Les métriques de performance ont peu changé depuis l’émergence du canal de référencement payant il y a de cela près de 20 ans. Les spécialistes SEM veulent maximiser leur volume de clics comme métrique proxy à la conversion et du même coup, ils veulent diminuer le coût par clic; c’est le même combat depuis les tout débuts.
Depuis l’an 2000, la courbe de difficulté a considérablement augmenté pour obtenir de tels résultats. La concurrence est plus féroce, les enchères sont saturées et les algorithmes de Google sont plus capricieux. En fait, acquérir ne serait-ce que 10% d’économie en CPC est maintenant un exploit, surtout pour des comptes très optimisés et sur des mots-clés contingentés.
Autrefois, la principale façon de se doter d’un avantage concurrentiel était d’adopter des logiciels de gestion des enchères comme Marin Software, Kenshoo ou Adobe Media Optimizer (maintenant Adobe Advertising Cloud). Ces outils nous permettaient de gérer des formules d’enchères beaucoup plus complexes et granulaires sur d’immenses volumes de mots-clés.
Certes, ces plateformes restent pertinentes aujourd’hui, tout comme les bons vieux instincts des spécialistes. Ce n’est par contre plus suffisant pour que le spécialiste de haut calibre puisse apporter une valeur ajoutée significative. Tout annonceur ou agence avec assez de budget peut se payer un Marin ou un DS3 de Google; il nous faut donc pousser plus loin l’innovation.
Extraire le plein potentiel dans la donnée de vos comptes AdWords, même avec des Marin ou Kenshoo, demande énormément de temps aux spécialistes. Et le temps, c’est précisément ce qui nous fait défaut dans un contexte concurrentiel en SEM.
C’est pourquoi chez Adviso, nous avons décidé de développer une autre approche en sollicitant l’apport de la science, la science des données pour être plus exact, afin de remédier à cet enjeu de temps.
De cette exploration dans l’univers des API, du Big Data, des modèles statistiques et de la programmation en R et Python, nous avons développé une série d’outils qui nous aident maintenant à faire en quelques clics des analyses qui, dans le passé pas si lointain, nous auraient pris des heures et des heures de travail.
La grande majorité des comptes sur lesquels nous avons effectué des audits ont obtenu le même constat. Il faut délaisser les ciblages de requêtes larges vers des requêtes exactes afin de maximiser la qualité et la précision du ciblage.
C’est une évidence. Mais, le véritable enjeu que vous allez rencontrer, c’est le temps que vous pouvez investir sur la construction et le maintien de votre structure. Utiliser un ciblage plus large vous permet de couvrir un plus grand volume de requêtes tout en minimisant le temps de création de la campagne. Temps qui peut ainsi être investi dans l’analyse et la recherche de nouvelles opportunités média.
L’équipe R&D a décidé d’attaquer cette problématique et nous avons planché sur la création d’un outil qui tenterait de faire la tâche laborieuse de sélectionner les meilleurs mots-clés exacts à ajouter et ce, de la manière la plus rapide qu’il soit.
L’outil se doit donc d’être en mesure de traverser en temps réel les centaines de milliers de requêtes d’utilisateurs actuellement affichées dans le rapport de requête de l’ensemble de votre compte. Puis, il doit identifier les mots les plus intéressants à ajouter en exact tout en proposant simultanément d’arrêter les ciblages plus larges qui ne vous donneront plus de nouveaux clics intéressants.
Ainsi, le gestionnaire peut maintenant se concentrer à chercher de nouvelles opportunités de ciblage et remettre le travail ardu de priorisation et d’apprentissage sur les ciblages actuels à une série d’algorithmes.
Nous avons affectueusement baptisé ce processus le blindfold. Vous allez découvrir en observant la capture d’écran du Search Term Report suivante pourquoi cet algorithme porte si bien son nom.
1- La ligne “Other search terms” : un secret bien gardé
Je dirige votre attention sur la dernière ligne du rapport, elle est bien souvent ignorée. Et pourtant si importante! La ligne “Other search terms” contient ici 87% des impressions et 0% des clics, elle est donc un bandeau qui vous cache l’information la plus utile pour votre optimisation, soit : Quelles sont les requêtes moins intéressantes que mon ciblage couvre actuellement. Jusqu’à maintenant, la seule solution utilisée est d’ajouter manuellement les ciblages intéressants en exact et ainsi lentement vous départir de ces impressions moins alléchantes.
2- La technique SKAG sur stéroides
En fait, si vous ne conservez que les 7 meilleurs mots clés de l’exemple ci-haut en ciblage exact dans des groupes séparés, votre nouvelle campagne obtiendrait 31% de CTR ! Un superbe résultat. Cette technique est connue sous l’acronyme SKAG, Single Keywords Ad Groups, mais elle souffre malheureusement d’une limite. Elle demande un expert qui effectue la tâche d’ajouter les ciblages un a un, à plein temps. Surtout dans des structures de grande envergure.
