Cet audio est généré automatiquement. S'il vous plaît laissez-nous savoir si vous avez des commentaires.
Meta a partagé de nouvelles informations sur l'évolution de ses systèmes de ciblage publicitaire et sur la manière dont sa capacité croissante de traitement de l'IA génère de meilleurs résultats pour les annonceurs grâce à une meilleure correspondance des intérêts.
Et les annonceurs en ont pris note. De plus en plus de partenaires méta-annonces ont signalé des performances améliorées, le ciblage par l'IA aidant à trouver des clients qu'ils auraient autrement manqués.
Dans sa nouvelle présentation, Meta fournit plus d'informations sur le fonctionnement de son système et sur la manière dont il génère des améliorations plus larges des performances de toutes les offres publicitaires de Meta grâce à une amélioration continue.
Comme expliqué par Meta :
« Le Modèle de recommandation d'annonces génératives (GEM) est le modèle de base publicitaire le plus avancé de Meta, construit sur un paradigme inspiré du LLM et formé sur des milliers de GPU. Il s’agit du plus grand modèle de base pour les systèmes de recommandation (RecSys) du secteur, formé à l’échelle de grands modèles de langage.
Pour être clair, Meta utilise le ciblage automatique avancé pour les publicités depuis des années, avec ses vastes quantités de données d'intérêt et d'engagement du public permettant à Meta d'identifier plus précisément les intérêts des utilisateurs et d'afficher des publicités pertinentes en conséquence.
En effet, avant que la dernière vague d'outils d'IA n'arrive sur le marché, Meta utilisait déjà depuis de nombreuses années cette même approche de ciblage basée sur le LLM, mais le recadrage du traitement des données à grande échelle car « l’IA » a changé le paradigme autour de la façon dont cela est perçu.
Essentiellement, Meta était autrefois critiqué pour faciliter le ciblage psychographique, basé sur les données dont il dispose sur ses 3 milliards d'utilisateurs, y compris les pages qu'ils aiment, les personnes avec lesquelles ils sont connectés, leurs intérêts, leurs caractéristiques, etc.
Mais désormais, tout cela n'est pas seulement une pratique acceptable, sous la bannière de « l'IA », mais les données de Meta sont également considérées comme un avantage majeur. Et en gardant cela à l’esprit, après avoir surmonté tout ce retour de flamme, vous pouvez comprendre pourquoi Zuckerberg tient tant à revendiquer le titre de leader dans le domaine de l’IA.
Meta affirme que son dernier modèle GEM présente une avancée significative dans ses systèmes de ciblage, en utilisant « une mise à l’échelle du modèle avec une architecture avancée, des techniques post-formation pour le transfert de connaissances et une infrastructure de formation améliorée pour prendre en charge l’évolutivité ».
« Ces innovations améliorent efficacement les performances publicitaires, permettent un partage efficace des connaissances au sein du parc de modèles publicitaires et optimisent l'utilisation de milliers de GPU pour la formation. GEM a entraîné un changement de paradigme dans Ads RecSys, transformant les performances publicitaires tout au long de l'entonnoir – notoriété, engagement et conversion – grâce à une optimisation conjointe des objectifs des utilisateurs et des annonceurs.»
En résumé : plus de personnes cliquent sur les publicités, plus de clients publicitaires vendent des produits.
En termes de performances spécifiques, Meta indique que son système mis à jour est désormais :
- 4 fois plus efficace pour générer des gains de performances publicitaires pour une quantité de données et de calcul donnée que ses modèles de classement de recommandations d'annonces d'origine.
- 2 fois plus efficace en matière de transfert de connaissances, contribuant ainsi à optimiser les performances publicitaires au sens large.
- Plus rapide et plus efficace grâce à une plus grande capacité de calcul, permettant une mise à l'échelle plus efficace des résultats publicitaires.
« GEM est formé sur le contenu publicitaire et les données d'engagement des utilisateurs provenant à la fois des publicités et des interactions organiques. À partir de ces données, nous dérivons des fonctionnalités que nous catégorisons en deux groupes : les fonctionnalités de séquence (telles que l'historique des activités) et les fonctionnalités non séquentielles (telles que les attributs de l'utilisateur et de l'annonce – par exemple, l'âge, l'emplacement, le format de l'annonce et la représentation créative). Des mécanismes d'attention personnalisés sont appliqués à chaque groupe indépendamment, tout en permettant également un apprentissage croisé. Cette conception améliore la précision et adapte à la fois la profondeur et l'étendue de chaque bloc d'attention, offrant 4× l'efficacité de notre génération précédente de modèles.»
Ainsi, le système publicitaire de Meta dispose désormais d'une capacité plus systématique, lui permettant de traiter davantage d'informations et de trouver des signes de données plus corrélés, ce qui conduit à de meilleures performances publicitaires.
Ce qui se reflète également dans les données de performance.
Meta a déjà partagé que les annonceurs utilisant ses différentes options de ciblage publicitaire basées sur l'IA ont constaté des performances publicitaires considérablement améliorées, tout en révélant leur intention d'automatiser à terme l'ensemble du processus de création d'annonces, en utilisant ces systèmes évolutifs pour essentiellement créer votre annonce, optimiser votre ciblage et gérer votre budget, sans que vous ayez besoin de faire autre chose que de saisir l'URL de votre produit.
C'est à quel point Meta a confiance dans ses systèmes publicitaires pour améliorer les performances au fil du temps.
Le système GEM de Meta fonctionne en tandem avec l'architecture « Lattice » de Meta et ses modèles « Andromeda », qui jouent tous leur propre rôle dans l'optimisation du ciblage de vos publicités Meta.
- Lattice est ce que Meta appelle sa « bibliothèque de publicités », qui alimente le classement des publicités, garantissant un placement optimal pour chaque campagne.
- Andromeda est le modèle de personnalisation de Meta, qui garantit la pertinence des annonces en fonction de l'historique d'engagement et des intérêts de chaque utilisateur.
Ensemble, ces systèmes garantissent une plus grande pertinence publicitaire, en utilisant la pile technologique en constante évolution de Meta pour en savoir plus sur les préférences de chaque utilisateur et améliorer le ciblage en conséquence.
Ce qui, encore une fois, à l'échelle de Meta, signifie traiter un tas de points de données, ce qui peut conduire à des résultats publicitaires très précis et très précieux.
Je veux dire, en 2015, des rapports suggéraient que Facebook disposait déjà de suffisamment de données pour déduire pratiquement tout sur vous, en fonction de votre activité dans l'application.
Cette capacité a été renforcée par les derniers modèles d’IA, ce qui a permis d’améliorer les performances publicitaires à tous les niveaux.
Il est intéressant de considérer la capacité de Meta à cet égard, et cela pourrait valoir la peine d'essayer les options publicitaires évolutives basées sur l'IA de Meta, via Advantage+, pour voir quels résultats vous obtenez.