Replay - "Comment repousser les frontières de la mesure grâce aux solutions Business Science d'Havas ?"
Repère essentiel pour guider la stratégie des marques, la mesure vaut par sa capacité à fournir une lecture fiable de l’efficacité des actions marketing. Dans un contexte de changements légaux et technologiques, elle est appelée à se transformer dans ses approches, et trouve avec l’IA, des modèles de solutions plus perfectionnés, générant plus d’intelligence, de sens et de valeur pour les marques.
Accompagnés de clients pour témoigner de leur expérience, les experts de la practice Business Science du groupe Havas présentent trois solutions innovantes :
- AIM : mesure de l’attribution & contribution augmentée par l’IA
- Virtual markets : modélisation nextgen, fondée sur la simulation
- Converged : plateforme de pilotage marketing pour relier mesure et activation.
Accompagnés de clients pour témoigner de leur expérience, les experts de la practice Business Science du groupe Havas présentent trois solutions innovantes :
- AIM : mesure de l’attribution & contribution augmentée par l’IA
- Virtual markets : modélisation nextgen, fondée sur la simulation
- Converged : plateforme de pilotage marketing pour relier mesure et activation.
Category
🗞
NewsTranscript
00:00Bonjour à toutes et à tous et bienvenue dans cette émission, je suis Masaki Allez,
00:19Head of Data de Avas Media Network. Nous allons passer ensemble à peu près une heure et pour
00:24discuter et évoquer les enjeux et les perspectives de la mesure à l'ère de l'IA, nous aurons le
00:29plaisir de recevoir les spécialistes qui, au sein du groupe Avas, conçoivent et créent ces
00:34nouvelles solutions de mesure. Ces spécialistes seront accompagnés de grandes marques qui utilisent
00:38ces solutions et qui pourront donc témoigner de leurs expériences et nous donner leur point de
00:42vue. Pour commencer, nous accueillons Siddhartha Chatterjee. Siddhartha est le Chief Data Officer
00:48du groupe ClubMed et nous accueillons également Étienne De Fumel qui est le directeur général
00:51adjoint de DBI, l'entité data du groupe Avas. Nous allons parler ensemble d'attribution et
00:57de contribution. C'est un exercice de mesure qui est déterminant pour évaluer la valeur qui est
01:02générée par les différents leviers médias investis par une marque, mais c'est aussi un
01:05exercice de mesure qui est devenu périlleux étant donné les difficultés à traquer le parcours des
01:10consommateurs. On estime aujourd'hui que sur les médias digitaux, environ 50% des points de
01:16contact ne sont plus traçables, soit parce qu'il n'y a pas de consentement, soit parce qu'il n'y a
01:20pas de cookies tiers. Alors Siddhartha, je vais m'adresser à vous pour cette première question,
01:24chez ClubMed, quelle a été votre réflexion sur le sujet durant ces dernières années ?
01:29Comme toutes les boîtes, au ClubMed, on a une difficulté à traiter ce sujet d'attribution
01:37depuis longtemps, pour plusieurs raisons. Le comportement des clients est en train de changer,
01:42avec des multiplications des canaux de vente, des canaux médiatiques, et puis plus récemment,
01:47le fond des cookies tiers, qui est quand même un mouvement assez drastique. Et c'est pour ça,
01:55depuis trois ans, on a investi massivement dans les données, et donc on a mis en place une data
02:00factory en temps réel avec presque 90% des données qui remontent en temps réel. Et puis,
02:06on est en train de naturellement intégrer aussi machine learning et puis l'intelligence artificielle
02:12dans les modélisations auteurs de médias, mais plus largement sur tous les autres sujets.
02:19D'accord, donc il y a de l'anticipation, vous essayez de vous diriger vers finalement de nouvelles
02:24technologies, et il y a, pour faire face à cette contrainte. Etienne, comment la solution AIM que
02:30DBI a créée répond à ces enjeux dont on a parlé ? Alors la solution AIM Measurement,
02:35elle a été créée pour répondre à ces problématiques justement. C'est une solution
02:39qui est 100% privacy, donc qui respecte les choix du consommateur. Et c'est une solution qui est là
02:48pour prédire ce que l'on ne peut plus mesurer. Ce que vous évoquiez tout à l'heure, les 50% que
02:53l'on ne peut plus mesurer de manière déterministe, on va utiliser des algorithmes de machine learning
02:58et d'IA qui seront là pour le prédire. C'est une solution qui répond à des enjeux réels pour les
03:05marques, savoir calibrer son investissement pour pouvoir augmenter le nombre de ventes,
03:10augmenter le ROI des marques. C'est une solution qui va permettre de mesurer l'impact de l'intégralité
03:18des médias depuis le haut du tunnel de conversion, les campagnes télé, les campagnes branding,
03:24jusqu'au bas du funnel avec les campagnes de performance 100% digitales. Cette solution,
03:30elle a pour vocation de mettre à disposition des experts, des traders, des opportunités
03:37d'optimisation, de bascule budgétaire, toujours pour augmenter le nombre de ventes.
