Arrêtez de gambler, alliez-vous à l’IA

Le machine learning, ou comment apprendre à nos machines à apprendre et évoluer. Toutes les entreprises veulent devenir de plus en plus productives et obtenir les meilleurs résultats en retour du plus petit investissement possible.

Dans le milieu du marketing de performance, les acheteurs médias (media buyers) sont responsables d’acheter et revendre des espaces publicitaires, un peu comme un investisseur immobilier achète et revend des propriétés. Le but : faire du profit!

Mais entre l’achat et la revente, il y a tout un processus d’optimisation de trafic à faire et qui n’est pas nécessairement la spécialité de l’acheteur. Avec le temps, ils développent leur flair d’investisseur immobilier, il deviennent gamblers : ils développent une intuition difficile à expliquer, mais qui est incroyablement payante et joue un rôle important pour les acheteurs lorsque vient le temps de détecter des opportunités de marché!

Par sa capacité à déceler rapidement des patterns difficile à identifier pour un humain, le machine learning peut nous aider à répliquer cet instinct de media buyer!

Une conférence mettant de l’avant ce grand défi:

• Remplacer l’intuition par l'algorithme.
• Accroitre la productivité en achat média grâce au machine learning.

L’accroissement de la productivité passe obligatoirement par l’optimisation des processus gourmands en ressources financières et temporelles. Essentiellement, nous voulons tous être en mesure de faire plus, avec les mêmes ressources.

Le machine learning et l’intelligence artificielle sont des outils incontournables afin d’appuyer ces initiatives. Ceux-ci sont particulièrement utiles pour optimiser des processus très complexes dont il est difficile d’identifier toutes les variables.

Le meilleur exemple de ce type de processus chez Crakmedia est l’optimisation des espaces publicitaires par les acheteurs médias. Ce travail accapare près du quart du temps de chaque membre de l’équipe et repose en grande partie sur des processus mentaux instinctif, raisonnés et logiques, mais difficilement explicables.

C’est donc un processus qui serait difficile à répliquer programmatiquement, car c’est un procédé mental complexe aux variables multiples et qui repose sur des bases très instinctuelles. On pourrait donc difficilement créer nous-mêmes un algorithme précis où celui-ci prendrait des années à perfectionner.

Le machine learning nous permet de créer un tel algorithme dans un temps record et d’obtenir des résultats satisfaisants dès la phase de tests.

L’enjeu d’obtenir des résultats satisfaisants rapidement est d’autant plus grand chez Crakmedia que le placement publicitaire représente une part importante des revenus de l’entreprise, en plus de représenter un pourcentage substantiel du salaire des acheteurs médias dont une partie de la rémunération varie selon les revenus de leurs espaces publicitaires.

On ne peut donc pas laisser un algorithme de machine learning se tromper, car l’impact financier sur les employés serait complètement inacceptable.

Le machine learning ne vient en aucun cas remplacer les acheteurs médias. Il les soutient et leur permet de passer plus de temps à développer leur réseau de partenaires et négocier les meilleures ententes, en plus d’assurer la protection de leur rémunération variable (les commissions sur les revenus générés).

La conférence est présentée par Stéphane Courchesne.