4 leviers d’automatisation éprouvés qui augmentent régulièrement les profits e-commerce

Description de l’épisode

Dans cette masterclass sur l’Automation Layering, Matthieu Tran-Van partage quatre tactiques d’automatisation éprouvées qui font systématiquement croître les comptes e-commerce.

Points clés de l’épisode

Matthieu nous guide à travers quatre stratégies d’automatisation qui ont fiablement alimenté la croissance e-commerce de ses clients, en allant au-delà du smart bidding de base vers ce qu’il appelle l’« automatisation pilotée par le profit ». Ce ne sont pas de simples théories : ce sont de vraies tactiques testées dans des comptes Google Ads en conditions réelles, que vous pouvez faire évoluer en toute confiance.

La conversation montre que l’automatisation n’a pas besoin d’être intimidante ni de ressembler à une « boîte noire ». Lorsqu’elle est utilisée avec discernement, en complément de l’intelligence humaine, elle devient un outil puissant qui vous décharge des tâches répétitives tout en délivrant de manière constante des résultats rentables.

1. La philosophie de la superposition des automatisations

En publicité, l’automatisation ne vise pas à remplacer les personnes. Elle sert plutôt à les aider à donner le meilleur d’elles-mêmes. Au lieu de passer des heures sur des tâches répétitives, les marketeurs peuvent utiliser l’automatisation pour garantir une exécution cohérente tout en concentrant leur énergie sur la stratégie, la créativité et les nouvelles idées.

Fred a expliqué que l’automatisation fonctionne au mieux lorsqu’elle s’appuie sur des insights humains. Les praticiens doivent tester, explorer et découvrir ce qui fonctionne, puis laisser l’automatisation déployer ces approches gagnantes à grande échelle. Ainsi, les bonnes idées ne se perdent pas dans les tâches quotidiennes.

Matthieu Tran-Van a abondé dans ce sens, en soulignant que l’automatisation ne signifie pas perdre le contrôle ni être paresseux.

“L’automatisation ne remplace pas la stratégie elle-même, mais elle peut vraiment l’amplifier en l’exécutant à la perfection au quotidien. Elle vous libère du besoin de surveiller en permanence quoi que ce soit dans votre compte, afin que vous puissiez vraiment vous concentrer sur la vraie stratégie. Et je pense qu’à l’ère de l’IA, la stratégie — notre stratégie et notre créativité — constitue notre avantage concurrentiel en tant qu’humains, donc nous devrions concentrer notre énergie, nos efforts et notre matière grise, vous savez, là-dessus.” explique Matthieu.

2. L’évolution des types de correspondance dans le PPC moderne

La publicité sur les moteurs de recherche a beaucoup évolué au fil des ans, tout comme les types de correspondance. Ce qui était autrefois un choix clair entre large, expression et exacte est désormais beaucoup plus simple : la correspondance d’expression s’efface progressivement, laissant la correspondance large et la correspondance exacte comme les deux types qui comptent vraiment.

La correspondance large est puissante parce qu’elle offre une portée immense, mais elle est aussi risquée, car elle peut facilement entraîner des dépenses inutiles. Matthieu Tran-Van a souligné que son efficacité dépend souvent du niveau de dépenses. Dans son analyse de plus de 30 comptes, il a constaté que les budgets plus importants obtenaient généralement de meilleurs résultats avec la correspondance large.

“J’ai en fait étudié plus de 30 comptes dans mon MCC, dans différents secteurs, et bien sûr tous en smart bidding, et ce que l’on constate, c’est que la correspondance large ne fonctionne pas de la même manière pour tous les annonceurs. En résumé, plus vous dépensez, mieux c’est. Compte tenu de la portée que vous pouvez obtenir avec la correspondance large, pour moi, la règle est désormais simple.” partage Matthieu

Fred a ajouté que cette évolution redonne de la pertinence à d’anciennes structures de campagne, comme le modèle alpha-beta. En associant correspondance large et correspondance exacte, les annonceurs peuvent tester largement, identifier ce qui fonctionne le mieux, puis miser davantage sur les gagnants éprouvés.

3. La règle du purgatoire pour la gestion des mots-clés

Matthieu a partagé un système pratique qu’il utilise, qu’il appelle la « règle du purgatoire ». L’idée est de laisser l’automatisation prendre en charge le gros du travail de gestion des mots-clés en testant, affinant et faisant évoluer en continu les mots-clés d’un type de correspondance à l’autre en fonction des performances.

“L’idée, et le point clé ici, c’est de laisser l’automatisation faire le gros du travail. Vous pouvez donc commencer en large, collecter quelques signaux, puis laisser l’automatisation faire passer automatiquement les mots-clés en correspondance exacte, par exemple, uniquement lorsqu’ils prouvent, vous savez, qu’ils génèrent un retour sur cette dépense.

