HUB Institute : Médiamétrie valorise un service de "Data Profiling." Concrètement, à quels enjeux de l’annonceur peut répondre ce service ?

Estelle Duval : Data Profiling est un nouveau service de Médiamétrie qui permet d’améliorer les performances du ciblage publicitaire en qualifiant le profil sociodémographique d’individus exposés à un média pour lesquels le média ne dispose d’aucune information sur ces critères.

HUB Institute : Pouvez-vous expliquer comment votre "Data Profiling" fonctionne ?

ED : La solution Data Profiling de Médiamétrie repose sur un modèle prédictif basé sur l’intelligence artificielle. Ce modèle est exclusif. Pour chaque nouvelle data média à qualifier, nous créons un nouveau modèle.

La data média peut aussi bien être une donnée TV (ID média) que digitale (cookie). Le média fournit à Médiamétrie les données de consommation de leurs programmes ou de visite de leurs sites internet non-qualifiées, c’est-à-dire qu’on ne connaît pas le profil sociodémographique des individus ayant visionné ces programmes ou visité ces sites.

Médiamétrie élabore son modèle prédictif de Data Profiling reposant sur des algorithmes de machine learning à partir de ces données d’usage et de sa propre base unique d’apprentissage des données d’audience :

• Pour la TV : le panel Médiamat composé de 5000 foyers soit 11 600 individus pour lesquels nous avons toute leur consommation TV et le profil sociodémographique de chaque individu du foyer ;
   
• Pour le digital : le panel Internet Global composé de 30 000 individus pour lesquels nous avons tous leurs usages Internet et le profil sociodémographique de chaque individu du foyer ;

Une fois le modèle élaboré et testé, il est appliqué à l’ensemble de la base data média afin de la qualifier en associant un profil sociodémographique à chaque ID ou cookie présent dans la base.

HUB Institute : Votre méthode repose sur le croisement des données online des éditeurs et offline issues de vos panels. Est-ce la démonstration que les données déclaratives ont encore largement leur place à l’ère de la data ?

ED : Les données de profil sociodémographique de nos panels sont des données déclaratives collectées par téléphone ou en face à face, suivies et mises à jour régulièrement dans le temps, ce qui rend l’information on ne peut plus fiable.

Par ailleurs, nous avons la garantie que cette information est individuelle, ce qui n’est pas toujours le cas de la data déterministe à laquelle vous faites probablement allusion. Certes, cette dernière repose sur un processus d’identification à partir par exemple d’un appareil ou d’un compte client. Mais dans les cas où l’appareil est partagé (TV, ordinateur…), la data déterministe identifie plus certainement un foyer qu’un individu.

Nous croyons que les données déclaratives - comme celles de nos panels dont la qualité et la fiabilité sont reconnues par le marché - sont un atout essentiel pour une meilleure qualification de la data au niveau individuel.

HUB Institute : A l’heure actuelle quels sont les cas d’usages les plus intéressants que vous ayez relevés ?

ED : Aujourd’hui, les cas d’usages sur lesquels nous travaillons sont dans le domaine du ciblage publicitaire pour la TV en replay et pour le Web. La TV en replay peut se consommer de deux façons, soit en "OTT" via ses écrans digitaux, soit en "IPTV" via son écran de TV.

Sur les écrans digitaux, la donnée peut être "logguée", c’est-à-dire que pour avoir accès aux contenus de la chaîne de TV en replay, il faut se créer un compte et renseigner son profil utilisateur. Cela permet d’avoir certaines informations sociodémographiques utilisées pour le ciblage publicitaire. Ce qui n’est pas le cas pour la TV en replay sur écran de TV qui représente près de 2/3 de l’usage.

Par ailleurs, l’écran de TV étant un écran partagé, il faut pouvoir déterminer le ou les individu(s) devant l’écran pour s’assurer que l’on cible la bonne audience. De la même manière sur le Web, dans la grande majorité des cas il n’est pas nécessaire de se "logguer" pour avoir accès au contenu, on ne connaît donc pas le profil des utilisateurs. Data Profiling permet de prédire ce profil grâce aux données d’usage et de profil des panels Médiamétrie.

