Pourquoi est-ce que je vois cette publicité ?

Co-auteurs : Dhruv Bansal, Aanchal Somani, Sneha Dewan et Vikrant Mahajan

La transparence est importante pour LinkedIn, notamment en ce qui concerne les paramètres et le ciblage des publicités visibles pour les membres. Vous trouverez des informations à ce sujet dans les articles de l’Assistance clientèle. Toutefois, les retours de nos membres ont montré que nous pouvions améliorer l’expérience utilisateur et proposer des contenus davantage ciblés sur la plateforme. “Pourquoi est-ce que je vois cette publicité ?” est une démarche qui a pour objectif de relever ce défi en offrant transparence et contrôle aux membres, tout en respectant les principes suivants :

• Afficher les détails de la publicité : nous montrons aux membres des informations pertinentes sur la raison pour laquelle ils voient s’afficher une publicité en particulier.

• Permettre aux membres de contrôler leurs données personnelles : les membres contrôlent l’utilisation de leurs données à des fins publicitaires pour que les publicités qui s’affichent soient à la fois discrètes et pertinentes.

• Permettre aux membres d’améliorer leur expérience en matière de publicité : les membres peuvent masquer ou signaler une publicité qui manque de pertinence ou qui est inappropriée.

Pourquoi est-ce que je vois cette publicité ?

Dans la rubrique “Pourquoi est-ce que je vois cette publicité ?”, nous activons les fonctionnalités suivantes :

Justifier l’affichage d’une publicité

• Indiquer les critères de ciblage utilisés par l’annonceur pour cibler le membre avec certaines publicités.

• Afficher les informations sur l’annonceur ciblant le membre.

Permettre aux membres de gérer les types de publicités qui s’affichent

• Afficher un lien permettant au membre de définir ses préférences/paramètres en matière de publicité.

• Afficher un lien permettant au membre de mettre à jour les données de son profil.

Prendre en compte les commentaires des membres

• Permettre aux membres de marquer la publicité comme pertinente ou non, et de la masquer si elle est marquée comme non pertinente.

• Obtenir un retour d’information de la part des membres en leur demandant si ces informations sont utiles et en leur offrant la possibilité de répondre par “Oui” ou par “Non”. 

Conception optimale

Le flux de contrôle se déroule comme suit : chaque fois qu’un membre consulte LinkedIn et fait défiler son fil d’actualité, une publicité s’affiche. S’il le souhaite, il peut cliquer sur les trois points pour afficher l’option “Pourquoi est-ce que je vois cette publicité ?”, quel que soit le contenu sponsorisé sur le site web, l’application iOS ou l’application Android.

En cliquant sur l’option “Pourquoi est-ce que je vois cette publicité ?”, un appel API est effectué au niveau intermédiaire pour récupérer les données nécessaires qui seront affichées pour ce client. Le niveau intermédiaire recueille deux points de données à renvoyer au client de manière formatée : les données de l’annonceur (c’est-à-dire le compte de l’annonceur qui sponsorise la publicité) et les détails concernant le ciblage correspondant, qui expliquent pourquoi le membre est ciblé par la publicité. 

Pour obtenir les informations détaillées du ciblage correspondant, l’API appelle notre backend, qui est le service de gestion de la transparence des publicités. Ce service récupère deux points de données. Il s’agit d’abord des données de ciblage de la campagne de la publicité présentée au membre ; ces données sont constituées des informations détaillées de ciblage spécifiées par l’annonceur pour cette campagne. Il s’agit ensuite des données spécifiées par le membre en tant qu’informations de profil, paramètres publicitaires sélectionnés et certaines informations dérivées telles que le secteur d’activité, le niveau hiérarchique, etc. Une fois que le service obtient ces deux points de données de ciblage, il les transmet au module de mise en correspondance. Ce dernier renvoie l’intersection des données pour obtenir les critères correspondants. 

Les critères correspondants passent ensuite par un module de standardisation qui récupère la signification des segments exacts qui ont été mis en correspondance et les renvoie dans un format lisible par l’être humain à l’API. Enfin, le niveau intermédiaire renvoie au client les données relatives à la correspondance et à l’annonceur pour qu’il les affiche. 

Des informations détaillées sur les modules de mise en correspondance et de standardisation sont présentées dans les sections suivantes.

Module de mise en correspondance

Les données de ciblage de la campagne sont une combinaison de conditions AND ou des conditions OR multiples. Le ciblage de la campagne est composé de différents critères, qui peuvent être un intitulé de poste, des compétences, une formation, un lieu, etc. Un critère peut comporter plusieurs segments. Par exemple, si un membre a pour intitulé de poste “Ingénieur logiciel”, le critère est l’intitulé et l’intitulé exact “Ingénieur logiciel” est le segment. Dans l’exemple ci-dessous, le ciblage de la campagne comporte les critères au niveau lieu et intitulé de poste, et le ciblage des membres comporte les critères de continent, pays, code postal, formation, lieu et intitulé de poste.

Le ciblage des campagnes comporte également deux paramètres, “inclure” et “exclure”, que l’annonceur peut spécifier. “Inclure” spécifie les critères de ciblage auxquels le membre doit correspondre et “exclure” spécifie les critères de ciblage auxquels le membre ne doit pas correspondre. Un membre sera ciblé par cette campagne s’il appartient au segment inclus et n’appartient pas au segment exclu. 

