire avant de passer à l’étape suivante (mettre des annonces en correspondance avec des requêtes de recherche, par exemple), à l’aide du machine learning.
Bien que la technologie de langage puisse comprendre la demande potentielle disponible, la combiner à des stratégies d'enchères intelligentes permet de maximiser son efficacité. Ces stratégies d'enchères automatiques tiennent compte d'un large éventail de signaux et de données (l'historique des recherches, les centres d'intérêt et les achats précédents, par exemple), tout en respectant la confidentialité, pour créer un modèle prédictif qui aide les annonceurs à identifier les audiences les plus susceptibles d'effectuer des conversions.
Aujourd'hui, la requête large comprend mieux les requêtes des internautes et peut identifier l'intention.
La requête large en 2023 : nouveautés pour les responsables marketing
Voici quelques exemples d'améliorations récentes et importantes apportées à la requête large par notre équipe d'ingénieur·es :
L'ordre a de l'importance, et la requête large le sait
Aux débuts de la requête large, la technologie faisait le lien entre les mots-clés contenus dans une requête effectuée sur le moteur de recherche et une annonce, mais elle ne tenait pas nécessairement compte de l'ordre des mots dans la requête.
Si une personne recherchait un vol d'Amsterdam à Paris, elle pouvait voir une annonce pour un vol de Paris à Amsterdam. Pour éviter que cela se produise, les spécialistes Search auraient par le passé recommandé une autre stratégie de mots-clés à ces annonceurs. Toutefois, aujourd'hui, la requête large sait qu'aller de A à B n'est pas la même chose qu'aller de B à A. La même amélioration a été appliquée à d'autres domaines où une requête ne fonctionne que dans un sens.
Par exemple, un internaute peut chercher un endroit où "convertir des euros en livres sterling" ou chercher un "câble USB vers USBC". Diffuser auprès de lui une annonce dans laquelle ces mots sont inversés ne serait pas pertinent, mais la requête large comprend maintenant mieux l'intention première.
Acheminer le trafic vers les mots clés appropriés dans Google Ads
Par le passé, on nous posait parfois la question suivante : "Que se passe-t-il si deux annonces pour le même annonceur sont mises en correspondance avec une même requête ?" Auparavant, la requête large tenait compte du classement de l'annonce pour déterminer quelle annonce diffuser, mais ce n'était peut-être pas toujours le meilleur choix.
Pour améliorer la pertinence (tant pour les annonceurs que pour les internautes), elle tient à présent encore plus compte d'informations complémentaires telles que d'autres mots clés dans le groupe d'annonces et la page de destination de l'annonce. Grâce à l'amélioration des fonctionnalités du modèle de langage sur lequel repose la requête large, elle comprend également mieux le sens de la requête et toutes ses variantes, ce qui lui permet d'accroître sa pertinence.
Mise en correspondance multilingue
De nombreux développements ont également eu lieu au niveau de la création de liens entre les recherches multilingues. La requête large comprend maintenant que certaines personnes peuvent passer d'une langue à une autre lorsqu'elles font une recherche en ligne. Elle utilise donc cette information pour diffuser des annonces pertinentes.
C'est parfois le cas des personnes expatriées. Il est possible qu'elles effectuent une recherche dans leur langue maternelle, mais qu'elles recherchent des résultats dans la langue du pays dans lequel elles vivent.
Cela ne veut pas dire que vous ne devez diffuser votre campagne que dans une langue et que vous enregistrez du trafic pour toutes les langues. En effet, la réussite de vos campagnes dépend de vos paramètres linguistiques et de vos créations localisées. Toutefois, dans les pays comptant de nombreuses personnes expatriées bilingues, il est utile de savoir que la requête large peut mettre en correspondance du trafic local et pertinent avec une annonce, même si la recherche est effectuée dans une autre langue.
Grâce aux améliorations linguistiques basées sur l'IA, la requête large est devenue un outil bien plus efficace pour la publicité sur le Réseau de Recherche, mais l'intervention de spécialistes marketing reste nécessaire.
Le rôle de la requête large dans la publicité sur le Réseau de Recherche aujourd'hui
La requête large n'est peut-être pas aussi vieille que Retour vers le futur, mais elle existe depuis longtemps. À l'image du célèbre film datant de 1985, elle nous prouve que parfois, il faut s'intéresser à un élément du passé pour comprendre sa valeur dans le présent.
Cela dit, bien que grâce aux améliorations linguistiques basées sur l'IA, la requête large soit devenue un outil bien plus efficace pour la publicité sur le Réseau de Recherche, l'intervention de spécialistes marketing reste nécessaire. Ils examineront les performances, sélectionneront la bonne stratégie d'enchères et surveilleront les nouvelles requêtes identifiées par la requête large pour attirer une nouvelle clientèle. Après tout, vous découvrirez peut-être de nouveaux insights sur votre audience et son comportement tout au long de la campagne.
L'IA apprend grâce à vous et inversement. L'efficacité de la requête large dépend de l'équipe qui l'utilise, tout comme la machine à voyager dans le temps de "Retour vers le futur" dépendait de l'intervention et de la créativité de son inventeur, le docteur Emmett Brown, pour voyager dans le passé et le futur.
Écoutez l'épisode "Talking AI: How a deeper language understanding is transforming broad match" du podcast de Google Marketing Platform, pour en savoir plus sur la façon dont les grands modèles linguistiques dynamisent la requête large. Vous pouvez trouver ce podcast en anglais sur le site Google Marketing Platform Academy ainsi que sur les plateformes de podcast.
