Mais le potentiel de croissance est immense. Les outils d'apprentissage profond constituent le prochain grand axe de recherche en intelligence artificielle et engendreront une vague d'innovations dans tous les secteurs, inaugurant une nouvelle ère du marketing dont profiteront annonceurs et utilisateurs finaux.
Nos interfaces s'adaptent déjà aux intérêts de chaque utilisateur, en associant les données et les comportements du secteur à la publicité ciblée – autrement dit, la personnalisation. Mais les algorithmes d'apprentissage profond iront encore plus loin.
L'apprentissage profond révolutionne notre conception de l'efficacité. Ce domaine de recherche en intelligence artificielle est le plus prometteur ; on le retrouve notamment dans Google Traduction, les voitures Tesla et le système de reconnaissance d'images de Yahoo. Ses applications sont également très futuristes.
L'intelligence artificielle DeepMind de Google est capable de lire sur les lèvres des émissions télévisées mieux qu'un professionnel (un expert humain n'a annoté que 12.4 % des mots sans erreur, contre 46.8 % pour l'IA). Ces algorithmes ont vaincu les meilleurs joueurs de poker du monde et peuvent même réaliser un film de manière autonome, comme l'a récemment démontré Saatchi & Saatchi au Festival international de la créativité Cannes Lions.
Et bien sûr, le secteur publicitaire bénéficiera des applications du deep learning. Une annonce récente de Coca-Cola indique que l'entreprise souhaite utiliser des chatbots d'IA pour créer de la musique pour ses publicités, rédiger des scripts, publier des spots sur les réseaux sociaux et acheter des espaces publicitaires, ce qui laisse penser que la révolution publicitaire basée sur le deep learning est plus proche que jamais de la réalité.
Du point de vue de l'annonceur : des algorithmes d'apprentissage automatique qui réagissent intelligemment aux situations inattendues.
D'après une nouvelle étude d'Adlucent, les consommateurs recherchent une expérience publicitaire personnalisée : 71 % des personnes interrogées préfèrent les publicités adaptées à leurs centres d'intérêt et à leurs habitudes d'achat. L'étude révèle également que les internautes sont presque deux fois plus susceptibles de cliquer sur une publicité d'une marque inconnue si celle-ci est personnalisée selon leurs préférences.
Avec l'accès croissant aux données et une concurrence toujours plus féroce, il est plus important que jamais pour les spécialistes du marketing de décrypter le flux d'informations autour des utilisateurs – et cela n'a jamais été aussi simple. Un modèle de personnalisation classique peut être élaboré sans algorithmes très sophistiqués, mais nous savons que cette limite est désormais atteinte. Les nouveaux algorithmes d'apprentissage profond, en revanche, permettent de détecter des situations inattendues et des potentiels insoupçonnés.
Imaginez par exemple que vous ayez oublié l'anniversaire de votre ami. Avec seulement deux jours restants, il ne vous reste que peu de temps pour chercher un produit, mais suffisamment pour trouver quelque chose de spécial. Dans ce cas, une personnalisation ultra-précise peut faire toute la différence, et les modèles d'apprentissage profond peuvent commencer à comprendre que vous recherchez quelque chose avec enthousiasme.
Qu’il s’agisse d’un changement soudain de comportement ou d’une frénésie d’achats apparemment urgente, un modèle classique serait aveugle à ces données, mais l’apprentissage profond peut établir les liens.
Une compréhension approfondie du comportement d'achat des consommateurs reste encore limitée pour les acteurs du e-commerce, alors qu'elle est cruciale pour les spécialistes du marketing. Par exemple, il est relativement aisé d'identifier des tendances dans les décisions d'achat lors de pics de ventes prévisibles comme le Black Friday ou la Journée de la femme. La tâche se complexifie lorsqu'il s'agit d'identifier des événements ponctuels, dans un contexte très spécifique (comme l'anniversaire imminent d'un ami ou toute autre occasion imprévue).
C’est là que l’apprentissage profond prend le relais des méthodes traditionnelles. Inspiré par les neurones biologiques de notre cerveau, l’apprentissage profond entre en jeu et permet d’obtenir des descriptions plus fiables, plus riches et interprétables par machine du potentiel d’achat des clients, sans nécessiter d’expertise humaine.
