L'évolution de l'attention en tant qu'indicateur clé de performance de la publicité a suivi des voies diverses avec l'introduction de méthodes innovantes, mais encore incertaines. La complexité d'une mesure efficace de l'attention dans différents formats et environnements attend un examen transparent de la part d'organismes faisant autorité tels que Media Rating Council , en collaboration avec des cabinets d'audit. Le secteur a navigué entre les méthodes probabilistes, les superpositions d'échantillonnage par le biais de tests de panel, et l'intégration de modèles d'attention basés sur l'engagement de la part des fournisseurs de mesures. Ces facteurs compliquent l'évaluation des nouvelles approches et dissuadent les annonceurs de choisir en toute confiance un outil de mesure de l'attention. Malgré cela, nous pensons que ces méthodes sont complémentaires.

Les méthodologies devraient se compléter plutôt que s'opposer.

En l'absence d'une définition unifiée de l'attention au sein de l'industrie, deux méthodologies distinctes ont émergé : les méthodes déterministes et les méthodes probabilistes. Les méthodes déterministes adhèrent à des critères stricts, dépassant les normes du marché en intégrant des facteurs tels que le temps d'affichage actif, le temps d'interaction avec les créations, la vitesse de défilement, etc. D'autre part, les méthodes probabilistes reposent sur des modèles testés sur des panels d'utilisateurs spécifiques et limités (et sur des sites géographiques limités), en utilisant des techniques telles que l'oculométrie ou le "codage facial" pour analyser les expressions des utilisateurs. L'absence d'une définition universellement acceptée a conduit à une prolifération d'acteurs se disputant la prééminence dans ce créneau, chacun prônant sa propre façon d'évaluer le potentiel d'attention. Certains étendent même leur influence en proposant l'achat de leur propre trafic (sic) ou un accès exclusif à des places de marché privées, selon des critères qu'ils ont eux-mêmes établis. Cette pratique introduit un élément de scepticisme et de débat parmi les annonceurs, ce qui complique encore la sélection d'un outil de mesure de l'attention approprié et des métriques associées. Dans ce paysage dynamique, il devient impératif d'explorer une approche nuancée qui intègre à la fois les méthodes probabilistes et déterministes afin d'exploiter leurs forces respectives et d'assurer une compréhension globale des mesures de l'attention.

En savoir plus sur le point de vue de l'IAB Europe sur les méthodes d'attention ⇲

Le modèle d'attention en trois étapes

Comme nous l'avons déjà mentionné, nous pensons que les approches innovantes telles que l'oculométrie sont excellentes pour l'optimisation créative, tandis que notre approche basée sur l'engagement est conçue pour améliorer et maximiser l'efficacité et la distribution des campagnes.

1. Construire et optimiser les créations à l'aide de modèles probabilistes

En utilisant des méthodes probabilistes telles que l'eye-tracking et le "heatmapping". "heatmapping", les annonceurs peuvent affiner leurs créations, en identifiant les éléments optimaux tels que les accroches, les visuels, les CTA, etc. L'exploration du domaine probabiliste apporte une compréhension nuancée, permettant l'optimisation des créations publicitaires pour un impact maximal.

2. Évaluer l'efficacité fondamentale à l'aide des paramètres Plateforme .

Les annonceurs utilisent ensuite la mesure directe sur les plateformes publicitaires pour évaluer quantitativement la performance de base de leurs annonces, en obtenant des informations sur les paramètres clés et en optimisant les stratégies de campagne en temps réel.

3. Optimisation des performances des campagnes avec des modèles déterministes

En utilisant des méthodes déterministes telles que l'Adloox Attention Score, les annonceurs optimisent stratégiquement leurs placements et leurs inventaires. En exploitant des modèles déterministes robustes, ils augmentent l'efficacité de la publicité, en localisant précisément les points de diffusion optimaux pour les achats programmatiques et l'activation à grande échelle. Mais pour utiliser une approche déterministe, il est important de suivre les règles établies pour la mesure de la publicité. La mesure déterministe de l'attention est basée sur des critères en temps réel, et non sur des tests en panel comparés à des résultats réels. Le filtrage du trafic non valide, l'application de normes minimales et le respect des meilleures pratiques sur le site Media Rating Council sont essentiels dans ce processus.

En résumé, les modèles probabilistes seront un allié précieux tout au long du processus de création. Par exemple, il devient très utile de concevoir des applications ou des sites web pour valider le message et le positionnement des articles. De la conception à l'optimisation, les modèles probabilistes fournissent des indications sur l'attention que la conception peut potentiellement attirer de la part des utilisateurs. Dans le même temps, les mesures de base de la publicité Plateforme confirmeront si une publicité est conforme aux normes de MRC. MRC Visibilité normesmais leur évaluation n'intègre pas encore nécessairement toute la portée et tous les critères liés à l'attention en tant que telle. Le score d'attention Adloox sert de couche d'optimisation finale, dévoilant la qualité médiocre de chaque placement et aidant les équipes d'exploitation publicitaire à sélectionner les meilleurs types de placements, tailles d'annonces et, en fin de compte, les inventaires. Il est conçu comme une nouvelle monnaie pour l'industrie, facilitant l'évaluation rapide de l'efficacité des campagnes publicitaires pour les annonceurs et les agences, et fournissant des lignes directrices pour les éditeurs afin d'optimiser la mise en page des publicités sur les sites web ou les applications.

En savoir plus sur Adloox Attention Score ⇲