03:42Alors SIDARTA, vous avez pris la décision d'utiliser cette solution, vous avez pu l'éprouver,
03:48vous avez déjà un certain temps d'expérience sur cette solution. Quels bénéfices vous avez
03:52pu en tirer, notamment sur vos enjeux assez critiques, il me semble, d'omni-canalité ?
03:58Effectivement, on a choisi cette solution parce qu'en cloud-main, on a beaucoup d'omni-canalités.
04:03Depuis dix ans, dès qu'on a mis en place la stratégie de montée en gamme, on a aussi
04:09priorisé les distributions directes. Aujourd'hui, 70% de toutes nos ventes sont sur nos canaux
04:14directs, soit site web, e-commerce, le média, les réseaux sociaux, etc. Et donc effectivement,
04:22l'omni-canalité est importante avec 11 canaux différents sur lesquels nos clients interagissent
04:30avec nous. Il y a environ trois mois entre le premier achat en moyenne, premier contact
04:34jusqu'au l'achat. Et pourquoi on a choisi cette solution ? C'est pour vraiment intégrer les
04:41parcours en ligne avec les parcours offline. Et on a vu effectivement des résultats,
04:50ça reste assez tôt dans l'aventure, mais on a une meilleure visibilité parce qu'on a vu trois fois
04:57plus de ventes qui ont été analysées pour construire ce modèle. Et puis notre ROAS a
05:02été révalorisé x5 vis-à-vis d'autres modèles plus classiques. Et ensuite, plus spécifiquement,
05:08sur certains compagnies comme Performance Max, on voit aussi une performance qui augmente x43.
05:14Par rapport à un modèle d'attribution classique ?
05:18Par rapport à un modèle d'attribution classique. Donc ce sont des premiers signaux qui sont
05:21encourageants, mais on est en mode en ce moment en pilote.
05:25D'accord. Alors Etienne, on sent sur le cas ClubMed que finalement un projet IAM peut être adapté en fonction des
05:33besoins et des enjeux spécifiques d'un client. Est-ce que vous pourriez nous en dire un peu plus ?
05:38Oui, exactement. Alors c'est très intéressant d'utiliser le terme projet parce qu'on n'est pas sur un
05:42produit. Avec AI Mesurement, on est sur un projet data qui sera 100% customisable pour chacun des
05:48clients ou pour chacun des besoins, des cas d'usage de nos clients. C'est un projet ou un
05:56produit que l'on peut customiser sur trois grands principes, je dirais. Le premier, c'est les sources
06:01de données qui sont utilisées. On a affaire à des centaines de sources de données différentes selon
06:07les secteurs dans lesquels on se trouve, selon les équipements des annonceurs. Donc on peut
06:13totalement adapter AI Measurement en fonction des sources, que ce soit les sources de données
06:17médias, que ce soit les sources de données des ventes ou de tout autre KPI que l'on souhaite
06:22mesurer ou intégrer dans ce modèle. Par exemple, chez ClubMed, on est allé chercher des données
06:26qui proviennent des agences ClubMed qu'il y a dans toute la France. On est allé chercher des données
06:31d'investissement médias sur certaines technologies, d'investissement télé sur d'autres. On a fait
06:36converger tout ça. C'est totalement adaptable à d'autres situations, à d'autres infrastructures.
06:41Deuxièmement, la personnalisation, elle se fait aussi au travers des algorithmes qu'on utilise.
06:48On utilise des bibliothèques algorithmiques qui sont entraînées sur les données de chacun des
06:53clients. Donc si vous voulez, les résultats qui seront mis à disposition des équipes, ils sont
06:58100% personnalisés à chaque entreprise puisque le modèle a appris sur les données de cette
07:03propre entreprise. Et enfin, dernier point et certainement l'un des plus importants pour
07:09lequel on a mis beaucoup d'efforts avec C-Data et ses équipes, c'est l'accompagnement au changement.
