La plupart des annonceurs testent la création comme ils le faisaient il y a dix ans : deux images, deux titres, une semaine de dépenses et un gagnant déclaré par celui qui regarde le rapport en premier. Cela fonctionnait quand une campagne avait quatre emplacements publicitaires et un placement. Cela ne fonctionne pas quand une seule campagne Performance Max ou Advantage+ peut servir quinze rapports d’aspect sur six surfaces. L’écart entre le nombre de variantes qu’un compte moderne peut servir et le nombre qu’une équipe humaine peut évaluer de manière significative est l’endroit où les tests créatifs publicitaires par IA gagnent leur place. Le but n’est pas de produire plus de publicités. Le but est d’arrêter de payer pour des tests qui n’auraient jamais pu rapporter une réponse utilisable.
Dans nos comptes, le gaspillage le plus courant n’est pas une publicité perdante. C’est un test qui a duré onze jours, a divisé le budget entre quatre variantes et s’est terminé sans qu’aucune variante n’atteigne assez de conversions pour la séparer du bruit. Un gagnant est toujours choisi, les publicités perdantes sont mises en pause et le prochain test commence sur une fausse prémisse. L’assistance machine aide à deux endroits : décider ce qui vaut la peine d’être testé avant de dépenser quoi que ce soit, et décider quand un test en cours vous a dit ce qu’il allait vous dire.
Commencez par séparer la variable de l’actif
Un test créatif n’est interprétable que si vous savez ce qui a changé. Échanger une image et un titre en même temps vous donne un résultat sur lequel vous ne pouvez pas agir le mois prochain. Avant de générer quoi que ce soit, écrivez la variable unique : le cadrage de l’offre, les trois premières secondes d’une vidéo, la présence d’un visage humain, l’ancrage du prix, le verbe d’appel à l’action. Laissez ensuite les outils génératifs produire quatre à huit exécutions qui maintiennent tout le reste à peu près constant. C’est là que l’IA change véritablement l’économie : huit variations fidèles d’une variable coûtaient autrefois une journée à un designer. La révision n’est toujours pas facultative, car les actifs générés dérivent. Un modèle à qui l’on demande le même produit sur cinq arrière-plans changera tranquillement l’emballage, la couleur, le nombre d’articles dans le plan. Si la dérive n’est pas ce que vous mesurez, vous avez contaminé le test.
Laissez la plateforme faire la rotation, pas le jugement
Google et Meta font tous deux tourner la création en utilisant leurs propres modèles, et ils sont meilleurs à cela qu’une répartition manuelle égale. Ils trouveront la variante qui convient à un utilisateur donné et s’appuieront dessus. Ce qu’ils ne feront pas, c’est vous dire pourquoi, dans une langue que vous pouvez réutiliser. Les rapports de la plateforme vous donnent un classement et une étiquette vague, pas la découverte que les versions avec un prix dans la première image battent les versions sans prix sur trois produits et deux marchés.
Alors divisez le travail. Laissez le système d’enchères allouer les impressions. Gardez votre propre enregistrement de ce que chaque actif contient, étiqueté avant qu’il ne soit mis en ligne, et effectuez l’analyse de votre côté. Une feuille de calcul avec une ligne par actif et une colonne par attribut suffit pour commencer. Après deux ou trois mois, vous pouvez régresser le résultat par rapport aux attributs et obtenir une réponse réelle sur ce à quoi votre audience réagit. Cet enregistrement est l’actif durable.
Ce que les tests créatifs publicitaires par IA devraient réellement décider pour vous
Bien utilisé, la couche de modèle gère les décisions de jugement que les humains prennent mal et lentement. Ce sont celles qui valent la peine d’être transmises en premier :
- Dépistage avant vol : prédire lesquelles des vingt variantes générées sont des doublons suffisamment proches pour que tester les deux soit inutile.
- Règles d’arrêt : appeler un test tôt lorsque l’intervalle crédible autour de la différence est déjà plus étroit que la différence sur laquelle vous agiriez.
- Étiquetage d’attributs : lire chaque actif et enregistrer ce qu’il contient, afin que l’enregistrement ci-dessus se construise tout seul au lieu de compter sur quelqu’un qui s’en souvient.
- Détection de fatigue : signaler le point où la baisse de performance d’un actif gagnant est structurelle plutôt que saisonnière.
- Vérifications de localisation : attraper la variante où le titre traduit ne tient plus dans le cadre ou ne correspond plus à l’offre.
Budgetez le test, pas la campagne
L’amélioration la moins chère que la plupart des comptes peuvent faire est de calculer, avant de lancer, combien de dépenses un test nécessite pour parvenir à une décision. Prenez votre taux de conversion, prenez la plus petite amélioration sur laquelle vous agiriez et calculez les conversions requises. Si la réponse est supérieure à ce que votre budget mensuel peut produire, ne lancez pas ce test : choisissez quelque chose avec un effet attendu plus important, ou mesurez plus haut dans l’entonnoir où le volume est plus élevé. La moitié des tests créatifs dont nous héritons sont sous-puissants d’un ordre de grandeur, et la correction ne coûte rien d’autre que de l’arithmétique. Moins de tests, plus grands, battent aussi un brassage de petites variations : le cadrage de l’offre pourrait déplacer la réponse d’un tiers, la couleur du bouton ne le fera pas.
Gardez une archive des perdants
Les actifs mis en pause sont supprimés, et avec eux la connaissance de ce qui a déjà été essayé. Gardez chaque variante, ses attributs, ses dépenses et son résultat, même ceux qui ont très mal perdu. En un an, cette archive devient l’entrée la plus précieuse pour votre prochaine série de génération. Les équipes qui sautent cette étape retestent le même concept échoué tous les dix-huit mois, généralement quand quelqu’un de nouveau rejoint.
Fait correctement, le test créatif publicitaire par IA concerne moins le volume que la discipline. L’étape de génération est maintenant assez bon marché pour que la contrainte de liaison se soit déplacée vers la mesure. Corrigez la mesure d’abord et les variantes supplémentaires se paient d’elles-mêmes.
Continuer la lecture : Optimisation publicitaire par IA
Service associé: Optimisation publicitaire par IA