- LLM, Machine learning, IA, programmatic, modèle MMM.. pourquoi le marketing digital semble désormais devenir un objet de plus en plus cryptique. Comme si pour faire un marketing de qualité, il fallait à tout prix le complexifier pour le notabiliser au point de le rendre inaudible. C’est grave docteur ?
"La complexité ne donne pas de valeur aux choses, elle les rend seulement moins accessibles", écrivait Milan Kundera. Et pourtant, rares sont ceux qui résistent à son appel. Question d’efficacité dit-on, mais aussi de posture, d’air du temps et de paresse si j‘ose le mot. Pourtant faire simple, c’est pas rocket science, si ?
Pourquoi sommes-nous tomber dans l’ère de l’inintelligible ?
La complexité, c’est l’avenir ? Avec l’essor de l’IA générative, nous sommes en plein dedans ! Fini le travail de la pensée besogneuse, maintenant, nous sommes de plus en plus enclins à faire bosser ChatGPT pour nous. Sa puissance de calcul et d’ingestion de la donnée est telle que forcément sa restitution est de qualité supérieure. C’est d’ailleurs souvent vrai, mais évidemment il faut se garder de tout réflexe pavlovien. Nous avons tous été parfois circonspects devant les réponses de l’IA, à la manière d’une poule devant un couteau. Est-ce à dire que nous n’avons pas encore atteint un niveau de pensée pour comprendre la vitalité des réponses de notre ami GPT ? A voir.
De manière générale, le crédit accordé aux modèles algorithmiques résiste parfois mal à l’épreuve du réel. Dans le marketing digital, cela relève un peu de la pensée magique. LLM, modèle MMM, surcouche de machine learning à tous les étages… c’est le triomphe de la complexité comme modèle au point d’ailleurs qu’il devient parfois difficile de prendre du recul sur les recommandations. Si c’est l’outil qui le dit. Or quand on ne comprend pas le modèle de donnée ou le fonctionnement de l’arbre de décision, c’est souvent le meilleur moyen de faire un contre-sens.
Faire travailler un algorithme est souvent une bonne approche à condition d’avoir un modèle de donnée fiable et résilient. Pour les annonceurs, j’ai toujours trouvé surprenant la confiance parfois aveugle accordée aux modèles mathématiques publicitaires qui après tout auraient plus intérêt à augmenter le CA des éditeurs que celui des payeurs. Les dernières révélations du procès antitrust Google semble d’ailleurs aller dans ce sens : l’acteur américain semblerait augmenter de façon arbitraire les enchères non pas en fonction de la concurrence, mais de ses objectifs business. Etonnant ?
"On voit fleurir ci et là des recommandations automatiques qui constituent le faux nez de la simplicité"
La complexité, c’est la censure ? Les outils de l’adtech l’ont bien compris : le temps est une ressource rare et les marketeurs sont plutôt prêts à embrasser toutes les croyances du moment que cela leur permet d’aller vite. Ainsi, on voit fleurir ci et là des recommandations automatiques qui constituent le faux nez de la simplicité. En 2 clics, on change un paramètre de campagne qui nous permettrait de faire X3 sur nos performances, facile, non ? Et imbattable car cela serait la résultante de l’apprentissage mathématique sur nos jeux de données !
Dans les faits, ce modèle complexe empêche tout débat, c’est la reductio ad penseum. Pourquoi s’embêter à réfléchir différemment, à simplifier le modèle de prise de décision, à ne regarder que la relation entre 2/3 variables, c’est le marketing d’il y a 20 ans ça. Les organisations avancées prennent des décisions basées sur des modèles à X milles variables. La data science > le terrain. Seulement, c’est oublié qu’il y a pléthore d’inputs non modélisables, que la donnée entrante est souvent de qualité médiocre, qu’il y a des coûts associés à la complexité (latence & maintenance).
Mais circulez, il n’y a rien à voir. Si c’est l’algo de Google qui dit qu’il faut augmenter le budget fortement et ouvrir les vannes des enchères, c’est surement qu’il a raison. Si l’IA Einstein de Salesforce nous suggère une tournure de phrase à la limite du Français dans nos emails, c’est qu’il sait de quoi il parle (et pas qu’il a été entraîné sur des jeux de données en anglais). Fin du débat et auto-apply.
La complexité, c’est des effets de posture: La complexité, c’est la distinction. Il y a les sachants et les autres. Le meilleur exemple reste l’univers de la crypto qui se trouve dans la double posture quasi schizophrène de vouloir à tout prix démocratiser son adoption, mais de tout faire pour créer des bannières à l’entrée avec un fonctionnement et un jargon sibyllin.
"La complexité, c'est pour les agences, un moyen de justifier des prestations, pour les adtechs des frais de licence et des coûts de maintenance"
Dans le marketing digital, il y a un peu de cela. Au-delà des anglicismes, ce sont surtout les modèles d’architecture techniques et l’écosystème outil qui semblent de plus en plus cryptiques pour le néophyte. Allez expliquer votre métier aux repas de famille. Pour les insiders, il s’agit de protéger un actif qu’ils ont mis du temps à consolider, cela confère une valeur intrinsèque qui se monétise. Pour les agences, cela se transforme en prestation; pour les adtechs en licence et coût de maintenance ; pour les collaborateurs, c’est l’assurance d’avoir un haut niveau d’employabilité et d’autonomie dans l’organisation. Car bien entendu, on chouchoutera toujours les fonctions qui paraissent avoir des barrières à l’entrée forte et devoir gérer un haut niveau de complexité.