Maintenant, si un mot-clé que vous avez en correspondance large surperforme, alors il va automatiquement être promu en correspondance exacte, parce que vous voulez prendre un contrôle spécifique sur ce mot-clé très important pour vous. Si le mot-clé sous-performe, alors je vais automatiquement le tester à nouveau, mais avec un type de correspondance différent. Et je vais d’abord le tester en expression. Et s’il sous-performe encore, je vais le tester en exacte. Et là encore, si je ne vois aucune performance, je vais le mettre en pause.” explique Matthieu.

Ce processus est associé à une autre règle au niveau des termes de recherche. Les termes de recherche très rentables, qui affichent de fortes conversions et un retour sur les dépenses publicitaires supérieur à la moyenne de la campagne, sont également promus en correspondance exacte. Ensemble, ces deux règles créent un système en couches qui élimine progressivement les éléments sous-performants tout en gardant le contrôle sur les termes les plus performants.

4. Des campagnes DSA construites à partir de données métier

Les annonces dynamiques du Réseau de Recherche (DSA) peuvent changer la donne lorsqu’elles sont bien construites. Matthieu a expliqué qu’il n’est pas nécessaire d’avoir un flux produit provenant de Google Merchant Center pour les créer. N’importe quel tableur métier peut faire l’affaire. Tant que la feuille est actualisée quotidiennement, Campaign Automator d’Optmyzr peut exploiter ces données et générer instantanément des campagnes hautement ciblées.

“Campaign Automator peut vous fournir des milliers d’annonces très personnalisées sans prise de tête, je dirais. Et vous savez, c’est en fait plus simple que d’utiliser l’ad customizer que vous avez dans l’interface Google Ads.” partage Matthieu

Les résultats parlent d’eux-mêmes. Dans de nombreux cas, les DSA construites avec Campaign Automator ont non seulement produit des annonces très pertinentes, mais ont aussi surpassé les campagnes de recherche traditionnelles non brandées. Les annonceurs ont constaté de meilleurs taux de conversion, un meilleur ratio conversions/impressions et un retour sur les dépenses publicitaires plus élevé.

5. Enchères basées sur le profit vs optimisation du ROAS

Les annonceurs se concentrent souvent sur le Return on Ad Spend (ROAS), mais Matthieu a soutenu que le ROAS ne raconte pas toujours toute l’histoire, car le chiffre d’affaires n’est pas nécessairement égal au profit. La vraie optimisation consiste à regarder le profit directement, en particulier l’équilibre entre le revenu par clic et le coût incrémental par clic.

“Quand votre revenu par clic, ou RPC, est supérieur au coût incrémental de ce clic, bien sûr vous gagnez de l’argent. Vous réalisez un profit. Mais quand le revenu par clic est inférieur, vous perdez de l’argent. Le point idéal se situe donc exactement là où votre revenu par clic est égal au coût incrémental d’un clic. C’est là que se trouve, en gros, votre pic de profit. L’objectif n’est pas de maximiser le retour sur dépenses à tout prix. C’est de maximiser les profits.” explique Matthieu.

Pour gérer cela dans la pratique, il utilise un cadre matriciel qui guide les décisions d’enchères. Par exemple, si les tendances de profit se dégradent et que le ratio revenu/coût baisse, les enchères doivent être fortement réduites. À l’inverse, lorsque le ratio est sain, les enchères peuvent être maintenues ou augmentées.

Comme le coût incrémental par clic n’est pas disponible comme métrique dans Google Ads, Matthieu utilise des ratios comme indicateur de substitution. Les ratios ne donnent pas un chiffre exact, mais ils montrent clairement si les performances sont orientées à la hausse ou à la baisse. Cela en fait un guide directionnel puissant pour des enchères plus intelligentes. Il a indiqué qu’en appliquant ces règles basées sur le profit, certains comptes ont doublé leurs profits sans sacrifier l’efficacité.

Fred a ajouté une nuance importante : toutes les entreprises n’optimisent pas uniquement pour le profit — certaines peuvent privilégier la croissance ou le chiffre d’affaires.

“Le profit, c’est bien, mais certaines entreprises ne se soucient pas nécessairement du profit. Elles peuvent être en phase de croissance. Elles peuvent donc vouloir optimiser le chiffre d’affaires. Mais au final, vous devez comprendre quel est votre véritable objectif business, puis comprendre comment cela se traduit mathématiquement dans le fonctionnement de Google Ads.” dit Fred.

6. L’importance de métriques pertinentes

Toutes les métriques ne racontent pas toute l’histoire de la performance d’une campagne. Fred et Matthieu ont tous deux insisté sur l’importance d’aller au-delà des chiffres de surface comme le taux de conversion. Même si un taux de conversion plus élevé semble positif, cela ne signifie pas nécessairement que la campagne génère suffisamment de conversions au total pour avoir un impact sur l’entreprise.

Fred a souligné la valeur du suivi des conversions par impression — une métrique qu’il faut calculer soi-même, puisqu’elle n’est pas fournie dans Google Ads.

