Comment le Wall Street Journal augmente la valeur de ses données de première partie grâce à l'IA

Avec l'augmentation continue des préoccupations et des réglementations en matière de confidentialité des consommateurs, le développement d'un ensemble de données de première partie robuste n'a jamais été aussi important.

Néanmoins, la transition d'une stratégie qui repose largement sur des données provenant de tiers peut être un processus difficile. Les ensembles de données propriétaires sont souvent moins complets que les ensembles de données tiers, ce qui entraîne une perte de signal abrupte pour les équipes marketing. Vos données de première partie peuvent inclure les noms et les e-mails des clients, par exemple, mais avez-vous des informations sur l'affinité avec les produits ?

C'est là que l'intelligence artificielle (IA) peut contribuer à combler l'écart, en générant des informations prédictives, telles que la probabilité de désabonnement, à partir de vos données de première partie. Ces informations enrichissent les profils des clients et augmentent la valeur de l'ensemble de votre ensemble de données de première partie.

Chez mParticle, nous avons constaté une augmentation significative de l'engagement lorsque les clients associent des données de première partie à des informations issues de l'IA. Dans l'ensemble, les entreprises qui tirent parti de l'IA pour la personnalisation constatent :

• 10 à 20 % d'engagement en plus (Boston Consulting Group)
• Ventes en hausse de 5 à 10 % (McKinsey)

Le Wall Street Journal (WSJ) est une marque qui utilise l'IA prédictive pour faire de son entreprise un avantage concurrentiel significatif.

Nous avons récemment eu l'occasion de discuter avec Caroline Albanese, directrice des produits et capacités de données pour le WSJ, de la manière dont son équipe génère des informations prédictives avec mParticle Cortex et les utilise pour améliorer les performances publicitaires.

Personnalisation des publicités pour une audience à forte valeur ajoutée de 3,7 millions de personnes

Le Wall Street Journal est l'une des publications d'information les plus importantes et les plus respectées au monde. En se concentrant principalement sur l'actualité financière et commerciale, le WSJ a développé un public de dirigeants politiques, de législateurs et de dirigeants d'entreprises fortunés, qui font tous confiance au journalisme du WSJ et l'utilisent pour prendre des décisions dans leur vie quotidienne.

Avec un public de grande valeur et diffusion moyenne de plus de 3,7 millions de lecteurs, le WSJ est un partenaire attractif pour les annonceurs. Comme l'explique Caroline, la capacité de son équipe à utiliser les données pour aider les annonceurs à atteindre ce public constitue un atout majeur pour la publication.

En tant que directrice des produits et capacités de données, Caroline a pour mission de s'assurer que l'ensemble de données de ses clients est le suivant :

• Opérationnalisé et activé efficacement
• De haute qualité
• Utilisé pour aider les clients publicitaires à atteindre le bon public

L'ancienne méthode : cibler les publicités sur la base de données de tiers

Avant de passer à une stratégie de segmentation publicitaire basée sur une stratégie de données de première partie, le WSJ s'appuyait sur des données tierces acquises auprès de partenaires de données. Ils ont créé des cohortes et des segments sur la base de ces données et les ont utilisés pour aider les clients à atteindre leur public.

Cette méthodologie a permis à l'équipe d'accéder facilement à de grands ensembles de données, mais elle s'est également heurtée à certains défis :

• Qualité des données incertaine
• Défis en matière de confidentialité et de conformité réglementaire

L'équipe ne pouvait pas toujours faire confiance aux données de tiers auxquelles elle avait accès. Ils ont pu activer de grands segments, mais la plupart des données étaient discutables. « Combien de personnes pourraient réellement travailler chez Apple ? Combien y a-t-il réellement de conseillers financiers dans le monde ? » Caroline s'est interrogée.

Sans transparence quant à la provenance réelle des données, il était difficile de répondre à ces questions, ce qui a amené l'équipe à remettre en question la qualité de ses données tierces de manière plus générale.

En outre, alors que les réglementations relatives à la confidentialité et aux données des utilisateurs se renforçaient, ce manque de transparence devenait également un handicap potentiel. Caroline et son équipe ne savaient pas toujours clairement comment les données étaient collectées et si les utilisateurs avaient été informés que leurs données étaient collectées et pouvaient être utilisées à des fins publicitaires.

