Des configurations publicitaires répétées ont enregistré des taux de messages différents

Une université colombienne a répété 16 configurations publicitaires sur Facebook. Les résultats montrent pourquoi un taux isolé peut laisser de côté un contexte utile.

Analyse d’Influence IQ portant sur 384 enregistrements publicitaires d’une campagne de recrutement d’une université colombienne en mai et juin 2026.

Résumé

Une même configuration publicitaire peut enregistrer des résultats différents au fil des diffusions. Nous avons analysé 384 enregistrements de publicités Facebook d’une campagne de recrutement d’une université colombienne : 16 configurations diffusées 24 fois chacune en mai et juin 2026. Pour chaque configuration, nous avons classé les publicités selon le nombre de conversations enregistrées pour 1 000 impressions et comparé les valeurs aux rangs 6 et 18. Dans 12 des 16 configurations, la valeur supérieure était au moins deux fois plus élevée que la valeur inférieure. Parmi les configurations, la médiane des écarts entre ces valeurs était de 0,60 conversation pour 1 000 impressions. Cette analyse descriptive porte sur une campagne avec peu de messages par publicité ; elle ne constitue pas une référence pour les autres annonceurs. Présenter les décomptes et un intervalle avec le taux permet de mieux voir cette distinction.[1][2][3]

Une petite équipe envoie à un client les résultats d’une publicité Facebook. Une diffusion a enregistré trois conversations ; une autre, avec la même configuration, en a enregistré six. Le second nombre est le double du premier, mais l’équipe doit encore connaître les impressions, la période du rapport et le contexte des diffusions avant d’expliquer la différence. La comparaison peut changer si l’exposition change.

Des diffusions répétées peuvent enregistrer des résultats différents

Illustration d’une professionnelle comparant des cartes publicitaires identiques avec des nombres différents de bulles de message.
Illustration conceptuelle ; les bulles ne représentent pas les décomptes de l’étude.

Une même configuration pour des publicités répétées

Des chercheurs étudiant des publicités de recrutement universitaire ont publié les enregistrements individuels d’une campagne Facebook dans le sud-ouest de la Colombie. La campagne utilisait 16 configurations, chacune définie par une version créative et son ciblage d’audience. Selon les auteurs, une publicité par configuration a été lancée chacun des 24 jours, du 14 mai au 6 juin 2026. Le budget de chaque publicité était de 10 000 pesos colombiens. Les 384 enregistrements appartiennent à un seul annonceur et à une seule campagne, et non à 384 campagnes indépendantes.[1][2]

Nous avons examiné la variation des résultats enregistrés parmi les 24 publicités de chaque configuration. Nous avons conservé séparément les configurations de l’étude au lieu de comparer des audiences ou des versions créatives différentes. Pour chaque publicité, nous avons divisé le nombre de conversations initiées enregistrées par les impressions, puis multiplié le résultat par 1 000. Une impression correspond à un affichage et une personne peut en générer plusieurs. Le résultat exprime des conversations pour 1 000 impressions, et non la probabilité qu’une personne envoie un message.[1]

Les auteurs indiquent une fenêtre d’attribution de sept jours après un clic et d’un jour après une vue. Ils précisent avoir exporté les métriques le lendemain de la fin de chaque publicité. Un message peut donc être attribué après une vue comme après un clic ; une exportation effectuée le lendemain ne couvre pas sept jours complets de suivi. Le jeu de données n’indique pas la date exacte de lancement de chaque enregistrement. Nous décrivons les enregistrements comme des diffusions répétées, et non comme une série chronologique.[1][2]

Le milieu de chaque configuration couvrait aussi un intervalle

Pour chaque ensemble de 24 taux, nous avons classé les valeurs de la plus faible à la plus élevée et sélectionné les rangs 6 et 18. Ce sont les quartiles inférieur et supérieur selon la méthode du rang le plus proche : ils décrivent la dispersion autour du centre des taux observés en laissant les valeurs les plus extrêmes hors de la comparaison. Nous avons divisé la valeur supérieure par la valeur inférieure. Les 16 quartiles inférieurs étaient positifs, ce qui a permis de calculer tous les rapports.[3]

Dans 12 des 16 configurations, le quartile supérieur était au moins le double du quartile inférieur. La médiane des 16 rapports propres à chaque configuration était de 2,26. Séparément, la médiane des 16 écarts entre les quartiles supérieur et inférieur était de 0,60 conversation enregistrée pour 1 000 impressions. Ces résumés proviennent de calculs différents sur les configurations ; ils ne représentent pas les deux extrémités d’une configuration type.[3]

Une configuration illustre le calcul. Son taux au rang 6 correspondait à une conversation enregistrée pour 3 559 impressions, soit environ 0,28 pour 1 000. Son taux au rang 18 correspondait à quatre conversations pour 4 441 impressions, soit environ 0,90 pour 1 000. Le second taux était environ 3,21 fois le premier. Il s’agit de deux enregistrements classés par taux, pas nécessairement de jours consécutifs ni d’une prévision des résultats futurs.[3]

La médiane était de quatre conversations enregistrées par publicité. Dix publicités en ont enregistré zéro et huit des 16 configurations comprenaient au moins une publicité à zéro. Avec si peu d’événements, le rapport et les décomptes montrent des aspects différents. Pour exactement 5 000 impressions, une conversation enregistrée supplémentaire modifie le taux de 0,20 pour 1 000. Ce calcul n’explique pas pourquoi deux publicités réelles ont différé.[2][3]

Dispersion du taux de messages dans les 16 configurations

Dans 12 configurations, le quartile supérieur était au moins le double du quartile inférieur ; dans quatre, il était inférieur au double.

