OpenAdLibraryOpenAdLibrary
Définition

Audience similaire

Une audience similaire est un groupe de nouveaux utilisateurs qu’une plateforme publicitaire crée en trouvant des personnes qui partagent des caractéristiques avec une liste de clients ou de convertisseurs existante, utilisé pour prospecter des acheteurs similaires à grande échelle.

Illustration éditoriale : Audience similaire

Une audience similaire est un groupe de nouveaux utilisateurs qu’une plateforme publicitaire génère en analysant une liste seed existante, généralement des convertisseurs passés ou une liste importée de clients à forte valeur, et en trouvant d’autres utilisateurs qui partagent des traits et un comportement statistiquement similaires. Au lieu de choisir manuellement des paramètres de ciblage comme l’âge, les centres d’intérêt ou la localisation, un acheteur fournit à la plateforme une liste de ceux qui convertissent déjà et laisse l’algorithme trouver davantage de personnes qui leur ressemblent.

Comment le modèle fonctionne, à haut niveau#

La plateforme analyse la liste seed par rapport à sa base d’utilisateurs plus large, recherchant des motifs dans le comportement de navigation, les signaux démographiques et l’utilisation d’appareils ou d’applications qui distinguent l’audience seed de la population générale, puis attribue un score au reste de sa base d’utilisateurs en fonction de la similarité à ce motif. Un acheteur peut généralement définir à quel point l’appariement doit être serré ou large, souvent exprimé en pourcentage de la base totale d’utilisateurs de la plateforme dans un pays donné, où un pourcentage plus petit signifie un appariement plus proche du seed et un pourcentage plus grand échange précision contre portée.

D’où provient la liste seed#

La qualité du seed détermine la qualité de l’audience similaire plus que presque toute autre entrée. Un seed construit à partir d’acheteurs réels ou de clients à fort LTV tend à produire une audience similaire plus solide qu’un seed construit à partir de tous les visiteurs du site, qu’ils aient converti ou non, puisque le modèle n’est bon que dans la mesure où le motif présent dans les données est fiable. Les acheteurs qui ont mis en place un pipeline solide de first‑party data, des événements de conversion basés sur des pixels liés proprement à la valeur d’achat, obtiennent généralement des audiences similaires plus utiles que ceux qui partent de listes minces ou bruyantes.

Audiences similaires vs. retargeting#

Les deux sont souvent confondus car ils reposent sur des données existantes, mais ils résolvent des problèmes opposés. Le retargeting réengage les personnes qui ont déjà interagi directement avec la marque. Le ciblage similaire utilise ces mêmes données d’interaction comme seed d’entraînement puis trouve entièrement de nouvelles personnes qui n’ont jamais rencontré la marque, élargissant la portée plutôt que de la reconquérir. Un entonnoir qui ne fait que du retargeting finira par épuiser son pool ; le ciblage similaire est l’une des méthodes standards pour alimenter continuellement de nouveaux prospects cet entonnoir.

Où les plateformes natives et de contenu s’insèrent#

Le modèle similaire est le plus souvent associé aux plateformes sociales et de recherche qui détiennent des données comportementales first‑party riches sur les utilisateurs, mais la même logique apparaît dans la publicité native via les demand‑side platforms et les data management platforms que les campagnes natives peuvent brancher pour l’expansion d’audience. Un acheteur qui lance une offre affiliate via Taboola ou Outbrain et qui souhaite une expansion de type similaire doit généralement acheminer ce ciblage via une couche DMP ou DSP connectée plutôt que de compter sur les outils d’audience propres au réseau natif, car les plateformes natives ont historiquement mis davantage l’accent sur le ciblage contextuel et le geo targeting que sur le modèle similaire first‑party.

Conseils pratiques de dimensionnement#

Commencer avec un pourcentage d’audience similaire plus serré et un seed bien défini et de haute qualité, puis élargir uniquement si le volume est trop fin pour être dépensé, tend à surpasser le démarrage large puis le resserrement. Un lancement large d’audience similaire brûle souvent le budget en établissant un motif faible qu’un seed plus serré aurait évité dès le départ. Vérifier which advertisers are already scaling a given angle est un bon contrôle de bon sens avant d’engager un budget sérieux dans une expansion d’audience similaire fraîche.

Questions fréquentes

Qu’est‑ce qui constitue une bonne audience seed similaire ?
Un seed construit à partir de véritables convertisseurs ou de clients à forte valeur, lié à des données de conversion propres, produit une audience similaire plus solide qu’un seed large de tous les visiteurs du site. Le modèle ne peut trouver que les motifs qui existent réellement dans les données qui lui sont fournies.
En quoi une audience similaire diffère‑t‑elle du retargeting ?
Le retargeting réengage les personnes qui ont déjà visité ou converti. Une audience similaire utilise ces mêmes données comme seed d’entraînement pour trouver de nouvelles personnes qui partagent des traits similaires, élargissant la portée plutôt que de reconquérir une audience existante.
Les réseaux publicitaires natifs prennent‑ils en charge le ciblage similaire directement ?
Cela varie. Les réseaux natifs ont traditionnellement mis davantage l’accent sur le ciblage contextuel et géographique, de sorte que l’expansion de type similaire sur les campagnes natives passe souvent par une plateforme côté demande ou une plateforme de gestion de données plutôt que par une fonctionnalité native intégrée.
Une audience similaire doit‑elle être large ou restreinte ?
Commencer de façon restreinte avec un seed de haute qualité et élargir uniquement si le volume est trop faible tend à mieux fonctionner que de commencer large, car un premier appariement large peut brûler le budget sur un motif plus faible avant que vous n’ayez confirmé que l’appariement serré convertit.
L'équipe OpenAdLibrary
Écrit parL'équipe OpenAdLibrary
Renseignement publicitaire & recherche sur la publicité native

Nous développons OpenAdLibrary, la plateforme ouverte de transparence publicitaire. Chaque jour, nos systèmes capturent des publicités natives en direct sur Taboola, Outbrain, MGID, Revcontent, Teads, Yahoo et MSN, identifient le véritable annonceur derrière chacune d'elles et suivent le clic jusqu'à sa page de destination. Ces guides synthétisent ce que nous observons dans ces données pour vous permettre d'étudier le marché plus rapidement.