Data Clean Room – Définition, cas d’usage & solutions du marché

Les Data Clean Rooms sont des environnements cloud sécurisés conçus pour faciliter le partage des données first party (anonymisées) entre les organisations, en particulier entre les annonceurs publicitaires et les éditeurs. Cette technologie relativement récente (2022) est une réponse au déclin des Data Management Platforms, à la fin des données third party (cookies tiers) et au durcissement des régulations en matière de protection des données. Elles prolongent les cas d’usage rendus possible grâce aux Customer Data Platforms (CDP).

Dans cet article, nous allons résumer l’essentiel de ce qu’il faut savoir sur les « DCR » : leur définition, leurs cas d’usage et les principales solutions du marché.

Qu’est-ce qu’une Data Clean Room ? [Définition]

Une Data Clean Room est un environnement cloud qui permet à plusieurs organisations de partager entre elles des données first party de manière sécurisée et anonyme.

L’émergence des DCR s’est effectuée dans le sillage de celui des Customer Data Platforms (CDP). Les CDP permettent d’unifier les données clients multi-sources (majoritairement first party) autour de profils clients persistants. La résolution d’identité est leur cas d’usage premier.

Les DCR permettent de partager ces tables de données unifiées issues des CDP entre les entreprises, dans le respect des règles de compliance et de sécurité. Les Data Clean Rooms démultiplient en définitive les cas d’usage des Customer Data Platforms. Ce n’est pas un hasard si à la toute fin des années 2010 sont apparus des acteurs spécialisés dans la data privacy, la sécurité et le partage des données. Citons par exemple l’éditeur Habu.

Les Data Clean Rooms permettent ainsi aux entreprises de combiner leur propre jeu de données avec des données anonymisées issues d’organisations tierces (dont des acteurs publicitaires comme Google, Facebook…).

Les Data Clean Rooms prennent la relève des Data Management Platforms (DMP) traditionnelles, dont le modèle péréclite avec la fin des cookies tiers, du tracking cross-domaine et la montée en puissance des réglementations autour de la protection des données. Les données anonymisées partagées dans les DCR sont les nouvelles data second et third party. D’ailleurs l’un des acteurs en pointe sur le marché des DCR, Habu, a été fondé par des anciens de la DMP Krux (rachetée en 2016 par Salesforce).

Précisons qu’une Data Clean Room est un environnement neutre, contrôlé par aucune des parties. Chaque partie peut accéder aux données des autres parties selon des règles d’accès définies (et donc limitatives), mais sans avoir la possibilité de transformer/modifier les données partagées.

4 cas d’usage des Data Clean Rooms

#1 L’audience matching

Le principal cas d’usage des DCR est l’audience matching, c’est-à-dire le partage de sets de données d’audience – notamment entre agences et annonceurs. Les audiences des deux parties sont superposées dans un environnement sécurisé pour identifier des intersections et faire de l’enrichissement. Les segments et audiences qui en résultent sont ensuite utilisées pour de l’activation publicitaire. L’utilisation des Data Clean Rooms permet d’améliorer le ciblage, la personnalisation et le niveau de pression (fréquence des messages) des campagnes publicitaires et constituent l’une des meilleures alternatives aux Data Management Platforms (DMP).

#2 L’enrichissement de données

Comment une entreprise peut-elle enrichir ses données ? Réponse : en exploitant des données collectées par des tiers, que ce soit des entreprises partenaires (données second-party) ou des fournisseurs de données spécialisées (données third party). Ces données tierces étaient auparavant gérées par les DMP. Désormais, ce sont les Data Clean Rooms qui prennent le relais et qui, par magie, transforment ces donnés tierces en données first party (certes anonymisées). Là encore, la finalité est l’amélioration du ciblage des campagnes marketing et publicitaires.

#3 L’analyse de la performance marketing

La finalité des DCR ne concerne pas seulement l’activation des données. Les données servent également à faire de l’analyse. Le fait de pouvoir accéder à des données externes permet d’affiner l’analyse du comportement des prospects et clients tout au long du parcours de conversion. Voici 4 exemples de cas d’usage analytiques :

