Google Safe Browsing protège plus de 3 milliards d\'appareils

Google a annoncé que son service Safe Browsing pour la navigation en toute sécurité, qui empêche les utilisateurs de Chrome, Safari et sur ordinateur et sur mobile de visiter des sites potentiellement dangereux, protège maintenant plus de 3 milliards appareils.

Google protège plus de 3 milliards d\'appareils via son outil Safe Browsing

Ce qui représente une hausse d’1 milliard par rapport à 2013 et 2 milliards par rapport à Mai 2016.

Le service, l\’une des premières tentatives de dans les outils anti-malwares, a d\’abord été lancé comme une fonctionnalité du moteur de recherche phare de l\’entreprise sur ordinateur depuis 2007.

Depuis lors, à la fois Safari et Firefox ont adopté ce service, en plus de nombreux développeurs Web et d’applications, y compris .

L\’idée générale derrière Safe Browsing a toujours été la même :

Dire aux utilisateurs quand le site qu\’ils souhaitent visiter est probablement trompeur ou héberge des malwares (virus).

Il est intéressant de noter que c’est depuis 2015 que Google a activé Safe Browsing pour son navigateur Chrome pour Android par défaut. Ce qui, bien sûr, a fait exploser le nombre d’appareils protégés dès 2016.

Google note également que les fonctionnalités de Safe Browsing d\’aujourd\’hui utilisent le machine learning pour détecter \ »plus de risques potentiels\ » et qu\’il “évalue et intègre continuellement de nouvelles approches de pointe pour améliorer Safe Browsing.\ »

Bref, Google Safe Browsing aide à protéger plus de 3 milliards d\’appareils tous les jours en affichant des avertissements aux utilisateurs lorsqu\’ils tentent de naviguer vers des sites dangereux ou télécharger des fichiers dangereux.

Google Safe Browsing avertit également les webmestres lorsque leurs sites Web sont compromis par des acteurs malveillants et les aide à diagnostiquer et résoudre le problème afin que leurs visiteurs restent plus en sécurité.

Les protections de Safe Browsing fonctionnent sur les produits Google et les expériences de navigation plus sûres sur Internet.

Google AdWords relance son test sur les suggestions d\'annonces automatisées

Plus tôt cette année, AdWords avait lancé un test bêta, qui crée automatiquement des annonces générées par son système, avec un petit groupe de comptes AdWords.

Google AdWords relance son test sur les suggestions d\'annonces automatisées

le contenu dans les annonces AdWords existantesles pages de destinationretour sur investissement).

Qu’est-ce qui a changé dans ce nouveau test

Principalement, deux choses importantes :

  • Plus de notifications:
  • Période de révision : il y aura une période de 14 jours

D’après Searchengineland

Alors, quel est le but de ce test ?

quand ils ont 3 à 5 annonces

meilleure compréhension de ce qui pousse les utilisateurs à cliquer sur les annonces AdWords. Aucune surprise, car le machine learning qui est maintenant dans tout nouveau développement dans AdWords est au cœur de ce test.

Et comme ces modèles de suggestions d’annonces ont obtenu plus de retours de la part des testeurs, sur le type de contenu publicitaire qui génère le plus de clics, le machine learning peut ajuster et améliorer les suggestions.

paramètres de rotation des annonces annoncée la semaine dernière. Mais les suggestions d’annonces automatisées participent cependant du même principe.

Ainsi, à ce test.

machine learning) pour automatiser les processus de développement et de test de création publicitaire.

La nouvelle version bêta des suggestions d’annonces automatisées est configurée pour démarrer à partir du 30 Septembre 2017 aux États-Unis et au Royaume-Uni.

Google révèle les chiffres de l\'Expérience client sur mobile

Cela fait maintenant 10 ans que le mobile rend la recherche internet accessible en tout temps et en tout lieu. Ce qui place le search bien au coeur du parcours client.

Les chiffres de l’expérience client sur mobile

Ainsi, d’après Google, 87% des mobinautes ont le réflexe de rechercher sur mobile dès qu’ils ont un besoin ou une envie. Ce qui a pour conséquences de fragmenter les parcours client.

C’est alors que le traitement de la data devient stratégique et la mesure de l’efficacité est essentielle. Pour relever donc ces défis, les algorithmes de machine learning de se mettent au service des marketeurs et ouvrent un horizon d’opportunités.