07:14Dans cette typologie de modèles d'attribution-contribution, on tient compte de beaucoup
07:19d'éléments que l'on ne pouvait plus mesurer ces dernières années. Je pense aux impressions,
07:23aux campagnes TV ou encore aux campagnes vidéo même. Ça met à disposition une interprétation
07:30très différente des modèles last-click qui sont encore très utilisés. Donc pour ça,
07:34on accompagne chaque partie prenante au projet depuis le démarrage en leur expliquant comment
07:39fonctionnent les algorithmes, comment ils pourront l'utiliser jusqu'à l'usage régulier pour pouvoir
07:44tirer des analyses, les meilleurs enseignements et activer, optimiser le ROI. C-Data, le mot de la
07:51fin sur IAM, en tant qu'annonceur utilisateur d'une telle solution de mesure, comment verriez-vous ce
07:58type de solution évoluer dans le futur ? Soyons fous, imaginons que tout est possible. Qu'est-ce
08:03qui correspondra encore mieux à vos besoins dans le futur ? Donc comme j'ai dit tout à l'heure,
08:09on est en mode pilote et ce pilote en fait dans notre business unit Europe-Afrique. Et en
08:17prochaine étape, notre grand enjeu ça va être de déployer en fait ce modèle à l'échelle monde.
08:23Et comme Étienne a expliqué, adapter ce modèle, customiser ce modèle, changer les sources de
08:28données et aussi adapter en fait les paramètres du modèle en fonction d'écosystèmes de vente
08:34dans chaque région qui peut différer entre l'Asie, l'Europe et les Etats-Unis ou même Brésil. Et du
08:41coup ça c'est un projet à long terme pour déployer à plus grande échelle. Et ensuite pour aller
08:47encore plus loin, je pense qu'il y aura une vraie application aussi d'IA Générative pour combiner
08:53en fait le puissant d'IA Générative qui propose d'aller vers prescriptif, c'est-à-dire que de
09:00pouvoir résumer en fait tous les indicateurs, tous les chiffres des résultats de ce genre de
09:04modèles pour mieux interpréter et gagner du temps dans l'analyse de ces chiffres et aussi préparer
09:10en fait des recommandations pour adapter ces investissements marketing afin d'augmenter
09:16l'ROI, l'ROAS et aller beaucoup plus vite. Donc mieux exploiter les résultats de la mesure
09:22qui est produite par une solution comme IA. C'est ça. Merci Siddhartha, merci Étienne,
09:28on se retrouve tout de suite pour un nouveau sujet.
09:30Nous recevons maintenant deux nouveaux invités, Benjamin Touffet, responsable médias et
09:40performance marketing chez Carglass et Gaëlle Le Faller, directrice générale adjointe de l'Institut
09:45de CSA Data Consulting. Bonjour Gaëlle et bonjour Benjamin. Alors on va parler innovation dans le
09:52domaine de la modélisation. La modélisation est un exercice, une discipline disons qui évolue et
09:58on voit depuis peu se développer une nouvelle approche fondée sur la simulation du comportement
10:03consommateur. Dans la profession on appelle ça agent-based modeling, chez Avast Business Science
10:09on a décidé d'appeler ça virtual market. C'est une approche dont la méthodologie et je dirais
10:15même peut-être la philosophie se distinguent assez clairement d'études MMM classiques. Alors
10:20Benjamin, vous chez Carglass vous avez l'habitude de faire depuis longtemps et régulièrement des
10:25études MMM. Qu'est-ce qui vous a poussé, qu'est-ce qui vous a conduit à tester cette nouvelle approche?
10:30Alors effectivement Masaki, ça fait à peu près 15 ans qu'on travaille avec CSA Data
10:35Consulting sur un modèle économétrique, un MMM, chaque année. L'objectif de ce MMM c'est de
10:41bien comprendre le business de Carglass, ses évolutions jour après jour, puisque désormais
10:45on modélise à la journée, et ce afin de bien comprendre l'efficacité publicitaire. Et pour
10:51aller plus loin, en plus de ce MMM, on a décidé il y a deux ans de travailler avec CSA Data
10:56Consulting sur virtual market, qui est une vision un petit peu plus large que le modèle
11:00économétrique habituel puisque là on a une dimension marché. Ça veut dire qu'on va regarder
11:07et on va mettre toutes les études à disposition Carglass au sein d'un même outil, le virtual
11:12market. Donc c'est des études conso, des études marché, des études d'images sur Carglass, et ce
11:17afin de produire des scénarii projectifs pour définir des orientations. Ce sont des données
11:22qu'on n'a pas l'habitude d'injecter dans une étude MMM classique d'ailleurs? Non, pas du tout. Dans
11:27le modèle économique MMM classique, on utilise surtout des données médias très granulaires, du
11:32GRP par exemple. On intègre aussi quelques données exogènes à Carglass, mais on ne rentre
11:37pas autant dans le détail du marché, de la concurrence, des parts de segment de marché par
11:41exemple. Alors Gaëlle, est-ce que vous pouvez nous expliquer en quoi fondamentalement cette nouvelle
11:46approche diffère de celle d'une étude économétrique classique? Oui, alors elle diffère, mais en fait
11:52moi j'ai vraiment envie de voir ça comme étant des études qui sont complémentaires l'une et
11:56l'autre. L'approche MMM, elle va avoir comme vertu de venir expliquer, comprendre le
12:02passé. On va venir mesurer de manière très régulière les efficacités des actions, médias
12:08et marketing, en tirer des conclusions et faire des optimisations sur la base du passé pour des
12:14plans futurs. L'approche du virtual market, elle est un petit peu différente dans déjà son état
12:19d'esprit, ou en tout cas ce qu'on va faire avec, puisque le MMM, il a ses limites. Comme je viens
12:24de vous l'expliquer, on se parle beaucoup de l'historique. Qu'est-ce qui s'est passé sur le
12:28passé via le MMM? En fait, le virtual market, on va pouvoir dépasser ses limites. On va pouvoir
12:33se projeter en disant, si demain je vais mettre en place quelque chose de différent sur mon marché,
12:39sur ma marque et sur mon marché, je vais donc être en capacité de déterminer quels sont les
12:45impacts, un, sur mes ventes, mais également sur l'ensemble du marché. Et c'est ça qui est
12:50intéressant, qui va au-delà de ce qu'on est en capacité de faire via les MMM. Et on va même
12:55pouvoir aller dans quelque chose de très granulaire autour des cibles, sur quelles
12:59cibles je vais vraiment pouvoir impacter si je fais des modifications sur mon plan média.