• Analyser les campagnes publicitaires multi-canal : En combinant les données d’impression publicitaire, les clics et les conversions à travers différents canaux dans une DCR, vous pouvez mieux identifier les parcours clients les plus efficaces. Par exemple, cela vous permet de découvrir qu’une certaine séquence de messages publicitaires sur les réseaux sociaux suivie par une campagne d’emailing conduit à un taux de conversion plus élevé comparé à d’autres combinaisons.
• Analyser l’effet des promotions sur le comportement d’achat : Vous pouvez utiliser une Data Clean Room pour corréler les données de promotions (réductions, offres spéciales) avec les données d’achat ultérieures, tout en intégrant des données comportementales first party. Celavous  permet de déterminer l’impact réel des promotions sur les décisions d’achat des consommateurs et de personnaliser les offres futures pour maximiser l’engagement et les conversions.
• Analyser les parcours d’achat omnicanal : Si vous opérez à la fois en ligne et en magasin physique, l’intégration des données de navigation en ligne, des interactions sur les applications mobiles et des achats en magasin dans une DCR peut révéler des insights précieux sur le comportement omnicanal des clients. Par exemple, l’analyse peut montrer que les clients qui consultent des produits sur l’application mobile avant de réaliser un achat en magasin dépensent plus que ceux qui n’utilisent qu’un seul canal. Ces informations permettent d’optimiser les stratégies de marketing omnicanal pour encourager les comportements d’achat les plus rentables.
• Mesurer l’efficacité des contenus : En utilisant une DCR pour croiser les données de consultation de contenus (vidéos, articles de blog) avec les données d’achat, vous pouvez mesurer l’impact direct de différents types de contenus sur les décisions d’achat.

Les Data Clean Rooms se positionnent comme outil du substitution des solutions basées sur les cookies third party pour tracker le comportement des utilisateurs sur les canaux digitaux et faire de l’attribution marketing. Les DCR permettent de relier les données de performance en aval (conversions, achats…) en données d’impression et de clic en amont, le tout sans compromettre la confidentialité des utilisateurs.

#4 La résolution d’identité

La résolution d’identité est l’un des cas d’usage premier des Customer Data Platforms. Mais les Data Clean rooms gèrent aussi ce cas d’usage, parfois même avec plus de flexibilité que les CDP. Les Data Clean Rooms peuvent fonctionner avec des fournisseurs d’ID graphs ou même créer des graphs pour vous. Certains acteurs de DCR sont très avancés en cette matière et se transforment progressivement en plateformes data holistiques.

Les Data Clean Rooms, par l’extension de leurs cas d’usage, font d’ailleurs de plus en plus concurrence aux CDP, en misant sur leur principal atout : la gestion de la privacy, qui devient comme chacun sait un enjeu de plus en plus important.

Zoom sur 4 solutions de Data Clean Rooms

C’est Amazon qui a lancé la première Data Clean Room en 2022, intégrée à Amazon Marketing Cloud. Le géant américain fait ainsi figure de pionnier dans le développement de ces plateformes d’un nouveau genre. Cette date coïncide avec une explosion de l’utilisation des infrastructures cloud pour le stockage des données. Rappelons que les services cloud ont représenté 563 milliards de dollars en 2023 (Source). Si l’on ajoute à cela qu’Amazon est un mastodonte sur le marché publicitaire, il apparaît assez logique que la firme américaine soit le premier acteur à avoir développé cette technologie. Google a lui aussi très tôt développé sa plateforme de DCR, pour les mêmes raisons qu’Amazon. Le fait qu’Amazon et Google disposent des deux plus grands graphs ID au monde démultiplie les opportunités proposées par leurs services de Data Clean Roomes./

#1 Google Clean Room

La Data Clean Room de Google est intégrée à son Ads Data Hub, qui a été lancé au milieu des années 2010 pour mesurer la performance des publicités YouTube sur mobile.

Le cas d’usage historique du Ads Data Hub est de mesurer les conversions depuis YouTube et le Réseau Display de Google (GDN). Les annonceurs connectent leurs données transactionnelles dans BigQuery via l’API du Ads Data Hub pour les relier à une instance BigQuery gérée par Google qui contient toutes les données des campagnes de Google. Bien que cela ait été présenté sur le marché comme un « Hub », c’était en réalité juste une API.

En octobre 2022, Google a décidé que les cas d’utilisation pour la mesure et le marketing étaient suffisamment différenciés pour qu’il faille créer deux solutions distinctes du Ads Data Hub : le Ads Data Hub pour les marketeurs et le Ads Data Hub pour l’analyse.

Le principal cas d’utilisation pour les marketeurs est l’appariement des audiences et le chevauchement avec quelque chose appelé PAIR (Réconciliation de l’Identité Annonceur-Éditeur).

Bien sûr, vous pouvez facilement activer ces cohortes dans l’univers publicitaire de Google et surtout sur YouTube, que Google continue d’empêcher les DSP d’acheter directement (même après un règlement antitrust de l’UE). Cette réticence devient un peu plus compréhensible quand on voit comment le Ads Data Hub commence à se concrétiser dans le domaine de croissance stratégique le plus important de Google Cloud – BigQuery.

Avec la convergence du martech et de l’adtech, la prochaine évolution pour le Ads Data Hub de Google sera probablement une meilleure exploitation des données first party issues de Google Analytics et atterissant dans BigQuery.

#2 Amazon Clean Room

Amazon a choisi de développer une stratégie « top-down », versus la stratégie « bottum-up » de Google, ce qui fait sens sachant qu’Amazon ne dispose pas d’outil de collecte d’événements.

