Nous avons interrogé un expert du RTB, Stéphane Dugelay CEO/CTO de mediarithmics, pour parler de la tendance du “Bring Your Own Bidder” / optimisation pre-bid qui devrait faire bouger les lignes du marché programmatique.
Nouvel arrivant sur le marché du data marketing et de la programmatique, mediarithmics revendique un positionnement très « techno »… tout comme la majorité des acteurs déjà en place. Quelles sont donc selon vous les critères technologiques différenciateurs sur l’achat programmatique ?
Au-delà du positionnement marketing, il faut en effet identifier les éléments technologiques qui permettent à un DSP d’être plus performant que la moyenne dans un marché en constante évolution. La qualité de l’accès aux places de marché (reach, gestion des formats innovants, temps de réponse …) n’est plus un critère différenciant, chaque DSP sérieux proposant un accès large et multimédia à l’offre programmatique. Le critère qui va différencier les DSP (et par voie de conséquence les trading desks et les agences) sur l’achat programmatique réside dans le modèle d’optimisation de la performance de l’achat, ou autrement dit, dans la capacité à s’appuyer sur un algorithme d’ « optimisation pre-bid ».
Mais la majorité des DSP ou Trading Desk ont déjà développé des algorithmes d’optimisation du Bid. Est-ce crédible, pour un nouvel entrant, de prétendre se différencier sur ce domaine ?
Seul l’avenir pourra dire si notre solution est meilleure que d’autres. Arrivés sur le marché après les leaders actuels, nous avons pu suivre les évolutions et anticiper les ruptures pour développer une solution originale réunissant dans un modèle ouvert les deux grandes approches de bidding. Il existe en effet deux grandes familles de DSP aujourd’hui, ayant chacune un mode d’achat fondamentalement différent. D’un côté, ce qu’on peut appeler les « bidders natifs » – à l’instar de Criteo ou Rocket Fuel – s’appuient sur leur algorithme d’optimisation pre-bid pour calculer pour chaque bid-request une prédiction de clic et instantanément adapter la proposition d’enchère. De l’autre côté, les « bidders généralistes » sur lesquelles les campagnes sont paramétrées et optimisées sur la base de filtres et de segments. Les bidders généralistes offrent un bon niveau de modularité pour répondre aux demandes hétérogènes de campagne de branding (ex : « campagne de visibilité pour un marque de luxe cherchant à cibler les CSP+ urbains sur des supports premium »). Leur modèle de conception intrinsèque ne pourra cependant jamais rivaliser avec les bidders natifs sur la performance (eCPC, voire eCPA). La compétition est en effet inégale : là où les bidders natifs s’appuient sur un robot qui optimise en amont en quelques millièmes de secondes son niveau d’enchère sur chaque bid request et cookie, prédisant la probabilité de clic sur la base d’une combinaison d’une quarantaine de variables sur l’utilisateur et l’emplacement, les bidders généralistes doivent à l’autre extrême itérativement positionner des combinaisons de filtres pour améliorer leur CTR sur les segments obtenus. Soit beaucoup plus de travail, beaucoup plus de temps pour à la fin moins de performance.
Comment les acteurs dits généralistes répondent à cette concurrence des bidders natifs ?
Appnexus, conscient des limites du modèle filtre / segment a récemment annoncé la sortie de sa solution AppNexus Programmable Bidder. C’est une belle initiative qui va devoir faire ses preuves : en proposant un langage de programmation propriétaire la question est de savoir si les statisticiens pourront exprimer toute leur ingéniosité sur les sujets techniques qui font la performance (ingénierie des variables, algorithme de prédiction, fonction de prix). Du côté des trading desks les plus matures, on observe également une prise de conscience des limites du modèle filtre / segment. Certains ont en effet développé des surcouches algorithmiques pour accélérer l’apprentissage et l’ajustement des filtres ; cela améliore l’utilisation de ce modèle … mais le modèle reste imparfait (améliorations itératives a posteriori par segment vs. modèle automatique a priori par utilisateur).
Concrètement, qu’est-ce qu’on gagne à passer par une optimisation pre-bid ?
