AI Showreel l'observatoire indépendant de l'IA marketing
← La base
Preuve A Vivant confirmé

Kuaishou

monetisation publicitaire par modeles generatifs : recommandation generative et enchere intelligente, plus generation de creatives et recherche marchande refondue

IndustrieMédia & entertainmentLevierMonétisationFamilleOptimisation / automatisationImplémentationIA customÉtapemonetisation de l'inventaire publicitaire et de la recherche marchande
Pattern prouvé dans 4 industries encore vierge en Banque, assurance & fintech, Luxe & beauté, CPG & D2C +9 Voir la carte du pattern
3,0% a 4,0%
Contribution des modeles de recommandation generative et d'enchere intelligente a la croissance des revenus des services marketing domestiques (T1 2026)
"growth in domestic online marketing services revenue in the first quarter of 2026" S1

Au premier trimestre 2026, Kuaishou declare que ses grands modeles de recommandation generative et d'enchere intelligente ont produit environ 3,0% a 4,0% de croissance des revenus des services marketing domestiques, que la refonte de sa recherche e-commerce OneSearch a genere environ 3,0% de GMV incrementale, et qu'en mars 2026 les creatives generees par IA portaient 10,0% de l'ensemble des depenses publicitaires short video de la plateforme.

L'essentiel

  • Recommandation generative et enchere intelligente contribuent pour 3,0% a 4,0% a la croissance du revenu marketing domestique.
  • OneSearch V2, la recherche e-commerce refondue, apporte environ 3,0% de GMV incrementale.
  • Les creatives generees par IA representent 10,0% des depenses publicitaires short video en mars 2026.
  • Preuve de niveau A : communique de resultats du premier trimestre 2026, publie le 27 mai 2026.

Objectif

Faire progresser le revenu publicitaire sans dependre de la croissance de l'audience, qui plafonne (412,7 millions d'utilisateurs actifs quotidiens, +1,2% sur un an). L'enjeu est la valeur par impression et par requete : mieux appairer annonce et utilisateur, automatiser l'enchere, industrialiser la production de creatives pour les annonceurs qui n'en produisent pas assez, et transformer la recherche marchande en surface de conversion. Kuaishou est l'un des rares acteurs a publier la contribution incrementale de ces briques a sa croissance.

Le déploiement

Kuaishou publie une chose que presque aucune plateforme ne publie : la contribution chiffree de ses modeles IA a la croissance de son revenu publicitaire. Au premier trimestre 2026, l'entreprise declare que l'approfondissement de ses grands modeles de recommandation generative et d'enchere intelligente a produit a lui seul environ 3,0% a 4,0% de croissance des revenus des services marketing domestiques. Le revenu total des services marketing en ligne atteint 19,6 milliards de RMB, en hausse de 9,3% sur un an : la contribution des modeles represente donc une part importante de cette croissance. Trois autres briques completent le dispositif. La solution de placement UAX a recu un mode Agent qui prend en charge des taches jusque-la tenues par les equipes marketing, dont la creation des unites de campagne. Les creatives publicitaires generees par IA sont passees a l'echelle : en mars 2026, elles portent 10,0% de l'ensemble des depenses publicitaires short video de la plateforme. Enfin, la recherche marchande a ete refondue avec OneSearch V2, dont Kuaishou dit que le renforcement des capacites d'inference et de l'experience de recherche a produit environ 3,0% de GMV incrementale. Le meme trimestre, l'activite de generation video Kling AI depasse 650 millions de RMB de revenus, en croissance de plus de 300% sur un an, ce qui donne a Kuaishou une seconde source de monetisation IA distincte de la publicite.

Résultats Preuve A

3,0% a 4,0%
Contribution des modeles de recommandation generative et d'enchere intelligente a la croissance des revenus des services marketing domestiques (T1 2026)
"growth in domestic online marketing services revenue in the first quarter of 2026" S1
environ +3,0% de GMV
GMV incrementale attribuee au renforcement du moteur de recherche e-commerce
"which drove an incremental GMV growth of approximately 3.0%" S1
10,0%
Part des depenses publicitaires short video portee par des creatives generees par IA (mars 2026)
"AIGC short video marketing materials spending contributed 10.0% of total short video online marketing spending" S1
19,6 Md RMB, +9,3%
Revenus des services marketing en ligne au premier trimestre 2026
"Online Marketing Services Revenue: RMB19.6 billion, up 9.3% year-over-year." S2