“Ce que j’aime, c’est que vous avez inclus la métrique des conversions par impression, qui n’est pas en réalité une métrique Google, mais que vous avez dû calculer. Et c’est vraiment important, parce que vous pourriez dire : « Hé, regardez, mon taux de conversion est plus que doublé et mon ROAS est plus que doublé. » Et c’est comme, c’est super, mais peut-être que vous avez vendu deux unités au lieu de 100. Donc évidemment, ce n’est pas bon pour l’entreprise, non ?

Si vous ramenez cela aux conversions par impression, c’est vraiment une métrique qui, je pense, finira par être liée à la rentabilité, parce que oui, en échange de l’augmentation de votre taux de conversion, vous achetez peut-être moins de clics, obtenez moins d’impressions au passage, mais ce qui compte au final, c’est le nombre de conversions que cela génère encore.” explique Fred.

Matthieu a acquiescé, en notant que les conversions par impression résument toute la chaîne de valeur. Elles relient la performance à la rentabilité réelle et aident les annonceurs à comprendre la véritable efficacité de leurs campagnes.

7. Intégration complète des données métier et automatisation

Matthieu a partagé une étude de cas montrant comment des réalités business complexes peuvent être transformées en une stratégie publicitaire entièrement automatisée. L’exemple portait sur un distributeur d’équipements pour piscines — une activité très saisonnière, où la performance dépendait non seulement de la météo, mais aussi de marges très variables sur des milliers de SKU.

Pour gérer cette complexité, Matthieu et son équipe ont rassemblé plusieurs couches de données métier : les prix des concurrents, les marges produits et les priorités de stock. Ils ont tout traduit en libellés personnalisés dans Merchant Center, ce qui leur a permis de construire une structure de campagne directement alignée sur les objectifs business. Chaque produit pouvait être catégorisé selon sa compétitivité, sa marge et son niveau de stock. Ce que Matthieu a appelé le « trifecta parfait » : le bon assortiment, le bon budget et la bonne stratégie d’enchères.

En plus de cela, ils ont ajouté une automatisation intelligente. Les campagnes étaient conçues pour s’activer dynamiquement en fonction de conditions comme la météo et la saisonnalité. Par exemple, les best-sellers étaient automatiquement mis en avant dans les villes ensoleillées où la demande était la plus forte, avec un ciblage géographique ajusté en temps réel. Tout cela fonctionnait sans intervention manuelle. Les humains n’avaient qu’à définir la stratégie, et l’automatisation l’exécutait de manière cohérente.

Les résultats ont été spectaculaires : la hausse du chiffre d’affaires allait de 100 % à près de 300 % certains mois, sans travail manuel supplémentaire. Cette étude de cas a montré à quel point l’intégration de données métier complètes avec une automatisation en couches peut transformer même un distributeur de produits de commodité en très bon performeur.

8. Principes clés de réussite pour l’automatisation

Pour de nombreux annonceurs, l’automatisation dans Google Ads semble puissante, mais aussi un peu intimidante. Matthieu a expliqué que la clé consiste à ancrer l’automatisation dans des principes éprouvés, reproductibles et fondés sur de vraies données de compte.

“Les automatisations les plus impactantes sont en réalité directement liées à une forme de résultat business, aux profits, aux marges ou aux signaux de demande. Mais il ne s’agit pas des clics et des impressions. Si vous pouvez relier votre automatisation à quelque chose de vraiment significatif pour l’entreprise, vous avez de fortes chances de gagner réellement.” explique Matthieu

Matthieu a souligné que des outils comme Optmyzr ne sont pas des « baguettes magiques », mais des couches d’orchestration. Ils prennent la stratégie humaine et la rendent scalable, cohérente et rentable à une bien plus grande échelle.

Le véritable enseignement, c’est que l’automatisation est la plus puissante lorsqu’elle est associée à la créativité humaine et à la réflexion stratégique. En testant, en affinant et en reliant l’automatisation aux bons résultats business, les annonceurs peuvent faire évoluer non seulement leurs comptes, mais aussi leurs profits, en toute confiance.

Outils et ressources

Campaign Automator : User Guide

7 PPC Automations That Save You From Burnout

Transcription de l’épisode

Frederick Vallaeys: Bonjour et bienvenue dans cet épisode de Automation Layering Masterclass. Je m’appelle Fred Vallaeys. Je suis votre hôte. Je suis aussi CEO et cofondateur d’Optmyzr, un outil de gestion PPC. Pour l’épisode d’aujourd’hui, nous avons l’immense plaisir d’accueillir un invité de retour. Matthieu Tran-Van est de retour. Il a animé l’un de nos épisodes préférés de Automation Layering Masterclass, et il a du nouveau contenu à partager sur la façon dont il utilise l’automation layering pour stimuler la croissance de certaines des entreprises avec lesquelles il travaille. Matthieu est un expert de premier plan, clairement en pleine ascension dans le domaine. Il a travaillé chez Google, donc il a de très bonnes choses à partager. Je suis très enthousiaste à propos de cet épisode. Et sur ce, lançons-nous dans cet épisode de Automation Layering Masterclass. Matt, bon retour dans l’émission.