Répartition des rapports entre quartiles du taux de messages
Quartile supérieur divisé par le quartile inférieurConfigurationsPart
Au moins 2 fois1275,0 %
Moins de 2 fois425,0 %
Dans chaque configuration, les 24 taux de conversations enregistrées pour 1 000 impressions ont été classés et la valeur au rang 18 a été divisée par celle au rang 6. Chaque configuration apparaît une fois. Analyse Influence IQ d’une campagne universitaire colombienne, du 14 mai au 6 juin 2026.

Les interactions par clic, plus larges, ont varié autrement

La source indique aussi la métrique Meta « clics (tous) », qui comprend les clics sur des liens ainsi que d’autres interactions, comme les réactions, les partages et les clics sur une image ou un profil. Elle est plus large que les seuls clics sur des liens. Nous avons calculé les interactions par clic pour 1 000 impressions de chaque publicité et répété la comparaison au sein de chaque configuration, en classant cette métrique séparément des messages.[1][3]

La médiane des rapports entre quartile supérieur et quartile inférieur des 16 configurations était de 1,15 pour les clics (tous), contre 2,26 pour les conversations enregistrées. Aucun des 16 rapports d’interactions par clic n’a atteint 1,5 ; les 16 rapports de conversations l’ont atteint. La médiane de l’écart entre quartiles était respectivement de 13,84 interactions par clic pour 1 000 impressions et de 0,60 conversation enregistrée pour 1 000 impressions. La dispersion relative plus grande des conversations s’accompagnait donc d’un écart absolu plus faible dans ses propres unités.[3]

Les métriques ont des définitions et des décomptes différents. La comparaison ne montre pas que les clics ont conduit aux messages enregistrés, que les messages ont été causés par la différence d’interactions par clic, ni que les mêmes personnes figurent dans les deux numérateurs. Une équipe qui cherche à savoir si une publicité a généré des demandes devrait examiner sa mesure des demandes ainsi que tout décompte plus large des interactions.

Dispersion relative et absolue par mesure

Le taux de conversations enregistrées présentait une dispersion relative plus grande ; les deux écarts absolus utilisent des décomptes de résultats différents.

Médiane du rapport et de l’écart entre quartiles pour deux mesures
MesureMédiane du rapport (fois)Médiane de l’écart pour 1 000 impressions
Conversations enregistrées2,260,60
Interactions par clic (tous)1,1513,84
Pour chaque configuration et chaque mesure, les taux aux rangs 18 et 6 ont été comparés. Le tableau présente séparément la médiane des rapports et la médiane des écarts parmi les 16 configurations ; ces deux médianes ne décrivent pas nécessairement la même configuration. Les clics (tous) comprennent des interactions autres que les clics sur des liens.

Présentez les décomptes avec le taux

Imaginons deux diffusions fictives générant chacune 5 000 impressions. Trois conversations enregistrées correspondent à 0,60 pour 1 000 impressions ; six correspondent à 1,20. Le second taux est le double du premier, soit une différence de trois conversations et de 0,60 pour 1 000. Si les diffusions avaient des nombres d’impressions différents, les seuls décomptes ne montreraient pas la même comparaison.

Un rapport utile peut préciser la configuration et le budget, les dates et la fenêtre d’attribution, les impressions, le nombre de résultats enregistrés ainsi que le numérateur et le dénominateur du taux. Si plusieurs diffusions sont comparables, il peut aussi présenter les résultats individuels ou un intervalle clairement défini. L’intervalle doit indiquer les diffusions incluses et préciser si ses extrémités sont le minimum et le maximum, des quartiles ou d’autres valeurs.

Gardez la décision pratique en vue. Une équipe peut devoir décider si elle continue de recueillir des résultats, modifie une création ou discute d’un budget avec un client. Des résultats répétés offrent plus de contexte qu’une seule diffusion, mais ces données ne prescrivent pas un nombre nécessaire de diffusions et n’indiquent pas quelle modification améliorerait une autre campagne. Convenir d’une règle de décision avant d’examiner de nouveaux résultats peut aider l’équipe à expliquer ce qu’elle compte comparer.

Dans la source, les résultats ont été exportés peu après la fin de chaque publicité. Pour votre propre rapport, notez le moment où les chiffres ont été obtenus ainsi que la configuration d’attribution. Deux exportations effectuées à des moments différents peuvent couvrir des durées de suivi différentes, même si les dates ou les paramètres affichés semblent similaires.

