Zooms

Comment tirer parti de tout le potentiel de Google Shopping ?

Tribune d'expert / 18/07/2017

Plus de six retailers français sur dix déclarent que leurs investissements en Search Engine Marketing (SEM) sont appelés à augmenter cette année, et près d’un quart annoncent des hausses supérieures à 25 %. Et dans le secteur du SEM, un outil récent a réussi le tour de force de devenir indispensable aux marketeurs en moins de 2 ans : les Product Listing Ads (PLA) qui permettent d’afficher une image du produit dans les résultats des pages de recherche. Les PLA se distinguent par leur efficacité : aujourd’hui, ils représentent plus de la moitié des investissements publicitaires en search des retailers français, qui dépensent en moyenne 78 600 euros chaque mois sur ce levier. Du côté consommateur, les PLA ont également démontré leur efficacité, améliorant significativement l’expérience utilisateur et la fluidité de la navigation.

Aujourd’hui, 93 % des e-marchands français ayant recours aux PLA utilisent Google Shopping. Ce plébiscite s’explique notamment par le fait que l’aspect visuel des produits est mis en valeur de façon attractive, ce qui permet au consommateur d’avoir une expérience de navigation plus agréable et donc d’être plus attiré par les produits affichés. Ainsi, Google Shopping s’impose comme l’un des leviers incontournables pour les e-commerçants souhaitant maximiser leurs ventes et augmenter leur reach.

Cependant, pour tirer parti du maximum de Google Shopping et être encore plus ambitieux dans son utilisation, les retailers font face à des freins importants qui ont besoin d’être adressés.

La performance sur Google Shopping est un défi permanent

Comment augmenter la performance de Google Shopping ? C’est la question que se pose la plupart des retailers afin de maximiser l’outil sans avoir à choisir entre augmenter leur ROI ou leur reach… En effet, un retailer possédant un catalogue de plusieurs milliers voire millions de produits va pouvoir enchérir grâce à Google Shopping uniquement sur ses produits phares, ce qui limite son reach puisque ses autres produits de la « long tail » n’apparaîtront pas. Et s’il souhaite mettre en avant tout le flux de son catalogue, cela exige une mise à jour en temps réel, très chronophage (pour ne pas dire impossible) à réaliser et dégrade donc son ROI. Le deuxième frein important à l’optimisation de Google Shopping est la segmentation. Très simple d’utilisation sur Google Shopping, elle se base sur des listes de remarketing (appelées RLSA*) permettant de segmenter les visiteurs… Mais sur des variables trop peu développées et standardisées! Et pour cibler les visiteurs de façon très granulaire sur Google Shopping, il faut prendre en compte le taux de conversion, l’historique de navigation et le niveau d’engagement. Encore une fois, le faire manuellement sur Google Shopping relève d’un challenge incommensurable et surtout approximatif. Enfin, le dernier blocage que rencontrent les retailers est l’optimisation de Google Shopping.

Mener des campagnes très avancées et performantes demande un surcoût opérationnel pour les équipes marketing qui ne peuvent pas s’atteler à des tâches plus qualitatives comme l’analyse, le développement d’insights ou encore de nouvelles stratégies. Les retailers doivent se consacrer au développement de leur produits, catalogue, campagne et ne pas consacrer leurs ressources à optimiser le bon levier de performance de Google Shopping.

Comment tirer efficacement parti de Google Shopping ?

Certaines technologies permettent de palier à ces défauts, telles que le machine learning et l’automatisation, qui vont décomplexifier la mise en place de campagnes Google Shopping. Le gain de temps apporté par l’automatisation n’est pas négligeable, tandis que le machine learning permet de supprimer les délais que l’on retrouve dans les tests et autres itérations auparavant gérées par l’homme. La machine ne se contente pas de donner des consignes, elle les applique elle-même. Cela constitue un véritable avantage, étant donné que les équipes peuvent alors se concentrer sur des aspects plus stratégiques, sans se soucier de spécificités techniques désormais automatisées. Voici 5 conseils qui vont permettre aux e-commerçants de mieux surmonter les difficultés inhérentes à l’optimisation de Google Shopping :

  1. Agir sur les bons leviers de performance pour maximiser le ROI des campagnes Google Shopping grâce à l’exploitation automatisée des multiples leviers d’optimisations proposé par Google Shopping
  1. Cibler les intentions d’achats et d’engagement par le biais d’algorithmes permettant une segmentation très fine via l’interprétation des données de navigation des prospects sur le site client
  1. Mieux prédire le ROI des campagnes à l’aide du machine learning qui va se baser sur l’observation des résultats précédemment obtenus
  1. Prendre en compte davantage de signaux d’achat générés par la capacité prédictive du machine learning à partir d’une vaste quantité de données
  1. Gagner du temps pour se recentrer sur d’autres enjeux : analyse, exploration de nouveaux insights, développement de nouvelles stratégies… grâce à l’automatisation Les campagnes Google Shopping, lorsqu’elles sont bien exécutées, peuvent donc être génératrices d’opportunités commerciales importantes pour le retailer, et permettent également de renforcer la relation avec le client final. Les commerçants doivent alors se préparer en conséquence afin de renforcer et d’optimiser leur offre auprès des utilisateurs finaux et consommateurs potentiels.

Les retailers doivent également prendre en compte les évolutions technologiques du côté consommateur, ainsi que l’adoption et l’utilisation de plusieurs appareils pour réaliser un achat. En effet, 48% des transactions en ligne se font via plusieurs appareils. Une tendance sur laquelle les commerçants doivent s’aligner afin de cibler correctement leurs clients. Un constat à garder en tête pour rester pérenne…

Par Cédric Vandervynckt, Directeur Général France et Europe du Sud, Criteo

0
commentaire

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée.