La publicité contextuelle évolue avec l'essor des modèles d'intention basés sur l'IA. Alors que l'attention du secteur se déplace de l'attention vers l'intention, les marques se tournent vers le ciblage prédictif pour un engagement plus intelligent et respectueux de la confidentialité.
L'avènement de l'IA a entraîné des changements majeurs dans divers secteurs, et la publicité programmatique ne fait pas exception. Cependant, son essor a initié une révolution majeure : le passage d'une économie de l'attention à une économie de l'intention. Et cette révolution est portée par l'évolution de la publicité contextuelle.
L'économie de l'attention, qui s'appuyait sur l'attention de l'utilisateur, a été exploitée par les grands annonceurs. Exploitant efficacement cette économie, des entités comme Meta ont même lancé leur propre stratégie. plateforme publicitaire pour capturer ce phénomène numérique.
Cependant, avec l'arrivée de l'IA dans le secteur publicitaire, l'économie de l'intention prend rapidement forme. L'économie de l'intention fonctionne sur AI modèles d'intention qui affichent des publicités en fonction de l'intention de l'utilisateur.
Considérez-le comme une version avancée de Publicité contextuelle.
La solution est reprise par l'industrie publicitaire alors que les parties prenantes marquent un changement continu mais progressif vers la sans biscuit ère. Pour être plus précis, l'ère des cookies non identitaires.
Évolution de la publicité : du contexte à l'intention
Pour vous donner un bref aperçu, la publicité contextuelle traditionnelle s'est concentrée sur l'affichage d'annonces en fonction du contexte de la page. Des mots-clés, des catégories et des techniques basées sur la page ont été utilisés pour afficher des annonces contextuelles. Ces annonces, indépendantes de données de tiers, ont été à l'avant-garde de la publicité sans cookies.
Alors que les stratégies contextuelles continuent d'évoluer dans un monde où la confidentialité est primordiale, le parcours de navigation des utilisateurs se transforme. navigateurs agentsDans ce contexte, l'intention n'est plus une option ; elle devient la pierre angulaire d'un engagement significatif. Cela s'applique non seulement à la publicité, mais aussi à notre approche du contenu et du référencement.
En SEO, par exemple, les mots-clés peuvent être catégorisés de différentes manières, notamment en fonction de leur intention. Ces catégories incluent : informationnel, commercial, navigationnel et transactionnel. Vous pouvez même observer ce phénomène dans Ahrefs lors de vos recherches de mots-clés. Cette catégorisation est à la base de la publicité contextuelle axée sur l'intention.
Comme vous pouvez le voir sur l'image, « I » et « C » écrits à côté réseaux publicitaires de jeux indiquez que le mot-clé est à la fois informatif et commercial.
De nombreux annonceurs ont combiné le ciblage contextuel traditionnel avec d'autres techniques de ciblage qui utilisent des données tierces, telles que l'historique de recherche ou le comportement des utilisateurs, pour comprendre comment les utilisateurs se comportent pendant les parcours de recherche et afficher des annonces.
Cependant, avec la surveillance croissante de l'utilisation des données tierces et la perte subséquente du signal d'identité de l'utilisateur, il devient difficile pour les annonceurs d'évaluer les changements nuancés au cours du parcours de recherche d'un consommateur.
C’est là qu’entrent en jeu les modèles d’intention prédictifs de l’IA.
Modèles d'intention d'IA prédictive
En théorie, les modèles d'intention de l'IA mesurent l'intention derrière la recherche d'un contenu lié à un produit ou un service par un utilisateur. L'IA peut aider à révéler l'intention cachée derrière sa recherche. S'appuyant sur le ciblage contextuel traditionnel, l'IA peut intégrer l'intention à l'ensemble, rendant le ciblage plus précis et les publicités plus personnalisées, sans recourir aux cookies.
Les modèles d'intention sont entraînés pour comprendre si le contenu est conçu pour informer, guider ou inciter à l'action, et dans quelle mesure il influence efficacement le parcours décisionnel de l'utilisateur. Les modèles d'IA entraînés sur des ensembles de données étiquetés par intention peuvent utiliser un traitement avancé du langage naturel pour identifier des contenus allant du purement informatif au hautement transactionnel, en attribuant des scores indiquant à quel point un utilisateur est proche de passer à l'action.
Par exemple, une évaluation de produit, un guide de paiement ou une comparaison de prix auraient un score d'intention plus élevé qu'un article d'intérêt général sur le même sujet.
