![\"Image\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2021\/04\/tristan.jpeg\")
Le choix d'un entrep\u00f4t cloud data bon march\u00e9 comme candidat peut sembler \u00e9trange. Cependant, pour nous, chez Artefact, le produit BigQuery de Google s'est av\u00e9r\u00e9 extr\u00eamement utile, car il nous a permis d'interroger et de segmenter nos audience m\u00e9dias comme jamais auparavant. Il a sous-tendu une approche r\u00e9volutionnaire de la gestion des m\u00e9dias de nos clients.<\/p>\n<\/div>
Sans BigQuery et la tendance \u00e0 une plus grande d\u00e9mocratisation du stockage et de l'analyse des data, nous ne serions pas en mesure de capitaliser sur ce que nous consid\u00e9rons comme \u201cla tendance marketing num\u00e9rique la plus transformatrice de ces derni\u00e8res ann\u00e9es\u201d : la capacit\u00e9 toujours plus grande d'adapter nos m\u00e9dias pour d\u00e9livrer le bon message au bon moment au bon audience.<\/p>\n<\/div>
Chez Artefact, nous le faisons avec notre outil Audience Engine (AE), notre technologie propri\u00e9taire interne qui sous-tend la majorit\u00e9 de notre production d'activation m\u00e9diatique. L'AE ing\u00e8re de multiples points data 1st\/2nd\/3rd party sur un client potentiel, puis utilise des algorithmes avanc\u00e9s d'apprentissage automatique pour pr\u00e9dire la propension de cet utilisateur \u00e0 se comporter d'une certaine mani\u00e8re (par exemple, acheter un produit). Cela nous permet de construire et d'analyser des cohortes qui correspondent aux profils des clients de nos clients.<\/p>\n<\/div>
Nous pouvons maintenant fusionner le comportement des consommateurs avec les r\u00e9sultats de la mod\u00e9lisation de la propension, la matrice r\u00e9sultante permettant des campagnes m\u00e9diatiques hypercibl\u00e9es, \u00e9troitement align\u00e9es sur les comportements, les besoins et les \u00e9tapes de la vie des utilisateurs, qui peuvent \u00eatre d\u00e9ploy\u00e9es \u00e0 grande \u00e9chelle. En outre, le r\u00e9sultat de cette analyse fournit \u00e9galement des graines pour les sosies de audience qui sous-tendent une approche de la prospection qui est par nature beaucoup plus ax\u00e9e sur data.<\/p>\n<\/div>
Cette approche a permis de r\u00e9duire les co\u00fbts pour les clients, en particulier dans le secteur de la vente au d\u00e9tail et des voyages.<\/p>\n<\/div>
Cette tendance \u00e0 une personnalisation toujours plus pouss\u00e9e de la publicit\u00e9 num\u00e9rique n'a pas \u00e9t\u00e9 lin\u00e9aire, le GDPR, Safari\/iOS14 et l'\u00e9volution vers un avenir sans cuisinier constituant des d\u00e9fis de taille. Toutefois, ces obstacles mettent encore plus l'accent sur les sources 1P data. Le comportement du site data de Google Analytics est directement introduit dans BigQuery pour \u00eatre manipul\u00e9 et alimenter \u00e0 son tour des produits d'agence tels que Audience Engine.<\/p>\n<\/div>
Ensemble, la trajectoire vers une personnalisation toujours plus pouss\u00e9e des publicit\u00e9s devrait \u00eatre gagnante pour tout le monde : pour nos clients, qui peuvent obtenir de meilleurs r\u00e9sultats \u00e0 moindre co\u00fbt ; pour les consommateurs, qui sont de moins en moins importun\u00e9s par des publicit\u00e9s non pertinentes et inappropri\u00e9es ; et pour nous, en tant qu'agence, qui sommes \u00e0 l'avant-garde de tout cela. La d\u00e9mocratisation de l'entreposage cloud data est le h\u00e9ros m\u00e9connu de cette \u00e9volution et repr\u00e9sente, selon nous, la tendance marketing num\u00e9rique la plus transformatrice de ces derni\u00e8res ann\u00e9es.<\/p>\n<\/div><\/div><\/div><\/div><\/article>