Tout d’abord, du temps dans le paramétrage et l’optimisation de la campagne, de la rapidité dans l’apprentissage et de la performance. Concrètement, on peut ainsi optimiser une campagne en quelques jours seulement pour voir sa transformation gagner 30% à 150%. Mais l’algorithme d’optimisation pre-bid permet aussi de démocratiser la gestion de toute sorte de campagnes programmatiques. Avec un moteur efficace sur lequel s’appuyer, l’expertise humaine en gestion de campagne pre-targeting, si elle reste intéressante, n’est plus un prérequis pour se lancer. A l’instar de ce qu’on peut observer aux Etats-Unis, les plus gros annonceurs français pourraient de plus en plus se poser la question de l’internalisation des compétences, que ce soit sur le pretargeting RTB que sur le CRM targeting ou le retargeting.
En quoi l’algorithme pre-bid de mediarithmics est-il différent des autres ?
Nous utilisons aujourd’hui le meilleur algorithme d’optimisation pre-bid au monde ! Et nous aurons également le meilleur algorithme d’optimisation pre-bid demain…
Des preuves concrètes seraient bienvenues à ce stade …
Au-delà de ces phrases provocatrices, il faut s’intéresser à l’évolution de la statistique qui a, depuis deux ans, investit sérieusement le sujet de l’optimisation des clics et des conversions. De nombreux challenges « open-innovation » ont été lancés à l’échelle internationale et de nombreuses publications sont désormais accessibles. mediarithmics n’a donc pas un grand mérite ici puisque nous ne faisons que reprendre et intégrer le meilleur algorithme du moment. L’originalité de notre modèle ne tient donc pas à la performance intrinsèque de l’algorithme d’optimisation que nous actualisons chaque trimestre. Notre spécificité provient de notre architecture de plugins qui permet d’intégrer rapidement un algorithme externe personnalisé en fonction des besoins propres de nos plus gros partenaires (ex : algo spécifique au domaine de l’assurance, algo d’optimisation au CPA et non au CPC, …). Nous fournissons à ces partenaires la boîte à outils et ces derniers sont libres d’utiliser leur propre code (et notamment les langages spécifiques utilisés dans le domaine de la data science) pour développer un algorithme valorisant à leurs justes mesures leurs variables spécifiques. A titre d’exemple, intégrer un algorithme tiers est pour mediarithmics aussi facile qu’intégrer une bannière dynamique. Par ailleurs, la plateforme mediarithmics offre la possibilité d’exploiter dans l’algorithme d’optimisation pre-bid les données “chaudes” de l’utilisateur (durée de visite, abandon panier, temps depuis la visite, comportement off-line, …), les données froides (score CRM, historique d’achat, …) et les données communiquées par les places de marché (type de sites, heure, géolocalisation, première impression de la journée, première impression sur le site, …). Le tout avec un jeu de variables librement définissable. Enfin, nous fonctionnons en « vrai temps réel » que ce soit sur les scénarios de campagne comme sur le reporting dans l’interface. Une visite d’un internaute sur la page d’un marchand va instantanément modifier la stratégie d’enchère pour cet utilisateur – là où l’approche par filtre / segment ne permet pas cette réactivité.
Comment du coup se positionne mediarithmics dans un marché déjà riches en acteurs de qualité ?
Nous sommes et resterons une solution technologique de data marketing. Notre plateforme peut permettre aux annonceurs les plus matures souhaitant s’émanciper en gardant le contrôle de leur patrimoine Data de s’appuyer sur une solution ouverte et transparente pour gérer et optimiser leurs campagnes de pretargeting, CRM targeting ou retargeting. En plus de l’algorithme d’optimisation prebid, notre plateforme réunit l’ensemble des briques technologiques nécessaires pour opérer des campagnes de retargeting. Mais tous les annonceurs n’auront pas l’envie et les moyens d’opérer seuls et efficacement leurs campagnes. Notre solution fait donc également sens auprès des partenaires des annonceurs (agences, …) qui souhaitent rapidement affirmer un positionnement RTB différenciant. Nous déployons en parallèle pour quelques annonceurs et éditeurs spécialisés l’ensemble de nos briques Data Marketing, de l’amélioration de la connaissance de son audience jusqu’à l’activation de scénarii marketing multicanaux comprenant bien évidemment le canal programmatique.
(Images : mediarithmics.com.)
