Pourquoi est-il important pour les éditeurs d’aller au-delà de la 1st party Data ?

Ce n’est pas une breaking news, que vous achetiez un produit au supermarché ou que vous lisiez un article en ligne, quelqu’un récupère des données sur vous : type d’achat, temps de lecture, nature des sites que vous aimez, et une myriade d’autres informations insoupçonnées par le commun des internautes (les crédits que vous avez sur le dos par exemple, mais on y reviendra dans un autre article). C’est ce que l’on appelle « l’économie de la trace » : vous êtes traqués, et vos données coûtent cher. Alors qui a quoi sur vous, et pour quoi faire ?

Quand les médias rachètent des sites communautaires.

En octobre 2015, Le Figaro acquérait CCM Benchmark avec cette promesse : devenir le groupe digital leader en France, avec 24 millions de visiteurs uniques. Le véritable gain de cette alliance, sûrement moins médiatisé auprès du grand public, entre l’acteur de la presse et l’éditeur de sites communautaires, est celui de la data. Avec Comment Ca Marche, le Figaro acquiert un nouveau type de données, via les logs et les commentaires, et une Data Management Plateform.

L’objectif ? Mieux connaître ses lecteurs, certes, et surtout mieux les cibler, en diversifiant ses datas 1st party.

Le 1st party, c’est quoi ?

Les données 1st party sont toutes les données « propriétaires » d’un annonceur ou d’un éditeur, c’est-à-dire les données « internes ». Dans le cas d’un annonceur, il s’agit des données nominatives, transactionnelles, comportementales (CRM) et contextuelles : si vous scannez votre carte de fidélité chez Carrefour afin de cumuler les points liés à vos 15 pots de purées blédina 3-6 mois, il est fort possible que leur service marketing déduise que vous avez enfanté récemment.

Du point de vue des éditeurs, les données 1st party sont constituées des abonnés et des web analytics : le Figaro suit ce que vous lisez, à quelle vitesse, quand vous quittez la page, et en déduit les sujets qui vous intéressent plus ou moins. Si vous êtes abonné, bien sur, c’est mieux : on peut associer ces données de navigation à un nom – le vôtre.
Le Figaro sait donc que Madame Michu préfère les articles liés à la politique internationale, sauf le dernier sur le Bénin qui était un peu longuet: elle l’a quitté avant la fin.

Ces données permettent aux éditeurs de mieux connaître l’internaute, certes, mais surtout de valoriser leur inventaire publicitaire en le profilant mieux.

16343671_10154071034056790_464640668_n

Les éditeurs, to-ta-le-ment à la traîne sur la 1st party data.

Si la connaissance du consommateur semble « ancrée » dans l’ADN des marques (les cartes de fidélité existaient offline, avant l’avènement du web 2.0: Carrefour n’a pas attendu que vous ayez internet pour récolter des données sur vous), elle est un besoin plus récent du côté des éditeurs. C’est ce qui explique la nécessité d’aller au delà de la data 1st party: leurs données “propriétaires” ne suffisent pas toujours.

Si vous n’êtes pas loggé au moment où vous regardez votre replay de TPMP, l’utilisation des données que C8 peut opérer est limitée, puisque la chaîne ne sait pas qui vous êtes.

Pour pouvoir vendre de la publicité ciblée, il faut soit identifier l’utilisateur, soit être capable de le profiler (homme CPS+ intentionniste acheteur de montres). Or le pourcentage de personnes loggées en presse écrite ou en radio reste très faible: réfléchissez au nombre de sites où vous naviguez sans avoir de compte.

Pour y remédier, les éditeurs ont deux solutions :

Obliger tout le monde à se créer un compte pour récolter des données 1st party nominatives. C’est le mouvement “à la Netflix” dans lequel s’ancrent les chaînes telles que M6 ou TF1 avec leurs plateformes de catch up TV.

– Dépasser la data 1st party en allant chercher d’autres types de données: la data 2nd party et 3rd party. Elles sont injectées dans leur DMP, la Data Management Plateform, en français: la plateforme de gestion qui permet de récupérer, centraliser, gérer et utiliser les données relatives aux prospects, aux clients ou aux internautes. Le magimix de la donnée.

A ce stade, on l’a compris: la collecte et le croisement des données 1st, 2nd et 3rd party permet d’améliorer la connaissance du client et le ciblage publicitaire.

Vous mourrez d’envie d’en savoir plus sur la 2nd et la 3rd, et ça tombe bien, car on y vient.

La donnée 3rd party: pour enrichir la connaissance et le ciblage de l’audience du côté de l’éditeur.

On l’a dit, les éditeurs n’avaient que peu d’informations sur le profil précis de leur audience offline : les éditeurs de presse ne connaissaient que leurs abonnés (quand vous achetez un journal au kiosque ça reste assez anonyme), la télévision et la radio se servaient des panels de Médiamétrie. Online, on le répète, les données étaient trop pauvres, car trop récentes/ pas assez précises.

Il a donc fallu enrichir les profils des internautes avec de la data 3rd party. Eh oui, les annonceurs sont de plus en plus capricieux: ils ne veulent plus seulement cibler des “femmes”, il faut qu’elles aient entre 25 et 34 ans, qu’elles soient urbaines, intéressées par la mode, les voyages, avec un projet d’enfant. Alors, comment faire pour connaître ce qui intéresse la femme hors du site du Figaro? Il faut passer par les fameuses 3rd party.

