Comment personnaliser des publicités pour des gens dont on ne sait rien ? La réponse honnête : au niveau individuel, on ne le fait pas. Mais on peut tout à fait comprendre les personnes qui s'intéressent à une catégorie, et associer les nouveaux utilisateurs à un persona adapté à partir de quelques signaux. C'est le cœur d'une stratégie de cold start efficace.
L'ardeur avec laquelle le secteur cherche des alternatives aux données d'audience classiques ressort d'articles récents de Digiday : les audiences synthétiques passent du stade de l'expérience à celui de la planification et du travail stratégique au quotidien. Aveeno Body a utilisé la recherche synthétique de Vurvey pour ramener le temps nécessaire à un brief stratégique d'environ 30 jours à trois. Goodway Group utilise pour sa planification média la « population synthétique » de consommateurs américains, britanniques et allemands d'Arima.
Qu'est-ce que le cold start en publicité ?
Le terme vient du monde des systèmes de recommandation. Un système qui apprend du comportement a besoin de comportements dont apprendre – et un nouvel utilisateur n'en a pas encore. Le système sert donc la moyenne : les meilleures ventes, des messages génériques, la publicité qui fonctionne un peu pour tout le monde et vraiment pour personne.
En publicité, le problème s'aggrave. Plusieurs navigateurs bloquent par défaut les cookies tiers, les bandeaux de consentement font partie du quotidien en Allemagne, et tout le monde ne clique pas sur « Tout accepter ». La voie de sortie classique, les segments achetés, est devenue plus délicate au regard de la protection des données et en dit de toute façon peu sur les raisons d'achat. Dans l'espace DACH (Allemagne, Autriche et Suisse), façonné par le RGPD, « on va simplement acheter plus de données » n'est plus une stratégie.
Pourquoi plus de données ne résout pas le problème
La recherche sur la qualité des données en propose une formule sobre : une donnée ne vaut que par son adéquation à l'usage. La précision seule ne suffit pas ; les données doivent être pertinentes, actuelles et adaptées à la question précise. Dans la littérature, on parle de « fitness for use ».
Un segment acheté comme « femmes, 25 à 34 ans, intéressées par la beauté » est formulé avec précision. Pour la question « Qu'est-ce qui donnerait envie à cette personne d'essayer notre produit ? », il est pourtant presque sans valeur. Il décrit des attributs, pas des motivations. L'engagement naît de la compréhension, pas de chiffres.
Pour le cold start, cela signifie que la ressource décisive n'est pas l'historique de chaque utilisateur, mais une image solide des motivations, des inquiétudes et du langage de la catégorie. Et cette image peut se dessiner à partir de contenus publiquement accessibles.
Comment construit-on des personas à partir de contenus publics ?
Les gens en disent étonnamment long en public sur les raisons pour lesquelles ils achètent – ou non : dans les commentaires sous les posts de marques, dans les avis produits, dans les vidéos de créateurs, dans les fils de forums. Ces contenus peuvent être collectés, regroupés par thème et par tension, puis synthétisés en personas – avec de vraies citations plutôt que des profils inventés.
La différence avec le persona d'atelier classique : il repose sur ce que les gens disent réellement, et non sur ce qu'une équipe suppose d'eux. Digiday décrit une approche voisine : pour la marque Sacheu, Limitless Labs analyse des milliers de vidéos TikTok et Instagram issues de son écosystème de créateurs pour construire des personas.
Important pour le marché allemand : de tels personas fonctionnent au niveau des schémas et des groupes. Ils n'ont pas besoin du profil d'utilisateurs individuels pour choisir un premier message. L'appréciation juridique de votre dispositif précis relève toutefois de votre conseiller en protection des données.
Quelles approches existe-t-il pour le cold start ?
| Approche | Base de données | Atout | Faiblesse |
|---|---|---|---|
| Segments tiers achetés | Profils externes, cookies | Disponibles rapidement | Peu d'éclairage sur les motivations ; délicat au regard de la protection des données |
| Ciblage contextuel | Environnement, moment, lieu, appareil | Fonctionne sans données personnelles | En dit peu sur les motivations |
| Données zero-party | Réponses issues de quiz ou de l'onboarding | Directes et fondées sur le consentement | Uniquement de la part de ceux qui participent ; friction dans le funnel |
| Audiences synthétiques | Modèles fondés sur des données d'enquête, statistiques et de panel | Simulation rapide des réactions | Attirance vers la moyenne ; la qualité dépend des données d'entrée |
| Personas issus de contenus publics | Commentaires, avis, contenus de créateurs, publicités concurrentes | Les vraies motivations et le langage de la catégorie | Il faut des signaux pour y rattacher chaque utilisateur |
Aucune approche ne résout le problème à elle seule. En pratique, les personas issus de contenus publics fournissent les hypothèses, les signaux contextuels la mise en correspondance et les données first-party la confirmation.
Comment mettre en pratique la personnalisation en cold start en six étapes ?
- Collectez les conversations de la catégorie. Commentaires, avis, contenus de créateurs et publicités concurrentes des derniers mois – pas seulement sur la marque, mais sur toute la catégorie.
- Construisez personas et tensions. Regroupez les contenus par motivation et par inquiétude. Trois à cinq personas clairement distincts suffisent pour démarrer.
- Rédigez une hypothèse par persona. Quel message, quelle accroche, quelle offre conviennent ? Développez au moins une variante créative dédiée pour chaque persona.
- Définissez les signaux de correspondance. Page d'atterrissage, terme de recherche, contexte, source de campagne, premiers clics : décidez quel signal renvoie à quel persona.
- Diffusez avec exploration. Réservez une partie de la diffusion à des variantes qui ne correspondent pas au persona supposé. Ainsi le système continue d'apprendre au lieu de simplement confirmer sa propre hypothèse.
- Réinjectez les données first-party. Chaque interaction affine la mise en correspondance. Mettez régulièrement les personas à jour, car les conversations évoluent.
Les audiences synthétiques sont-elles utiles pour le cold start ?
Plutôt – si l'on connaît leurs limites. Dans les articles de Digiday, même les acteurs concernés émettent des réserves : Chad Reynolds, CEO de Vurvey, dit que les grands modèles de langage livrent le haut de la courbe en cloche, autrement dit la réponse la plus courante. Julie Clark, de TransUnion, met en garde contre les personas construits sur de mauvaises données d'entrée. Et Stef Hoffman, de Code & Theory, le résume bien : les résultats éclairent le jugement, mais ne le remplacent pas.
C'est précisément là que les contenus publics font valoir leur utilité. Ce n'est pas une simulation, c'est une preuve. Si un persona affirme que, dans votre catégorie, les gens craignent surtout de se tromper d'achat, vous devez pouvoir voir les posts dont cette affirmation provient. Un persona que l'on ne peut pas retracer n'est qu'une affirmation.
Defy Monitor suit cette voie : les contenus d'audience sont regroupés automatiquement en personas et en tensions, et la planification part de vraies conversations plutôt que de données démographiques. C'est l'une des briques de la plateforme Defy, qui donne aux agences indépendantes la même capacité d'analyse que les grands réseaux ont mis des sommes considérables à bâtir.
Comment savoir si votre stratégie de cold start fonctionne ?
Comparez les variantes fondées sur les personas à un groupe de contrôle générique. Les indicateurs les plus parlants sont les premiers chiffres des nouveaux utilisateurs : interaction avec la première publicité, profondeur de la première visite, délai avant la première conversion. Si les variantes par persona ne prennent pas l'avantage, ce n'est pas un échec mais un indice : soit les personas sont à côté de la plaque, soit les signaux de correspondance sont trop faibles.