13:04Ça, on ne peut pas, ce travail sur la cible, on ne peut pas réellement l'effectuer sur une étude
13:08MMMKC. Non, c'est une des limites en fait. On ne peut pas vraiment aller spécifiquement
13:12regarder ce qui va se passer sur peut-être une tranche d'âge, alors que là, avec le Vermal
13:16Market, on n'a plus de limites finalement, puisqu'on va être là pour reconstituer de manière
13:20virtuelle le marché. Et pour revenir quand même sur un élément que vous évoquiez, sur les sources
13:26de données, l'approche elle diffère aussi de ce point de vue-là. Dans l'étude MMM, on va travailler
13:32sur une certaine base de données. La donnée, on va la retrouver plutôt sur la notion de business
13:38à la journée, de qu'est-ce qui s'est passé d'un point de vue média à la journée. Là, on n'est
13:42pas du tout sur les mêmes sources de données. Finalement, ce n'est pas la temporalité qui nous
13:45intéresse dans la partie Virtual Market, c'est qu'on va travailler principalement sur des études
13:51de points de contact, ça fait partie de nos sources premières, et puis également sur des études de
13:55brand tracking qui vont nous apporter tous les éléments sur les consommateurs et comment ils
14:01se positionnent par rapport à la marque et par rapport au marché. Et donc pour faire ça, Gaëlle,
14:06on a besoin de l'IA ? Alors, on a besoin de l'IA. L'IA, ce n'est pas que Virtual Market. L'IA,
14:12c'est au cœur de la méthodologie qu'on utilise chez CSA Data Consulting, à la fois sur les MMM et
14:17à la fois sur Virtual Market. Vous avez évoqué la notion de modélisation. Pour les MMM, on va
14:23venir effectivement modéliser. L'idée, c'est de venir expliquer les ventes et les variations de
14:28vente d'une journée à une autre. Dans Virtual Market, on est sur un autre type de modélisation,
14:35c'est ce qu'on appelle, comme vous le disiez, Legend Based Modeling. L'idée, c'est de venir
14:39reconstituer. Et c'est l'IA qui va nous permettre de reconstituer virtuellement le marché de nos
14:46annonceurs. Et on va le faire sur la base d'agents, de consommateurs un petit peu virtuels qui vont
14:52être représentatifs du marché. Donc, on va venir s'appuyer sur des études qu'on a évoquées. L'idée,
14:58c'est de venir modéliser, cette fois-ci, pas des ventes, mais des comportements de consommation en
15:04s'appuyant sur ces usages en termes de marques, sur la marque et les usages sur le marché. Et
15:11puis, on va aussi, bien évidemment, s'appuyer fortement sur les points de contact privilégiés.
15:18Puisqu'on va travailler sur des études de questionnaires, on a pu savoir quelles étaient
15:23les préférences finalement des consommateurs sur le fait d'être contacté pour tel et tel marché.
15:31On va s'appuyer dessus pour venir comprendre et évaluer finalement l'impact de chacun de
15:36ces consommateurs pour la marque, pour le business de la marque, pour les items de la
15:40marque. Mais c'est surtout ce que je trouve intéressant, c'est pour l'ensemble du marché.
15:44On va être en capacité, donc, de voir quels sont les transferts. Lorsque Carglass va faire
15:48quelque chose sur son marché, comment ça va venir impacter les autres sur ce marché d'Emery Classe.
