3. Le Groupe 1000mercis, pionnier du marketing interactif Internet et mobile
2013 : Acquisition de
Matiro pionnier du RTB
Infos clés
Créé en 2000
250 collaborateurs
36,4 M€ CA 2012
Cotation sur NYSE Euronext
Mkt cap. : 139 ME
Paris – Londres – New York – Rio
2012 :
Lancement du CRM/PRM display en RTB
1er site en responsive design
Création de la filiale US
2011 : Création et lancement
européen du Retargeting par
email
2009 : Création de la filiale UK
2010 : Opérations
internationales intégrant
les réseaux sociaux
2006 : Cotation en Bourse sur
le marché NYSE ALTERNEXT
2008 : Acquisition d’Ocito
spécialiste de la publicité et du
marketing Mobile depuis 2002
2001 : 1ère campagne de
marketing interactif pour
voyages-sncf.com
2000 : Création
de 1000mercis
2002 : Lancement du
programme Email Attitude
31/10/13 / Page n° 3
Document confidentiel
4. La recherche et l’innovation au cœur de notre approche
Centre de recherche agréé par l’Etat
Titulaire du label OSEO
Notre plateforme Taxi™ a gagné
l’e-Marketing Award 2013
Comité
scientifique
Projets de recherche avec les plus grandes écoles et universités
Françaises, nombreuses publications, chercheurs résidents, « thésards »
31/10/13 / Page n° 4
Document confidentiel
5. Quelques-unes de nos références clients RTB
31/10/13 / Page n° 5
Document confidentiel
7. Source : GlobalWebIndex Q4 2012
Le Display, un canal marketing essentiel
54% du temps media
est consacré au online
Grande complémentarité avec la TV : âge, CSP, petit/gros consommateur
Un canal multi-devices
Tous les mois, 70 milliards de contacts potentiels
avec vos prospects/clients
31/10/13 / Page n° 7
Document confidentiel
8. Une grande richesse d’expression
Bannières IAB
Vidéo (In Banner & In Stream)
Expand
Facebook
31/10/13 / Page n° 8
Document confidentiel
9. Vos prospects et clients au cœur de votre programme
Display
Prospects
froids
Prospects
chauds
Prospects
qualifiés
Abandonnistes
Clients
actifs
Clients à
forte valeur
Clients
dormants
31/10/13 / Page n° 9
Document confidentiel
Clients
perdus
10. Messages et créations : personnaliser et optimiser pour un
véritable marketing relationnel
Personnaliser les offres et les messages par segment,
en exploitant toutes les données dont on dispose
Prospects
froids
Ce qui marche pour un segment ne marche
pas toujours pour un autre : optimiser par segment
Prospects
chauds
Prospects
qualifiés
Abandonnistes
Clients
actifs
Clients à
forte valeur
Clients
dormants
Richesse des données disponibles
31/10/13 / Page n° 10
Document confidentiel
Clients
perdus
11. Les KPI comportementaux sont une des clés du marketing
en temps réel
Les vôtres sont dictés par votre modèle marketing de conquête
et de fidélisation
Lecture complète (vidéo) 1ère visite du site
« Mouse over »
« Like »
Engagement
Formulaire rempli
Vente croisée
Demande d’essai
Customer lifetime
Up-sell
value
Mise en panier
Recherche d’un
point de vente
Conversion
Fidélisation
31/10/13 / Page n° 11
Document confidentiel
12. Mesurer l’impact de manière fine et riche
Quantifier les progressions
dans le parcours client
Calculer votre fenêtre post-view
de manière scientifique
avec notre module ad hoc
31/10/13 / Page n° 12
Document confidentiel
13. Une optimisation totale, en temps réel, pilotée par nos
experts
Enchère
Diffusion
Créations
• Prédiction du taux de transformation par : segment & création, site &
emplacement, récence, répétition
• Objectif CPA + taux de transformation prédit = enchère (bid)
• Principales variables d’optimisation : inventaire, format, jour de la
semaine, heure du jour, répétition, récence, visibilité effective, ...