Exemple : Publicités à diffuser en fonction de l'intention
Approfondissons cela avec le enchère d'en-tête Exemple.
Par exemple, supposons qu'un utilisateur recherche « Qu'est-ce que le header bidding ? » et atterrisse sur un article expliquant le concept, ses avantages et comment il se compare aux enchères traditionnelles. Cascades Configurations. Cet élément est informatif et sert de point d'entrée, mais l'intention de l'utilisateur est encore au stade de la prise de conscience. La probabilité d'une action immédiate est relativement faible ; le score d'intention serait donc modéré.
Comparez maintenant cela à un utilisateur recherchant « Meilleur solutions d'enchères d'en-tête pour les éditeurs » ou « Comment intégrer les enchères d'en-tête avec Prebid.js ». Ces exemples indiquent un niveau de recherche plus élevé et une volonté d'action plus grande. S'ils cliquent sur une comparaison de produits ou un guide d'implémentation, leur engagement est plus ciblé et axé sur la conversion. Ce type de contenu affiche un score d'intention plus élevé, car il suggère que l'utilisateur est plus proche de prendre une décision.
En fonction de l'intention, les annonceurs peuvent diffuser des publicités plus proches de l'intention de l'utilisateur recherchant un produit. Par exemple, des requêtes d'intention informationnelle telles que « Qu'est-ce que le header bidding ? » peuvent être diffusées via des publicités de sensibilisation provenant de plateformes HB/AdTech ou de contenus sponsorisés, comme des blogs expliquant les bases.
Pour les requêtes de navigation telles que «Pré-offre.js guide d'intégration » ou « Header bidding vs. Enchères ouvertes Google», les annonceurs ou les marques peuvent proposer des guides téléchargeables, des démonstrations gratuites, des offres de consultation ou des études de cas présentant des implémentations réussies.
Enfin, les recherches telles que « Meilleures solutions d'enchères d'en-tête pour les éditeurs » ou « Tarifs des services gérés pré-enchères » font partie des requêtes transactionnelles. On parle alors de leads en bas de l'entonnoir, car à ce stade, l'utilisateur peut effectuer un achat à tout moment. Pour convertir ces utilisateurs, les marques peuvent afficher des annonces de type « demande de devis » ou d'essai gratuit, des promotions sur la page d'inscription ou des offres à durée limitée.
Contextuel 2.0 : ciblage par IA
Comme mentionné précédemment, l'IA est le principal moteur de l'évolution de la publicité contextuelle. Grâce à elle, les marketeurs peuvent analyser des volumes importants de données non structurées, découvrir des relations sémantiques plus profondes et identifier le lien entre le contenu de la page et les actions projetées de l'utilisateur. Ce niveau de sophistication leur permet de proposer des expériences publicitaires plus pertinentes, respectueuses de la vie privée et pertinentes. en temps réel.
L’IA peut améliorer la publicité contextuelle traditionnelle de trois manières.
Interprétation du contexte
Les modèles traditionnels de publicité contextuelle peuvent mal interpréter la requête, ce qui peut entraîner des pertes de conversion ou des opportunités d'engagement utilisateur. Par exemple, la recherche « sacs » peut être mal interprétée par les modèles traditionnels. En effet, il existe de nombreux types de sacs, notamment les cartables, les sacs pour ordinateur portable, les sacs fourre-tout, les sacs de sport, etc.
Les modèles traditionnels ne peuvent pas déterminer lequel intéresse l'utilisateur. Ici, Recherche sur le site Gen AI Identifie l'intention de recherche de l'utilisateur en fonction du contenu de la page. Cela permet d'afficher des publicités contextuellement pertinentes, garantissant ainsi une plus grande précision et un engagement accru.
Équilibre et évolutivité
Contrairement au modèle traditionnel, l'IA associe les mots clés et l'intention d'affichage pour afficher des annonces pertinentes. Vos annonces peuvent ainsi apparaître non seulement sur des pages manifestement pertinentes, mais aussi à des emplacements surprenants et performants que vous auriez autrement manqués.
Par exemple, si un utilisateur recherche «enchères côté client « SDK », l'IA commencera également à afficher des publicités pour « header bidding » et « prebid.js » en raison de la pertinence contextuelle élevée.
Des placements plus intelligents
La publicité contextuelle 1.0 ne diffusait des publicités pour montres que sur les pages liées aux montres. Cependant, la donne change avec les modèles d'intention basés sur l'IA. Comme mentionné précédemment, les modèles d'intention vont au-delà de la correspondance des mots clés ; ils examinent les thèmes du contenu, le ton, les comportements des utilisateurs et les signaux d'engagement pour identifier un emplacement.