15:53Donc, on part du consommateur, on part du prisme du consommateur. Est-ce qu'on peut dire qu'une
15:58certaine manière, on est dans une approche bottom-up, quand l'étude MMM est une approche
16:02top-down ? C'est exactement ça. C'est exactement cette idée. Et c'est pour ça aussi que j'ai une
16:07tendance à ne pas du tout vouloir comparer les deux méthodes. En fait, les méthodes,
16:11elles sont vraiment dans la complémentarité. Elles vont toutes les deux apporter quelque
16:14chose. Et on est exactement là si on va partir du consommateur pour pouvoir reconstituer ensuite
16:18l'ensemble du marché. Merci Gaëlle. Alors, Benjamin, est-ce que vous pouvez nous raconter,
16:23je dirais de manière la plus concrète possible, comment vous exploitez cette solution et pour
16:29quels bénéfices ? En fait, comme le disait Gaëlle, ça permet d'établir des scénarios qu'on ne peut
16:34pas forcément établir dans un MMM. Et à titre d'exemple, sur du marché, on a qu'est-ce qui se
16:41passe si Carglass ouvre 100 points de vente, quel est l'impact sur le marché et pour Carglass. Et
16:45pour parler plus dans l'écosystème marketing, on y a vu trois vertus pour nous Carglass en
16:51termes d'orientation stratégique. La première, c'est sur la partie médias. Carglass, on fait,
16:56et je pense que vous le voyez assez régulièrement ou vous nous entendez régulièrement, on fait
16:59énormément de télé, énormément de radio. Mais pour tout ce qui est mass médias autre que ces
17:03deux leviers, on en fait peu voire pas du tout. Avec Virtual Market, on a eu la possibilité de
17:09voir ce que donnent les différents touchpoints, les différents leviers en termes de performance.
17:12Et il s'avère que quand on ranke les différents leviers médias avec du budget supplémentaire
17:18versus ce qu'on fait aujourd'hui, il s'avère que le levier avec le plus de potentiel pour Carglass,
17:24c'est l'affichage. Or, c'est absolument pas un levier qu'on a l'habitude de travailler,
17:29on n'y pense pas forcément et donc mécaniquement, nous, ça nous incite à y réfléchir, à rencontrer
17:35les régies pour voir quel est le potentiel pour demain. Donc ça, c'était le premier point.
17:38Le deuxième point, il est plutôt de l'ordre de la mesure. Gaël disait aussi qu'on intègre beaucoup
17:43des données de Brand Tracking. Et dans un Brand Tracker, il y a de la notoriété, de la considération,
17:49de la préférence et d'autres items. Parfois, on s'y perd et on a un petit peu du mal à savoir
17:53quel est l'item à regarder. Avec Virtual Market, ce qu'on a pu déterminer, c'est que le cap
17:59liaï principal à suivre pour Carglass sur l'écosystème du marché du bric de glace,
18:03c'est la notoriété spontanée. Avec surtout en ligne de mire un sujet qui est de la préserver
18:09pour Carglass et donc pour la préserver, continuer à utiliser les mass médias. Pourquoi la préserver ?
18:14Parce que si on en gagne un petit peu, ça ne va pas nous apporter grand-chose d'un point de vue business.
18:19En revanche, si on en perd, ce sera bénéfique à nos concurrents. Et le troisième point, il est de
18:25l'ordre créatif sur la stratégie publicitaire, puisqu'on a pu voir sur les différents items
18:30d'image que Carglass a, que deux d'entre eux, la partie RSE et la partie proximité, sont les plus
18:37bénéfiques au business dans le cas où on arrive à améliorer ces items d'image dans le temps avec
18:43notre publicité, nos créas en télé et en radio. Donc c'est une approche qui est complémentaire
18:50des études MMM classiques que vous continuez à mener ? Exactement. Le MMM nous permet de
18:56peaufiner notre stratégie existante et le Virtual Market nous permet de nous projeter sur l'avenir
19:01avec des nouveaux leviers ou une nouvelle stratégie. Et potentiellement tester de nouvelles hypothèses
19:06sur certains choix médias que vous pourriez considérer. C'est exactement ça. Donc pour
19:11conclure Gaëlle, et si on résume, à qui peut s'adresser une telle solution et pour répondre
19:16à quels besoins ? Alors pour moi, ça va s'adresser aux directions marketing, aux directions générales,
19:22aux directions de la stratégie, comme on l'a évoqué. Pour moi, c'est tous ceux qui vont
19:26avoir envie de tester des stratégies médias marketing. Et là, j'ai envie de tester, mais c'est
19:33sans risque. On va être vraiment, il faut prendre le Virtual Market comme étant un laboratoire. C'est
19:39un laboratoire online où on va pouvoir tester sans risque et sans limites, toutes les stratégies
19:45médias marketing qu'on aimerait évaluer avant même de les avoir mises en place. Donc c'est
19:53vraiment pour moi, à toutes les personnes qui souhaitent d'un point de vue un peu stratégique,
19:57sortir de ce qu'ils font déjà et se projeter sur des nouveautés en termes de stratégies médias
20:04marketing. Merci Gaëlle, merci Benjamin. On se retrouve dans un instant pour parler de Converged.