Donnez du contexte au taux

Carnet illustré avec une carte publicitaire, des symboles de conversation et d’impression et un intervalle.
  1. Identifiez la configuration

    Précisez la création, le ciblage, le budget et la période du rapport.

  2. Montrez les décomptes

    Notez les impressions, le nombre de résultats, la fenêtre d’attribution et le moment de l’exportation.

  3. Décrivez l’intervalle

    Montrez les diffusions comparables et expliquez comment l’intervalle a été choisi.

Un rapport peut relier la configuration, les décomptes et l’intervalle.

Interprétez les résultats dans leur contexte

La campagne faisait la promotion d’un programme universitaire dans certaines municipalités colombiennes, avec un petit budget fixe par publicité et des placements automatiques. Chaque configuration a été répétée, mais les personnes touchées, le moment de diffusion, la combinaison des placements et les conditions de l’enchère pouvaient varier entre les diffusions. Une personne pouvait aussi avoir vu plusieurs publicités. Les données n’identifient pas lequel de ces facteurs, s’il y en a un, explique la dispersion observée.[1]

Les 16 configurations sont des combinaisons différentes au sein d’une seule campagne. Elles ne constituent pas un échantillon aléatoire d’entreprises et les résultats n’établissent pas une variation typique pour d’autres marchés, objectifs de campagne ou budgets. Les diffusions répétées peuvent aussi partager des conditions ; cette analyse ne traite donc pas les 24 enregistrements d’une configuration comme des répétitions indépendantes de 24 campagnes distinctes.

L’article des chercheurs étudiait une autre question : les effets du type de porte-parole et de la divulgation de l’origine de la création dans leur campagne. Notre analyse utilise leurs enregistrements publiés pour décrire la variation au sein de chaque configuration. Elle ne compare pas les créations humaines et celles de l’IA et ne détermine pas quelle version a obtenu les meilleurs résultats.[1][2]

Comment nous avons analysé les enregistrements

Le fichier Stata public contenait 384 enregistrements avec des identifiants d’observation uniques, 16 codes de configuration et 24 enregistrements par code. Dans chaque code, les champs publiés relatifs à la création, au porte-parole, à la divulgation de l’origine de la création, au genre et à l’âge étaient constants. Tous les enregistrements avaient des impressions positives et des nombres de clics et de messages non négatifs ; aucun n’a été exclu. Tous dépassaient également 1 000 impressions, ce filtre prévu n’a donc pas modifié l’échantillon.[2][3]

Nous avons calculé les deux taux de chaque publicité à partir des décomptes publiés, classé séparément les 24 taux par mesure au sein de chaque configuration, puis sélectionné les rangs 6 et 18. Chaque configuration a contribué aux résumés par un rapport et un écart pour chaque mesure. Un second calcul avec SQLite et des fractions exactes a reproduit les quartiles de chaque groupe à partir d’un extrait numérique du même fichier. Le dossier de reproduction contient les liens vers la source, les empreintes, le code et les résultats agrégés.[3]

Pour une vérification de sensibilité effectuée après l’analyse, nous avons utilisé des quartiles par interpolation linéaire au lieu du rang le plus proche. Avec cette convention, 11 des 16 rapports de messages étaient d’au moins deux et leur médiane était de 2,09 ; la médiane de l’écart était de 0,56 conversation pour 1 000 impressions. Cette variante est un calcul sur les mêmes enregistrements, pas une réplication indépendante. Aucune affirmation ne dépend d’un test de significativité ni de la connaissance de la cause de la variation.[3]

L’article décrit le groupe cible le plus jeune comme ayant de 18 à 24 ans, tandis qu’une étiquette du fichier publié indique 18 à 25 ans. Nous ne présentons pas de comparaison entre sous-groupes et ne résolvons pas cette divergence en choisissant une étiquette. Le dossier téléchargeable comprend les vérifications de regroupement et de mesure afin de permettre l’examen de l’analyse sans republier les vidéos publicitaires originales.[1][2][3]

Les téléchargements contiennent les résultats agrégés, les liens vers la source, une empreinte et le code. Le fichier ZIP ne contient ni enregistrements publicitaires individuels ni vidéos.

Sources et notes

  1. Arango-Espinal, Rodríguez Orejuela et López-Herrera, Human Spokesperson Versus Artificial Intelligence Avatar and Authorship Disclosure in Digital Advertising, 2026. Conception de la campagne, mesures, attribution et moment de l’exportation.
  2. López-Herrera, données et matériel de réplication des auteurs, Zenodo, 2026. Le jeu de données est identifié sous licence CC BY 4.0.
  3. Dossier d’analyse Influence IQ : lien vers la source, empreinte, code de calcul et résultats agrégés par groupe.

Toutes les éditions décrivent la même campagne colombienne et la période de collecte de mai à juin 2026. La traduction ne transforme pas ces données en preuve pour un autre marché.

À lire aussi