Intelligence Artificielle et e-Commerce : un duo gagnant (partie 2)

Le Machine Learning est loin d’être un concept récent, ou même futuriste tel que peuvent le décrire les médias. Il s’agit d’un terme inventé en 1959 par Arthur Samuel, informaticien pionnier en matière de jeu sur ordinateur, d'intelligence artificielle et d'apprentissage automatique. Il l’a ensuite concrétisé en concevant un programme de dames qui avait fini par battre le champion de l’Etat du Connecticut en 1962.

Arthur Samuel définissait le Machine Learning comme une technologie issue de l’Intelligence Artificielle, et qui donne aux ordinateurs la capacité d’apprendre sans être explicitement programmés pour cela.

Depuis quelques années, Google intègre le Machine Learning à ses algorithmes pour améliorer et même personnaliser l’expérience de ses utilisateurs. Ainsi, pour ne citer que ces 2 services, Gmail classe automatiquement les e-mails par type (prioritaire, promotionnel, social, indésirable) sur la base des précédents classements effectués par l’ensemble des internautes, et Google Maps anticipe et suggère des recherches que vous pourriez formuler en se basant par exemple sur vos recherches passées et votre localisation.

Le Machine Learning de la firme américaine devient chaque jour de plus en plus puissant car les données récoltées alimentent en continu ses algorithmes, pour fournir une expérience utilisateurs de plus en plus efficace.

Le parcours d’achat des consommateurs est guidé par l’intention. 3 grandes étapes le constituent :

• - Conscience : découverte et notoriété du site/de la marque
• - Considération : recherche d’informations, requêtes de plus en plus précises, mise au panier
• - Action : passage à l’acte d’achat

Grâce à l’Intelligence Artificielle, il est désormais possible d’analyser les comportements des internautes, et de définir quelle est l’intention de base de l’internaute. Résultat : on saura qu’il va potentiellement être plus intéressé par un produit A en taille XS couleur bleue, que par un produit B en taille L couleur noire.

Typiquement : lorsqu’un internaute commence à effectuer des recherches sur des voyages et des destinations ensoleillées, Google – en recoupant les recherches avec ses habitudes d’achat, ses déplacements, etc. – va instantanément définir qu’il peut être intéressé par l’achat de lunettes de soleil. Ensuite, pour vérifier l’intention d’achat, Google affichera une publicité pour des lunettes de soleil par exemple lorsque l’internaute sera en train de se détendre devant une vidéo.

La puissance de l’algorithme est telle que Google va encore plus loin que le remarketing (reciblage publicitaire des visiteurs d’un site Web) car l’internaute, dans cet exemple, ne s’est même pas rendu sur un site de lunettes de soleil.

Grâce au Machine Learning, le moteur de recherche va définir un sociotype le plus susceptible d’être intéressé par une typologie de produits ou par une marque, sur la base des data collectées. On pourrait parler de retargeting intentionnel ou prédictif, qui permet de travailler son branding dès la 1ère phase du parcours d’achat pour s’intégrer dans l’esprit des consommateurs.

Alors que plus de 50 % des achats en ligne sont indirects (via Facebook, Google, les emailings, YouTube, les journaux en ligne…), il est primordial d’être présent partout. Et c’est en cela que la puissance du Machine Learning, et donc de l’Intelligence Artificielle, deviennent incontournables pour afficher une publicité à la bonne personne, au bon endroit et au bon moment.

Aujourd’hui, on ne cherche plus à faire du « media planning ». On laisse l’IA répartir les affichages de publicités en fonction de son audience et de sa cible.

Google a également introduit le Machine Learning dans son système Ads, et propose des annonces responsives de recherche. Celles-ci s’adaptent de façon à afficher le message le plus pertinent pour l’utilisateur.

Ainsi, lorsque vous voulez créer une campagne publicitaire sur le réseau Display :

1.  Vous renseignez pour votre message plusieurs titres et accroches, et intégrez différents visuels voire vidéos.
2. Google conçoit ensuite automatiquement des dizaines de combinaisons de messages différentes. Cette conception automatique vous permet de gagner un temps précieux dans la conception jusqu’alors chronophage des différents formats publicitaires. Autre avantage clé : Google met ces combinaisons en concurrence les unes avec les autres au fil du temps, et peut ainsi définir la variante qui performe le mieux pour chaque profil d’audience et chaque emplacement publicitaire.
   

La créativité et la puissance de l'algorithme sont telles que Google crée des combinaisons auxquelles l'humain n'aurait pas pensé initialement, et continue même de les améliorer au fur et à mesure, en fonction des requêtes de vos clients potentiels.

En display, le taux de clics généralement constaté sur les annonces est en moyenne de 2 pour 1000.

Avec les annonces responsives conçues par Google et son Intelligence Artificielle, on observe des taux de clics exceptionnels, allant jusqu’à 2 pour 100 !

Qu’ils débutent leur parcours d’achat sur Google ou sur YouTube, les consommateurs réalisent encore et toujours des achats en magasin. 88 % des consommateurs ayant effectué une recherche locale (« A proximité ») ont visité une boutique à moins de 8 km et la plupart s’y rendent dans les 24 heures.

Là aussi, Google vous aide dans l’hyper-ciblage de vos clients potentiels avec les campagnes publicitaires locales qui optimisent les annonces sur chacune des propriétés de Google et facilitent la promotion de votre(vos) établissement(s) en local.