• Algorithme d’optimisation des créations entre elles, par segment
31/10/13 / Page n° 13
Document confidentiel
14. La visibilité effective, un paramètre clé de notre
optimisation
Tracking fin de
la visibilité pour
100% de nos
impressions
Identification
des
emplacements
trop peu vus
Exclusion des
emplacements
problématiques
Augmentation
de la visibilité
moyenne
Augmentation
du ROI réel
Résultat Matiro : 60%
Moyenne marché (source baromètre Alenty Sept 2013) : 45%
31/10/13 / Page n° 14
Document confidentiel
15. Un travail fin sur la donnée de ciblage
De
nombreux
partenaires
Audience
Discovery
Mégabase
1000mercis
• Audience : Exelate, BIG, Acxiom, Ezakus, Sirdata, …
• Contexte : Peer39, Grapeshot, Proximic, …
• Identifie automatiquement les segments à potentiel (sur-représentés, surtransformeurs) parmi la totalité des segments disponibles chez le
partenaire Data, sans consommer de budget
• Exclusivité 1000mercis
• 20 millions de profils en France, jusqu’à 1 500 critères disponibles
• Editeurs partenaires : Meetic, Price Minister, L’Express, Voyages-SNCF,
La Poste, …
31/10/13 / Page n° 15
Document confidentiel
16. Taxi™, notre plateforme RTB exclusive
Reporting/extranet :
http://taxi.matiro.com
Capture des données/tags
Ad serving dynamique
Optimisation avancée
Attribution
Bidding et connectivité RTB
(powered by AppNexus)
31/10/13 / Page n° 16
Document confidentiel
17. Nous protégeons vos données et votre marque
• Vos données sont strictement confidentielles et ne sont utilisées que pour votre
programme
• Nous contrôlons et limitons précisément la répétition
• Notre solution préventive et adaptative pour protéger la diffusion de votre programme :
White list ou black list
+ Filtre contextuel temps réel
+ Tag d’audit (en partenariat avec AdLedge)
31/10/13 / Page n° 17
Document confidentiel
18. Solution #1 - Acquisition
Segmentation sur la base
du parcours client
Nonvisiteur
Visiteur
simple
Visiteur
engagé
Optimisation par segment, optimisation de la visibilité
KPI intermédiaire
Mesure riche du ROI
Nonvisiteur
Visiteur
simple
Visiteur
engagé
Personnalisation en temps réel des offres et des messages
Audience Discovery : identification des cibles les plus réactives pour
affiner la conquête
Indicateurs de succès avancés : qualité des leads, montant de
commande, marge, valeur client, …
31/10/13 / Page n° 18
Document confidentiel
19. Solution #2 - Engagement
Segmentation prospects / clients / exposés publicité online
Contrôle fin de l’exposition : répétition, récence, jour/heure,
synchronisation avec campagnes offline, …
Créations : exploiter les formats les plus visibles (vidéo, « expand », …)
Exploitation des données de ciblage : audience, contexte (6 partenaires
data)
Audience Discovery : identification des cibles les plus réactives
Transparence sur les sites supports
31/10/13 / Page n° 19
Document confidentiel
21. Votre mégabase clients
CRM + PRM + site + réseaux sociaux + ad centric + … pour une vision
à 360° de vos prospects et clients
Une base de données propriétaire à l ’annonceur
1000mercis dispose d’un savoir-faire démontré dans :
•
•
•
•
la constitution de ces bases
leur rapprochement (cookie – individu – device)