C’est en décembre 2022 qu’Amazon a annoncé le lancement de sa suite Amazon Marketing Cloud. Celle-ci comprend 5 solutions :

• ID Resolution
• Clean Room/Data Collab
• Measurement/Insights
• Personalization
• Ad Activation

La Data Clean Room est une pièce maîtresse de cette suite, comme on le voit dans la définition de l’Amazon Marketing Cloud donnée sur la page d’accueil de la solution. Voici à quoi ressemble l’architecture d’Amazon Marketing Cloud :

Plusieurs questions se posent à la lecture de ce schéma…Si la Data Clean Room d’Amazon est vraiment une API située entre deux lacs de données dans un outil d’orchestration et de reporting, il est légitime de considérer la Data Clean Room d’Amazon comme une simple fonctionnalité du data lake, plutôt que comme un produit à part entière…La Data Clean Room d’Amazon sert en quelque sorte de passerelle entre les bases de données. Cela fait écho à toutes les discussions actuelles autour des Data Clean Rooms : sont-elles de simples fonctionnalités proposées par les services cloud ou des produits à part entière ?

Quoiqu’il en soit, un constat s’impose : la majorité des fournisseurs de services cloud cherchent à offrir des solutions de Data Clean Rooms…et pas uniquement Google et Amazon.

Databricks Clean Room

Databricks a dévoilé sa Data Clean Room en juin 2022. En conjonction avec Delta Lake et dans le cadre de son Unity Catalog Governance (qui est lui-même basé sur le standard ouvert ANSI SQL), la Data Clean Room de Databricks est clairement une fonctionnalité de la solution Delta Sharing.

Databricks ne fait pas mystère de son positionnement et propose ce nouveau service pour remplacer les fournisseurs de Data Clean Rooms en boîte noire. La Data Clean Room de Databricks est en effet interopérable avec des fournisseurs cloud tiers.

Databricks met en avant trois arguments contre les fournisseurs de Data Clean Rooms en boîte noire :

• La difficulté à déplacer et répliquer les données.
• L’obligation d’utiliser SQL et rien que lui.
• Les collaborations limitées à deux parties.

Snowflake Clean Room

Snowflake a positionné son service de Data Clean Rooms pendant trois ans comme un service build-it-yourself. En 2022, il est réapparu en tant que « Global Clean Room » et est commercialisé pour les cas d’utilisation des médias, du divertissement et de la publicité comme un framework puisqu’il nécessite d’utiliser le Snowflake Native Application Framework.

Point important : pour collaborer sur des données dans un environnement de Clean Room Snowflake, les deux parties ont besoin de disposer d’une instance Snowflake déployée dans le même cloud et la même région. Par conséquent, pour utiliser les capacités de Data Clean Room de Snowflake, les données doivent d’abord être répliquées sur le compte du fournisseur dans les régions cloud souhaitées.

Les requêtes de la Data Clean Room de Snowflake ne sont pas des requêtes SQL mais utilisent un modèle Jinja. Les cas d’usage proposés sont les suivants :

• Chevauchement d’audience et création de segments
• Enrichissement des clients
• Mesure de conversion de campagne
• Segments lookalike.

L’acquisition récente par Snowflake du fournisseur de Data Clean Room Samooha en décembre 2023 permettra sans doute à l’éditeur de muscler ses services dans les prochains mois.

La proposition de Snowflake ici semble prête à devenir encore plus forte avec leur acquisition du fournisseur de salle propre indépendant Samooha en décembre 2023.

Conclusion

L’arrivée sur le marché des Data Clean Rooms permet de faire un bond en avant en matière de partage des données et accélère la convergence entre le MarTech et l’AdTech. Les Data Clean Rooms n’ont pas que des avantages, elles créent de nouveaux challenges. Elles peuvent en effet complexifier le travail d’analyse des données et constituent par ailleurs un coût additionnel pour les entreprises qui souhaitent utiliser cette technologie. N’hésitez pas à nous contacter pour étudier ensemble l’opportunité d’utiliser une Data Clean Room au sein de votre entreprise !

Nous sommes à l’aube d’une nouvelle ère de collaboration autour des données grâce aux Data Clean Rooms. Les cas d’usage deviennent de plus en plus robustes, nombreux, soutenus par l’augmentation continue du taux de cloudification des données.

Difficile de prédire l’avenir, mais une chose est sure : l’époque où les données tierces jouaient un rôle prédominant dans la publicité, le marketing et les médias est révolue. Les entreprises doivent se recentrer sur les données first party, comme nous le disions déjà dans un article de 2021 consacré à la fin des cookies tiers. Et nous pensons particulièrement aux données comportementales qui rendent possible un ciblage de plus en plus fin des actions de marketing-ventes. Plus vite vous adopterez une démarche d’opérationnalisation de vos données (voir notre article sur l’operational analytics), plus vous prendrez de l’avance sur vos concurrents.

CRM / Data - Plus de 15 ressources & templates gratuits à télécharger.

Découvrir