L’optimisation des campagnes publicitaires permet aux annonceurs de proposer leurs
produits aux audiences les plus pertinentes. Cela génère de meilleures performances de
campagne, un meilleur ROI, et donc des budgets plus conséquents.
Plusieurs études montrent également que les campagnes ciblées génèrent des CPMs plus
élevés que les publicités aléatoires, ce qui permet un meilleur financement de toute
l’industrie digitale.

Avec la fin des cookies voulue par Google Chrome et déjà mise en place par d’autres
acteurs, la traçabilité “cross-site” des utilisateurs va devenir impossible. Cela signifie moins
de données permettant la mesure de la performance publicitaire, et moins de données pour
créer des modèles d’enchères précis.

Pour ne pas mettre en péril tout l’écosystème du web “ouvert”, par opposition aux “Walled
gardens”, plusieurs propositions ont été faites pour permettre aux acheteurs de publicité en
ligne de continuer à enchérir programmatiquement, c’est-à-dire avec des algorithmes qui se
nourrissent des données de campagnes en temps réel, dont les contextes associés aux
utilisateurs.

Parmi ces propositions, l’Attribution Reporting API permet la mesure de la performance
publicitaire en recensant les événements de campagnes qui permettent aux acheteurs de
média en ligne d’identifier les contextes les plus performants.
Cette API propose deux types de reports, les “event level” reports et les “aggregated”
reports.
● Les premiers permettent d’obtenir l’information au niveau conversion et fournissent
donc la granularité la plus fine possible. En contrepartie, pour préserver la vie privée
des utilisateurs à l’origine de ces événements (achat, mise au panier etc.) ces
reports ne sont pas disponibles en temps réel, et un délai important subsiste entre
l’événement et sa présence dans les reports.
● Les seconds offrent quant à eux une information plus “high level” en agrégeant les
événements. Ces derniers sont disponibles dans un temps suffisamment court pour
qu’ils soient considérés comme utilisables en temps réel compte tenu de la plus
faible granularité.

Pour assurer le respect de la vie privée des utilisateurs et empêcher toute identification par
le biais de ces reports, les données récupérables seront bruitées, c’est-à-dire qu’elles
contiendront des informations aléatoires en plus ou moins grande proportion en fonction du
report utilisé. C’est sur ces niveaux de bruit et leurs conséquences que nous nous
concentrerons lors de la présentation.