leur mise à disposition pour les outils d’exploitation
leur analyse
Commencer dès maintenant à se créer cet actif
est la clef de la maîtrise des leviers display de demain
en CRM et en Conquête
31/10/13 / Page n° 21
Document confidentiel
22. Où collecter des données 1st Party ?
Owned
Paid
• Display
• Affiliation
• Clic SEM
Earned
Site(s)
CRM / PRM
Média
•
•
•
•
Données de navigation
CRM/PRM : email
Questionnaires
Opérations de collecte
Social/Viral
• Viralisation
• Réseaux sociaux
• Trafic naturel
Collecte de données non nominatives 1st Party
DONNEES DE FLUX
Data
Management
Platform
31/10/13 / Page n° 22
Document confidentiel
23. Créer de la valeur : associer donnée cookies et donnée
CRM
Data
Management
Platform
Base
CRM / PRM
(+ autre base)
Push
notification
CRM / PRM Display :
campagne RTB
120x600
Bannière selon les normes IAB
300x250
728*96
31/10/13 / Page n° 23
Document confidentiel
24. Les challenges technologiques à relever
Les quantités de données à stocker sont énormes (Big data)
•
1000mercis maitrise les nouvelles technologies de stockage de données (mongoDB, hadoop,…)
Principal enjeu : faire correspondre des données autour d’un cookie et autour d’un
individu en base PRM/CRM chez l’annonceur
•
1000mercis opère depuis plus de 10 ans des programmes rapprochant des données issues de
cookies et des données clients (trigger marketing, retargeting par email…)
18 mois de recherches et développement pour la mise en place d’un TAG propriétaire :
•
Cookie matching possible avec tous les acteurs du marché
•
Fonctionnement en cookie 1st party pour augmenter les données collectées et analyser
l’utilisateur qui refuse les cookies 3rd party
•
Optimisation du temps de chargement des pages : fonctionnement asynchrone et optimisation
des caches
•
Consolidation multi-device à l’individu
31/10/13 / Page n° 24
Document confidentiel
25. Architecture propriétaire et scalable
Plateforme frontweb :
•
Entièrement scalable, capable de
supporter 250 millions d’appels
quotidiens
•
Surveillée 24h/24 par 1000mercis
•
Hébergée en France
Exemple de résultat de sonde sur la plateforme de tags
31/10/13 / Page n° 25
Document confidentiel
26. Identification multidevices
La technologie 1000mercis (tag + base de données) permet de reconsolider en temps
réel plusieurs identifiants de cookies autour d’un même individu (prospect ou client)
ID 123
ID 456
Base de
données
1st Party
Annonceur
ID 789
Consolidation autour d’un même individu
des Ids : 123, 456, 789
31/10/13 / Page n° 26
Document confidentiel
27. Exploiter et rentabiliser cette base de données (1/2)
Optimiser le ROI des campagnes de conquête en Display :
•
•
•
Exclusion exhaustive des clients
Segmentation fine des prospects
Offre anniversaire
Utiliser le Display en CRM / PRM :
•
•
•
•
Ciblage CRM (cross-sell, upsell, réassurance)
Post-visite
Réactivation des non-ouvreurs, NPAI, désabonnés, …
Surpression Display+email (ex : programme de nursing)
Augmenter la connaissance prospects / clients :
•
•
Analyse, datamining, segmentation, …
L’enrichissement de votre base de données PRM/CRM
31/10/13 / Page n° 27
Document confidentiel
28. Exploiter et rentabiliser cette base de données (2/2)
Permettre la personnalisation dynamique de l’expérience utilisateur
sur le site de l’annonceur
•
•
Utilisation de la donnée client/CRM
Connexion avec les outils de personnalisation de contenu
Monétiser la donnée 1st party dans l’écosystème RTB :
•
•
Anonymement, via un data exchange
Directement, de gré à gré
31/10/13 / Page n° 28
Document confidentiel
29. Notre proposition
• Une technologie de tag propriétaire (collecte ad/site centric)
• Une infrastructure Big Data de stockage, d’analyse et de mise à
disposition des données
• Un outil de pilotage de la Data Management Platform : extranet
• Un suivi / accompagnement / conseil / formation de l’utilisation et
de la rentabilisation de ces données 1st party
• Une démarche pragmatique tournée vers l’apprentissage
• Une approche ROIste en lien avec les objectifs business@
31/10/13 / Page n° 29
Document confidentiel
30. Un accompagnement à la carte
• En complément ou non d’un stratégie e-crm emailing
• Avec une approche pragmatique, basée sur l’apprentissage et le
partage du savoir-faire
• Adapté aux besoins de nos clients :
- « Full service » : la programmation des campagnes est entièrement
gérée par 1000mercis
- Hybride : 1000mercis accompagne les annonceurs lors d’une période
de transition le temps qu’ils se dotent de ressources nécessaires pour
piloter ce projet
- ASP : 1000mercis n’opère pas les campagnes et propose la formation
des trading desks utilisant les données 1st party
31/10/13 / Page n° 30
Document confidentiel
31. Quelques-uns des DMP lancées avec nos clients
31/10/13 / Page n° 31
Document confidentiel
32. Personnalisation des bannières sur des critères CRM