Par exemple, si l’IA affiche une publicité pour une montre connectée dans un article sur l’automobile, c’est parce qu’elle a identifié de fortes corrélations entre l’engagement du contenu automobile et les utilisateurs férus de technologie.
Avis d'expert !
Les modèles d'intention basés sur l'IA font évoluer la publicité contextuelle, passant d'un ciblage réactif à une compréhension proactive. Au lieu de se contenter d'analyser les mots-clés, ces systèmes décodent désormais l'objectif de l'utilisateur, aidant ainsi les marques à adapter leur contenu à l'état d'esprit, et non plus seulement au moment présent. Cette évolution permet des achats médias plus intelligents sur le plan émotionnel, où les publicités sont pertinentes car elles répondent aux attentes des utilisateurs là où ils se trouvent dans leur parcours d'intention. Robb Hecht
La course à l'adoption du modèle d'intention de l'IA
Les entreprises ont commencé à adopter des modèles d'intention basés sur l'IA pour offrir aux marketeurs des capacités de ciblage améliorées. SeedTag, leader de la publicité contextuelle, en fait partie. En avril 2025, la plateforme a annoncé le lancement de son modèle d'intention basé sur l'IA, capable d'identifier les intentions exploitables des utilisateurs en temps réel. Ce modèle permet de distinguer en temps réel la navigation occasionnelle de la disponibilité transactionnelle, sans utiliser de données personnelles.
Nissan Espagne s'est associé à SeedTag pour accroître la visibilité du Nissan Qashqai auprès des acheteurs potentiels du segment des SUV de catégorie C. Grâce à la segmentation basée sur l'intention, la campagne a permis :
- Réduction du coût par prospect de qualité de 68 %
- Coût par prospect réduit de 35%
- Augmentation de 3x des visites qualifiées
Prenons un autre exemple : BlueAir s'est associé à Tinuiti pour interagir avec ses consommateurs en fonction de leurs centres d'intérêt en temps réel. La publicité contextuelle basée sur l'IA de Tinuiti a entraîné une multiplication par 2.4 du taux de consultation des pages de détails, soit une baisse de 42 %. CPMet une augmentation de 34 % du nombre de nouveaux clients de la marque.
De même, PepsiCo a également utilisé la publicité contextuelle basée sur l'IA pour engager les consommateurs axés sur la valeur, ce qui a conduit à un retour sur investissement publicitaire trois fois supérieur, soit une réduction de 62 % CPA, et une diminution de 60 % du CPM, tout en augmentant la portée unique.
ContextGPT, produit phare de Cognitiv AI, associe ciblage contextuel basé sur l'IA et ingénierie des messages, permettant aux annonceurs d'atteindre des audiences pertinentes à grande échelle. Les marketeurs peuvent créer des messages personnalisés, propres à leurs marques, et en ajuster la pertinence pour améliorer leurs résultats.
Leur produit de ciblage d’intention a été utilisé dans divers secteurs, notamment le divertissement, la livraison de nourriture, les jeux et les boissons.
Google a également rejoint la ligue en annonçant des publicités contextuelles basées sur l'IA sur YouTube. Principalement alimentées par Google Gemini, les emplacements d'annonces ne sera pas seulement aligné sur le thème, mais également plus en phase avec le contexte de la vidéo, sa pertinence et même les niveaux d'engagement émotionnel des spectateurs pendant qu'ils regardent la vidéo.
Entre-temps, Starbucks a lancé sa propre plateforme d'IA, Deep Brew, entre 2023 et 2024, pour personnaliser les recommandations de produits en fonction du ciblage de l'audience par l'IA.
Que réserve l'avenir?
L’essor du modèle d’intention de l’IA marque un changement significatif dans la façon dont publicité programmatique Alors que nous passons de l’économie de l’attention à l’économie de l’intention, l’avenir de la publicité programmatique sera défini par la confidentialité, la précision et l’objectif.
Avec la publicité contextuelle 2.0, nous entrons dans une ère où pertinence de l'annonce est prédit intelligemment. Avec le déclin progressif des cookies tiers, les modèles d'intention d'IA offrent une alternative intelligente, évolutive et respectueuse de la confidentialité au ciblage programmatique.
Le secteur de la publicité ne recherche plus l'attention, mais l'intention. Grâce à l'IA, les marketeurs peuvent désormais bénéficier du meilleur des deux mondes : précision à grande échelle et personnalisation sans intrusion.
