Amazon a passé l'année dernière à développer des outils permettant aux agents IA de fonctionner directement au sein de ses systèmes publicitaires. Cette semaine, lors de la conférence unBoxed, cela s'est concrétisé : une nouvelle façon pour les outils IA de s'interfacer avec les données publicitaires d'Amazon, ainsi qu'une nouvelle fonctionnalité spécifique – déjà disponible dans l'Pacvue Agent – qui accélère considérablement la vitesse à laquelle une marque ou une agence peut obtenir une réponse depuis Amazon Marketing Cloud.
Ce travail a fait l'objet d'une session lors de la conférence unBoxed, à laquelle ont participé Liz Joyce, d'Amazon Ads, et Sunava Dutta, directrice des produits chez Pacvue . Voici les thèmes abordés lors de cette session, les annonces faites par Amazon , ce que cela signifie concrètement pour votre équipe, et comment Pacvue met déjà ces avancées à votre service dès aujourd'hui.
Ce qu'Amazon a annoncé
Pendant des années, pour tirer le meilleur parti des données publicitaires d’ Amazon, il fallait faire appel à un spécialiste capable de traduire une question métier en un format technique adapté et de fournir un rapport en retour. Le serveur Ads MCP d’ Amazon, dont la version bêta a été lancée en février, a été conçu pour supprimer cette étape de traduction. Il permet aux outils d’IA de se connecter directement aux systèmes publicitaires d’ Amazonet d’agir en votre nom, évitant ainsi à chaque entreprise d’avoir à établir cette connexion à partir de zéro, étape par étape.
Amazon a annoncé lors de la conférence unBoxed le lancement du premier outil de ce qu’elle appelle les « Expert Tools », disponibles via le serveur MCP : le générateur de requêtes SQL « AMC ». En termes simples, le générateur de requêtes SQL « AMC » transforme une question métier formulée en langage naturel en une requête prête à être exécutée.
Qu'est-ce que cela implique concrètement pour votre équipe ? En bref, cela vous permet de poser une question métier comme vous le feriez à un collègue (par exemple : « Comment les nouveaux clients réagissent-ils à nos publicités en streaming ce trimestre ? ») et d'obtenir une réponse validée sans que personne n'ait besoin de savoir rédiger une requête.
Comment « Pacvue » tire parti du serveur MCP d’ Amazon
Cette avancée est considérable pour les marques et les agences, car AMC a toujours fourni des réponses détaillées aux questions couvrant l'ensemble du tunnel de conversion. Mais pour obtenir ces réponses, il fallait généralement attendre l'intervention d'une équipe chargée des données, adapter un modèle existant ou faire appel à une aide extérieure. Amazon En réduisant cet obstacle, davantage de personnes directement concernées par ces questions peuvent désormais trouver elles-mêmes la réponse.
Pacvue Nous avons rejoint très tôt la bêta de cette fonctionnalité, qui est d’ores et déjà disponible au sein de l’agent « Pacvue ». L’agent « Pacvue » sert de couche de connexion : il recueille votre question en langage naturel, la transmet aux outils experts d’ Amazon, puis vous renvoie les informations pertinentes ainsi qu’une requête prête à l’emploi. Ensemble, ils transforment en une seule étape « J’ai une question » en « Voici votre réponse ».
Les résultats de cette association parlent d'eux-mêmes : les réponses aux questions d'AMC , qui prenaient auparavant des heures, voire des jours, sont désormais fournies jusqu'à 80 fois plus rapidement, et le temps consacré à la formulation de la requête sous-jacente a diminué d'environ 90 %. Concrètement, cela signifie qu'il n'est plus nécessaire d'attendre un rapport la semaine suivante : on obtient une réponse dès la réunion au cours de laquelle la question a été posée.
Il convient également de souligner ce que cela ne change pas , car la rapidité ne doit pas se faire au détriment de la supervision. Une personne garde toujours le contrôle sur tout ce qui concerne vos campagnes en cours. Le générateur SQL d’ AMC et l’agent d’ Pacvue fonctionnent en synergie pour mettre en évidence une information, rédiger la requête sous-jacente et même créer une audience. Mais avant que cette audience ne soit ajoutée à une campagne active, un membre de votre équipe doit la valider et décider du moment opportun.
Sur scène à unBoxed
Lors de l'édition 2023 d'unBoxed, Sunava Dutta, directrice des produits chez Pacvue , s'est jointe sur scène à Liz Joyce, d'Amazon Ads, pour discuter de ce qu'implique réellement la mise en œuvre d'un agent IA pour traiter les données publicitaires d'une marque. Leur conversation a mis en lumière certaines des principales considérations – ainsi que les erreurs potentielles – que les marques doivent garder à l'esprit lorsqu'elles évaluent et utilisent des agents IA :
- La plupart des agents IA échouent à cause d’un problème d’accès, et non d’intelligence. Liz a commencé par mettre en évidence une tendance récurrente dans le secteur. La plupart des entreprises qui testent des agents IA ne parviennent jamais à leur faire apporter une valeur ajoutée durable, et la raison en est presque toujours que l’agent ne peut pas accéder aux données et au contexte appropriés, et non que l’IA sous-jacente ne soit pas assez intelligente. Une même IA, qu’elle ait ou non accès aux données réelles de votre compte, produit deux expériences très différentes. C’est un critère utile à retenir la prochaine fois que vous évaluerez un nouvel outil publicitaire basé sur l’IA. La question qu’il convient de se poser n’est pas « quel est le niveau d’avancement du modèle ? », mais « que peut-il réellement voir ? »
- Pour obtenir une réponse de AMC , il n’est plus nécessaire de formuler une question complète. Grâce à une combinaison d’outils tels que le générateur SQL « AMC » de Amazonet Pacvue, ce qui se faisait auparavant selon l’une des deux méthodes suivantes (parcourir une série de filtres rigides ou écrire du code SQL) peut désormais se dérouler sous la forme d’une conversation, au cours de laquelle les équipes travaillent aux côtés d’un agent IA que Sunava décrit comme agissant en quelque sorte comme un « partenaire d’entraînement ». Au lieu d’arriver avec une question déjà toute formulée, vous pouvez échanger avec l’agent pour affiner ce que vous essayez réellement de comprendre, puis partir de là pour explorer la question.