Wide Skyscraper – 160*600
Ventes : moment de vie
• Création de segment selon le profil des
individu en base : prospect / client et
distinction des performances selon
l’optin connu en base à destination des
parents dont l’anniversaire d’au moins
un enfant arrive dans les 3 prochaines
semaines
Personnalisation du contenu de la
bannière en fonction de l’âge et du
sexe de l’enfant
Fille 0 – 2 ans
Garçon 0 – 2 ans
Fille 8 – 12 ans
31/10/13 / Page n° 32
Document confidentiel
33. Campagne de cross sell par catégorie de produit
Cross sell
• Identification des clients CRM à fort
potentiel via la réalisation de scoring
• Ciblage sur de la donnée
comportementale suite à une visite sur la
page produit
• Distinction de l’univers visité : photo,
multimédia…
Medium rectangle - 300*250
Distinction des actions en conquête et
à destination des clients
Wide Skyscraper – 160*600
Leaderboard – 728*90
31/10/13 / Page n° 33
Document confidentiel
34. Campagne à la performance
Générer des conversions
• Acquisition de nouveaux clients
• Retargeting visiteurs en fonction du
parcours de visite / funnel de conversion
Medium rectangle - 300*250
Création de segments utilisant de la
données 1st party et de la données
tierce
Wide Skyscraper – 160*600
Leaderboard – 728*90
31/10/13 / Page n° 34
Document confidentiel
35. Campagne de médiatisation d’application mobile
Téléchargement d’application
• Mise en place d’un plan de médiatisation
de l’application mobile Carrefour via
l’écosystème RTB
• Distinction selon le device de navigation
(android, iOS) et en base CRM (porteur
de carte) dans le targeting de la
campagne RTB
Medium rectangle - 300*250
Faire levier sur des données
comportementale de navigation grâce
à l’écosytème RTB pour déclencher
l’enchère
Wide Skyscraper – 160*600
Leaderboard – 728*90
31/10/13 / Page n° 35
Document confidentiel
37. Analytics
Tests A/B : impact réel du post-view, impact réel du retargeting / de la
conquête, landing pages, …
Analyses multi-leviers : Impact de la TV sur le online
Modèles d’attribution personnalisés
Outils de tracking multi-leviers : sélection, accompagnement
etc
31/10/13 / Page n° 37
Document confidentiel
38. Etude sur la valeur incrémentale du retargeting
Le retargeting a prouvé sa valeur sur la base d’une évaluation last clic payant, post
clic.
Or l’environnement multi levier d’un site e-commerce est particulièrement bruité :
• Il est difficile d’évaluer un levier sans tenir compte des effets des autres
• D’autres facteurs interviennent :
•
•
•
•
•
Le modèle d’attribution
La communication offline
La saisonnalité
L’évolution de l’offre et des produits
…
Une seule solution pour tester réellement la valeur incrémentale d’une action ou d’un
levier : travailler sur la création d’un groupe test et d’un groupe témoin
31/10/13 / Page n° 38
Document confidentiel
39. Protocole de test
Constituer en temps réel, sur la base du cookie :
Un échantillon test qui sera exposé aux campagnes de retargeting
Un échantillon témoin qui ne sera pas exposé
Mesurer pour chaque échantillon :
• Le chiffre d’affaires
• En s’affranchissant du modèle d’attribution (pas de limite dans le temps, pas d’a priori
sur le post clic ou post view)
Analyser le revenu incrémental de l’échantillon test versus l’échantillon témoin
Mise en œuvre technique :
• Déterminer le pourcentage de témoin pour avoir des résultats significatifs
• Utiliser un tag 1000mercis pour traquer la donnée au niveau individuel : arrivée sur le
site, exposition view et clic, transformation…
• Utiliser un tag 1000mercis ou un container pour créer en temps réel l’échantillon
31/10/13 / Page n° 39
Document confidentiel
40. La question clé : quelle valeur accorder à une impression ?
Accès direct
Affiliation
Emailing
Search gratuit
Advertising
Marque - Liens gratuits
Partenariat
Search payant
Sites under
Marque - Liens payants
Référants
3,1%
5,1%
5,1%
5,7%
13,0%
Sites under
Marque - Liens payants
Référants
12,4%
13,0%
18,4%
30%
40%
50%
60%
49,0%
A retenir
•
70%
6,3%
4,3%
12,4%
1,1%
20%
15,1% 12,5%
80%
12,5%
90%
6,3%
100%
0,8% 2,3%
10%
5,9%
2,5%
Visites
2,8%
0%
49,0%
0,8% 2,3%
1,1%
15,1%
16,7%
2,5%
5,7%
36,5%
5,9%
6,6%
2,9%
18,4%
15,6%
6,6%
16,7%
Advertising
Marque - Liens gratuits
Partenariat
Search payant
1,9%
2,9%
3,8%
3,1%
Visites
Dossiers saisis
36,5%
35,5%
13,9%
Accès direct
Affiliation
Emailing
Search gratuit
1,9%
3,8%
0,4%
2,5%
2,8%
15,6%
13,9%
0,4%
0,4%
2,8%
Dossiers saisis
Dossiers AE
Commandes
35,5%
0,4%
Dossiers AE
2,5%
2,8%
• Cas pratique : exemple de répartition par levier chez un site marchand
4,3%
Plus de 23% des commandes sont attribués après un clic40% un lien de l’annonceur, dont 6,6% sont des100% quasiment gratuits.
sur
liens
0%
10%
20%
30%
50%
60%
70%
80%
90%
40,1% des commandes ont comme dernier levier des liens marque.