Les chiffres viennent du communique de resultats non audites du premier trimestre 2026 de Kuaishou, publie le 27 mai 2026 : contribution des modeles a la croissance du revenu marketing domestique, GMV incrementale de la recherche, part des creatives generees dans la depense publicitaire. Document primaire de la marque-sujet. Le chiffre d'affaires des services marketing en ligne est corrobore par la synthese de l'earnings call publiee le meme jour. Rarete a signaler : l'entreprise isole elle-meme la contribution incrementale de l'IA, ce qui evite l'attribution par inference.

Comment ça fonctionne

Approche-type inférée

Le détail interne n'est pas public. Voici une approche éprouvée qui mène au même résultat - à adapter à votre stack.

brief creatifmateriels generesobjectif de campagneunites de campagneannonce servieexpositionrequete marchandeachatsignal de conversion Annonceur Generation de creativespublicitaires (AIGC) UAX (placementpublicitaire, mode Agent) UAX Recommandation generativeet enchere intelligente Application Kuaishou(inventaire short video) OneSearch V2 (recherchee-commerce) OneSearch Utilisateur / acheteur Conversions et GMVobservees

La stack en détail

  • infra Modeles de recommandation generative et d'enchere intelligente Grands modeles appliques au marketing en ligne. Kuaishou chiffre leur contribution a environ 3,0% a 4,0% de croissance des revenus des services marketing domestiques au premier trimestre 2026.
  • plateforme UAX Solution de placement publicitaire de Kuaishou, dotee au premier trimestre 2026 d'un mode Agent qui prend en charge des taches jusque-la manuelles cote equipe marketing, dont la creation des unites de campagne.
  • outil OneSearch V2 Moteur de recherche e-commerce dont les capacites d'inference et l'experience de recherche ont ete renforcees, avec une GMV incrementale d'environ 3,0% attribuee a cette evolution.

Comment ça tourne, concrètement

Pour les équipes ops
CadenceEnchere et recommandation en temps reel a l'impression ; generation de creatives a la demande cote annonceur ; mesure de la contribution incrementale par trimestre.
Opéré parLes equipes machine learning et monetisation de Kuaishou pour les modeles de recommandation, d'enchere et de recherche. Cote annonceur, une partie du travail de campagne passe au mode Agent d'UAX.
  1. 1
    Production des creatives IA

    L'annonceur produit ses materiels publicitaires, en s'appuyant sur la generation AIGC pour une part croissante du volume.

  2. 2
    Mise en campagne IA

    Les unites de campagne sont creees dans UAX, avec un mode Agent qui prend en charge des taches jusque-la manuelles.

  3. 3
    Appariement et enchere IA

    Les modeles de recommandation generative et d'enchere intelligente decident quelle annonce est servie, a qui, et a quel prix.

  4. 4
    Recherche marchande client

    L'utilisateur qui cherche un produit passe par OneSearch, dont les capacites d'inference ont ete renforcees.

  5. 5
    Boucle de conversion IA

    Les achats realises alimentent en retour les modeles publicitaires et le classement de la recherche.

Le signal qui pilote

Les conversions marchandes observees sur la plateforme, qui servent a la fois de cible d'optimisation publicitaire et de retour pour la recherche e-commerce. Sans e-commerce integre, la brique recherche perd son objet et il ne reste que la partie recommandation et enchere.

Comment vos clients perçoivent ce type d'usage

Études sourcées

Le pricing algorithmique est le terrain le plus inflammable : 68% des consommateurs disent se sentir leses quand les marques utilisent le pricing dynamique et 80% jugent plus dignes de confiance les marques aux prix constants (Gartner, 2024). L'equite percue varie selon le secteur : le pricing dynamique n'est juge juste que par 33% a 40% des repondants selon qu'il s'agit de concerts ou de cinemas (YouGov, 17 marches). Le prix personnalise par les donnees individuelles est le plus rejete : 47% des Americains s'y opposent fermement (Consumer Reports, 2024).

