Selon une étude menée par le cabinet de conseil en marketing, Nielsen, l'utilisation du Deep Learning dans l'affichage digital permet d'augmenter les ventes. En effet, les consommateurs qui ont été exposés à des publicités personnalisées grâce au Deep Learning ont été jusqu'à 50% plus enclins à acheter les produits présentés que ceux qui n'ont pas été exposés à des publicités personnalisées.

 

 

Mais qu’est ce que le Deep Learning ?

 

 

Il s’agit d’une forme intelligence artificielle basée sur un modèle de réseaux de neurones. Ce qui est propre au Deep Learning est que ses réseaux sont composés de dizaines voire centaines de couches de neurones. Plus il y a de couches de neurones dans le réseau, plus il considéré comme “profond” et donc performant s’il est suffisamment entrainé.

 

Non, on n’entraine pas un réseau de neurones comme on entraine un athlète pour les JO. Quoi que …

 

Alors comment et pourquoi un réseau de neurones doit-il être entrainé pour être viable et fiable ?

 

 

Prenons un exemples avec la reconnaissance d’image. Nous souhaitons que notre réseau de neurones puisse reconnaître un chien sur une photo. Pour que cela puisse être le cas, il faut qu’il soit en capacité de reconnaître tous les types de chiens peu importe leur race, couleur, taille, la longueur des poils, l'éclairage, l’angle…

 

Nous allons donc entrainer ce réseau en utilisant des dizaines de milliers de photos de chiens, chacune de ces photos doit être différente afin que le réseau soit le plus précis possible. Au fil de l’entrainement, le réseau va avoir récolter tant de données de reconnaissances de chiens, qu’il sera capable de reconnaitre un chien sur n’importe qu’elle autre image.

 

Dans quel contexte est utilisé le Deep Learning ?

 

- La reconnaissance d'image,

- La reconnaissance vocale,

- Le traitement du langage,

- La robotique,

- La cybersécurité,

- La bio-informatique,

- Aide au diagnostic médical,

- Conduite assistée …

 

 

Comment le Deep Learning peut-il optimiser l’affichage digital ?

 

 Grâce au Deep Learning, l’affichage digital devient plus précis et plus pointu sur le ciblage des campagnes. En effet, plusieurs métriques (temps d’attention, trafic, genre, âge…) sont prises en compte comme la captation du temps d’attention par genre et par âge afin d'évaluer l’efficacité et la pertinence de la campagne.

 

Avec le Deep Learning, la solution d’affichage va pouvoir adapter le contenu en conséquence s’il s’avère impertinent ou au contraire si celui-ci se trouve être très efficace. Ces données sont ensuite stockées puis réutilisées afin d’optimiser et perfectionner les campagnes suivantes.

 

Cette solution peut de ce fait également être intéressante pour votre CRM. En effet, votre CRM catégorise vos clients selon leurs caractéristiques démographiques ce qui peut notamment vous aider à cibler vos campagnes (uniquement sur vos canaux digitaux). En utilisant une solution de Deep Learning pour votre affichage digital en magasin, vous pouvez profiter cette même segmentation et ce même ciblage directement sur vos points de vente physiques.

 

De plus, cette forme d’IA ouvre un grand nombre de possibilités. Comme expliqué ci-dessus, il suffit de bien entrainer le réseau de neurones pour un certain cas de figure afin que celui-ci puisse sortir les réponses voulues et les résultats attendus. Il s’agit d’un outil très efficace pour la personnalisation de vos campagnes. Cette solution peut être optimisée en permanence peu importe la demande, les besoins et les objectifs.

 

Enfin, en associant le bon CMS avec du Deep Learning, vous pouvez gérer à distance (ajout de visuels, détermination de la durée et de la cible de votre campagne, lecture et analyse des métriques…) toutes vos campagnes peu importe la taille de votre parc d'écrans et leurs localisations.

 

En conclusion, associer affichage digital, ciblage d’audience et Deep Learning se trouve être la meilleure solution pour optimiser et rentabiliser vos campagnes de PLV :

 

- S’assurer du bon ciblage de ses campagnes

- La solution s’adapte à vos besoins et objectifs

- Suivi des résultats et performances en temps réel

- Adaptation et optimisation des campagnes selon les comportements de l’audience grâce à l’analyse des métriques

 

Si les métriques sont mauvaises, agir rapidement et revoir le message de votre campagne et donc adapter votre stratégie en un claquement de doigts et à distance (désactivez la campagne impertinente et remplacez la rapidement par la nouvelle)