Fiche de lecture critique :

Introduction : la signalétique

Hess M., Doe P. (2013). The Marketer’s Dilemma: Focusing on a Target or a Demographic? The Utility of Data-Integration Techniques, Journal of Advertising Research, Vol. 53 No. 2, pp. 231-236/Jun2013.

I-Situation

La majorité des agences de nos communications utilisent, aujourd’hui la publicité ciblée au détriment de la publicité de masse. Pour cela elles doivent recueillir des données sur les clients.

Dans un contexte de crise économique et de multiplication de données sur le client, les agences de communications cherchent à toucher le plus de clients potentiel en dépensant moins d’argent.

II-Problème 

Le problème est de comprendre comment recueillir et traiter toutes ses données.

L’auteur clarifie un sujet qui peut avoir l’air très complexe en explicitant les points clés.

III-Solution :

L’auteur détail, pour commencer les différents types de récupérations de données puis les différents puis différentes méthodes de récupération de données.

« Directly Matched Data » consiste à réunir les donnés personnels clés tels que l’adresse le noms ou les cookies. C’est données viennent généralement d’une seule base de donnée.

« Unit-Level Ascription » consiste à imputer des données venant de techniques d’attribution statistique. En utilisant par exemple des variables communes à la télévision et à une base de donnée d’achat de produit.

« Agregate-level integration » consiste à utiliser la segmentation pour grouper er relier en fonction des données. On utilise généralement des données géographique et démographique pour la segmentation, en plus de toutes informations communes aux données.

Ces trois approches sont utilisées pour rechercher, ils doivent utilisés de la bonne manière.

Le term « data fusion » représente de nombreuses méthodes d’intégration de données. Plusieurs bases de données ayant une caractéristique commune vont fusionner pour donner une nouvelle base de donnée avec des donnés similaire.

« Linking variables » consiste en la création d’une base de donnée en liant les données ayant une variable commune.

« Matching the samples » consiste a faire correspondre des données ayant le moins de différence possible lorsqu’il n’y a pas de correspondance parfaite. On va utiliser des algorithmes de fusion et des statistiques pour trouver ces correspondances.

IV-Information :

« Validation » : La fusion de données à été utilisé et développé pendant plus de 20 (industry guidelines developed by the Advertising Research Foundation 2003). Trois critères pour relier les données : The samples are well defined and structurally similar; there is a sufficient set of relevant linking variables; and the fusion matches the samples closely across the linking variables.

L’étude est très axée sur l’intégration de donnée, le problème est que le texte est très technique et difficile à comprendre.