Contrairement à l'approche traditionnelle d'apprentissage automatique, l'apprentissage profond est capable d'isoler un utilisateur au sein d'une foule en ligne, une personne qui peut initialement sembler agir de manière chaotique, mais qui, en réalité, possède le plus grand potentiel pour finaliser un achat.
Ceci est possible car les algorithmes d'apprentissage automatique définissent chaque client potentiel recherchant un produit d'une manière légèrement différente des modèles habituels. Ils se réfèrent à l'historique et constatent que le comportement de la personne évolue de façon dynamique. Ils fournissent ensuite des probabilités de conversion extrêmement précises, en apprenant non seulement d'un seul utilisateur, mais de tous les utilisateurs du réseau.
Par exemple, si le cadeau d'anniversaire était un « nouveau casque audio », le reciblage basé sur l'apprentissage profond inciterait l'utilisateur à parcourir rapidement une dizaine de modèles, à vérifier leurs caractéristiques techniques et à affiner sa recherche en fonction d'une fourchette de prix. Il interpréterait cela comme une situation inhabituelle et urgente, tandis que les algorithmes traditionnels y verraient simplement un comportement indécis et erratique, voire ne le remarqueraient même pas.
Sachant qu'une personne a un besoin urgent d'acheter quelque chose, la boutique en ligne peut automatiquement inciter le consommateur à finaliser son achat sur son site.
Du point de vue de l'utilisateur : des algorithmes d'apprentissage profond qui prédisent vos désirs
L'intelligence artificielle, lorsqu'elle est appliquée à la distribution de produits ou de services commerciaux, devient un prolongement naturel de notre identité. Elle fonctionne à merveille dans le système de recommandation de Netflix, et de nombreux films visionnés sur la plateforme proviennent des suggestions enrichies par l'apprentissage profond.
Amazon mise également sur les algorithmes d'apprentissage automatique. Son système breveté d'« expédition anticipée », basé sur un algorithme, permet de définir avec une extrême précision les habitudes d'achat des clients et de prédire la marque, la gamme de prix et le produit qu'ils achèteront. Grâce à ces informations, Amazon peut expédier les produits vers les centres de distribution avant même qu'une commande ne soit passée, révolutionnant ainsi le secteur du commerce électronique.
L'intelligence artificielle, et notamment l'apprentissage profond, est l'outil idéal pour prédire les désirs des utilisateurs dans le secteur publicitaire. Cette technologie simplifie notre expérience utilisateur quotidienne en proposant des publicités ultra-ciblées, présentant non seulement des produits que nous sommes susceptibles d'acheter, mais aussi des produits que nous n'avons jamais vus ou auxquels nous n'avons même pas pensé.
Imaginez que vous venez d'acheter un nouvel appareil photo. Des algorithmes d'apprentissage profond analyseront chaque détail de votre activité : date de recherche et d'achat, caractéristiques techniques, historique, habitudes d'utilisation, etc. Ces algorithmes seront capables de vous proposer des recommandations de produits personnalisées, allant bien au-delà des suggestions habituelles et répondant parfaitement à vos besoins.
Des objectifs compatibles, des cartes mémoire supplémentaires ou un trépied pour appareil photo pourraient être de bonnes recommandations, tandis qu'une publicité vidéo suggérée avec un drone pourrait vous montrer quelque chose auquel vous n'aviez même pas pensé, mais que vous désirez maintenant inconsciemment.
L'impact du deep learning tient à sa capacité à apprendre comme les humains, mais beaucoup plus rapidement. Il analyse les désirs de chaque personne individuellement, tout en prenant en compte les données de millions d'autres et en fournissant des résultats en temps réel. Un tel exploit est hors de portée de l'être humain.
Les outils d'apprentissage profond utilisés par les annonceurs vont transformer notre façon de recommander des produits, en évaluant avec précision la valeur d'un acheteur potentiel, en prédisant la probabilité de conversion et, surtout, en apprenant à connaître ses besoins. Les algorithmes d'auto-apprentissage permettent une analyse utilisateur ultra-précise et, par conséquent, une publicité environ 40 % plus efficace.
Dans un avenir proche, annonceurs et utilisateurs assisteront à une évolution majeure de la publicité. Bien que cela puisse paraître un peu futuriste, cette technologie représente une progression naturelle vers une efficacité accrue des activités en ligne.
___
by Daniel Surmacz
la source: ClickZ