- L’erreur la plus courante commise par les équipes réside dans les demandes vagues. Interrogé sur ce qu’il constate le plus souvent, Sunava a mis en avant des consignes trop simplistes, telles que « aidez-moi à augmenter mon taux de conversion ( ROAS ) pour cette campagne ». Cela omet les détails qui comptent vraiment (ce qui est considéré comme un succès, ce qui est hors de question, quelles hypothèses retenir), ce qui oblige l’agent à deviner. Parfois, cela donne une réponse manifestement erronée. Mais dans d’autres cas, cela peut produire une réponse qui semble correcte mais qui ne l’est pas, et vous ne verrez peut-être la différence que plus tard. Le conseil de Sunava est simple : soyez précis dans vos demandes et conservez un ensemble d’instructions et d’hypothèses que vous avez déjà testées, afin de ne pas repartir de zéro à chaque nouvelle demande.
- L'évaluation des résultats d'un agent ne relève pas de la seule responsabilité d'une seule personne. Sunava a expliqué que cette tâche était répartie en fonction de la personne la plus impliquée dans chaque type de décision. Le prestataire technique vérifie que l'agent fonctionne correctement, la personne chargée du budget gère tout ce qui concerne les dépenses, et celle qui gère la campagne au quotidien est responsable des décisions relatives aux performances.
- Les équipes font confiance à l’IA pour réfléchir, pas pour dépenser. Comme l’a dit Sunava : « Nous sommes désormais à l’aise à l’idée de laisser les agents réfléchir à notre place, mais nous ne sommes pas encore tout à fait prêts à les laisser dépenser. » Il a ajouté que c’était là une réaction tout à fait normale compte tenu de la situation actuelle du secteur. Liz a proposé une analogie qui résume parfaitement la situation : un agent ressemble beaucoup à un nouveau membre de l’équipe. Vous ne donneriez pas à quelqu’un un accès complet à vos tableaux de bord et à vos rapports dès le premier jour en lui demandant de prendre une décision d’un million de dollars, et la même logique s’applique à un agent IA chargé de gérer vos dépenses publicitaires.
Liz a conclu la session en donnant quatre conseils pour mettre en place des processus de travail axés sur l'autonomie. Traduits en termes concrets pour les marques qui adoptent ces processus, ces conseils méritent d'être conservés à portée de main sous forme de liste de contrôle rapide avant de déployer quoi que ce soit au sein de votre équipe :
- Commencez par mettre de l'ordre dans vos propres données. Quel que soit son niveau de compétence, un agent ne peut vous être utile que dans la mesure où il dispose d'informations claires. Assurez-vous que la structure de votre compte et l'historique de vos campagnes sont bien organisés avant d'espérer obtenir une réponse précise.
- Déterminez ce que signifie « mieux » avant de vous lancer. Demandez-vous si votre objectif est de faire gagner du temps aux analystes, de détecter les problèmes plus rapidement ou de mettre en évidence des informations qui vous échappent complètement à l'heure actuelle.
- Définissez vos propres règles avant d'en avoir besoin. Déterminez en équipe ce que vous souhaitez qu'un agent fasse de manière autonome et ce qui doit toujours faire l'objet d'une validation humaine, avant de devoir prendre ces décisions sous la pression, en pleine campagne.
- N’acceptez pas une « boîte noire ». Quel que soit l’outil que vous adoptez, qu’il s’agisse de celui de Pacvueou d’un autre, il doit être capable de vous expliquer pourquoi il a agi ainsi, et non pas se contenter de vous fournir le résultat.
Ce que cela implique pour votre équipe
Si vous avez déjà essayé d’intégrer un outil d’IA à vos données publicitaires et obtenu des résultats génériques, ou si vous avez vu un projet pilote s’essouffler après la démonstration initiale, vous n’êtes pas seul. C’est aujourd’hui la norme, et non l’exception, et cela s’explique généralement par le fait que l’agent n’a pas accès aux données et au contexte adaptés à votre activité spécifique. En unissant leurs forces, le générateur SQL AMC d’ Amazonet l’agent Pacvue comblent cette lacune. L’un apporte une expertise approfondie en matière d’ AMC , tandis que l’autre fournit le contexte du compte auquel l’appliquer ; vous obtenez ainsi une réponse concrète sur ce qui se passe réellement au sein de votre entreprise.
Pour découvrir cette fonctionnalité en action dans l'agent d'Pacvue , réservez une démonstration.
Pour en savoir plus sur le générateur SQL d'AMC et sur toutes les annonces faites par Amazon lors de la conférence unBoxed de cette année, rejoignez-nous le 7 octobre pour l'événement « unBoxed unPacked : analyse du discours d'ouverture et session de questions-réponses en direct ». Inscrivez-vous ici.
