Le pognon de dingue des GAFAM
Définition : GAFAM
Bien que visant les géants du numérique les plus influents autour de 2010 (Google, Amazon, Facebook, Apple, Microsoft), le terme sera employé pour désigner toutes les grandes plateformes numériques privées occidentales.
Fondamental : Paradoxe
Beaucoup de services des GAFAM sont gratuits. Pourtant leurs capitalisations boursières sont parmi les premières au monde et leur chiffre d'affaire se compte en centaines de milliards.
Capitalisation boursière
Chiffre d'affaire
Complément : Revenus de la publicité (2022)
Meta : 98% (115 milliards de $)
Tiktok : 77% (8 milliards de $)
Alphabet : 68% (193 milliards de $)
Amazon : 8% (56 milliards de $)
Microsoft : 5% (12 milliards de $)
Apple : 2% (10 milliards de $)
Tous en croissance.
Revenus nets
Le marché de la donnée
Marché historique
Définition : Data broker
Un courtier en données (data broker en anglais) est une entreprise spécialisée dans la collecte et la vente ou revente de données, et en particulier de données personnelles, telles que les revenus, l'origine ethnique, les convictions politiques, les préférences sexuelles ou religieuses, le métier, le salaire et les revenus, les crédits et les dettes, l'état de santé, les comportements d'achats, de loisirs ou encore des données de géolocalisation). (Wikipédia)
Exemple : Acxiom, un data broker historique
Complément : Le cheval de Troie des applications pour smartphone
Les data brokers eux-mêmes restent discrets sur l’origine de leurs données. Plusieurs circuits existent. Elles peuvent d’abord être collectées et partagées directement par les applications. La transmission peut aussi se faire par le biais d’une de leurs briques logicielles – les « SDK » (pour « Software Development Kit »). Ces outils, gratuits, sont utilisés par de nombreux éditeurs pour faciliter le développement et la monétisation de leurs applications. Les entreprises tierces qui les proposent se rémunèrent, quant à elles, grâce aux données personnelles des mobinautes.
Les éditeurs d’applications mobiles gratuites sont en effet « fortement incités à collecter les données de leurs utilisateurs, car la publicité est leur principale source de revenus », analyse Narseo Vallina Rodriguez, chercheur à l’IMDEA Networks Institute, à Madrid, et spécialiste des enjeux de protection des données mobiles. Or, une petite application gratuite peut difficilement le faire sans passer par des SDK, pour des raisons techniques et financières.
Les données récoltées sont donc fortement concentrées et ne transitent pas nécessairement par les éditeurs de logiciels (ou d'applications).
GAFAM et données
Fondamental : « Si c'est gratuit, c'est toi le produit »
Le modèle économique des GAFAM se base fortement sur l'exploitation des données des utilisateur·ices.
Qui sont les vrais clients des GAFAM ?
Toute organisation voulant cibler quelqu'un selon son profil.
Exemple : Qui est prêt à payer pour du ciblage ?
Marques voulant promouvoir un produit au public cible
Politiques cherchant à distribuer des messages ultra-personnalisés
Compagnie d'assurance ciblant les personnes à risque
Chercheur·ses souhaitant recruter un public spécifique
Exemple : Promotion des shorts YouTube
Si vous cherchez un raccourci pour atteindre de nouveaux acheteurs et acheteuses, ne cherchez pas plus loin que YouTube Shorts. En effet, d’après notre dernière étude réalisée en partenariat avec Cint et Differentology, YouTube Shorts est la première plateforme de vidéos courtes pour découvrir de nouveaux produits et marques en Europe, au Moyen-Orient et en Afrique (EMEA).
Remarque : Accumuler des données pour mieux cibler
On s'intéresse aux donnés externes apportées par les clients des GAFAM.
Les plateformes achètent parfois elles-mêmes des données pour élargir le spectre de leurs données.
Exemple : Échange opaque de données personnelles
En 2018, Google a conclu un accord avec Mastercard pour acheter la totalité des transactions réalisées. (Bloomberg)
Les régies publicitaires à l'ère des plateformes
Définition : Régie publicitaire
Une régie publicitaire est une entreprise qui met en relation des annonceurs souhaitant diffuser des publicités et des entreprises de média qui souhaitent mettre à disposition des espaces publicitaires (Wikipédia).
Définition : SDK
Un SDK (Software Development Kit) est une boîte à outil qui aide les développeurs. Dans le domaine de la publicité, les SDK simplifient l'affichage de publicités et la monétisation. Les GAFAM proposent également des SDK qui offrent notamment du suivi d'audience.
Remarque : Conflits d'intérêts ?
