fbpx

Accueil » Blog » Maîtriser les outils d’automatisation sur Google Ads : le grand enjeu de 2022 ?

RGPD :

Commentaires – 

0

Commentaires – 

0

Maîtriser les outils d’automatisation sur Google Ads : le grand enjeu de 2022 ?

10 Jan 2022

Vous le savez si vous lisez notre blog : en 2022, Google Ads va imposer les Responsive Search Ads comme format obligatoire. L’objectif affiché par le leader des moteurs de recherche ? Positionner ses outils de machine learning comme facteur principal de performance pour les annonceurs. Et cette perspective ne se limite pas aux RSA.

Autant dire que, si vous n’avez pas déjà sauté dans le train de l’automatisation des campagnes de publicité en ligne, c’est peut-être le dernier appel avant fermeture des portes. 2022 pourrait en effet être l’année de la bascule vers des performances Ads réellement dépendantes de l’IA. Mais cela ne signifie pas non plus que l’automatisation permettra aux campagnes de tourner en autonomie. Bien au contraire…

Entre une « automation » qui s’ouvre à toujours plus d’annonceurs et des expertises Ads qui évoluent, comment appréhender la publicité en ligne des mois et années à venir ?

Pour une réponse approfondie et adaptée à votre cas individuel, n’hésitez pas à prendre contact avec nos Account Manager :

 

DEMANDEZ UN AUDIT GRATUIT

 

En attendant, vous trouverez déjà dans cet article un rapide tour d’horizon des éléments clés du sujet.

 

 

automatisation google ads

 

Les 3 principaux outils d’automatisation sur Google Ads

 

Ces dernières années, les équipes R&D de Google Ads ont beaucoup mis l’accent sur le développement d’outils de machine learning destinés à optimiser automatiquement les performances des annonceurs sur la plateforme. Parmi les différentes solutions « grand public » disponibles pour la publicité en ligne, c’est celle qui a poussé le curseur le plus loin sur cet enjeu.

On y dénombre notamment trois leviers d’automation qui font aujourd’hui office de valeurs sûres de Google Ads :

 

Les enchères automatiques

 

Stratégies d’enchères automatiques en français ou « automated bidding » en anglais, le principe est simple : il s’agit de laisser l’IA de Google Ads combiner des dizaines de signaux contextuels pour ajuster de manière optimale le niveau de chaque enchère en fonction d’un objectif prédéfini par l’annonceur. Les deux gros avantages de cet outil sont :

  • Sa capacité d’analyse instantanée d’un gros volume de datas
  • Sa prise en compte de signaux qui ne sont pas publiquement accessibles aux annonceurs

Côté annonceur, reste alors à choisir le bon objectif sur la base duquel le machine learning va opérer. Il en existe 7 :

  • 4 objectifs dits de « smart bidding» (enchères intelligentes) : CPA cible, ROAS cible, Maximiser les conversions et Maximiser la valeur de conversion
  • 3 objectifs d’enchères automatiques simples : Maximiser les clics, Taux d’impressions cible et CPC optimisé

Vous l’aurez compris, il faut avoir une certaine expérience de ces différents objectifs pour choisir le plus adapté en fonction de chaque campagne.

 

Les annonces textuelles responsives (RSA) et dynamiques (DSA)

 

On vous le disait en introduction, les RSA (annonces textuelles responsives) vont remplacer définitivement les ETA (annonces textuelles grand format) en 2022. Étant donné qu’on a déjà consacré un article entier à cette évolution, on n’y reviendra pas ici dans le détail.

Rappelons simplement que ce format permet des combinaisons de titres et de descriptions gérées en autonomie par l’IA de Google Ads. Charge à l’annonceur de rédiger en amont de multiples variantes de titres et de descriptions, l’IA apprend ensuite à les associer de manière optimale pour chaque recherche d’un utilisateur donnant lieu à l’affichage d’une annonce.

Quant aux DSA (annonces dynamiques sur le réseau de recherche), elles réalisent le même objectif de génération d’annonces par l’IA, mais, cette fois, à partir d’éléments contenus sur une page de destination dont l’annonceur fournit l’URL.

En fait, c’est parce que 15% des requêtes émises chaque jour sur Google sont nouvelles que le leader des moteurs de recherche a voulu employer le machine learning pour aider ses annonceurs à mieux les traiter. Sur bien des campagnes, cela fonctionne. Mais, parfois, il peut être opportun de réintroduire de la gestion manuelle et, heureusement, la plateforme a préservé des opportunités d’intervenir pour les experts Ads.

 

Les correspondances de mots clés

 

Dans le vocabulaire des Search Ads, un mot clé est un terme ou un ensemble de termes qui permet de relier une annonce publicitaire à une requête saisie par un utilisateur sur un moteur de recherche. Interviennent alors différentes options de correspondances de mots clés, qui font varier le niveau de proximité nécessaire entre le mot clé choisi par l’annonceur et la requête de l’utilisateur pour afficher l’annonce concernée.

