Avec Google rejoignant Apple (Safari) et Mozilla (Firefox) pour mettre fin à la prise en charge des cookies tiers dans Chrome, nous sommes en train de perdre l’exactitude des rapports sur lesquels nous nous appuyions autrefois pour mesurer le retour sur investissement publicitaire.
Nous sommes confrontés à un énorme défi d’attribution publicitaire pour lequel il n’existe tout simplement pas de solution simple.
La publicité PPC est connue pour sa mesurabilité supérieure par rapport à la publicité traditionnelle.
Alors, comment prouver notre valeur dans un monde où l’exactitude de nos rapports sera gravement affectée par les réglementations renforcées en matière de confidentialité des utilisateurs ?
Ce sont les problèmes que nous rencontrons déjà avec l’inexactitude du suivi des publicités Facebook sur les appareils iOS 14.
Les annonceurs auront toujours accès à leurs propres données de première partie et pourront les utiliser, mais la correspondance des données entre les réseaux s’avérera beaucoup plus difficile. Il s’appuiera sur une analyse plus approfondie de chaque plate-forme plutôt que sur la vue multiplateforme activée par le suivi des cookies tiers.
C’est là qu’intervient le concept de salles blanches de données.
Qu’est-ce qu’une Data Clean Room ?
Une salle blanche de données est un logiciel qui permet aux annonceurs et aux marques de faire correspondre les données au niveau de l’utilisateur sans réellement partager de PII/données brutes entre eux. Les principales plateformes publicitaires telles que Facebook, Amazon et Google utilisent des salles blanches de données pour fournir aux annonceurs des données correspondantes sur les performances de leurs publicités sur leurs plateformes.
Toutes les salles blanches de données ont des contrôles de confidentialité extrêmement stricts qui ne permettent pas aux entreprises de visualiser ou d’extraire des données au niveau des clients.
L’avantage pour les annonceurs est une image beaucoup plus claire des performances publicitaires au sein de chaque plate-forme. Mais il s’appuie en premier lieu sur une solide banque de données de première partie afin d’exécuter toute correspondance significative avec les données de la plate-forme.
Par exemple, Google Ads Data Hub vous permet d’analyser les performances des médias payants et de télécharger vos propres données de première partie sur Google. Cela vous permet de segmenter vos propres audiences, d’analyser la portée et la fréquence et de tester différents modèles d’attribution.
Il y a un problème majeur avec cette approche. Bien que de nombreuses plateformes prétendent être en mesure d’offrir une solution de salle blanche cross-canal, il est difficile de voir comment ce serait le cas étant donné les contrôles de confidentialité stricts mis en place par Google et d’autres plateformes.
C’est très bien si une marque veut augmenter ses dépenses sur chaque plate-forme, mais crée toujours un défi dans l’attribution inter-réseaux.
Un exemple : hub de données Google Ads
Google Ads Data Hub devrait être une solution évolutive pour la mesure de la publicité spécifique à Google (Search, Display, YouTube, Shopping), les informations sur les campagnes et l’activation de l’audience.
Ads Data Hub est plus efficace lorsque vous exécutez plusieurs plates-formes Google et si vous avez une quantité importante de données de première partie à apporter à la partie (par exemple, des données CRM).
Ads Data Hub est essentiellement une API. Il relie deux projets BigQuery : le vôtre et celui de Google.
Le projet Google stocke les données de journal que vous ne pouvez pas obtenir ailleurs en raison des règles GDPR.
L’autre projet doit stocker toutes vos données de performances marketing (en ligne et hors ligne) provenant de Google Analytics, CRM ou d’autres sources hors ligne.
Défis et limites de la salle blanche des données
Les données de première partie (celles utilisées pour alimenter les salles blanches de données) présentent moins de problèmes liés au respect des réglementations en matière de confidentialité et à la gestion du consentement des utilisateurs.
Mais les données de première partie sont également beaucoup plus difficiles à obtenir que les données de cookies tiers.
Cela signifie que les «jardins clos» tels que Google, Facebook et Amazon qui ont accès à la plus grande banque de données clients bénéficieront de pouvoir fournir aux annonceurs des solutions de mesure améliorées.