»Personne ne connaît mieux notre contenu que nous. Personne ne connaît mieux notre public que nous», a pensé Caroline. « Pouvons-nous utiliser les données exclusives que nous collectons par tous ces autres moyens pour créer ces produits et ces segments, et développer cette évolutivité au fil du temps ? »

Au lieu de payer pour des données génériques et générales d'origine incertaine, l'équipe a décidé d'utiliser sa propre solution propriétaire pour créer des produits publicitaires, créer des segments d'audience et aider ses annonceurs à obtenir des résultats.

« C'est ce qui a vraiment donné le coup d'envoi à notre stratégie de données de première partie », a déclaré Caroline, « qui correspondait bien à ce qui se passait déjà dans le secteur, avec la suppression des réglementations en matière de confidentialité et de cookies, et la prise de conscience accrue des utilisateurs quant à la manière dont leurs données sont utilisées en ligne. »

Difficultés liées à la transition vers une stratégie de données de première partie

Les données internes incluent toutes les informations que les clients fournissent directement à votre organisation. Pour le WSJ, cela inclut les données démographiques et les caractéristiques fournies par les clients lorsqu'ils s'abonnent au journal, les données comportementales lorsqu'ils visitent le site Web, interagissent avec le contenu, cliquent sur des publicités, partagent des articles, etc.

Les réglementations relatives aux données tierces étant de plus en plus importantes, une stratégie de données de première partie est cruciale pour les organisations de toutes tailles et de tous les secteurs. Cependant, les marques sont confrontées à certains défis courants lorsqu'elles élaborent cette stratégie, collectent des données de première partie et l'activent.

Obtenir l'adhésion de l'organisation

Tout changement stratégique nécessite l'adhésion de l'organisation, et la collecte et l'exploitation de données de première partie à des fins publicitaires constituent un grand changement pour les entreprises habituées à utiliser des données de tiers.

Pour prouver le succès d'une stratégie de données de première partie, Caroline a commencé à petite échelle, en reproduisant un seul segment d'audience très vendu à l'aide de données de première partie, puis s'est développée à partir de là.

Elle recommande de se demander : « Quelle est la plus petite chose que je puisse construire pour avoir un impact ? » puis en mesurant de près cet impact et en rendant compte. « Cet état d'esprit axé sur la transparence et les résultats vous aidera à impliquer davantage de personnes, puis à faire participer l'ensemble de l'organisation. »

Gouvernance et conformité des données

L'utilisation de données internes à la place de données tierces vous permet de mieux contrôler la gouvernance des données et la conformité aux réglementations en matière de confidentialité des utilisateurs. Cela signifie également que c'est celui de votre organisation responsabilité pour résoudre ce problème de conformité.

Caroline et son équipe ont travaillé en étroite collaboration avec les équipes juridiques et de gouvernance des données de l'entreprise tout au long de l'élaboration de la stratégie de données afin de garantir la conformité des données clients collectées.

Unification des données entre les systèmes

Les données étant collectées par différents services et stockées dans de nombreux systèmes différents au sein de l'organisation, la centralisation et l'unification des données de première partie peuvent constituer un défi pour de nombreuses entreprises. Par exemple, les informations relatives à vos clients peuvent être stockées dans votre CRM, des données comportementales provenant de votre site Web et de votre application, et des données transactionnelles provenant de votre système de point de vente. Souvent, ces systèmes sont déconnectés et leur intégration nécessite une assistance technique importante.

Une stratégie de premier niveau efficace nécessite d'unifier toutes vos données en un seul endroit et de résoudre des problèmes tels que la résolution d'identité afin de garantir la qualité et l'exactitude des données.

Ciblage efficace avec un ensemble de données réduit

Comme nous l'avons déjà mentionné, les ensembles de données de première partie sont le plus souvent plus petits que les grands ensembles de données tiers auxquels les entreprises peuvent être habituées. Les marques sont aujourd'hui confrontées à une perte de signal brutale alors qu'elles passent à une stratégie de données de première partie.