20:10Alors on a vu avec Virtual Markets, on a vu avec AIM, deux nouvelles approches de la mesure qui
20:22répondent à un contexte data particulier, qui répondent à des besoins particuliers. Ce sont
20:27deux outils de mesure qui produisent, qui fournissent une information qui est très riche.
20:31Comment accéder au mieux à cette information ? Comment l'exploiter ? Comment l'actionner ? C'est
20:36la question sur laquelle on va se pencher maintenant avec vous Jérémy Desroets. Vous
20:41êtes directeur commercial en charge des canaux directs chez Canal Plus. Oui, bonjour. Et vous
20:47Pierre Raoul, vous êtes le vice-président en charge de Converged et des solutions IA chez
20:52Avas Group en France. Bonjour Masaki. Alors première question pour vous Jérémy. Chez
20:58Canal, vous utilisez différents outils de mesure. Vous avez de nombreuses sources de données
21:01différentes. Est-ce que vous pouvez nous en dire plus sur la manière dont votre dashboard
21:06Converged vous permet d'exploiter au mieux l'ensemble de ces données ? Alors, bonjour
21:11Masaki. Effectivement, on a différentes activations médias chez Canal Plus. Mais avant de parler de
21:18la mesure, juste pour se resituer du mouvement qu'on a fait chez Canal Plus autour du pilotage
21:22des médias. Ce qui est intéressant de rappeler, c'est que c'est une grosse transformation qu'on
21:26a entreprise il y a désormais plus de trois ans où on a décidé de s'attaquer au setup des campagnes,
21:33à la façon dont travaillent les audiences et naturellement la façon dont on travaille le
21:37pilotage de ces activations médias. Et donc, on s'est rapproché de DBI, notre partenaire
21:43historique, pour nous accompagner sur cette logique de mesure, pour travailler des logiques
21:48de dashboarding plurimédia. Avant, on avait plusieurs sources de données en fonction de chaque
21:55activation. Il y avait un reporting par activation. On n'avait pas la vision consolidée, c'était
21:59compliqué de l'avoir. Et on a décidé, en lien avec notre agence, de travailler une seule
22:06data visualisation qui permet de collecter les données à la fois branding, à la fois pure
22:13performance, en un seul et même dashboard. Centralisé, l'ensemble des médias. Tout à fait.
22:18Et à trois niveaux, ce qui est intéressant aussi, on a choisi de répondre à trois audiences
22:24différentes pour ces dashboards. On a l'audience très opérationnelle, mais qui pilote les campagnes
22:29au D2D et ça nous a permis aussi de travailler spécifiquement le dashboarding avec une granulérité
22:34qui va jusqu'à la créa. On a une vision aussi d'un dashboard qu'on a souhaité créer plus pour le
22:39management, pour avoir une vision un peu plus consolidée, vision performance et vision branding
22:44consolidée. Et une vision plus C-level, qui est une vision 360 plurimédia sur le full funnel
22:51d'acquisition. Plus macro. Et beaucoup plus pour avoir effectivement cette lecture de chaque
22:56activation, comment ça contribue in fine au business. Pierre, à quoi ça ressemble un projet
23:01Converge Report ? Ça ressemble à quelque chose de très joli. Ça commence déjà un petit peu par
23:08le brief que Jérémy a fait, qui est quels sont les besoins ? Donc à qui va s'adresser la
23:15visualisation de Converge Report ? Tout en gardant en tête que la partie visualisation, c'est que la
23:22phase visible de l'iceberg. Et le reste du projet, c'est un peu la phase cachée. Donc partons de ce
23:27besoin, à qui s'adresse le dashboard ? Quelles sont les sources qu'on veut mettre en place ? Est-ce
23:31qu'on est sur du offline ? Est-ce qu'on est sur du online ? Est-ce qu'on considère du branding,
23:35de la performance ? Toutes ces sources que l'on doit mettre dans un seul et même endroit. Et
23:39derrière, cette phase cachée de l'iceberg, comment est-ce qu'on récupère toutes les données ? Comment
23:43est-ce qu'on s'assure que les bonnes règles de gestion sont mises en place et sont implémentées
23:47dans la visualisation ? Et surtout, le dernier point qui est extrêmement important pour la réussite
23:53d'un projet Converge Report, c'est s'assurer de la qualité des données. Si on veut réussir la
23:59transformation, comme Jérémy l'a dit ici, il faut être sûr et certain que les données qu'on a
24:04à l'intérieur du dashboard sont de qualité et que toutes les personnes qui vont consulter le dashboard
24:08peuvent avoir confiance dans la data qui est à l'intérieur. Donc cette dernière phase, c'est
24:12toute une phase de validation, de revue de tout le process pour s'assurer que du début jusqu'à la
24:17fin de la chaîne de vie de la data, on ait les niveaux de qualité qui est nécessaire pour la
24:22pérennité du dashboard. Si je vous suis bien, si l'ensemble des données sont de bonne qualité,
24:27sont fiables, finalement l'intérêt d'un tel projet, c'est aussi de centraliser l'ensemble des sources