Matthieu Tran-Van: Bonjour Fred. Ravi de vous retrouver et merci beaucoup de m’inviter à nouveau pour un deuxième épisode de Automation Layering Masterclass.

Frederick Vallaeys: Oui. Eh bien, vous partagez toujours de bonnes choses et vous avez été occupé, n’est-ce pas ? Alors pour ceux qui n’ont pas vu le dernier épisode, parlez-leur un peu de vous et de votre livre, de votre classement parmi les 100 meilleurs influenceurs PPC, et de votre passage chez Google.

Matthieu Tran-Van: Oui, bien sûr. Je suis Matthieu Tran-Van, expert Google Ads indépendant en France. Vous pouvez l’entendre à mon bel accent, n’est-ce pas ? Aujourd’hui, je gère environ 26 millions d’euros de dépenses publicitaires. Avant cela, j’ai passé 10 ans chez Google à aider les 40 plus grands annonceurs mondiaux avec plus de 350 millions de dollars de budget — une grosse somme, n’est-ce pas ? Et oui, je suis aussi l’auteur de The Google Ads Strategist Handbook. Et en 2025, comme vous l’avez dit, j’ai également été classé parmi les 100 meilleurs experts PPC au monde. Et puisque la personne qui m’interviewe aujourd’hui est classée numéro un, je dirais que je suis en excellente compagnie, n’est-ce pas ?

Frederick Vallaeys: Je pense qu’à nous deux, nous allons faire des choses incroyables aujourd’hui. En réalité, tout repose sur vous, n’est-ce pas ? Donc Automation Layering Masterclass, pour ceux qui n’ont jamais regardé ces épisodes, consiste à examiner le principe d’utiliser toute cette automatisation incroyable des plateformes publicitaires, mais en y ajoutant votre intelligence humaine pour passer au niveau supérieur, puis en superposant vos propres stratégies et vos propres automatisations pour les contrôler. Donc oui, vous êtes très gentil, Matthieu, mais c’est vous qui allez nous épater aujourd’hui. J’ai eu un aperçu des slides, alors pourquoi ne pas commencer avec elles ? Nous allons les afficher à l’écran. Il y a encore quelques points. Peut-être avons-nous une slide d’introduction juste là.

Matthieu Tran-Van: Oui, bien sûr. Donc aujourd’hui, pour ce deuxième épisode, j’ai pensé que nous pourrions parler ensemble de ce que j’appelle l’automatisation pilotée par le profit. Plus précisément, j’ai pensé que je pourrais partager quatre tactiques d’automatisation éprouvées qui ont constamment stimulé la croissance e-commerce pour mes clients. Et pour moi, le message clé, je dirais, c’est que lorsque je parle avec des annonceurs e-commerce, il semble que l’automatisation Google Ads — ils comprennent que l’automatisation Google Ads peut être incroyablement puissante, mais en même temps, pour beaucoup d’entre eux, cela paraît un peu intimidant et parfois même un peu effrayant, n’est-ce pas ? Mon objectif aujourd’hui est donc de montrer que l’automatisation, surtout avec des outils comme Optmyzr, n’a pas besoin d’être une boîte noire. Et je voulais précisément partager ces quatre tactiques e-commerce éprouvées, n’est-ce pas ?

Je vous propose donc d’examiner ces quatre stratégies d’automatisation qui, encore une fois, à mon avis, peuvent être déployées à grande échelle en toute confiance parce qu’elles sont testées, reproductibles et, surtout, ancrées dans de vrais comptes Google Ads. C’est ce qui compte pour moi. Et pour rendre cela encore plus pertinent, j’ai en fait structuré ma présentation autour du cadre que vous connaissez très bien, Fred, parce qu’il vient de Unlevel the Playing Field, le livre que vous avez écrit. J’en suis un grand fan. Et donc le cadre va, je dirais, des tactiques les plus simples aux plus avancées.

Nous pouvons peut-être commencer par le ciblage stratégique, où nous allons parler plus précisément des mots-clés. Puis passer au messaging stratégique, où je vais mettre en avant, encore une fois, l’un de mes types de campagnes préférés — les DSA. Ensuite, les enchères stratégiques, et expliquer comment vous pouvez intégrer dans votre automatisation des enchères des aspects pilotés par le profit grâce à Optmyzr. Et enfin, l’un des cas les plus passionnants, à mon avis, est l’automatisation stratégique, où l’on passe vraiment au niveau supérieur de l’automatisation. Nous allons voir comment transformer des flux entiers de données métier en une stratégie publicitaire complète de bout en bout. En gros, voilà le parcours que je vous propose de suivre aujourd’hui. Cela vous convient-il, Fred ?

Frederick Vallaeys: Oui, ça a l’air incroyable. Commençons par — et même les bases ici vont être relativement avancées. Ce n’est pas un cours pour débutants, donc même cela sera déjà très intéressant. Mais j’adore évidemment le cadre. Alors oui, voyons ce que vous avez pour le ciblage stratégique.

