Un expert discute de la «  science terriblement complexe  » derrière la recherche sur la publicité en ligne

En tant qu’expert des moteurs algorithmiques qui stimulent la publicité en ligne, Harikesh Nair aime explorer cette zone raréfiée où se chevauchent la recherche scolaire approfondie et les besoins commerciaux réels.

C’est l’une des raisons pour lesquelles, en 2017, il a pris un congé de son poste de professeur titulaire à la Stanford Graduate School of Business et a rejoint l’équipe d’ingénierie de JD.com, l’une des plus grandes plateformes de commerce électronique de Chine. Il a passé deux ans à faire la navette entre la Silicon Valley et Pékin, supervisant une équipe d’ingénieurs travaillant dans les tranchées pour convertir des concepts mathématiques denses en solutions en ligne tangibles.

À son retour à Stanford GSB en 2019, Nair a aidé à fonder le Computational Marketing Lab de l’école, qui rassemble professeurs, étudiants et praticiens pour identifier les meilleures pratiques – à la fois en termes de rentabilité et d’avantages sociétaux – pour les spécialistes du marketing en ligne.

«Auparavant, seuls les scientifiques, les universitaires et les ingénieurs pensaient à la science des données, mais maintenant c’est devenu un problème de niveau C», dit-il. « Le CTO, le CMO, le PDG – tout le monde en parle. Et s’ils ne le sont pas, le conseil d’administration posera la question. »

Insights by Stanford Business s’est récemment entretenu avec Nair pour entendre ses réflexions sur l’état actuel de la publicité en ligne, les défis de la réalisation d’expériences lorsque le commerce en temps réel est mesuré en millionièmes de seconde et les types de publicités numériques l’ennuyant.

Pourquoi exactement avez-vous pris un congé pour travailler chez JD.com?

Depuis que j’ai reçu mon doctorat. en 2005, la pratique du marketing dans l’industrie est devenue très computationnelle. Il est en passe de devenir presque entièrement un domaine axé sur les données. Si vous pensez aux entreprises où un marketing étonnant a été inventé à l’origine – des endroits comme Clorox et d’autres marques emballées – ce n’est plus le cas. De nos jours, toutes les innovations importantes en matière de marketing, de publicité et de tarification proviennent d’entreprises technologiques telles que Google, Facebook et Amazon. C’était une tendance à laquelle je voulais faire partie.

Pourquoi JD.com?

Je m’intéresse au commerce de détail et au commerce électronique, et dans ce monde, la gravité s’est déplacée vers l’Asie. La Silicon Valley est toujours un pôle d’innovation, mais la forte croissance de la vente au détail en ligne se produit en Asie. La classe moyenne y est en expansion, de sorte que les gens font plus de choix en fonction de la qualité ou de la qualité perçue des produits. C’est une consommation ambitieuse. À un moment donné, je suis entré en contact avec des personnes âgées de JD, et nous avons parlé de recherche et de collaboration. Il y avait une opportunité de passer du temps avec eux et de plonger beaucoup plus profondément. Alors j’ai pensé: « Hé, c’est une bonne opportunité: la technologie et l’Asie. »

Mis à part les différentes tailles des marchés – des milliards de clients potentiels en Asie contre des centaines de millions aux États-Unis – qu’est-ce qui différencie le marketing en ligne en Asie d’ici?

Aux États-Unis, nous sommes toujours une nation de bureau. Les gens utilisent toujours Chrome ou Safari sur leur ordinateur portable ou leur ordinateur personnel pour faire leurs achats sur Amazon.com. En Asie, et en particulier en Chine, très peu de gens utilisent plus ce truc. Tout est fait via le téléphone mobile; 80% du trafic d’achat passe par les applications mobiles, et de nombreux consommateurs font partie de la génération qui a complètement ignoré les ordinateurs portables et est passé directement aux téléphones mobiles. Cela change le fonctionnement du commerce.

Comment?

Tout est question de découvrabilité. Avec les applications mobiles, l’immobilier est limité: personne ne navigue au-delà des trois premières pages. Si vous avez 8 annonces par page, cela fait 24 produits. Vous devez donc présenter 24 articles sur 300 millions d’options de produits possibles, et vous devez personnaliser le classement en trouvant une bonne correspondance entre les besoins de l’utilisateur et ce qui est disponible. Tout cela doit être fait très rapidement, en moins de 200 microsecondes [0.0002 seconds], et il doit être exécuté sans faute. C’est un problème scientifique horriblement complexe.

Comment les caractéristiques démographiques d’un consommateur interviennent-elles dans ce problème?

En fait, l’âge, le sexe et des choses comme ça ne sont pas si instructifs. Ce qu’ils ont acheté récemment et ce qu’ils recherchaient, c’est ce qui compte.

Au-delà de l’utilisation écrasante du mobile en Chine, existe-t-il d’autres différences majeures entre les consommateurs chinois et américains dans la manière dont ils interagissent avec les sites de commerce électronique?

En Chine, l’aspect social de la consommation est un facteur majeur. Leur société est plus communautaire que la nôtre, donc la consommation est plus ancrée dans leurs réseaux sociaux. Plutôt que d’aller sur un site et de rechercher quelque chose, puis de cliquer et d’acheter et de partir, ce qui est un comportement de consommation américain typique, les Chinois partagent des produits sur les réseaux sociaux des autres, et ce faisant, ils peuvent souvent obtenir une réduction de prix. C’est aussi une société consciente des valeurs.