Or il n’y a pas de corrélation immédiate entre complexité et point névralgique pour l’entreprise. C’est une fausse idée. D’ailleurs, c’est même souvent l’inverse et les entreprises leader sur un marché le sont car bien souvent elles ont simplifié une démarche, rendu accessible un produit/service, ou démocratisé une compétence.
La complexité, c’est l’innovation ? C’est l’écueil classique des boîtes qui ont à prouver. En start-up, on lance un Most Valuable Product (MVP) et très vite, nous sommes aspirés par l’envie de le packager avec pléthore de fonctionnalités au point parfois de brouiller le message. L’appel à la modernité est un chant des sirènes auquel il est facile de succomber. Pour éviter de passer pour ringard, on ne compte plus le nombre d’organisations qui ont consacré une énergie folle pour avoir leur projet blockchain, NFT, ou encore leur room ClubHouse.
Bien souvent, c’est faire fi de l’attente client qui réclame un produit très fort sur le cœur de métier de l’entreprise. Le pivot (et le mea culpa) de Lydia survenu l’année dernière est éclairant. En préemptant le marché de l’échange monétaire entre particuliers, l’app a très rapidement essayé de basculer sur un modèle marketplace rendant peut-être inaudible son positionnement. Son CEO a fait amende honorable. Dont acte
Sans parler fonctionnalité, parfois ce sont les modèles de données ou architecture SI qui virent à l’inaudible avec une complexité telle qu’ils empêchent non seulement toute prise de décision, mais rendent inopérant ou intraçable la moindre action. Le primat du tout mathématique fait de la mesure une nouvelle religion qui contraint. On pourrait lancer tel ou tel test, mais sans mesure fiable ou sans modèle de donnée solide, on s’y refuse. Et c’est comme cela, que des acteurs perdent en sérendipité.
Pourtant, on ne compte plus aujourd’hui les écueils liés aux modèles organisationnels complexes. Bien souvent, c’est même le cache-sexe de nos manquements. 4 exemples actionnables pour contourner cela
La stratégie des petits pas : Aujourd’hui, sur les campagnes Google Ads, les annonceurs sont fortement incités à basculer au pilotage à la valeur, c’est-à-dire optimiser les performances en fonction du retour sur investissement bien souvent modélisé par un score interne pour les acteurs lead gen. Après plusieurs tests durant 1 an et de la bande passante prise dans l’équipe data science pour créer des scores personnalisés qui ingèrent jusqu’à 200 variables, nous arrivons à la conclusion que nous faisons finalement aussi bien en actionnant 2 variables discriminantes à la main : le device et la localisation. Le choix est vite fait.
Le finetuning à outrance ou le mass media : L’hyper-segmentation est une vision cible à laquelle les annonceurs devraient s’accrocher pour proposer un marketing de qualité. Mais parfois, cela empêche toute action ou mise en place de bonnes pratiques. On entend trop souvent : « ah non on personnalise pas car on attend le retour sur les personnas » ou « on n’a pas encore le bloc de recommandations »… alors qu’une segmentation RFM qui est à la portée de tous n’est pas encore en place chez 75% des organisations (source : moi-même ). Ainsi donc entre l’hyper-personnalisation ou le mass media, il n’y aurait pas d’entre-deux, alors que c’est évidemment faux. Les annonceurs peuvent dès qu’ils le décident commencer à tester sur des populations randoms des contenus différents ou personnaliser déjà pour 1 ou 2 segments forts. Ces inputs glanés ci et là au gré des tests serviront justement à alimenter le futur jeu de données.
La simplicité dans le test : Histoire vraie. Cela fait 6 mois que l’on travaille sur la mise en place d’un test de personnalisation multi-variables avec prise en compte des données de navigation en temps réel. Résultat : toujours pas lancé et une certaine appréhension sur le futur go live. En parallèle, on lance 4/5 AB Tests par mois. Résultat : un changement de wording d’un CTA nous a fait gagner 5 points de taux d’entrée tunnel ; un changement d’url de redirection 4 points de taux de complétion.
"Aujourd’hui on assiste à une inflation des KPI disponible dans les plateformes marketing au risque de créer sinon de l’inertie, du moins de la confusion dans le pilotage"
Par extension, il ne faut pas tomber dans le piège de la mesure acharnée. Aujourd’hui on assiste à une inflation des KPI disponible dans les plateformes marketing au risque de créer sinon de l’inertie, du moins de la confusion dans le pilotage. Je suis partisan d’avoir un KPI majeur de succès pour déterminer si un test ou une campagne est un succès ou non
Le contenu limpide : Comme beaucoup de boîtes, on a lancé un programme d’offre de bienvenue à la souscription avec différents niveaux de paliers et des conditions difficilement compréhensibles par le client. L’objectif : mettre en place le maximum de garde fous pour éviter toute dérapage sur l’autel de la rentabilité. Dans les faits : une offre illisible qui n’a pas trouvé son public.
Depuis, on a enlevé tous les petits alinéas, toutes les conditions d’entrée et intégré un pourcentage fixe. Facile à comprendre pour les clients ; facile à piloter pour l’entreprise et un succès de collecte à la clé.
Gardons en tête la citation de Steve Jobs "Faire simple peut être plus difficile que de faire complexe car vous devez travailler dur pour épurer votre façon de penser, et concevoir un produit simple." Simple, mais pas basique.