Matthieu Tran-Van: D’accord. Commençons donc par le ciblage. Et ici, mon idée était de partager avec vous une tactique d’automatisation qui peut réellement faire fonctionner la correspondance large, n’est-ce pas ? Parce que c’est l’un des défis des praticiens PPC. Le fait est que lorsque l’on pense à la recherche moderne, pour être honnête, les types de correspondance ont vraiment évolué depuis nos débuts en PPC, Fred. Aujourd’hui, les types de correspondance n’ont plus rien à voir, n’est-ce pas ? Et aujourd’hui, honnêtement, je pense que la correspondance d’expression perd aussi un peu en importance. Et il n’y a vraiment plus que deux types de correspondance qui comptent vraiment désormais : la correspondance large et la correspondance exacte, n’est-ce pas ?

Mais le défi avec la correspondance large, c’est qu’elle vous apporte une portée massive, mais aussi beaucoup de dépenses inutiles, pour être honnête. L’idée, et le point clé ici, c’est de laisser l’automatisation faire le gros du travail. Vous pouvez donc commencer en large, collecter quelques signaux, puis laisser l’automatisation faire passer automatiquement les mots-clés en correspondance exacte, par exemple, uniquement lorsqu’ils prouvent le retour sur cette dépense. Et c’est donc la tactique qui vous permet d’avoir le meilleur des deux mondes — c’est-à-dire la portée plus le contrôle, n’est-ce pas ? Parce que la superpuissance de la correspondance exacte, c’est qu’elle a toujours la priorité la plus élevée dans la diffusion, donc vous pouvez avoir davantage de contrôle.

Frederick Vallaeys: Oui, c’est fascinant parce qu’il y a la structure alpha-beta — elle porte divers autres noms. Et je pense qu’elle a un peu perdu en popularité au fil des ans. Mais maintenant, avec cette évolution des types de correspondance, comme vous le dites, et le fait qu’on en arrive vraiment à la correspondance large et à la correspondance exacte comme les deux — et la correspondance d’expression, oui, elle existe toujours, mais peut-être qu’elle n’est plus tout à fait aussi pertinente une fois que vous avez l’exacte et la large comme ça — la méthodologie alpha-beta et le fait de trier ce qui fonctionne pourraient en fait redevenir super pertinents. Donc je trouve cela vraiment intéressant.

Matthieu Tran-Van: Oui. Ici, nous n’allons pas discuter de la structure elle-même parce que l’alpha-beta, j’en suis aussi un grand fan. J’ai beaucoup de comptes qui suivent effectivement cette structure. Mais ici, il s’agit plutôt du processus que j’exécute grâce à Optmyzr en mode automatique et qui, encore une fois, essaie de tailler un peu dans ces mots-clés. Parce que, vous savez, pour illustrer ce que je partageais plus tôt concernant la correspondance large et le montant de dépenses inutiles que vous pouvez avoir, juste pour illustrer ce phénomène, j’ai en fait étudié plus de 30 comptes dans mon MCC, dans différents secteurs. Et bien sûr, tous en smart bidding. Et ce que l’on voit, c’est que la correspondance large ne fonctionne pas de la même manière pour tous les annonceurs. En résumé, plus vous dépensez, mieux c’est, bien sûr, n’est-ce pas ?

Cependant, compte tenu de la portée que vous pouvez obtenir avec le broad match, pour moi, la règle est désormais simple. Vous devez, chaque fois que possible, commencer en broad puis automatiser ce que je vais appeler ici le pruning des mots-clés. Et pour cela, j’utilise une heuristique que j’appelle la règle du purgatoire. Je ne sais pas si c’est un bon terme marketing, mais c’est comme ça que je l’appelle. Elle consiste à analyser automatiquement la performance des mots-clés puis à prendre certaines décisions en fonction de cela. Donc, si un mot-clé que vous avez en broad match surperforme, alors il va automatiquement être promu en exact match, parce que vous voulez prendre un contrôle spécifique sur ce mot-clé très important pour vous.

Frederick Vallaeys: Permettez-moi de faire une pause une seconde. Pour être sûr que tout le monde comprenne bien, vous dites que vous regardez le mot-clé dans son ensemble, ou vous regardez les termes de recherche qui découlent de ce mot-clé ?

Matthieu Tran-Van: Oui, très bonne question. Ici, je regarde le mot-clé lui-même. D’accord, donc c’est le mot-clé, pas le terme de recherche. Je regarde donc l’entité mot-clé. Et si un mot-clé surperforme, je vais l’ajouter en exact match. Même si, oui, vous avez raison, un mot-clé en broad match va nous donner des dizaines, voire parfois des centaines de termes de recherche différents. Mais je veux ajouter automatiquement ce mot-clé que j’ai en broad match en exact match. D’accord ? Et à l’inverse, si le mot-clé sous-performe, alors je vais automatiquement le tester à nouveau, mais avec un autre type de correspondance. Et je vais d’abord le tester en phrase. Et s’il sous-performe toujours, je vais le tester en exact match. Et là encore, si je ne vois aucune performance, je vais le mettre en pause.