Il existe trois niveaux de correspondance :

  • Exact match (« mot clé exact » en français), pour restreindre le déclenchement d’une annonce aux requêtes d’utilisateurs qui ont exactement la même signification que le mot clé ciblé.
  • Phrase match (« expression exacte » en français), pour élargir le déclenchement d’une annonce aux requêtes d’utilisateurs exprimant la même intention que le mot clé ciblé.
  • Broad Match (« requête large » en français) : pour élargir encore plus le déclenchement d’une annonce à toutes les requêtes de l’univers sémantique du mot clé ciblé que l’IA de Google Ads estime pertinentes.

Aujourd’hui, des processus de machine learning interviennent sur ces trois niveaux de correspondances, notamment via la notion de « variantes proches », qu’elles intègrent toutes les trois. Mais le broad match reste le type de correspondances qui bénéficie le plus des travaux que Google mène sur l’automation. Il introduit d’ailleurs une approche du ciblage publicitaire qui se tourne de plus en plus vers les audiences et de moins en moins vers les mots clés.

 

Les Smart Campaigns : format du futur ?

 

Au-delà des outils d’automatisation proposés dans son environnement, Google Ads a aussi développé de véritables campagnes prêtes à l’emploi. Ces campagnes, qui répondent à des objectifs bien précis, se démarquent par leur paramétrage facile et leurs performances honorables une fois passé un certain délai d’apprentissage de l’IA. On pense bien sûr aux smart campaigns, qui font de plus en plus parler d’elles.

 

Le concept des « campagnes intelligentes »

 

L’idée de Google Ads avec ses campagnes intelligentes, c’est de donner la possibilité aux annonceurs de passer en mode pilote automatique. Concrètement, en quelques clics et après avoir renseigné quelques informations sur l’entreprise et ses produits, il est possible de diffuser par ce biais des annonces sur tout l’environnement Google (Search, Maps, Youtube, réseau Display, Gmail). Il n’y a pas à se soucier des enchères, du ciblage de mots clés, des canaux de diffusion, etc. Une fois le paramétrage initial effectué, l’automation façon Google prend le relais.

On retrouve par ailleurs ce format smart campaigns au niveau de certains canaux pris de manière isolée. C’est notamment le cas sur le Display, mais surtout sur le Shopping, où le machine learning va jusqu’à produire automatiquement des annonces en combinant les images et les textes du flux de produits de l’annonceur.

 

Les limites du format

 

Depuis quelques mois, on sent bien la volonté de Google de pousser ces campagnes intelligentes auprès des annonceurs. Mais le discours se heurte parfois à la réalité des performances. Bien que les smart campaigns s’adressent officiellement à tout le monde, les résultats qu’elles permettent de générer et le niveau de maîtrise stratégique qu’elles offrent atteignent vite leurs limites.

Elles peuvent éventuellement satisfaire une PME désireuse de tester Google Ads, mais, pour des entreprises qui nourrissent un minimum d’ambitions sur la plateforme, il faudra vite basculer sur une stratégie plus manuelle et plus spécifique pour obtenir satisfaction. Venez nous parler de vos attentes pour savoir ce qu’il est possible de faire :

EN SAVOIR PLUS

 

Automatisation vs. granularité : une évolution incontournable des campagnes Ads ?

 

Vous aurez sûrement compris, à la lecture de cet article, que l’approche « experte » et l’approche « automatisée » de Google Ads obéissent à deux logiques antagonistes :

  • L’expert a tendance à introduire de la spécification dans les campagnes, pour les optimiser chacune en fonction de ses propres performances et objectifs.
  • Le machine learning, pour développer son plein potentiel, a besoin d’un gros volume de data, qui s’obtient généralement en regroupant les campagnes.

Et c’est peut-être l’enjeu majeur du secteur Ads pour les mois et les années à venir : comment concilier une automatisation croissante avec une granularité qui a fait ses preuves ?

D’un côté, la granularité est ce qui a permis ces dernières années aux experts Google Ads de générer des performances et de se démarquer des annonceurs lambda. D’un autre côté, Google pousse à faire de plus en plus l’impasse sur cette granularité. Le tout est de parvenir à concilier ces deux logiques antagonistes dans une optique de performance. Là se trouve l’expertise Ads de demain.

 

Conclusion : que peut-on déléguer à l’IA sur Google Ads ?

 

Aujourd’hui et, vraisemblablement pour encore quelques années, l’IA doit être conçue comme un prolongement de l’intelligence humaine. Elle n’est pas en mesure de se substituer à la réflexion stratégique que des experts Google Ads peuvent mener sur la spécificité de chaque situation. En revanche, elle fournit à ces experts des outils qui infléchissent forcément leur pratique de leur expertise.

Là où, il y a quelques années, l’IA de Google n’était en gros qu’un calculateur permettant d’automatiser des tâches basiques d’exécution, elle est de plus en plus en mesure de faire apparaître de nouvelles opportunités, grâce aux potentialités infinies du machine learning. Là où, auparavant, elle ne faisait qu’exécuter sous contraintes, l’IA peut désormais explorer en autonomie. Mais c’est encore à l’humain averti qu’incombe la responsabilité de diriger ces explorations automatisées.

 

Vous souhaitez en savoir + ?

Vous aimerez aussi :