Pour maintenir et même améliorer les performances de vos campagnes social ads : sélectionnez les bons objectifs, alimentez les régies avec la bonne data, puis essayez le lâcher-prise pour respecter les délais d'apprentissage de l'algorithme.
Dans l'article précédent, nous vous décrivions comment augmenter l’efficacité des campagnes Facebook Ads grâce au machine learning.
À présent, nous allons détailler le concept incontournable de "liquidité de l'audience" introduit par Facebook, déjà très proche des bonnes pratiques Google Ads, et qui risque d'être suivi très prochainement par les autres régies sociales.
La liquidité de l'audience : apporter moins de contraintes et tendre vers une simplification des dispositifs
Pour rappel, les nouvelles recommandations de Facebook sont très claires : apporter moins de contraintes et tendre vers une simplification des dispositifs social ads (en clair, arrêter les micro-ajustements manuels et laisser la machine travailler après l'avoir nourrie avec les bonnes datas).
Il s’agit de limiter au maximum l’influence du biais humain en laissant la machine gérer notamment les placements, les plateformes, les contraintes budgétaires et même les audiences. Ouvrir le champ des possibles aux algorithmes pour qu’ils prennent en compte plus de possibilités dans leurs évaluations permet aux acheteurs média d’accéder à des statistiques dont découlent des enseignements inédits.
Historiquement, le principal argument commercial des régies publicitaires était la possibilité d’aller chercher des profils d’utilisateurs très précis à partir d’une stratégie qui porte bien son nom : le micro-ciblage.
La promesse était, sur le papier, très attractive : identifier, avec une précision inégalée, un bassin d’audience restreint pour concentrer les investissements auprès de cette cible repérée comme étant qualitative.
La nouvelle donne de la liquidité : lever un maximum de contraintes
Désormais la donne est différente, et c’est bien au niveau du ciblage que s’opère le changement d’état d’esprit le plus important : proposer plus de flexibilité au sein des audiences ne signifie pas ne plus cibler, ou se passer d’une audience de qualité.
Il s’agit là encore de lever un maximum de contraintes, l’exhaustivité au niveau des critères dans la construction des audiences laissant place à des données évolutives, qui s’adaptent en temps réel, sans aucun apriori marketing, c'est à dire sans l'introduction d'un biais humain (et d'erreurs de jugement ou de perception) dans les critères initiaux de paramétrage.
Un ciblage plus « liquide » va donc vous permettre de délivrer vos campagnes, au meilleur coût, auprès des personnes les plus à même de réaliser l’action qui vous intéresse. La technologie lookalike, permettant de cibler des « jumeaux sociaux » (profils similaires), est l’illustration parfaite de cette stratégie de ciblage basée sur les données et qui tend vers l’automatisation.
En effet, ces audiences de profils proches de votre prospect idéal sont dynamiques. Elles évoluent de manière constante en fonction des signaux qui lui sont envoyés et sont donc ainsi en permanence renouvelées dans un seul et unique but : la performance.
Garder l’esprit en éveil
La régie Facebook-Instagram, avec son algorithme ultra performant, a les moyens d’exploiter pleinement le machine learning. C’est ce qui modifie considérablement la manière dont il faut travailler sur sa plateforme. Gardez à l'esprit que ces nouveaux usages toucheront probablement bientôt les régies des autres réseaux comme Linkedin, Twitter, Snapchat, TikTok ou encore Pinterest.
Agences et annonceurs sont donc prévenus : les social ads ont changé, et l'on constate déjà une hausse significative des coûts d'acquisition pour ceux qui refusent de s’adapter à ces changements.
Participer à la conversation