Donc mon idée ici, ou le processus, consiste à réduire progressivement le champ sémantique, juste pour voir si, ce faisant, vous pouvez faire passer un mot-clé spécifique de non rentable à rentable. En gros, c’est l’idée.

Frederick Vallaeys: Oui. D’accord. Cela a beaucoup de sens, et je vois tout à fait comment cela peut être automatisé. C’est une règle très clairement définie. Mais qu’advient-il de tous les termes de recherche qui auraient été générés par le broad match et qui, potentiellement, cessent maintenant d’apparaître lorsque vous le faites passer en exact match ? Comment les captez-vous encore ?

Matthieu Tran-Van: C’est une très bonne question. Je n’ai pas conçu la slide spécifiquement pour cela, mais c’est là mon secret. Parce que, et vous l’avez trouvé, cette règle est toujours associée à une autre règle dans laquelle tous mes termes de recherche qui sont très rentables, avec un certain volume de conversions et un retour sur dépenses publicitaires largement supérieur à la moyenne de la campagne, je vais aussi les ajouter en exact match. D’accord ? J’ai donc deux règles : l’une qui fait ce travail de pruning des mots-clés que je décris en ce moment à l’écran, et j’en ai une autre qui fonctionne au niveau du terme de recherche, où je peux avoir un mot-clé en broad match qui déclenche, je ne sais pas, 10 termes de recherche différents. Parmi ces 10 termes de recherche différents, j’en vois deux qui sont très rentables — boom, je vais aussi les ajouter en exact match.

Frederick Vallaeys: Cela a tout à fait du sens. Et c’est tout le concept de layering, n’est-ce pas ? Ce n’est pas juste une seule chose. Ce sont plusieurs éléments que vous superposez et qui fonctionnent ensemble pour vous donner les meilleurs résultats. Donc, brillant.

Matthieu Tran-Van: Exactement. Exactement.

Frederick Vallaeys: Très bien. Cela a tout à fait du sens.

Matthieu Tran-Van: Oui. Et nous ne pouvons rien vous cacher, Fred. En fait, vous avez déjà anticipé le signal que j’avais.

Frederick Vallaeys: Je vous promets que je n’ai pas fouillé dans votre compte Optmyzr pour le découvrir.

Matthieu Tran-Van: D’accord. D’accord. Pas de problème. Et donc, si l’on revient à cette règle du purgatoire que je partageais, la bonne nouvelle, c’est que vous pouvez la traduire très facilement dans un outil comme Optmyzr, bien sûr, parce que l’objectif pour vous, en tant que praticien PPC, n’est évidemment pas de surveiller manuellement chaque mot-clé. Et donc, vous devez construire un système qui va exécuter automatiquement cette heuristique. Et ce faisant, il va aussi automatiquement récompenser les gagnants et les ajouter en exact match, et éliminer les perdants sans aucune intervention humaine.

Et la vraie valeur ajoutée d’Optmyzr ici par rapport aux scripts et autres, c’est que, d’abord, c’est plus simple à mettre en œuvre, mais aussi vous avez un contrôle très élevé et granulaire sur les différents seuils que nous voulons appliquer au comportement de la règle elle-même. Et en même temps, vous maximisez votre productivité et votre efficacité parce que, encore une fois, tout cela se fait sans intervention humaine, n’est-ce pas ? Donc c’est tout simplement magique.

Frederick Vallaeys: Tout à fait. Laissez-moi vous poser une question ici. Peut-être que je ne vais pas aimer la réponse, mais je vais la poser quand même. Donc, en utilisant le moteur de règles d’Optmyzr, vous gardez ces mots-clés — vous les conservez essentiellement au même endroit structurel qu’avant, mais vous modifiez le type de correspondance. Pensez-vous parfois à les déplacer vers une campagne différente avec un budget différent une fois qu’ils passent en exact ?

Matthieu Tran-Van: Oui. Donc, en gros, la première étape consiste à ajouter ces mots-clés dans le même groupe d’annonces où ils ont été déclenchés. D’accord. Donc campagne 1, groupe d’annonces A. J’ai un mot-clé en broad match dans ce groupe d’annonces A. Il est rentable. Je vais ajouter le même mot-clé en exact match dans le groupe d’annonces A. Mais une fois par mois, ce que je vais faire — et là, je vais un peu restructurer ou remodeler ma structure —, c’est que je vais regarder tous les groupes d’annonces où j’ai plus ou moins plus de 20 mots-clés. Et je vais construire, encore une fois, la stratégie alpha-bêta, n’est-ce pas ? Une campagne de top keywords où je vais alimenter tous ces mots-clés en exact match dans ma campagne de top keywords.

Et cette campagne de top keywords va avoir un budget dédié, qui bien sûr n’est jamais contraint. D’accord ? Budget totalement ouvert là-dessus. Et très souvent une stratégie d’enchères portfolio spécifique, où je vais la plupart du temps conserver la même contrainte de target ROAS ou de target CPA, mais je vais augmenter, par exemple, le plafond de CPC. D’accord ? Je vais vraiment ouvrir la diffusion sur ces mots-clés. Mais ce processus, d’abord, je vais laisser l’automatisation faire tout le gros du travail. Et une fois par mois, je vais réorganiser entièrement ma structure.