De plus, les marques qui ont accès à de nombreuses données sur les consommateurs – par exemple, les marques s’adressant directement aux consommateurs – gagneraient un avantage marketing par rapport aux marques qui n’ont pas de relations directes avec les consommateurs.
La plupart des salles blanches de données ne fonctionnent aujourd’hui que pour une seule plate-forme (par exemple, Google ou Facebook) et ne peuvent pas être combinées avec d’autres salles blanches de données.
Si vous faites de la publicité sur plusieurs plates-formes, vous trouverez cela limité, car vous ne pouvez pas joindre les données pour créer une vue complète du parcours client sans assembler manuellement les informations.
Avant que les spécialistes du marketing ne plongent dans une plate-forme de salle blanche spécifique, la première considération doit être de savoir quelle part de vos dépenses publicitaires est consacrée à chaque réseau.
Par exemple, si la majorité des dépenses numériques se concentrent sur Facebook ou d’autres plates-formes non Google, il ne vaut probablement pas la peine d’investir dans l’exploration de Google Ads Data Hub.
Alternatives aux salles blanches de données
Les salles blanches de données ne sont qu’un moyen de surmonter les défis auxquels nous sommes confrontés avec la perte de cookies tiers, mais il existe d’autres solutions.
Deux autres alternatives notables en cours de discussion en ce moment sont :
Suivi basé sur le navigateur.
Google affirme que son apprentissage fédéré des cohortes (FLoC) dans Chrome est 95 % aussi efficace que les cookies tiers pour le ciblage et la mesure des publicités.
Essentiellement, cela masquera les identités des utilisateurs dans de grands groupes anonymes, dont beaucoup sont sceptiques.
Pour être clair, les FLoC ne sont pas des salles blanches, mais ils anonymisent les données au niveau de l’utilisateur et regroupent les audiences en fonction d’attributs partagés.
ID universels.
Les ID utilisateur universels sont une alternative à l’option de suivi basée sur le navigateur présentée dans le bac à sable de confidentialité de Google. Celles-ci seraient utilisées sur toutes les principales plates-formes publicitaires, mais anonymes, de sorte que les annonceurs ne verraient pas l’adresse e-mail ou les données personnelles d’une personne.
En théorie, l’utilisation d’identifiants universels faciliterait l’attribution entre réseaux pour les annonceurs. car l’étiquette d’identification universelle répliquerait efficacement la fonctionnalité des cookies tiers.
Qu’est ce que contiendra le futur?
Le suivi et le reporting ne sont plus la tâche de fond que nous tenions pour acquise, cela nécessite désormais consentement explicite de l’utilisateur. Cette transition oblige les entreprises à demander aux utilisateurs leur consentement pour céder plus souvent leurs données.
Il oblige les utilisateurs à cliquer sur des fenêtres contextuelles de confidentialité plus gênantes. Cela créera probablement plus de frictions pour les utilisateurs, du moins à court terme, mais c’est le compromis pour un Web libre et ouvert.
Au-delà des « jardins clos » comme Google, certaines entreprises travaillent à construire des salles blanches de données omnicanales. Aucune donnée PII n’est stockée et seules les données agrégées sont partagées avec l’entreprise.
Bien que cela aiderait certainement à relever le défi de l’attribution multiplateforme, il y aura probablement un décalage entre les données fournies entre les différentes plateformes publicitaires qui nécessiteront une interprétation manuelle.
Quelle que soit la technologie de « salle blanche » qui permettra cette mise en correspondance des données, il est nécessaire d’investir dans la création de vos propres données de première partie maintenant pour permettre tout recoupement de données avec des plateformes publicitaires ou des fournisseurs de technologies publicitaires.
Cela nécessite de créer et d’échanger de la valeur contre des données approfondies sur vos clients.
Davantage de ressources:
- Google Analytics suivra les données sans cookies
- Comment préparer mes campagnes PPC pour un monde sans cookies ?
- PPC 101 : Un guide complet des bases du marketing PPC
Image en vedette : Quardia/Shutterstock
Premier dans le texte image: Hallam.co.uk, août 2021