C’est ce que révèle Google à travers des chiffres qui montrent le comportement des mobinautes et combien il est urgent de repenser l’expérience client et réconcilier l’online et l’offline et, in fine, faire parler la data.

Repenser l’expérience client

  • Vitesse :
    • 53% des mobinautes quittent un site mobile s’il met plus de 3 secondes à se charger.
    • 10 secondes, c’est le temps de chargement moyen des sites mobiles français avec une connexion 3G.
    • Les annonceurs dont le site mobile se charge en 5 secondes enregistrent jusqu’à 2 fois plus de revenus que ceux dont le site se chargent en 19 secondes.
  • Expérience utilisateur :
    • 50% des mobinautes sont moins enclins à acheter un service ou un produit s’ils ont eu une mauvaise expérience utilisateur sur l’application mobile ou le site mobile de la marque.
    • 63% des consommateurs souhaitent une expérience personnalisée à partir de leur historique d’achat.
  • Voix :
    • A l’horizon 2020, 50% des requêtes devraient être vocales et 30% des sessions online se feront sans écran.
    • 20% des requêtes sur mobile aux Etats-Unis sont vocales.
  • Les meilleures pratiques pour une bonne expérience client :
    • Concevoir une expérience utilisateur rapide, fonctionnelle et personnalisée.
    • Développer des outils prédictifs à partir de signaux d’intention, de comportement déjà observé et du contexte.
    • Simplifier la vie du consommateur en apportant fluidité et assistance sur tous les canaux.

Réconcilier Online et Offline

  • Online :
    • Près de 33% des ventes online ont lieu sur mobile.
    • Ce sera 50% d’ici à 2020.
  • Dans l’intervalle :
    • 81% des consommateurs s’assurent que le produit est en stock avant de se rendre en magasin.
    • 82% des millennials veulent des produits accessibles sur internet comme en magasin.
    • 3 personnes sur 4 qui font une recherche locale sur smartphone se rendent en magasin dans les 24 heures.
    • 28% de ces recherches mènent à un achat.
  • Offline :
    • Dans le retail, 75% des consommateurs utilisent leur mobile en magasin.
  • Les meilleures pratiques online et offline :
    • Offrir une expérience utilisateur optimale tout au long du parcours client quel que soit le canal.
    • Aligner les KPI sur les objectifs business globaux.

Faire parler la data

  • Pour 81% des décideurs marketing, le machine learning est la clé pour offrir des expériences personnalisées tout au long du parcours client.
  • 91% des mobinautes déclarent avoir acheté ou avoir l’intention d’acheter un produit après avoir vu une publicité pertinente.
  • 60% des décideurs marketing augmentent leurs investissements dans des outils de marketing prédictif, tels que le machine learning.
  • Les meilleures pratiques concernant la data :
    • Unifier la data client en cassant les silos organisationnels.
    • Cibler et engager ses audiences cibles via des expériences personnalisées et assistées.
    • Activer ses datas first-party et se concentrer sur la customer lifetime value.

TensorFlow : le code open source de l\'intelligence artificielle de Google pour tous

Le machine learning ou apprentissage automatique, qui fait partie de l’intelligence artificielle, permet à des systèmes informatiques de travailler un peu plus comme le feraient des humains.

Google TensorFlow

Aujourd’hui, le machine learning est intégré dans un certain nombre de produits , y compris Google Now, Smart Reply d’Inbox by et le moteur de recherche interne de Google Photos.

Google vient donc d’annoncer qu’il lance TensorFlow et qu’il révéle ainsi publiquement le code source de son nouveau système de machine learning utilisé pour toutes ses technologies récemment créées.

Google déclare que TensorFlow est jusqu’à cinq fois plus rapide que sa technologie de première génération et qu’il a vraiment aidé l’entreprise à améliorer rapidement ses produits.

En proposant TensorFlow en open source, Google espère que le code source de son système de machine learning sera vite adopté par d’autres entreprises, y compris par des universitaires, ingénieurs et amateurs développeurs qui pourraient s’en servir pour créer leurs propres systèmes, sans avoir à faire de trop longues recherches.

Si vous êtes intéressé, vous pouvez visiter le site TensorFlow.org pour en savoir davantage.