Le blindfold essaie donc une approche similaire, mais avec un processus un peu plus lean. Pour cela, il faut combattre le fait que si une requête est beaucoup recherchée, mais qu’elle n’est pas cliquée car elle n’est pas pertinente, vous ne serez jamais en mesure de le savoir. Il faut donc posséder un maximum d’impressions “visibles” (hors du bandeau) et toujours se départir des ciblages large qui génèrent de grands volumes d’impressions invisibles.
Simplement, vous pouvez ajouter la colonne Keyword dans le Search Term Report. Ensuite, vous combinez le rapport au niveau des mots clés et le rapport de requêtes en un seul. Pour ce faire, vous pouvez utiliser un Vlookup dans Excel ou Merge dans R Studio. Surtout, gardez en tête que plusieurs requêtes peuvent s’accumuler sur un même ciblage. Faire ce travail manuellement peut facilement devenir une tâche herculéenne, et si vous avez plusieurs campagnes et plusieurs comptes, n’hésitez pas à utiliser l’API de Google. Une fois les données associées, vous obtiendrez une grille de décision similaire à ceci:
Vous êtes maintenant en mesure de prendre une décision d’optimisation éclairée. Ici, vous quittez le travail d’instinct basé sur l’expérience du spécialiste senior et vous obtenez un outil de travail. Il ne reste qu’à le démocratiser pour tous les niveaux d’expérience et tous les clients, de la pizzéria locale, au compte international multi-MCC.
3- L’utilisation du langage statistique R : quand la science de données rencontre le SEM
Pour ce faire, nous avons opté pour R comme langage statistique, en utilisant la bibliothèque R Shiny pour supporter l’interface visuelle et la bibliothèque R AdWords pour communiquer avec l’API.
Nous avons créé l’interface suivante qui permet de :
En somme, le Blindfold permet :
Si vous désirez bâtir ce genre d’outil par vous même, je vous invite à vous inspirer des captures d’écrans et de la vidéo, ainsi que des différentes bibliothèques présentée un peu plus tôt. Vous avez tout en main pour réussir.
Pour les annonceurs qui aimeraient un exemple du Blindfold afin de mesurer le gain potentiel que ceci pourrait avoir sur leur comptes AdWords à l’interne ou gérés par votre agence, notre équipe est disponible pour vous aider à produire l’analyse avec notre outil.
Bonne révolution SEM à tous !
——————————————————————————————————————-
Pour un client réel, est-ce que cette méthode automatisée à un impact mesurable?
Nous avons opté pour un test de facteur Bayésien en utilisant la bibliothèque Causal Impact pour vérifier les trois hypothèses avancées.
Hypothèse 1 : Réduction du volume d’impression
La ligne noire nous indique qu’il y a eu une réduction de 83% des impressions sur le groupe test. La ligne pointillée nous indique que le groupe contrôle est resté stable pendant la période de test. La probabilité que le résultat observé n’est pas lié au hasard est de 99.9%, soit P<0.001.
Ceci confirme l’hypothèse que mettre les mots clés en exact réduit grandement les requêtes couvertes et permet de réduire drastiquement le volume d’impression.
Hypothèse 2 : Croissance du CTR
Ici, nous observons une amélioration de 32% du CTR et une probabilité d’impact de 99.9%, confirmant donc que la méthode réduit les impressions et améliore le CTR moyen du ciblage.
Hypothèse 3: Niveau de clics stable
Résultat : le nombre de clics varie très légèrement.
Attention, pour réussir, nous avons néanmoins dû améliorer notre service d’estimation afin de sélectionner quels mots clés travailler en priorité, avec quelques essai-erreur. Nous avons aussi réalisé que certains mots clés broads contenaient encore des requêtes intéressantes pas encore visibles dans le rapport, ce qui nous a amené à ajuster l’algorithme en conséquence pour ne pas perdre ces visites potentielles.
Si vous faites ce travail sur une longue période, vous allez remarquer que lorsque que le Search Exact Match Impression Share augmente, le coût par clic moyen diminue. Ainsi, plus de précision augmente votre qualité et réduit votre coût global sans perdre de visiteurs potentiels! Dans l’exemple suivant, l’économie cumulée pour les 14 semaines subséquentes aux 7 premières semaines de test à été de 2 500$. En d’autres mots, avec 3 500$ vous obtenez ce qui en aurait coûté au coût par clic original 6 000$.
Le niveau d’effort requis? Vérifier une interface et téléverser le document de modification révisé. Le temps ainsi libéré peut être utilisé, entre autre, pour aller se concentrer sur l’optimisation des textes d’annonces, trop souvent délaissé dans la gestion de petit comptes.
Search Exact Match Impression Share VS CPC
Investissement VS Clics