On le sait, l’individu a le contrôle sur ce qu’il choisit ou non de consulter sur Internet. Tel que mentionné dans un billet, l’interactivité doit être au centre de tout sur le web. Bien davantage que dans les autres médias, tout contenu — publicitaire ou non — n’aura du succès que s’il est pertinent. C’est d’ailleurs pourquoi les campagnes interactives non-ciblées, balancées au grand public, nécessitent un si grand nombre d’impressions afin d’avoir un impact significatif. On finit par ne plus les remarquer autant, par manque de pertinence. Comme d’autres, Google a compris l’importance de la pertinence sur le web depuis longtemps. Avec son système AdWords, la publicité intégrée dans les résultats de recherche n’est payée par l’annonceur que lorsqu’il y a un clic, et donc, en fonction de la pertinence. Aussi, dans son réseau de contenu en publicité textuelle contextuelle, Google va jusqu’à permettre à l’internaute de changer les publicités affichées s’il ne juge pas celles-ci pertinentes, en utilisant les flèches de défilement pour passer à un nouveau groupe d’annonces. Et plus récemment, Google teste sur son site YouTube (dont il est propriétaire) de nouvelles publicités en vidéo pré-contenu (« pre-roll video ») que nous pouvons éviter de voir au complet. Tel qu’annoncé sur le blogue de YouTube, le but est de trouver la façon de diffuser la publicité idéale sur l’environnement idéal.
Pour être pertinent publicitairement parlant sur Internet, le choix de supports de diffusion ciblés est évidemment efficace. Sinon, une autre façon est d’utiliser le ciblage comportemental. Grâce entre autres à l’analyse des comportements de navigation tels que les types de contenus visités, les mots cherchés dans les moteurs de recherche, les publicités cliquées, on peut en venir à augmenter notre degré de pertinence envers les individus rejoints, et ainsi obtenir un meilleur impact et de meilleures retombées.
Pouvons-nous aller plus loin au niveau de la pertinence de la publicité graphique? Peut-être en combinant des supports de diffusion ciblés et/ou le ciblage comportemental à un système d’appréciation des publicités? Imaginez que chaque publicité graphique dispose dorénavant de boutons du genre « Grand intérêt », « Intérêt modéré » et « Sans intérêt », un peu à la façon de la fonction « J’aime » associée à chaque nouvelle pièce de contenu ajoutée sur Facebook. Maintenant, imaginez que toutes les publicités que nous aurons jugées de « Sans intérêt » cesseront immédiatement de nous être présentées. Résultat: l’annonceur ne gaspille pas d’impressions auprès d’un auditoire non réceptif, et l’internaute se sent respecté et risque d’interagir davantage avec d’autres publicités. À l’inverse, imaginez que toutes les publicités que nous aurons jugées de « Grand intérêt » amèneront la diffusion à notre endroit d’un grand nombre de publicités offrant des produits et des services similaires, lesquels répondent davantage à nos intérêts. Là aussi, annonceurs et internautes seront tous deux avantagés puisqu’ils auront trouvé ceux avec qui ils doivent interagir.
Jumeler un système d’appréciation des internautes à des supports de diffusion ciblés et/ou au ciblage comportemental me semblerait diablement efficace pour augmenter la pertinence et, du coup, l’interaction entre annonceurs et internautes. Qu’en dites-vous ?