Si vous travaillez dans le domaine du marketing numérique, vous avez probablement déjà entendu parler de la » Data Clean Room « .
Généralement, cette notion est abordée lorsque la conversation dévie sur les informations propriétaires (premier tiers), les normes RGPD, la fin imminente des cookies, etc.
- Mais qu’est-ce exactement qu’une Data Clean Room ?
- Qu’est-ce qu’une technologie sensible à la confidentialité des données ?
- Quel est son rôle ?
- Qu’est-ce qui a poussé Google à choisir en 2017 de lancer la première opération de data-cleaning room qui incluait Ads Data Hub ?
Suivez les directives !
Contents
Qu’est-ce qu’une data-clean room ?
Une définition pragmatique
Les data clean rooms sont un espace qui permet à deux parties de partager des informations sur leurs clients selon une méthode sûre et sécurisée. L’objectif est d’effectuer des analyses pour améliorer les stratégies marketing et publicitaires de l’annonceur.
En effet, les salles blanches permettent à l’annonceur de « mélanger » ses données de première main avec des informations très sensibles provenant d’autres partenaires (tels que Google, Facebook ou Amazon) afin d’obtenir des informations sur le succès de ses publicités et les caractéristiques démographiques de son public cible.
En mélangeant des ensembles de données anonymisées avec les données de leurs partenaires, les spécialistes du marketing peuvent faire tomber les barrières et obtenir une vision plus large du parcours du client, une meilleure compréhension de leurs dépenses médiatiques et une meilleure segmentation de leur public…
Une salle blanche permet d’assurer la confidentialité absolue des données
Une data cleanroom agit comme une « zone neutre » entre deux parties qui souhaitent fusionner leurs données de manière sûre et sécurisée. Pour faire une analogie, la salle blanche est semblable à la « Suisse » des données.
Il n’y a jamais un moment où une partie doit modifier les données de l’autre. De plus, ces infrastructures empêchent toute fuite de données.
Pour éviter toute interprétation erronée, la data room filtrera les données sensibles dans le flux et mettra en place un ensemble de règles pour garantir le respect total de la vie privée des utilisateurs.
Si l’on prend l’exemple de ce que fait Google avec sa salle blanche Ads Data Hub, on constate que trois principes sont mis en œuvre pour garantir la confidentialité des données :
- Les requêtes SQL effectuées par les data scientists et susceptibles de récupérer des informations confidentielles sont bloquées en amont.
- Avant de diffuser une information, Google s’assure que la taille de l’échantillon est suffisante pour garantir l’anonymat des données.
- Au final, si en combinant certains ensembles de données avec d’autres, il est possible de descendre jusqu’au niveau de l’utilisateur (c’est-à-dire de pouvoir analyser les données d’un utilisateur) Si c’est le cas, Google élimine les données des rapports.
Les salles blanches pour les données sont généralement conçues pour les annonceurs à grande échelle en raison de la difficulté de leur mise en œuvre.
Depuis le début, le concept de salles blanches pour les données (suggéré pour la première fois par les GAFAM) est destiné principalement aux annonceurs à grande échelle. La mise en œuvre est encore un peu « douloureuse ».
Il suffit de voir l’infrastructure nécessaire à Google pour utiliser sa solution HAD pour comprendre qu’elle n’est pas à la portée du commun des mortels.
Il est donc impossible d’utiliser ces salles blanches pour les données sans disposer d’une équipe bien établie de data scientists et d’analystes maîtrisant le domaine de la business intelligence ainsi que les requêtes SQL…. Le point de vue d’un spécialiste du marketing/média estfortement recommandé, afin de pouvoir fournir la logique commerciale nécessaire à l’application des données.
Quels sont les avantages d’une data-clean room pour un annonceur ?
Voici quelques exemples de ce qu’une data-clean room peut offrir à un annonceur.
Analyse de la portée et de la fréquence d’exposition
- Un annonceur fait de la publicité sur YouTube ainsi que sur des sites d’inventaire premium (par exemple, l’espace publicitaire qui est disponible sur la page principale du site Web du Monde). le site web du Monde) et sont intéressés à savoir combien de fois les internautes ont vu leur publicité en tout et pour tout.
- Un annonceur qui utilise tous les réseaux publicitaires de Facebook (Facebook, Instagram, Audience Network et Messenger) peut visualiser la manière dont son audience dédupliquée est répartie sur les quatre plateformes.
- Une entreprise qui a des publicités sur plusieurs inventaires peut faire appel à une salle blanche de données pour voir si elle est capable d’obtenir autant de conversions tout en réduisant sa répétition globale (le nombre de fois où les utilisateurs sont confrontés à la même publicité) et, par conséquent, en dépensant moins en médias.
Mesure et attribution
- Un e-commerçant qui vend ses produits par l’intermédiaire d’Amazon et qui en fait ensuite la promotion à l’aide des outils programmatiques d’Amazon peut étudier l’efficacité de ses campagnes à l’aide de sa propre fenêtre d’attribution (comprendre le nombre de ventes générées par la campagne à différents moments).
- En utilisant les capacités de la salle blanche d’Amazon (Amazon Marketing Cloud), un annonceur peut examiner les relations de cause à effet et les corrélations entre diverses variables marketing afin d’obtenir des informations qui l’aideront à améliorer son retour sur investissement publicitaire.