Frederick Vallaeys: Oui. Super. J’adore. Donc c’est votre ciblage pour vous, n’est-ce pas ? Un ciblage amélioré avec le layering de l’automatisation.

Matthieu Tran-Van: Pour montrer quelques chiffres réels, parce que c’est aussi ce qui est intéressant, ici par exemple, il s’agit d’un vrai cas e-commerce où j’ai appliqué cette stratégie exacte avec le moteur de règles d’Optmyzr. Et comme vous pouvez le voir à l’écran, sur 17 mois de campagnes de recherche non brand, cette automatisation spécifique a régulièrement amélioré le retour sur dépenses publicitaires tout en gardant, bien sûr, le système assez scalable, n’est-ce pas ?

Donc le point clé que je veux faire passer ici, c’est que l’automatisation ne consiste pas seulement à perdre le contrôle. Ce n’est pas parce que je laisse cette automatisation gérer mon portefeuille de mots-clés que je perds totalement le contrôle. Il s’agit d’obtenir cette performance constante sans le micro-management permanent, je dirais, n’est-ce pas ? C’est ça qui est intéressant. Et encore une fois, cela fonctionne, comme on peut le voir dans cette étude de cas.

Frederick Vallaeys: Oui, cela a du sens. Donc vous, en tant qu’humain, vous passez votre temps à vous concentrer sur la stratégie, à tester de nouvelles choses. Puis, une fois que vous avez trouvé ce qui fonctionne, vous utilisez un système d’automatisation pour le faire de manière cohérente pour vous. Honnêtement — mais laissez-moi vous demander, parce que pour moi l’une des choses les plus importantes est que j’adore explorer et expérimenter de nouvelles choses, mais une fois que vous avez trouvé la meilleure façon de faire, cela devient ennuyeux, n’est-ce pas ? Vous voulez passer à la chose suivante. Donc je pense que c’est là que l’automatisation est si cruciale, parce que sinon, vous avez ces excellentes idées et puis vous n’en faites jamais rien.

Matthieu Tran-Van: Oui. Exactement. Cela devient ennuyeux, mais en même temps, il faut l’exécuter. Donc, encore une fois, c’est là que l’automatisation est si importante.

Frederick Vallaeys: Oui. Très bien. Parlons donc du messaging.

Matthieu Tran-Van: Oui. Donc, ensuite, parlons du messaging. Et ici, c’est là que nous transformons les DSA — donc les campagnes dynamic search ads — d’ennuyeuses à très performantes, entièrement en pilote automatique, n’est-ce pas ? C’est donc ce que je voulais partager avec vous aujourd’hui. Si vous vous souvenez de notre premier épisode, Fred, vous savez déjà à quel point j’aime les DSA, n’est-ce pas ? Je pense que lorsqu’ils sont bien construits, ils peuvent non seulement générer des annonces très pertinentes, mais aussi offrir des performances remarquables.

Donc, pour rappel, la tactique que j’avais partagée la première fois consistait à construire des campagnes très granulaires directement à partir du flux Merchant Center, et encore une fois, en utilisant Optmyzr pour cela. Et dans les exemples que j’avais partagés, j’avais jusqu’à 52 % d’augmentation des ventes attribuées à la recherche, et cela avec cette seule campagne, n’est-ce pas ? Et même votre équipe — j’ai été assez honoré quand j’ai vu que votre équipe avait même repartagé cette tactique avec votre communauté. C’était super intéressant pour moi.

Mais cependant, depuis que j’ai partagé cette tactique, certains annonceurs sont revenus vers moi en me disant qu’ils vendent toujours des choses en ligne. Pensez aux annonceurs de services ou de voyage, etc. Mais la plupart d’entre eux n’ont pas de flux Merchant Center à proprement parler, n’est-ce pas ? Et ici, la bonne nouvelle, c’est que même si vous n’avez pas de flux produit, vous pouvez quand même créer un type de campagne similaire à partir de n’importe quelle donnée métier. Et c’est ce que je voulais partager à nouveau aujourd’hui ici.

Au final, tout ce dont vous avez besoin, si vous y réfléchissez, c’est d’un tableur. Un tableur qui se met à jour quotidiennement. Ainsi, vous pouvez avoir un annonceur qui met à jour ces données chaque jour, et vous pouvez les injecter dans le Campaign Automator d’Optmyzr. Puis vous pouvez générer des campagnes instantanément. Par exemple, la stratégie que j’utilisais consistait à générer des campagnes par priorité business. J’ai donc différentes DSA — P1, P2, P3, etc. — qui vont aussi créer des groupes d’annonces alignés avec chaque page d’offre. D’accord ? Avec — c’est la beauté de la chose — des variantes d’annonces sur mesure que vous pouvez construire à grande échelle. Et ensuite, les campagnes se gèrent automatiquement. Pas de construction manuelle, pas de modifications sans fin, ce genre de choses. Vous laissez Campaign Automator faire le travail, et cela fonctionne à merveille, n’est-ce pas ?