Demain, l’arrivée de la TV segmentée en France - à priori dès 2020 dans le cadre de la future nouvelle loi de l’audiovisuel - permettant de personnaliser la publicité TV sur le live comme sur le replay aujourd’hui, sera certainement un nouveau cas d’usage très pertinent pour notre Data Profiling.

Nous souhaitons que la publicité TV live puisse continuer de bénéficier d’une précision de ciblage publicitaire individuelle et non seulement foyer y compris pour la publicité segmentée.

HUB Institute : Cette initiative technologique fait partie d’un programme plus vaste visant à bâtir un "standard commun de la data média en France." Pourquoi cela vous semble-t-il nécessaire aujourd’hui ?

La mesure d’audience est un standard commun des média en France depuis plus de 30 ans utilisée comme une monnaie commune par le marché publicitaire. La data étant de plus en plus présente dans les données d’audience, y compris dans nos mesures hybrides mariant panels et big data depuis 2010 avec la mesure de l’Internet Mobile, il me semble nécessaire de poursuivre cette mission en incluant la data.

A l’image de ce que nous sommes dans le domaine de l’audience, nous souhaitons que Médiamétrie favorise l’émergence d’une référence commune de la Data Média en France, un tiers de confiance neutre et indépendant. Notre objectif est d’aider les éditeurs à valoriser leurs offres en nous appuyant sur notre expertise et nos savoir-faire méthodologiques et technologiques.

HUB Institute : Quelle est la road map que vous avez adoptée ?

Nous développons nos activités data autour de 3 grands services : Qualifier avec Data Profiling, Enrichir avec Data Enriching et Valider avec Data Checking. Quel que soit l’axe, nous avons développé un tronc commun sur lequel reposent des projets sur-mesure.

Qualifier la data avec Data Profiling offre la possibilité aux acteurs du ciblage publicitaire d’améliorer leur performance en s’appuyant sur des données individuelles fiables et de qualité reconnue sur le marché. Ces données individuelles - issues des panels Médiamétrie pour lesquels nous recueillons le consentement - présentent toutes les garanties nécessaires d’utilisation dans le cadre du RGPD.

Enrichir la data avec Data Enriching permet aux régies, agences et annonceurs de créer de nouvelles cibles data comportementales en cohérence avec leur stratégie marketing, dans les outils de médiaplanning et d’achat publicitaire du marché y compris en programmatique.

Cela ouvre par exemple de nouvelles perspectives de ciblage pour les campagnes publicitaires TV en intégrant dans le médiaplanning TV des cibles data créées à partir d’un comportement digital récent, observé dans les usages des internautes de la mesure d’audience Internet de Médiamétrie et définies en s’appuyant sur la navigation web de ces derniers (sites visités, temps passé, recherches effectuées, intentions d’achat). Dans d’autres cas, elles peuvent provenir d'une data externe (1st party ou 3rd party).

Valider la data avec Data Checking est dans les gènes de Médiamétrie en tant que tiers de confiance neutre et indépendant. Avec cette solution, il est possible de hiérarchiser ses propres bases de données en fonction de leur qualité, contrôler et comparer la qualité de bases de données issues de partenaires et de disposer du "label" Médiamétrie, gage de qualité¹.

Médiamétrie accompagnera TF1 lors du HUBDAY Future of Data & AI for Business. Ce cas client sera l'occasion parfaite de comprendre concrètement comment une chaîne télévisée peut exploiter la méthode de data profiling, afin d'affiner les possibilités de ciblage publicitaire de ses partenaires annonceurs.

¹Data Checking a été récompensé aux Trophées Etudes et Innovation 2018 dans la catégorie Data Intelligence et est auditée par le CESP.