Comment Térega a utilisé la solution de ciblage contextuel de Qwarry pour sa première campagne programmatique

Le contexte

Dans le cadre d’une campagne de branding durant l’automne 2019, quelques mois après un changement de nom, le transporteur et stockeur de gaz Térega, conseillé par l’agence Makheia, a fait appel à Qwarry pour mener une partie d’une campagne display et display vidéo, réalisée en parallèle sur Youtube et en programmatique avec des cookies tiers. Cette campagne programmatique – une première pour l’annonceur – a commencé en septembre 2019 et est toujours en cours.

Qwarry, société cofondée par Julie Walther et Geoffrey Berthon en février 2019, utilise le natural language processing (NLP) pour analyser les contenus des pages de nombreux sites, déterminer quels contextes sont le plus en lien avec la campagne de l’annonceur, et ensuite enchérir sur l’emplacement publicitaire via sa DSP. “Notre agence nous a présenté la solution de Qwarry, et leur positionnement éthique sans utilisation de la data utilisateur était proche des valeurs de notre entreprise”, justifie Dominique Boquillon, la directrice de la communication de Téréga. 

Le dispositif 

En continu, l’algorithme de deep learning s’appuyant sur le NLP développé par Qwarry analyse des millions d’URL pour déterminer un scoring sémantique et de sentiment sur chaque contenu et page. “Nous faisons ce travail de scoring en amont car nos puissances de calcul ne permettent pas de réaliser toutes les étapes en temps réel et répondre en moins de 200 millisecondes à une bid request”, explique Julie Walther. 

Avant le lancement de la campagne, Qwarry a analysé le champ sémantique de Térega et en a déduit des segments sémantiques proches (sur les cibles BtoB : industrie, urbanisme, agriculture par exemple) pour les lier à chaque cible définie par Térega (les consommateurs, les entreprises et les journalistes institutionnels). La start-up opère ensuite via sa propre DSP pour positionner les formats de l’annonceur sur des contextes (pages de sites) qu’il a “whitelistés” dans ces segments. N’utilisant pas de données de géolocalisation, Qwarry a opéré un ciblage national, hormis sur la cible riverains qui était ciblée prioritairement via des sites d’actualités régionaux.

Côté investissement, aucun montant pour cette campagne n’a été dévoilé. Qwarry précise cependant qu’elle se rémunère avec un pourcentage du CPM (non-communiqué) et qu’elle opère sur des campagnes à 5 000 euros minimum et 10 000 euros en moyenne, pour justifier le temps lié à la phase d’analyse du champ sémantique de l’annonceur, et la création de segments dans le cas de Térega. Julie Walther précise que la valeur ajoutée de sa solution est visible sur les campagnes avec des objectifs branding et “haut de funnel” comme celle-ci, plus que sur des opérations orientées performance : “Sur ce type de campagne nous estimons que nous sommes complémentaires à d’autres solutions classiques utilisant la data utilisateur” ajoute-t-elle.  

Les résultats 

Qwarry revendique des résultats d’engagement égaux ou légèrement supérieurs à ceux obtenus avec les autres techniques de ciblage. La société estime ainsi que sur la campagne – résultats positifs confirmés par Térega -, elle obtient un taux de complétion de 63 % à 69 % selon les publics, que le taux de rebond est de 23 % en moyenne et qu’elle génère un taux de clics 36 % supérieur à celui obtenu par les autres acteurs ayant utilisé de la data utilisateur pendant la campagne. Ce qui se recent également sur les coûts. “Le coût à la vidéo vue était autour de quatre centimes d’euros quand sur Youtube il atteignait sept centimes”, ajoute Julie Walther (Qwarry). 

Au delà de ces résultats chiffrés, l’analyse post campagne permet d’obtenir d’autres enseignements utiles à l’annonceur sur d’autres campagnes. “Par exemple, sur les cibles BtoB, tous les contenus qui parlaient d’agriculture ont été les plus performants, juste après les contenus concernant les énergies renouvelables”, illustre Julie Walther (Qwarry).

Et après ?

Pour que sa solution soit utilisable à grande échelle, Qwarry cherche à développer ses relations avec les principales DSP du marché pour se positionner comme fournisseur de data, et veut aussi s’affirmer côté vente publicitaire. “Nous pourrons adresser à la fois les éditeurs qui cherchent à mieux catégoriser leur inventaire et les SSP”, explique Julie Walther (Qwarry). La startup envisage à plus long terme développer des solutions dédiées à l’analyse de l’image et de l’audio.