Les données de ciblage des membres sont les données spécifiées par le membre en tant qu’informations de profil, paramètres publicitaires sélectionnés et certaines informations dérivées telles que le sexe et l’âge déduits. En combinant le ciblage des campagnes et des membres, nous obtenons les critères de ciblage correspondants et la raison pour laquelle le membre a été ciblé pour voir s’afficher le type de publicité en question.

Standardisation

Une fois les données reçues de la part du module de mise en correspondance, elles sont transmises à la phase de standardisation. Cette phase compte essentiellement deux étapes : 1) la mise en correspondance des données spécifiques aux membres avec les données standardisées, et 2) la remise en correspondance des données standardisées avec les données spécifiques aux membres.

Dans cet exemple, le membre a des intitulés de postes tels que “Software Engineer / SWE / MTS / Software Enginer” (notez la faute d’orthographe dans Engineer). Tous ces éléments, une fois standardisés, sont mis en correspondance avec un intitulé de poste standardisé, par exemple, job_title_1, qui est compris par tous les systèmes de la plateforme LinkedIn.

Maintenant que l’intitulé de poste correspond à la fois au ciblage de la campagne et au ciblage des membres, nous pouvons utiliser l’API de résolution de ciblage pour obtenir la signification de ce segment, qui adapte également les valeurs en fonction de la langue du profil du membre. Si le critère est standardisé, mais qu’il s’agit d’une valeur typiquement saisie sous forme de texte libre par les membres (comme l’intitulé de poste, l’école et le diplôme), nous devons le réaffecter en fonction de ce que le membre a indiqué dans son profil. Nous utilisons l’API du profil des membres et l’API de standardisation pour le renvoyer à Software Engineer pour le Membre 1, à SWE pour le Membre 2, à MTS pour le Membre 3 et à Software Enginer pour le Membre 4 (avec la faute d’orthographe dans Engineer). Pour les critères non standardisés, comme les années d’expérience, l’entreprise suivie ou les compétences, nous devons utiliser uniquement l’API de résolution de ciblage.

Localisation

Nous utilisons les outils d’internationalisation de LinkedIn (désigné sous le nom de “i18n”) afin de nous assurer que les membres voient le texte dans la langue de leur choix. Les critères de ciblage correspondants, une fois résolus, sont associés à des messages qui expliquent pourquoi une publicité s’affiche sur la page d’un membre. Pour chaque attribut de ciblage, des modèles i18n sont créés et utilisés pour générer le texte qui sera affiché sur la page du membre. Ensuite, l’outil de formatage injecte la valeur dans le modèle pour créer le modèle d’affichage de texte qui sera visible sur la page du membre. Une fois la valeur de l’attribut de ciblage transmise par l’appel au backend, comme indiqué ci-dessous, les informations de l’annonceur sont également récupérées auprès de la société “Fixdex Construction International”. Enfin, nous obtenons des données indiquant que le membre est une cible pour le critère de son intitulé de poste compte tenu du segment correspondant, “Construction Manager”. Vous trouverez des informations complémentaires sur I18n en cliquant ici.

Mise à jour des préférences et du profil concernant la publicité

Les critères de ciblage correspondants sont mis en correspondance avec différents click-to-action (CTA). Actuellement, ces CTA comprennent des paramètres publicitaires et des modifications de profil en fonction du critère correspondant. Les paramètres publicitaires renvoient le membre au paramètre publicitaire correspondant au critère. Par exemple, si le critère recherché est “intitulé du poste”, le lien avec les paramètres de la publicité renverra le membre vers les paramètres de la publicité relatifs aux informations sur le poste. S’il clique sur “mettre à jour l’expérience sur le profil”, le membre sera renvoyé vers son profil où il pourra modifier les détails liés au critère, en ajoutant ou supprimant par exemple une expérience professionnelle. 

Conclusions

Cette fonction permet aux membres de contrôler leur expérience publicitaire en leur donnant la possibilité de modifier, entre autres, les paramètres des publicités, leur profil et leurs groupes. À la question “Pourquoi est-ce que je vois cette publicité ?”, les catégories de profil les plus fréquemment mises à jour par les membres sont les informations sur le poste, les coordonnées, le CV et la carte de présentation du haut. Par ailleurs, lorsque les membres sont invités à le faire, les préférences qu’ils actualisent le plus souvent sont les centres d’intérêt, l’âge, les données de tiers et les entreprises actuelles et passées. Parmi les nombreux critères pouvant être associés, le lieu, l’âge, les compétences et les centres d’intérêt sont ceux sur lesquels les membres ont le plus cliqué. Grâce à cette fonctionnalité, nous espérons renforcer la transparence et améliorer l’expérience de nos membres sur la plateforme LinkedIn. 

Remerciements

Il faut un village pour concevoir un produit qui a un impact sur l’ensemble des membres de LinkedIn. 

Un grand merci à (par ordre alphabétique) :

L’Équipe Core Engineering : Aanchal Somani, Dhruv Bansal, Saurabh Tripathi, Sneha Dewan et Vikrant Mahajan. 

L’Équipe User Council : Dennis Lee, Mindaou Gu et Neeraj Parmar pour nous avoir aidés à nous mettre à la place de l’utilisateur et aux concepteurs produit, responsables produit et plusieurs autres membres de l’équipe d’ingénieurs pour leurs contributions précieuses et constantes.

L’Équipe dirigeante : nous tenons à remercier particulièrement Ashvin Kannan, Balaji Srinivasan, Gururaj Seetharama et Nihar Mehta de l’équipe dirigeante pour leur soutien et leur investissement sans faille dans le projet.