68%
Consommateurs qui se sentent leses (taken advantage of) quand les marques utilisent le pricing dynamique (2024)
80%
Consommateurs d'accord pour dire que les marques aux prix constants sont plus dignes de confiance (2024)
79%
Consommateurs ayant vecu des situations de prix inattendues sur un an (surge pricing, frais caches, hausses imprevues) (2024)

Conditions d'acceptation

  • La constance des prix comme signal de confiance : 80% jugent plus fiables les marques aux prix stables (Gartner 2024)
  • Le secteur conditionne l'equite percue : le pricing dynamique est mieux tolere pour les cinemas (40% le jugent juste) que pour les concerts (33%) (YouGov 2024)

Lignes rouges

  • Le pricing dynamique percu comme abus : 68% se sentent leses (Gartner 2024)
  • Le prix individualise a partir des donnees personnelles : 47% d'opposition ferme (Consumer Reports 2024)
  • Les frais caches et hausses imprevues, vecus par 79% des consommateurs sur un an et associes a la perte de confiance (Gartner 2024)

Sources : Gartner 2024 · YouGov 2024 · Consumer Reports 2024

Voir l'acceptation complète : par pays, par usage, par génération

Comment répliquer

Inférence - non sourcé

Prérequis data

  • Des conversions marchandes observables sur la plateforme, rattachables a l'exposition publicitaire
  • Un historique de requetes de recherche marchande assez dense pour entrainer un moteur d'inference
  • Un catalogue produit structure cote marchands
  • Une mesure capable d'isoler la contribution incrementale du modele, sans quoi la croissance publicitaire ne peut pas lui etre attribuee

Prérequis orga

  • La maitrise conjointe de l'inventaire publicitaire et du parcours d'achat
  • Une equipe machine learning capable de tenir en production des modeles de recommandation et d'enchere
  • Une offre creative integree pour les annonceurs qui ne produisent pas assez de materiels
  • En Europe, un cadre de transparence sur les creatives generees et sur l'automatisation de la diffusion

Stack possible

  • Modeles de recommandation et d'enchere entraines sur signaux de conversion first-party
  • Generation de creatives publicitaires integree a l'outil de campagne
  • Moteur de recherche marchande avec couche d'inference
  • Dispositif de mesure incrementale par trimestre
Équipe pour opérerUne equipe machine learning monetisation pour les modeles de ranking et d'enchere, une equipe search e-commerce, une equipe produit publicitaire pour la couche d'automatisation et la generation de creatives, et une fonction analytique dediee a la mesure incrementale.

Le plan, étape par étape

  1. Étape 1
    Mettre en place la mesure permettant d'isoler la contribution du modele a la croissance du revenu publicitaire.Livrable : Methode de mesure incrementale documentee et repetable par periode.
  2. Étape 2
    Reentrainer le couple recommandation et enchere sur les conversions marchandes plutot que sur l'engagement.Livrable : Modeles publicitaires optimises sur la conversion.
  3. Étape 3
    Integrer la generation de creatives a l'outil de campagne pour les annonceurs a faible production creative.Livrable : Part mesurable de la depense portee par des creatives generees.
  4. Étape 4
    Renforcer la recherche marchande, en traitant la requete comme une surface de conversion et non comme un simple filtre de catalogue.Livrable : GMV incrementale attribuee a la recherche.
  5. Étape 5
    Automatiser la creation des unites de campagne pour abaisser le cout d'entree des annonceurs peu outilles.Livrable : Mode de campagne agentique en production.

Première étape : Instrumenter la mesure incrementale avant de toucher au modele. Ce qui rend ce cas exploitable, ce n'est pas la technologie employee mais le fait que la plateforme sache dire combien de points de croissance viennent d'elle. Sans ce dispositif, on ne saura jamais si le modele a cree de la valeur ou capte une croissance qui existait deja.

Sources

  1. S1 Kuaishou Technology Announces First Quarter 2026 Unaudited Financial Results Primaire prnewswire.com · 2026-05-27 · consulté le 2026-07-21 archive à générer
  2. S2 Kuaishou Technology (KUASF) Q1 2026 Earnings Call Highlights: Revenue Growth Driven by AI Secondaire finance.yahoo.com · 2026-05-27 · consulté le 2026-07-21 archive à générer
  3. S3 Kuaishou's Q1 Revenue Rises but Profit Slides on Margin Pressure Presse établie theglobeandmail.com · 2026-05-28 · consulté le 2026-07-21 archive à générer