24:33de données pour alimenter des outils de mesure qui pourraient être AIM ou Virtual Market,
24:38ce qu'on a évoqué plus tôt dans l'émission. Exactement, et en fait c'est un des points clés
24:42de tout ce genre de projet qui représente quand même un investissement en temps, un investissement
24:47également monétaire, c'est de se dire que l'effort qui est fait dans la centralisation de la collecte
24:52ne va pas servir qu'au dashboard. Et pour les projets comme AIM ou comme Virtual Market,
24:57il y a quand même une bonne partie du projet dont la complexité réside dans justement la
25:02récupération des informations, parce que ce sont des sources diverses, parce que c'est des
25:07utilisateurs différents, c'est des responsabilités différentes. Donc si on fait le travail une fois
25:12pour qu'on vote report, le véritable intérêt c'est de se dire on a une source de données unique
25:16qui est la source de vérité et qui va alimenter le reporting d'un côté, mais également AIM,
25:22mais également Virtual Market ou d'autres types de modélisation avec cette source unique de vérité
25:27et qui garantit en plus une cohérence entre ce que les décideurs vont voir dans leur reporting
25:31au quotidien ou en mensuel et les résultats qui vont être affichés dans les Virtual Market
25:36ou dans AIM. Alors Converge c'est une plateforme qui propose cette solution de reporting, de
25:43dashboarding, c'est aussi une plateforme qui permet d'activer chez Canal, Jérémy, comment
25:48voyez-vous les choses sur la question du lien entre mesure et activation ? C'est deux mots
25:57qui sont finalement indissociables. On ne peut pas mesurer sans actionner derrière, on pourrait,
26:03mais finalement c'est tous les outputs qu'on sort de la mesure, c'est comment on s'en sert pour
26:07activer mieux la fois d'après et naturellement quand on active, activer sans mesurer ne sert
26:12absolument à rien. Donc nous c'est deux mots qu'on a systématiquement collés maintenant sur
26:17l'ensemble de nos stratégies médias. Dès lors qu'on fait une activation aux mesures et on travaille
26:21dans cette logique d'itération systématique, on n'attend pas la fin d'une campagne pour se dire
26:25est-ce qu'elle a fonctionné ou pas, on la mesure grâce au dashboard en temps réel, c'est désormais
26:30beaucoup plus simple pour les équipes de comprendre en temps réel, avec le recul nécessaire pour ne
26:36pas prendre de fausses décisions, mais de pouvoir directement corriger le tir. Et donc dans une logique
26:41full funnel pour le coup, parce qu'on parle beaucoup de stratégies plus rémédiales, c'est ce qu'on a
26:47fait récemment dans le cadre d'une campagne qu'on a fait pour le lancement de la série terminale
26:51d'Américation originale du cannabis, qui était de se dire comment on arrive à avoir une logique
26:56globale. On travaille main dans la main avec mes collègues du branding pour réfléchir à la fois
27:01sur la notoriété, travailler aussi la considération et l'engagement autour de ces thématiques-là, et
27:06moi je porte directement la partie de conversion pure performance. Et donc dans nos stratégies
27:11plus rémédiales qu'on a pu construire ensemble, sur l'ensemble des leviers, on a travaillé sur trois
27:16principales régies autour de la solution de converge, à savoir Google, la galaxie Meta,
27:21Instagram et Facebook, et Augury. Et on s'est dit concrètement comment converge peut nous aider
27:26à piloter différemment nos campagnes et mieux nos campagnes. Et donc on est parti de l'audience,
27:32et donc via converge, on a directement travaillé sur des audiences spécifiques pour répondre à
27:38chacun de nos enjeux directs et à chacune des cibles qu'on souhaitait adresser. Il y a plusieurs
27:44personnages dans la série terminale et à chaque fois des profils très marqués, on souhaitait
27:49s'adresser différemment à chacune de ces cibles, en lien avec les profils de la série. Donc on a
27:54pu vraiment détourer des personnages et des profilings qu'on a pu traduire en audience via
27:59converge, qu'on a ensuite pu activer également via converge sur les trois régies dont je vous
28:04parlais tout à l'heure, donc Google, Meta et Augury, et qu'on a pu mesurer également via
28:09converge. Au même endroit. Au même endroit. Donc c'est une stratégie full funnel, mais également
28:12désormais je pense qu'on peut dire full converge. Je ne sais pas si ça veut venir à Buzzword,
28:17je le note. En tout cas, c'est vraiment la philosophie qu'on souhaite entreprendre côté
28:21canal, c'est systématiquement activer, mais aussi apprendre de nos activations et converge nous
28:26permet vraiment cela. Pierre, un dernier mot sur les perspectives d'évolution de ce type de
28:32solution. Est-ce que l'IA pourrait augmenter finalement un projet de dashboard sur converge?