Les grandes régies publicitaires sur le web (Google Ads, Facebook Ads, Instagram Ads, Tiktok Ads, YouTube Ads, Amazon Ads...) appartiennent à des grandes plateformes.
Exemple : Think with Google
Lassés de la surcharge informationnelle, les consommateurs aspirent à plus de simplicité. La preuve ? L'intérêt de recherche pour le "jeûne de dopamine" (dopamine fasting) a explosé cette année, avec une multiplication par six des recherches sur le sujet.
C'est l'occasion pour les marques de sortir du lot en privilégiant des connexions plus étroites. Plutôt que de submerger vos publics, adoptez une approche marketing en "pleine conscience", axée sur l'essentiel.
La clé ? Une stratégie data efficace. Collectez et analysez les données consenties pour comprendre les besoins et préférences de vos client·es. Vous pourrez ainsi proposer des expériences hyper-personnalisées, au lieu de les noyer sous un flot d'informations inutiles.
Conclusion
Par leurs multiples casquettes, les GAFAM agrègent les données...
Récoltées via les plateformes ;
Achetées aux data-broker ;
Détournées via les SDK ;
Introduites par leurs clients.
Le marché de la publicité numérique
On va chercher à étudier les mécanismes internes de la publicité en ligne dans le but de mieux comprendre la stratégie des acteurs de la donnée.
Fonctionnement général
Fondamental : Personnalisation
La publicité en ligne est systématiquement personnalisée, c'est-à-dire basée sur le ciblage de données personnelles.
C'est un écosystème complexe, opaque et peu connu. Les sommes en jeu sont colossales, de l'ordre de 500 milliards de dollars (Grand View Research).
Méthode : Passer une annonce
Les client·es des régies publicitaires définissent un message à faire passer, un public à cibler et un budget moyen, souvent par jour.
Les régies estiment les « performances » réalisables avec ce budget (nombre d'impressions, nombre de clics, etc.).
Méthode : De l'annonce à l'impression
Les différents annonceurs sont en compétition pour l'affichage de leurs annonces.
Chaque emplacement disponible est vendu aux enchères, auxquelles participent tous les annonceurs intéressés.
Un emplacement est associé à des métadonnées (URL, langue, thème...) et à des données sur l'utilisateur·ice (dont la qualité dépend du ciblage antérieur).
Le placement des publicités doit se faire en un temps très faible (quelques millisecondes). Des algorithmes sont en compétition pour faire la meilleure offre.
De la personnalisation à la prédiction
Les annonceurs combinent généralement les données personnelles dont ils disposent avec des informations contextuelles (période de l'année, goûts du cercle social, tendance à cliquer sur des publicités...) pour prédire si un·e utilisateur·ice cliquera sur une publicité.
Exemple : Facebook Ads
Noter comme les paramètres de ciblage ne sont pas nécessairement connus par Facebook : ils sont alors prédits.
Conceptuellement, choisir la bonne annonce pour le bon utilisateur est assez simple. Nous extrayons les annonces d'une base de données, nous les classons en fonction de la probabilité que l'utilisateur clique dessus, nous lançons un processus d'enchères pour choisir la meilleure et nous la présentons enfin à l'utilisateur.
(Damien Benveniste, ex-«Machine Learning Tech Lead » à Meta.)
Nous devons réfléchir aux différents acteurs du processus : les utilisateurs, les publicités et le contexte. Meta dispose d'environ 10 000 caractéristiques qui décrivent le comportement de ces acteurs.
Méthode : Publicité programmatique
Pour chaque emplacement disponible, c'est le plus haut prix proposé qui remporte l'enchère, celui-ci étant supposé optimiser le prix dépensé par le client pour le retour sur investissement final.
Attention : Course à l'armement
Cette compétition pour optimiser le coût d'un produit hautement spéculatif rappelle l'algorithmisation de la finance.
Exemple : Google Ads
Google Ads revendique une diffusion sur 35 millions de sites web, auxquels il faut ajouter Gmail et YouTube.
Aperçus d'une campagne Google Ads fictive, sur différents supports.
Complément : Après l'impression
Les rapports sur les stratégies d'enchères Google Ads offrent un aperçu des performances de vos stratégies d'enchères automatiques. Ils incluent des métriques personnalisées pour vous présenter les éléments les plus pertinents concernant chaque type de stratégie, ainsi que d'autres données importantes comme l'état de votre stratégie, les principaux signaux, les simulateurs de cibles et de budgets, le CPA cible moyen, le ROAS cible moyen et le délai de conversion.
Le délai de conversion désigne le temps entre le clic et le comportement souhaité. Les clients Google Ads ont accès à de nombreux outils pour injecter ces données, même pour des achats en boutique. Les clients finaux sont in fine suivis au long court.