16295306_10154071034061790_503234809_n Ces données, qui sont récoltées via des cookies, déposés dans le navigateur de l’internaute, ou des tags, inscrits dans le code des pages d’un site, permettent de suivre le surf d’un internaute sur plusieurs sites. Un acteur tiers collecte et centralise ces cookies, en déduit des profils d’audience et les revend aux médias. À titre d’exemple, si l’internaute a visité un site de voitures, de montres de luxe, et de compagnie aérienne, les données 3rd party vont permettre à l’éditeur de savoir que son profil est celui d’un homme, CSP+, intentionniste acheteur de voyage.

Ces données sont injectées dans la DMP de l’éditeur ou de l’adexchange[2] afin de définir des cibles publicitaires plus précises, et d’augmenter ainsi la valeur de l’inventaire publicitaire en ligne des éditeurs.

Plus on en sait sur vous, plus vous valez cher.

La data 3rd party est donc surtout au service de l’éditeur : elle apporte de la finesse, de l’anticipation et de la puissance à la donnée propriétaire des médias.

A retenir:
3rd = tiers= l’éditeur paie une entreprise pour qu’elle définisse les profils d’internautes qui arrivent sur son site et qu’elle ne connaît pas.
2nd party= pour mieux cibler le consommateur visé par l’annonceur grâce à ses données.

Avec le passage du média planning à l’audience planning, la cible est devenue centrale dans l’achat des espaces publicitaires : afin d’optimiser les campagnes, il a donc fallu prendre en compte les données de ciblage des annonceurs.
Du point de vue de l’éditeur, les données 2nd Party sont celles du partenaire commercial.

Avant le passage au RTB[3], les espaces publicitaires étaient vendus à l’emplacement : on achetait un format publicitaire sur un site dont le public était affinitaire avec la cible.
Par exemple, une marque de fond de teint allait plutôt acheter des espaces sur des sites de magazines destinés aux femmes. La data des éditeurs suffisait alors à l’échange publicitaire (Tu es un annonceur qui vend aux femme → je suis un éditeur qui s’adresse aux femmes: easy)

16325812_10154071033746790_1619603302_o À partir du moment où l’on est passé à de l’audience planning, c’est-dire à l’achat d’une audience/d’une cible publicitaire, notamment de façon automatisée et en temps réel grâce au RTB, il est devenu nécessaire d’ajouter les données des annonceurs dans l’échange commercial.
Concrètement, notre marque de fond de teint, si elle a pu déterminer que sa cible était plutôt celle des femmes urbaines avec des problèmes de peau, va injecter cette information et les données concernant cette cible dans sa plateforme d’achat publicitaire. L’éditeur récupère ces données, afin de ne délivrer la publicité de l’annonceur uniquement aux profils se rapprochant de femmes urbaines ayant des problèmes de peau.

L’annonceur partage ainsi des informations de ciblage à partir de ses données transactionnelles, comportementales, ou de géolocalisation, afin d’identifier plus efficacement sa cible lors de son passage sur le site de l’éditeur.

Le croisement de la data 2nd party (de l’annonceur) avec la data 1st party (de l’éditeur) permet donc d’améliorer la qualité et la valeur du ciblage publicitaire : ce n’est plus la quantité d’impressions délivrées qui est valorisée, mais la qualité du ciblage du prospect.

En conclusion, afin de valoriser leur inventaire publicitaire à l’heure de l’audience planning, les éditeurs doivent enrichir la qualification et le ciblage de leur audience via des données 2nd et 3rd party. Cela suffira-t-il à redonner confiance aux annonceurs, et à rattraper les nouveaux acteurs de la publicité en ligne? Ce sera le thème d’un futur article, à suivre sur le blog 226.

16358699_10154071034066790_1665797123_n

Claire Manzano

    [1] DMP (Data Management Platform ou plateforme de gestion des données): plateforme proposée généralement en mode SaaS et permettant de récupérer, centraliser, gérer et utiliser les données relatives aux prospects, aux clients ou aux internautes. Initialement, les DMP se sont développées du côté de l’annonceur mais les éditeurs ont dû créer les leur également afin d’organiser et de valoriser leurs données.

[2] Ad exchange: plateforme automatisée de vente et d’achat d’espaces publicitaires digitaux sur laquelle se rencontrent les acheteurs et les offreurs (sites supports éditeurs, réseaux, régies). Sur un ad exchange, l’activité de vente / achat des espaces publicitaires se fait généralement en RTB.

[3] RTB (Real Time Bidding): protocole d’achat aux enchères sur une base individuelle et en temps réel via une plateforme technologique. Objectif : accélérer et individualiser l’achat.

[4] DSP (Demand-Side Plateform): plateforme technologique qui permet aux annonceurs de centraliser le pilotage de leurs campagnes médias dans une même interface, quand bien même celles-ci sont affichées sur des ad-exchanges différents. Ils permettent d’optimiser la stratégie d’enchères en fonction des formats, critères de ciblage ou sites choisis. Ils permettent également de réaliser des reportings. Les DSP les plus importants : Appnexus, DataXu, Invite Media, Mediamath, Sociomantic et Turn. Définition du journal du Net

PAS DE COMMENTAIRES

LAISSER UNE RÉPONSE