Havas Media Network France a annoncé le lancement de son algorithme propriétaire baptisé MOMA by Havas (Meaningful Optimization by Multi-bidding Adjustment).
Cette solution d’optimisation des enchères programmatiques, reposant sur l’intelligence artificielle, vise à améliorer la performance des campagnes publicitaires tout en intégrant des enjeux contemporains, tels que l’attention des utilisateurs et la réduction de l’empreinte carbone. Le groupe BNP Paribas a déjà intégré cette technologie dans ses stratégies d’achat média.
Une approche sur-mesure pour les enchères programmatiques
MOMA by Havas utilise des algorithmes natifs des plateformes DSP par son approche personnalisée des enchères. En se basant sur des données de première et de tierce partie, ainsi que sur une IA prédictive, cet outil permet aux annonceurs d’ajuster leurs enchères en fonction de différents indicateurs de performance (KPI) sur-mesure, adaptés aux problématiques spécifiques de chaque campagne.
L’algorithme prend en compte une multitude de dimensions qui peuvent se combiner, telles que l’attention des utilisateurs ou l’empreinte carbone, répondant ainsi aux nouvelles priorités des annonceurs, notamment en matière de responsabilité sociétale des entreprises (RSE) et de performance en ligne.
Optimisation de l’attention et réduction de l’empreinte carbone
L’utilisation de MOMA by Havas réside dans son plug-in d’intelligence artificielle, qui optimise les inventaires publicitaires en se basant sur des données précises, comme les URLs, les types de dispositifs ou les formats publicitaires. Cette capacité à ajuster les enchères en fonction de ces données permet aux annonceurs de diffuser leurs campagnes dans les environnements les plus pertinents et efficaces.
BNP Paribas a notamment testé MOMA by Havas en combinant quatre variables clés : branding, visibilité des vidéos, attention des utilisateurs et empreinte carbone. Les résultats de cette stratégie ont montré une amélioration notable des performances. Par exemple, l’empreinte carbone des campagnes a été réduite de 49% par rapport à une stratégie non optimisée, tandis que l’attention à 2 secondes a permis de générer 72% des impressions, soit une augmentation de 25 points par rapport aux algorithmes classiques. De plus, la durée moyenne d’attention obtenue avec cette stratégie a atteint près de 8 secondes.