•
Le search payant est également un levier de transformation : 13% des commandes sont conclus après un clic sur un lien payant de
search (hors lien marque).
•
Nous avons près de 3% des commandes qui sont générés grâce à de l’emailing.
31/10/13 / Page n° 40
Document confidentiel
41. Analyse comparative des 2 modèles d’attribution
• Cas pratique : exemple avec un site marchand
Dans le modèle implémenté, le dernier levier est calculé avec la règle 30J clic puis 7 jours post-impression avec priorité
sur le payant.
Pour le modèle américain, le délai d’attribution est différent : on attribue au clic ayant eu lieu 14 jours maximum, et à de
la post-impression à 1 jour.
Regardons les taux de transformation trouvés suivant ces deux méthodes d’attribution :
Influence de la de la règle d'attribution sur les taux de
Influence règle d'attribution sur les taux de
transformation par levier
transformation par levier
20%
20%
24,6%
25,9%
25%
24,6%
25,9%
25%
A retenir
ModèleModèle implémenté
implémenté
ModèleModèle américain
américain
12,3%
14,6%
12,3%
14,6%
14,6%
14,6%
Search gratuit
Search payant
Référants
Search gratuit
Partenariat
Référants
Emailing
Partenariat
Pour le modèle américain, le seul
point à retenir est que l’attribution
à de la post-impression sur le
display se fait à un délai de 1 jour
maximum (au lieu de 7 jours dans
la méthode d’attribution que nous
avons choisie), ce qui va faire
diminuer le taux de
transformation du display.
Search payant
12,3%
12,3%
12,1%
9,3%
12,1%
9,4%
Marque Liens Emailing
payants
9,3%
9,4%
12,1%
12,1%
11,9%
12,1%
Marque Marque Liens gratuits
Liens payants
0,05%
Sites under
Affiliation
4,3%
0,05%
3,5%
Advertising
Sites under
4,6%
4,3%
3,4%
3,5%
0%
Accès direct
Advertising
0%
14,8%
12,1%
14,8%
11,9%
5%
4,6%
3,4%
5%
Affiliation
Marque Liens gratuits
10%
Accès direct
10%
14,8%
14,8%
15%
Pas d’influence majeur sur les taux
de transformation.
•
15%
•
31/10/13 / Page n° 41
Document confidentiel
42. Test de surpression multi-levier en fidélisation
•
Optimiser l’allocation des coûts média par individu en fonction :
– Valeur individuelle
– Coût de chaque levier
– L’affinité de chaque individu par levier
TESTS
MENES
Custom
Audience
(sur
Nombre
Taux
Montant total
le
non
Commandes
Rendement
ouvreurs
et
NPAI)
Taux
Ouverture
Unique moyen
Taux
Réactivité
moyen
Anniversaire
13,03%
16,83%
31
114
2
053
958,33€
0,14%
Abandonniste
55,17%
25,22%
16
338
1
293
884,82€
2,75%
Fidélité
31,94%
20,89%
10
903
707
119,34€
0,90%
Post-tracking Post-visite
42,51%
34,10%
8
725
643
465,85€
0,47%
Post achat
28,96%
17,32%
5
526
369
320,01€
0,19%
Welcome Prospect
18,93%
16,92%
2
062
173
330,16€
0,16%
Welcome
Client
39,35%
27,55%
1
446
103
757,42€
0,26%
Relance
carte
fidélité
27,84%
17,47%
1
087
72
818,89€
0,45%
Back In Stock
42,96%
28,37%
414
34
373,10€
0,56%
Satisfaction Post Livraison
30,82%
33,22%
148
9
886,78€
0,07%
Relance
SMS
(sur le non
ouvreurs et
NPAI)
RTB
X
X
X
X
X
X
X
X
X
X
31/10/13 / Page n° 42
Document confidentiel
43. Protocole de test d’interaction entre leviers…
Email J+1
Retargeting
3 populations
VS
Visiteurs du site
Email J+1
Bannière
RTB
Retargeting
Site de l’annonceur
VS
Groupe témoin
31/10/13 / Page n° 43
Document confidentiel
44. … avec des résultats probants pour le retargeting multicanal
• Retargeting multicanal email et display
+ 20%
+ 14%
Email
Email + bannières
Visite
Conversion
*Source : étude 1000mercis – secteur banque et finance
31/10/13 / Page n° 44
Document confidentiel
45. Développer les interactions entre supports et tester les impacts on/off
•
Protocole de mesure d’impact d’un plan media display sur achat offline
Plan Media RTB