28:39Complètement. C'est déjà le cas en fait. L'IA intervient à différents endroits dans la plateforme
28:45converge. Je ne vais pas commencer à en parler parce que sinon j'y suis encore pendant deux heures,
28:48mais dans tout ce qui est spécifiquement autour du reporting, du dashboarding,
28:54l'intelligence artificielle intervient à plusieurs niveaux. Je vais prendre deux exemples très
28:59concrets qui sont visibles et pas visibles. Il y a un premier exemple qui va reprendre le point
29:05très important que je mentionnais tout à l'heure autour de la qualité des données. Les agences
29:09suivent des naming conventions, mais il y a quand même un facteur humain avec des personnes qui
29:13vont potentiellement louper une virgule, un tiret dans la naming convention, ça arrive tout le temps.
29:18L'intelligence artificielle va intervenir à l'intérieur du data lake de converge report pour
29:23pouvoir vérifier que cette naming convention est respectée. Et au-delà de la détection de
29:28l'anomalie, l'intelligence artificielle va également pouvoir proposer une correction automatique, voir
29:34si on est complètement en confiance, corriger de manière automatique la donnée à l'intérieur du
29:39data lake et donc de la visualisation. Pour que la donnée soit plus propre finalement. Pour que la
29:43donnée soit plus propre, et c'est quand même aujourd'hui un des points, une fois qu'on a
29:47développé le dashboard, qui est relativement consommateur en termes de temps, appliquer
29:51l'intelligence artificielle à cet endroit-là, ça permet de réduire les erreurs dans la visualisation,
29:56mais ça permet également un gain de temps et un gain d'énergie conséquent d'avoir cette
30:00automatisation de la qualité de données. Et il y a un deuxième élément qui est aussi important
30:05potentiellement dans l'utilisation de l'intelligence artificielle, c'est dans la partie visible de
30:09l'iceberg, sur la visualisation. Jérémy me disait sur Canal, on a trois niveaux de visualisation
30:15différents pour les C-level, pour le management et pour les opérationnels, ça fait énormément
30:19d'informations qui sont condensées à des niveaux différents. Et le C-level ou le management ne va
30:24pas forcément être au quotidien dans ces dashboards-là, donc on a la possibilité d'avoir
30:29un chatbot sur lequel on peut interagir pour analyser les données qui sont à l'intérieur et
30:35poser des questions. Quelle était la campagne la plus performante le mois dernier ? Est-ce que
30:39tu peux me faire une synthèse de la campagne sur le lancement de terminal ? Quels sont les
30:42enseignements clés que je peux avoir ? Plutôt que de se poser la question et de chercher les
30:47indirectement dans les nombreuses informations qu'il y a à l'intérieur, le chatbot lui va
30:52intégrer de manière automatique, récupérer toutes les informations qu'il y a à l'intérieur du
30:57dashboard et proposer une synthèse où tout du moins elle est indiquée dans quelle partie du
31:01dashboard se trouve l'information que la personne recherche. Ça c'est également un gain de temps
31:05et un gain de productivité relativement énorme, pas uniquement pour nous en tant qu'agence,
31:09mais surtout pour nos clients. Merci beaucoup messieurs, on voit bien à quel point ces trois
31:15solutions sont complémentaires et permettent d'avoir une sorte de vision holistique, d'avoir
31:20une vue holistique de la mesure. Je vous propose maintenant pour finir de retrouver Yoann pour une
31:26conclusion. AI Measurement, Virtual Market, Converge Report, trois solutions parmi les
31:32nombreuses solutions de Business Science. Nous sommes à votre écoute pour vous apporter toutes
31:37les précisions sur ces solutions et bien d'autres encore à venir dans de nouveaux épisodes de
31:41Avas Business Science. Les coordonnées de l'équipe seront disponibles dans la page
31:46de conclusion. On est ravi de vous avoir eu pendant ce petit moment, à très bientôt.