Comment le deep learning change la donne pour les annonceurs et les consommateurs

L'IA a changé à jamais la publicité numérique. En tant que spécialistes du marketing, cela nous permet déjà de décider comment engager au mieux les clients et les marchés potentiels comme jamais auparavant.

Mais il y a de la place pour grandir. Les outils d'apprentissage en profondeur sont le prochain domaine majeur de la recherche basée sur l'IA, et ils déclencheront une vague d'innovations futures dans chaque secteur, ouvrant une nouvelle ère de marketing dont les annonceurs et les utilisateurs finaux bénéficieront.

Nos interfaces se sont déjà adaptées pour répondre aux intérêts d'un utilisateur à un niveau personnel, en faisant correspondre les connaissances et les comportements de l'industrie avec la publicité display - ou la personnalisation. Mais les algorithmes d'apprentissage en profondeur feront encore plus.

L'apprentissage en profondeur change la façon dont nous pensons à l'efficacité. C'est le domaine le plus prometteur de la recherche basée sur l'IA, trouvé dans Google Translate, Tesla Driving-cars ou le mécanisme de reconnaissance imagine de Yahoo. Il est également utilisé de manière plus futuriste.

DeepMind AI de Google peut lire sur les lèvres des émissions de télévision mieux qu'un professionnel (un expert humain n'a annoté que 12,4% des mots sans aucune erreur, contre 46,8% pour l'IA). Ces algorithmes ont gagné contre les meilleurs joueurs de poker du monde et peuvent même auto-réaliser un film – présenté récemment par Saatchi & Saatchi au Cannes Lions International Festival of Creativity.

Et bien sûr, l'industrie de la publicité connaîtra des applications d'apprentissage en profondeur. Une annonce récente de Coca-Cola indique qu'ils souhaitent utiliser des robots d'IA pour créer de la musique pour des publicités, écrire des scripts, publier un spot sur les réseaux sociaux et acheter des médias, ce qui implique que la révolution des publicités d'apprentissage en profondeur semble plus proche de la réalité que jamais.

Du point de vue de l'annonceur : des algorithmes d'auto-apprentissage qui réagissent intelligemment aux situations inattendues

Selon une nouvelle étude d'Adlucent, les consommateurs recherchent une expérience publicitaire personnalisée et 71 % des personnes interrogées préfèrent les publicités adaptées à leurs intérêts et à leurs habitudes d'achat. L'étude a également montré que les gens sont presque deux fois plus susceptibles de cliquer sur une annonce présentant une marque inconnue, si l'annonce était adaptée à leurs préférences.

Avec l'augmentation de l'accès aux données et l'évolution rapide de la concurrence, il n'a jamais été aussi important pour les spécialistes du marketing de comprendre le bruit qui entoure les utilisateurs, mais cela n'a jamais été aussi plus facile. Un modèle de personnalisation typique peut être réalisé sans algorithmes très avancés, mais nous savons que cette limite a déjà été atteinte. Cependant, de nouveaux algorithmes d'apprentissage en profondeur peuvent détecter des situations inattendues et un potentiel caché.

Par exemple, imaginez que vous avez oublié l'anniversaire de votre ami. Avec seulement deux jours restants, il n'y a pas beaucoup de temps pour rechercher un produit, mais encore assez pour chercher quelque chose de spécial. Dans ces cas, une personnalisation ultra-précise peut faire la différence, et les modèles d'apprentissage en profondeur peuvent commencer à savoir que vous recherchez quelque chose avec enthousiasme.

Qu'il s'agisse d'un changement soudain de comportement ou d'une frénésie de magasinage apparemment urgente, un modèle typique serait aveugle à ces points de données, mais l'apprentissage en profondeur peut établir des liens.

Une compréhension approfondie du comportement d'achat des consommateurs n'est pas encore largement disponible pour les acteurs du commerce électronique, mais elle est essentielle pour les spécialistes du marketing. Par exemple, il est assez facile de trouver des modèles de prise de décision pour des pics de ventes typiques et prévisibles comme le Black Friday ou la Journée de la femme. Cela devient plus compliqué lorsqu'il s'agit d'identifier des événements individuels, avec un contexte très spécifique (comme l'anniversaire d'un ami à venir ou toute occasion soudaine).

C’est là que le deep learning prend le relais des méthodes traditionnelles. Inspiré des neurones biologiques de notre cerveau, l'apprentissage en profondeur entre dans le jeu et permet d'obtenir des descriptions utilisateur plus fiables, plus riches et interprétables par la machine du potentiel d'achat des clients sans avoir besoin d'une expertise humaine.

