Comment Facebook utilise le machine learning pour la publicité personnalisée

• Les publicités montrées aux utilisateurs sont déterminées par deux éléments principaux

1. Le public cible choisi par l’annonceur

→ clients sélectionnés selon l’âge, le sexe, les actions, etc. via les outils fournis par Facebook, ou audiences Lookalike

2. Le résultat de l’enchère publicitaire

→ les publicités correspondant au public cible de l’utilisateur sont regroupées puis passent à la phase d’enchère

→ la publicité ayant la valeur la plus élevée est sélectionnée en combinant 3 valeurs

a. Enchère : montant défini par l’annonceur pour cette publicité

b. Taux d’action estimé : estimation de la probabilité qu’une personne donnée réagisse à une publicité donnée ou convertisse à partir de celle-ci

c. Qualité de la publicité : évaluation fondée sur les retours des personnes qui voient ou masquent la publicité, ainsi que sur des attributs qui en dégradent la qualité

• Comment le machine learning est utilisé pour la diffusion publicitaire

1. Taux d’action estimé : pour prédire la probabilité qu’un utilisateur effectue l’action souhaitée par l’annonceur, Facebook prend en compte le comportement de l’utilisateur, le contenu de la publicité, le moment et les interactions

→ s’il clique sur une publicité ou sur une publication dans l’application Facebook

→ s’il visite un site web, achète un produit ou installe une application en dehors de Facebook, vérifié via le pixel, la connexion, les social plugins, etc.

2 Qualité de la publicité (Ad Quality)

→ prend en compte l’avis des personnes qui voient ou masquent la publicité

→ considère aussi si l’image contient trop de texte, si le langage est suggestif, ou s’il y a des éléments appât destinés à pousser l’utilisateur à interagir