C'est un défi pour toute entreprise, mais pour un éditeur comme le WSJ, il est crucial de le résoudre rapidement. Les annonceurs s'associent au WSJ, en partie pour la qualité de leur ciblage publicitaire. Un ciblage publicitaire efficace se traduit par plus de clics, plus de conversions et un meilleur retour sur investissement pour les annonceurs. La capacité de l'éditeur à proposer un ciblage publicitaire de qualité dépend de la qualité de l'ensemble de données qui le sous-tend.

Pour faire des données de première partie une base viable pour le ciblage de ses publicités, l'équipe avait besoin d'un moyen de rendre ses profils clients plus complets. Ils peuvent connaître les coordonnées d'un lecteur, son pays de résidence et les articles récemment lus, par exemple, mais ils ne disposaient pas d'un point de données sur les intérêts du lecteur pour les produits ou son affinité pour les produits de luxe.

C'est là qu'intervient l'IA, qui génère des prédictions basées sur les données de première partie qui est disponibles et aidant à combler ces lacunes dans le profil client, ce qui permet un ciblage publicitaire plus informé et plus efficace.

Utiliser l'IA pour transformer les données de première partie en une meilleure segmentation et en meilleurs résultats pour les annonceurs

La confidentialité et la conformité des utilisateurs étant une priorité, Caroline et son équipe ont travaillé en collaboration avec les équipes juridiques et de gouvernance des données du WSJ pour garantir l'hygiène, l'exactitude et la conformité réglementaire des données.

Toutes les données clients générées par le Wall Street Journal, dans tous les départements, sont regroupées dans un ensemble de données centralisé et unifié. À partir de là, l'entreprise a tiré parti de mParticle Cortex, le moteur d'IA prédictive de mParticle, pour créer des segments d'audience et des cohortes prédictifs pour les campagnes publicitaires.

Grâce aux segments alimentés par l'IA, le WSJ peut créer des segments publicitaires plus efficaces en utilisant uniquement des données de première partie, à grande échelle, optimisés pour le CTR et les conversions, et adaptatifs en temps réel.

Cas d'utilisation : le client travaille avec WSJ pour toucher un public de conseillers financiers

Un annonceur peut vouloir cibler toute personne dont le poste est intitulé « conseiller financier ». Ce n'est pas une caractéristique difficile à cibler, mais l'audience est intrinsèquement limitée. De plus, l'hypothèse selon laquelle les personnes possédant ce titre seront susceptibles d'acheter le produit de l'annonceur est essentiellement une estimation.

Avec Cortex, Caroline et son équipe peuvent identifier les utilisateurs susceptibles d'être des conseillers financiers ainsi que les personnes dont le comportement suggère qu'elles sont susceptibles de devenir conseillers financiers ou de partager des intérêts similaires avec eux.

Cela permet au WSJ d'élargir le ciblage de ses annonceurs, tout en augmentant les CTR et les conversions. Caroline explique : « Vous voulez des personnes qui travaillent ou occupent un poste très haut placé dans le secteur financier, mais vous n'êtes pas obligée de le faire. seulement frappez ces personnes. Vous pouvez également toucher des personnes qui sont très susceptibles de leur ressembler ou qui ont des intérêts très similaires. »

Comme l'explique Caroline, ils constatent des conversions, des CTR et un engagement beaucoup plus élevés grâce à la segmentation de l'IA basée sur des données de première partie. Parce qu'en fin de compte, les annonceurs recherchent des personnes intéressées par leur produit. Le titre de « conseiller financier » n'est qu'un indicateur de ce groupe. Grâce à Cortex, l'équipe du WSJ peut identifier les personnes susceptibles d'être intéressées par le produit de l'annonceur en fonction de leur comportement réel en temps réel.

Pour une entreprise de médias comme le WSJ, cela représente un avantage concurrentiel considérable, car cela l'aide à être compétitive pour les recettes publicitaires tout en générant de meilleurs résultats pour ses partenaires publicitaires.

La stratégie de données de première partie de l'entreprise, qui met l'accent sur la gouvernance et la conformité des données, constitue désormais un facteur de différenciation sur le marché.

« Nos clients sont donc plus susceptibles de dépenser avec nous », explique Caroline. « Nous avons constaté que nos clients nous font davantage confiance et que les personnes qui utilisent nos produits en utilisant nos données de première partie obtiennent de meilleurs résultats. C'est bon pour nous ; c'est bon pour nos clients. »