Une autre différence importante est que les États-Unis comptent trois grandes entreprises – Facebook, Amazon et Google – qui n’interagissent pas. Je les considère comme des jardins clos. Facebook est une plateforme sociale avec beaucoup de publicité mais très peu de transactions. Amazon est l’endroit où le commerce a lieu, mais il n’a pas beaucoup de publicité, bien que cela change. Et Google est l’endroit où la recherche a lieu, mais il n’y a pas beaucoup de transaction ou d’entreprise sociale. Mais en Chine, vous avez Tencent, qui fait les trois: recherche et social et commerce. C’est bien fusionné. Pareil pour Alibaba. Ils ont tous deux leurs propres écosystèmes. Et au sein de chaque écosystème, tout est parfaitement intégré, de sorte que vous passez en douceur de l’interaction sociale à la recherche en passant par la transaction et le paiement. Les consommateurs réagissent bien à cela.

Étant donné que le marketing est presque entièrement basé sur les données de nos jours, y a-t-il plus d’art?

Je ne pense pas que l’art ait disparu, mais il a changé. Un bon gestionnaire doit comprendre comment tirer parti des algorithmes et comprendre ce que les données peuvent et ne peuvent pas faire. Ils ont besoin de savoir quand fonder une décision sur les données et quand la baser sur leur expérience: quel capital humain est nécessaire pour convertir les données en quelque chose d’actionnable?

Nous avons récemment diffusé une vidéo sur votre travail dans laquelle vous avez dit: « Ce n’est pas parce que j’ai acheté quelque chose après avoir vu une annonce que l’annonce m’a incité à l’acheter. » Pouvez-vous en parler davantage?

Ce problème est énorme et très, très compliqué sur les marchés publicitaires. Le problème numéro un auquel est confrontée toute marque qui dépense de l’argent en publicité est la mesurabilité: ils veulent savoir non seulement combien de personnes ont vu leur annonce, mais aussi s’ils obtiennent un retour en termes de ventes. Cela est très difficile à prouver, car je ne peux pas simplement compter les personnes qui ont vu une annonce et qui ont ensuite acheté le produit, car peut-être avaient-elles déjà l’intention de l’acheter. Il y a quinze ans, une plate-forme aurait probablement pu utiliser ce type d’analyse défectueuse, mais les marques n’achètent plus cela. Ils veulent la preuve que leurs publicités entraînent une augmentation progressive des ventes. L’incrémentalité est le problème numéro un dans le secteur de la publicité à l’heure actuelle – pour le prouver correctement.

Comment le prouvez-vous?

Généralement en exécutant des expériences à grande échelle. L’expérimentation est très complexe, car il est impossible de concevoir et d’exécuter une expérience distincte chaque fois qu’un annonceur individuel souhaite cette mesure. Quand j’étais chez JD, par exemple, nous avions des centaines de milliers d’annonceurs. La plupart des annonces sont vendues aux enchères, vous devez donc encoder les tests dans les enchères. Pour diffuser une annonce à quelqu’un, vous devez remporter l’enchère, et si vous voulez vous assurer que certaines personnes ne voient pas l’annonce, pour le plaisir du test, vous devez avoir des cas où l’annonceur perd délibérément la vente aux enchères. Les deux circonstances ont des conséquences économiques, car perdre l’enchère peut vous coûter la vente et gagner l’enchère vous oblige à payer une enchère.

De plus, l’expérience ne peut pas ralentir le système; vous ne pouvez pas avoir de latence. Vous devez donc développer l’infrastructure, encoder les statistiques, puis en faire un mécanisme de libre-service externe que l’annonceur peut activer et désactiver. Tout cela doit être exécuté en arrière-plan – la complexité doit être cachée. Ensuite, les résultats doivent être communiqués via une interface simple visualisée en informations significatives pour les personnes qui ne connaissent pas vraiment les statistiques.

Quelles leçons que vous avez apprises ont fait sauter certaines des hypothèses que les spécialistes du marketing avaient autrefois?

Je pense que la plupart des chercheurs qui travaillent dans ce domaine conviendraient que, historiquement, l’effet de la publicité a été survendu – que les véritables effets causaux des publicités sont en fait beaucoup plus faibles que ce que certains dans l’industrie ont prétendu. Une autre chose que nous avons apprise est que certains types d’annonces peuvent être très efficaces. Par exemple, la publicité sur le Réseau de Recherche (les annonces qui apparaissent en réponse à vos recherches en ligne) est en fait assez puissante. Les données ont montré que les consommateurs aiment vraiment ça. Lorsque nous supprimons cela, dans des expériences correctement mesurées, nous constatons que les utilisateurs arrêtent de venir sur la plate-forme. Ils préfèrent en fait les plates-formes qui ont ces publicités informatives. Mon collègue Navdeep Sahni, ici à Stanford GSB, a mené de très belles expériences pour le montrer.

Une dernière question: en quoi votre recherche a-t-elle changé la façon dont vous répondez personnellement aux publicités?

Je suis ennuyé par les publicités ennuyeuses maintenant, car je sais qu’il y a de la mauvaise science derrière elles. Je suis d’accord avec la collecte de données et des choses comme ça, mais ma tolérance au manque de transparence est très faible. Et bien sûr, chaque fois qu’une annonce apparaît dans mon flux maintenant, je me demande toujours, « Quel est le système d’enchères qui a causé ce résultat? Quel est l’algorithme derrière cela? » Ce sont les trucs amusants.