En ciblant les contenus lus en temps réel, la start-up française Qwarry permet d’afficher la campagne sur la base des centres d’intérêt immédiats des internautes et sans collecte de données. Geoffrey Berthon, CEO et cofondateur, nous explique pourquoi le ciblage dit « sémantique » est plus efficace que la simple analyse du contexte de la page par mots-clés.
Geoffrey Berthon, CEO et cofondateur
Qwarry propose d’aider les marques à cibler leurs campagnes en tenant compte du sens et du sentiment dégagé par le contenu qui est lu par l’internaute à l’instant T. Pourquoi ?
Quand on parle du ciblage du sens et du sentiment, beaucoup de personnes l’associent aux mots-clés. Mais le ciblage avec des mots-clés a des limites. Lorsque l’on choisit le mot « auto », cela peut renvoyer à des sujets totalement différents, relevant de la finance, de l’industrie ou d’un essai de produit, qui ne seront pas tous pertinents pour la campagne. L’analyse sémantique que nous proposons permet de comprendre le sens qui est donné au mot, avec le sentiment, positif ou négatif, qui y est associé et de déterminer un cadre de diffusion adapté.
Comment faites-vous pour vous affranchir des mots-clés tout en étant dans une logique sémantique ?
Nous utilisons des algorithmes de Natural Language Processing (NLP) qui permettent d’extraire le sens grâce à l’analyse de l’association des mots. Nous sommes capables d’analyser les sens et les sentiments en temps réel afin que l’annonceur puisse décider où afficher sa bannière. Nous lui permettons de toucher l’utilisateur exactement à l’instant où son attention sur le sujet est au plus fort. La campagne est affichée à l’instant T, ni avant, ni après, à une audience par conséquent très réceptive. Nous ne faisons pas de retargeting, nous n’estoquons pas de data des utilisateurs.
Votre technologie intervient au moment de l’achat média. De quelle manière peut-elle renforcer la créativité et l’efficacité des campagnes ?
Cela se passe à deux niveaux. L’annonceur peut définir différentes bannières que l’on affichera en fonction du langage sémantique qui est identifié et ciblé. D’autre part, nous développons en ce moment un outil basé sur une solution de DCO (dynamic creative optimization), qui permettra de générer automatiquement une bannière différente pour chaque contexte de lecture. De plus, le contenu autour de la publicité sera dynamique, personnalisé en temps réel pour permettre une hyper contextualisation selon le principe des native ads.
Quel retour ce type de ciblage procure-t-il ?
Les résultats de la campagne sont meilleurs parce que l’attention générée est supérieure, vu que la cible est touchée alors qu’elle est réceptive. Nous avons réalisé une activation pour Teréga, fournisseur de gaz du sud de la France peu connu du grand public. Le but de cette campagne était de faire connaître l’entreprise et de montrer son rôle en matière d’utilisation d’énergies vertes, en diffusant leur bannière et vidéo sur notre réseau. Notre technologie leur a permis de toucher les utilisateurs au moment où ils lisaient des articles sur les énergies vertes. Le taux de vidéos vues à 100 % a été nettement supérieur à celui obtenu avec un ciblage classique sur YouTube. Il a varié de 63 % à 69 % selon les publics (grand public, journalistes, B2B). L’engagement en taux de clics a été de 36 % supérieur à celui de la moyenne de marché. Et le coût de la vidéo vue à 100 % moins cher de 4 centimes.
Quel est votre réseau de diffusion ?
Nous avons accès potentiellement à tous les publishers français, car nous achetons des inventaires en programmatique. Nous sommes connectés à tous les SSP du marché, comme Google, Xandr, Rubicon, mais également Dailymotion et Mediasquare.
Propos recueillis par Luciana Uchôa-Lefebvre