Connaissances des consommateurs
- Deux marques combinent leurs données clients 1P (first party) pour déterminer le chevauchement entre deux groupes (X % des clients de la marque 1 sont des acheteurs de la marque 2).
- Un annonceur dans le secteur de la brique et du mortier peut suivre ses meilleurs clients à partir d’omnicanaux en analysant les intérêts spécifiques des internautes identifiés auprès de GAFAM (ce qui intéresse le plus les gens, le type de sites Web qu’ils visitent, ce qu’ils prévoient d’acheter, etc.)
Médias de détail
- Un fabricant peut mélanger ses données avec celles d’un détaillant afin de savoir si certaines de ses campagnes de marketing ont abouti à des ventes en magasin.
- Un détaillant peut utiliser les data rooms pour intégrer les informations de sa carte de fidélité à celles de divers éditeurs, et savoir quels sites web ou contenus sont visités par ses clients.
Activation des médias
- Un détaillant en ligne peut demander à Amazon, via une data room claire, de fournir aux utilisateurs un segment de clients dans les deux catégories X et Y, afin de les atteindre par le biais d’annonces programmatiques en utilisant le DSP d’Amazon.
- Une agence peut utiliser la data room propre des GAFA pour déterminer les types de personnes qui ont le plus de chances d’acheter le produit de leur client.
L’histoire de la data room propre : comprendre le problème suite au lancement d’Ads Data Hub
Avant cela, les annonceurs collectaient des informations via des balises provenant de sources tierces (appelées « pixels »)
Google a amorcé le mouvement de nettoyage des données en 2017, lorsqu’il a lancé ADH (Ads Data Hub).
Avant le lancement d’ADH, les annonceurs et leurs agences recherchaient des pixels à inclure dans leurs campagnes publicitaires. Ces bouts de code collectaient directement des données pour être utilisées à des fins de mesure (combien de fois ma publicité a-t-elle été vue ? Quel est le nombre de fois où elle a été lue ? Quel est le nombre de clics générés ? etc. ).
Cette méthode, qui permet à terme à des tiers de recueillir des données directement sur la plateforme , pourrait poser un problème de sécurité :
- Qui est le véritable responsable de la collecte de ces informations ?
- Quelle est la meilleure façon d’utiliser ces données par la suite ?
- Les informations résultant de cette recherche sont-elles respectueuses de la vie privée ?
En particulier parce que le « piggybacking » était répandu dans le sens où le même pixel peut « intégrer » un autre pixel et rendre la collecte d’informations extrêmement difficile à discerner, même pour la plateforme YouTube elle-même.
Limiter la collecte de données tierces au niveau de l’utilisateur pour plus de sécurité et de protection.
Au final, Google a décidé d’interdire purement et simplement l’utilisation de pixels de suivi provenant de tiers pour la plateforme YouTube.
De la même manière, Google a également supprimé les identifiants des utilisateurs de son serveur publicitaire, Campaign Manager, ce qui empêche les annonceurs d’analyser chaque utilisateur de manière isolée, s’ils le souhaitent.
Avec tous ces changements, la publicité numérique a perdu l’ une de ses plus grandes forces : la capacité à fournir une mesure précise de l’efficacité de la publicité et de la portée de l’audience.
Il était donc impératif de donner aux annonceurs une méthode différente pour mesurer leurs campagnes, et avec plus de détails, sans risquer de divulguer des informations privées.
C’est ce qui s’est passé avec la création d’Ads Data Hub, la première Data Clean Room dédiée à la publicité numérique.
L’utilisation de la data clean room se généralise désormais à l’ensemble de l’entreprise
Aujourd’hui, les salles de données sécurisées ne sont pas le domaine exclusif des GAFAM.
De grands distributeurs, comme Carrefour et Target aux Etats-Unis, et même des acteurs comme Disney, mettent également des data room sécurisées à la disposition des marques qui les paient pour utiliser leurs données à des fins publicitaires (retail media).
Certaines sociétés comme Habu, InfoSum et Snowflake proposent des plateformes de data room propres qui sont utilisées par ces acteurs non GAFAM, ce qui permet à deux organisations d’échanger leurs données tout en préservant la confidentialité des données.
Conclusion
Le problème principal avec l’idée d’une salle blanche pour les données est d’intégrer leurs données avec celles de l’autre partenaire afin de recueillir plus d’insights, pour maximiser leur investissement média.
Les annonceurs peuvent planifier et tester plus efficacement leurs campagnes en utilisant des signaux puissants.
Pour voir le cas d’utilisation de A à Z d’une salle blanche pour les données, je vous suggère de regarder la vidéo ci-dessous de MightyHive qui concerne l’étude d’un annonceur qui a utilisé Ads Data Hub pour mieux analyser et améliorer l’efficacité de son budget publicitaire.
FAQ sur les salles blanches
Les data clean rooms sont un espace qui permet à deux parties d’échanger des informations sur leurs clients de manière sûre et anonyme.
L’objectif d’une data room est d’analyser les données pour améliorer le plan de publicité et de marketing d’un annonceur.
Parmi les data clean roms, nous pouvons dire :
- Ads Data Hub (Google)
- Amazon Marketing Cloud
- Snowflake
- Habu
- InfoSum