Le marché de la publicité numérique peut-il garantir la confidentialité sans réglementation?

Les spécialistes du marketing pensent généralement que si vous pouvez personnaliser toute forme de marketing, en particulier la publicité mobile, vous obtiendrez de meilleurs résultats. Dans cet esprit, le marketing mobile s’appuie largement sur les données de suivi des utilisateurs en tant que stratégie publicitaire fondamentale.

Une nouvelle recherche s’est penchée sur la valeur des données de suivi des utilisateurs à des fins de ciblage et a offert des informations sur les résultats de ces activités en matière de confidentialité dans un marché de la publicité mobile multidimensionnelle. Cela représente non seulement une nouvelle réflexion sur la stratégie marketing, mais pourrait aider à atténuer certaines préoccupations de la société concernant les problèmes de confidentialité et l’utilisation de certaines données de suivi dans la publicité mobile.

L’étude de recherche « Ciblage et confidentialité dans la publicité mobile » sera publiée dans le numéro de mars de la revue INFORMS. Science du marketing. Il est rédigé par Omid Rafieian de l’Université Cornell et Hema Yoganarasimhan de l’Université de Washington.

L’étude a révélé qu’une approche de ciblage basée sur l’apprentissage automatique améliore le taux de clics moyen de plus de 66,8% par rapport aux modèles de ciblage plus simples.

« La différence provient principalement des informations comportementales par opposition aux informations contextuelles », a déclaré Rafieian. « Cela signifie que l’approche d’apprentissage automatique est capable d’apprendre les préférences des utilisateurs à partir de leurs données comportementales passées, telles que les publicités qu’ils ont vues et sur lesquelles ils ont cliqué. Contrairement aux approches traditionnelles, les méthodes d’apprentissage automatique ne posent pas d’hypothèse restrictive sur le comportement des utilisateurs. , et à leur tour, sont capables d’identifier des modèles plus complexes de préférence des utilisateurs. « 

«Une fois que nous avons établi l’efficacité de notre approche d’apprentissage automatique, nous nous sommes tournés vers la question de la confidentialité: pouvons-nous nous attendre à une interruption du ciblage comportemental et du suivi des utilisateurs sur ce marché? « Ce que nous avons constaté, c’est que bien que le ciblage comportemental aide les annonceurs à trouver une meilleure correspondance avec les impressions, le réseau publicitaire peut vouloir protéger la confidentialité des consommateurs et ne pas autoriser un ciblage comportemental très granulaire pour des raisons économiques. En effet, un ciblage excessif peut entraîner une concurrence plus douce entre les annonceurs , où chaque annonceur sélectionne des segments étroits, ce qui entraîne une baisse des revenus pour les réseaux publicitaires. « 

La recherche a utilisé des données à grande échelle provenant d’un réseau d’applications de premier plan d’un pays d’Asie. Les auteurs de l’étude ont créé un cadre d’apprentissage automatique pour le ciblage qui utilise à la fois des informations contextuelles et comportementales.

Ils ont effectué une comparaison complète entre la valeur du ciblage contextuel et comportemental du point de vue de différents acteurs. Le point clé du document était un décalage entre ce que veulent les réseaux publicitaires et les annonceurs: alors que les annonceurs exigent des outils de ciblage plus invasifs pour la vie privée, les réseaux publicitaires ont des incitations économiques naturelles à limiter le ciblage comportemental afin d’accroître la concurrence entre les annonceurs. Cela laisse entrevoir un avenir où le marché pourra s’autoréguler et protéger la vie privée des consommateurs.