Contrairement à l'approche traditionnelle de l'apprentissage automatique, l'apprentissage en profondeur est capable de distinguer un utilisateur dans une foule en ligne, une personne qui peut initialement ressembler à un utilisateur agissant de manière chaotique, mais qui a en fait le plus grand potentiel pour finaliser un achat.

Cela est possible car les algorithmes d'auto-apprentissage définissent chaque client potentiel qui recherche un produit légèrement différent des modèles habituels. Il fait référence à l'histoire et voit que la personne a changé son comportement de manière dynamique. Il fournit ensuite des probabilités de conversion extrêmement précises, en apprenant non seulement d'un utilisateur, mais de chaque utilisateur du réseau.

Par exemple, si le cadeau d'anniversaire était un "nouveau casque", le reciblage basé sur l'apprentissage en profondeur verrait l'utilisateur rechercher rapidement parmi 10 modèles différents, vérifier les spécifications, se réduire à une fourchette de prix. Cela le définirait comme une situation inhabituelle et urgente, tandis que les algorithmes traditionnels ne le verraient que comme un comportement indécis et erratique – ou ne le remarqueraient pas du tout.

Sachant que la personne a un besoin urgent d'acheter quelque chose, la boutique en ligne peut automatiquement pousser le consommateur à finaliser l'achat dans sa boutique en ligne spécifique.

Du point de vue de l'utilisateur : des algorithmes de deep learning qui prédisent vos envies

Lorsque l'intelligence artificielle est appliquée à toute distribution commerciale de produits ou de services, elle devient une extension unique de qui nous sommes. Cela fonctionne de manière phénoménale dans le système de recommandation de Netflix, et de nombreux films regardés sur Netflix proviennent des suggestions améliorées par l'apprentissage en profondeur de l'entreprise.

Amazon fait également confiance aux algorithmes d'auto-apprentissage. Le système breveté d'« expédition anticipée » basé sur un algorithme de la société peut définir de manière ultra-précise les modèles d'achat des clients et prédire la marque, la gamme de prix et le produit qui seront achetés. Sur cette base, Amazon peut expédier des produits aux centres de distribution avant même qu'une commande ne soit passée, ce qui révolutionne l'industrie du commerce électronique.

L'IA, en particulier l'apprentissage en profondeur, est l'outil parfait pour prédire les désirs d'un utilisateur dans l'industrie de la publicité. La technologie simplifie notre expérience utilisateur quotidienne en proposant des publicités très ciblées qui contiennent non seulement des produits que nous sommes plus susceptibles d'acheter, mais aussi ceux que nous n'avons pas vus ou des produits auxquels nous n'avons même pas pensé.

Imaginez que vous venez d'acheter un nouvel appareil photo. Des algorithmes d'apprentissage en profondeur analyseront chaque partie de ce que vous avez fait : date d'achat et d'achat, spécifications de l'appareil photo, historique, comportement, etc. Les algorithmes seront en mesure de concevoir des recommandations de produits répondant à vos besoins personnels qui vont au-delà des suggestions typiques.

Des objectifs compatibles ou des cartes mémoire supplémentaires ou un trépied d'appareil photo peuvent être de bonnes recommandations, tandis qu'une annonce vidéo suggérée avec un drone-caméra peut vous montrer quelque chose auquel vous n'aviez même pas pensé – mais que vous voulez maintenant inconsciemment.

Les recommandations de produits connexes d'Amazon aident à encourager les utilisateurs à effectuer des achats supplémentaires

La raison pour laquelle l'apprentissage en profondeur a tant d'impact est qu'il apprend de la même manière que les gens, mais beaucoup, beaucoup plus rapidement. Il examine les désirs de chaque personne sur une base individuelle, tout en prenant également en compte les données de millions d'autres et en fournissant des résultats en temps réel. C'est un exploit qu'aucun humain ne pourra jamais espérer accomplir.

Les outils d'apprentissage en profondeur des annonceurs entraîneront des changements dans la façon dont nous recommandons les produits, en pesant soigneusement la valeur d'un acheteur potentiel, en prédisant la probabilité de conversion et, surtout, en apprenant leurs désirs. Les algorithmes d'auto-apprentissage permettent d'obtenir une analyse des utilisateurs extrêmement précise et, par conséquent, rendent la publicité environ 40 % plus efficace.

Dans un avenir proche, les annonceurs et les utilisateurs connaîtront l'évolution de la publicité. Bien que cela puisse sembler un peu de la science-fiction, cette technologie est une progression naturelle pour rendre les activités en ligne plus efficaces que jamais.