Cible issue d’un
programme de
fidélisation offline :
data onboarding
Mesure d’impact sur
achat offline grâce au
programme de
fidélisation offline
VS
Groupe témoin
• Protocole de mesure d’impact d’un sport TV sur activité digitale
Spot TV
Analyse d’impact sur
le Search et les
leviers on line
Post test
« Brand
Impact »
Intégration dans
les modèles
d’attribution
31/10/13 / Page n° 45
Document confidentiel
46. Scope of the study
Cookie sync
Banner measurement
Visits and conversions
measurement
Between 5/5/2013 and 7/13/2013
115,5 millions impressions measured
31/10/13 / Page n° 46
Document confidentiel
47. Post-view visits are increased with viewable impressions
+20% of visits the same day after a viewed impression
+33% of visits the following day after a viewed impression
1,00%
0,90%
0,80%
0,70%
0,60%
0,50%
0,40%
0,30%
0,20%
0,10%
0,00%
Not viewable
Viewable
Same Day
Day + 1
31/10/13 / Page n° 47
Document confidentiel
48. Viewable impressions have an even stronger impact on conversions
+68% conversions the same day after a viewed impression
+75% conversions the following days after a viewed impression
0,16%
0,14%
0,12%
0,10%
0,08%
Not viewed
0,06%
Viewed
0,04%
0,02%
0,00%
Same Day
Day + 1
Day +7
31/10/13 / Page n° 48
Document confidentiel
49. Visits’ viewability lift is positively impacted by repetition
+70% for users with only one impression viewed
X4 for users with over 3 impressions served and most viewed
2,5%
1,998%
2,0%
Viewability lift
1,581%
1,5%
1,0%
0,396%
0,5%
0,059%
0,101%
1 impression
served - 0
viewed
1 impression
served - 1
viewed
0,095%
0,158%
0,220%
0,0%
2 impressions 2 impressions 2 impressions 3+ impressions 3+ impressions 3+ impressions
served - 0
served - 1
served - 2
served - 0
served - <half served - >half
viewed
viewed
viewed
viewed
viewed
viewed
31/10/13 / Page n° 49
Document confidentiel
50. Optimum trade-off between viewability, frequency and CPM
The optimum cost is reached with a fairly good viewability at a reasonnable price
0,14
Incremental
viewability per
0,12
served
impression 0,1
3€
0,08
6€
0,06
Viewability = 30%
Viewability = 60%
Viewability = 90%
0,04
10 €
0,02
0
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18 19 20
Frequency (served impressions)
*Hypothesis (theoretical data):
CPM = 0.5 € (Viewability = 30% and 60%)
CPM = 2 € (Viewability = 90%)
31/10/13 / Page n° 50
Document confidentiel
51. Navigation history scoring using Multivariate Hawkes Processes
Abstract:
• What can we learn from navigation history of internet users ? When trying for instance to advertise on the web, how to
score each user based on his past behavior in order to deliver the right people the right advertisement at the right time ? In
this poster, we propose a method based on Multivariate Hawkes Processes. A fast learning algorithm is exposed, that is
compatible with the inherently big size of the data for this type of applications. We show that the proposed method
performs significantly better than state-of-the-art algorithms on real datasets.
Conclusions:
• We achieve better AUC than state-of-the-art. Linear Hawkes model seems to
be the more general tractable model for scoring a user navigation history.
• In figure 4, the ”CTR/reach” curve illustrates the operational implications of the
present algorithm. In many cases, the profit will be proportional to the CTR of
a campaign.
• By optimizing surrogate functions of the MLE, finding the global minimum
takes in practice a few steps of complexity O(total number of events in all
users history) which makes the algorithm tractable for very large datasets.
31/10/13 / Page n° 51
Document confidentiel