Surtout quand on regarde les annonces, n’est-ce pas ? Parce que cette fonctionnalité peut vous donner des milliers d’annonces très adaptées sans prise de tête, je dirais. Et c’est en fait plus simple que d’utiliser les ad customizers que vous avez dans l’interface Google Ads. C’est encore plus simple. Vous pouvez donc inclure automatiquement des éléments comme ceux que l’on voit à l’écran — comme le ciblage géographique, le prix, les notes, les caractéristiques des produits, etc. Et au lieu de passer des heures à rédiger des variantes d’annonces ou à les préparer dans votre tableur pour les implémenter avec Google Ads Editor, ici vous laissez simplement le système les générer dynamiquement et avec précision pour vous. Et c’est, encore une fois, formidable.

Frederick Vallaeys: Magnifique. J’adore entendre que ce que nous avons construit est plus simple que Google Ads lui-même et plus puissant. Donc oui, c’est incroyable. Maintenant, j’ai aussi une question ici. Ces exemples que vous montrez à l’écran sont en français, n’est-ce pas ? Donc, en gros, à gauche, vous louez un camping-car. Et l’annonce à droite, c’est louer ou est-ce que — je vois mal si c’est louer ou acheter. On dirait que vous achetez une Ferrari.

Matthieu Tran-Van: Oui, exactement. Exactement. C’est ça. Si vous voulez acheter une Ferrari, Fred, alors j’ai une annonce pour ça. D’accord ?

Frederick Vallaeys: Eh bien, vous savez, je suis en fait assez branché Waymo en ce moment. Je ne pense pas avoir besoin d’acheter d’autres voitures. Je vais juste me déplacer en robotaxi. Mais merci. Mais ma question est la suivante : quand il s’agit de ces différentes personas — presque comme quelqu’un qui va acheter une Ferrari n’est probablement pas le type de personne qui va partir camper en camping-car. Ils sont peut-être davantage du côté de la clientèle des hôtels cinq étoiles. Alors comment pensez-vous le messaging réel, au-delà du simple fait de le rendre pertinent avec les données métier, mais aussi de le faire résonner avec le client ?

Matthieu Tran-Van: Oui, c’est un très bon point. Ici, dans ces trois exemples, comme vous pouvez le deviner, ils proviennent de trois comptes différents et de trois annonceurs différents. D’accord ? Donc, bien sûr, ils ne commercialisent pas leur produit auprès de la même persona, puisque ce sont trois entreprises différentes. Mais pour répondre à votre point, je pense que c’est vraiment pertinent. Et pour être honnête, je ne l’ai jamais testé, mais cela me donne une autre idée où vous pourriez en fait combiner, vous savez, le ciblage d’audience, n’est-ce pas, avec certaines campagnes DSA spécifiques qui ciblent précisément certains types d’offres.

Ainsi, toutes vos offres premium pourraient n’être diffusées qu’à une audience spécifique, etc., etc. Et c’est assez intéressant parce que, quand j’y pense, la façon dont je le ferais peut-être, c’est que vous prenez des acheteurs à forte valeur, moyenne valeur, faible valeur. Vous les importez comme listes Customer Match. Ensuite, vous regardez les insights d’audience. Cela vous donne peut-être trois, quatre, cinq segments d’audience très intéressants que vous pouvez cibler pour chaque gamme, disons, de services. Puis vous adaptez la page d’offre ou le produit à chacun de ces ensembles d’audiences. Cela a beaucoup de sens, et je ne l’ai jamais testé.

Frederick Vallaeys: D’accord, peut-être que dans le prochain épisode de la Automation Layering Masterclass, nous aurons des résultats là-dessus — une couche supplémentaire à intégrer dans tout le système.

Matthieu Tran-Van: J’adorerais. J’adorerais. Mais quand même, vous savez, sans même combiner cette dimension audience, qui, encore une fois, est super intéressante et doit être testée, voici la preuve, n’est-ce pas ? Dans un compte e-commerce où j’ai dépensé environ 150K dans ces campagnes DSA contre 65K dans des campagnes de recherche traditionnelles non brand, disons, les résultats étaient super intéressants parce que ces types de DSA construits avec Campaign Automator étaient très souvent — et ils l’étaient en réalité — plus efficaces que les campagnes non brand.

Comme vous pouvez le voir, le taux de conversion est vraiment plus élevé. Les conversions par impression sont bien meilleures, tout comme le retour sur dépenses publicitaires. Donc pour moi, la leçon est assez claire. L’automatisation ne consiste pas seulement à être paresseux, n’est-ce pas ? Ce n’est pas juste parce que je ne voulais pas écrire des milliers de variantes d’annonces. En réalité, vous pouvez voir que cela peut être extrêmement stratégique lorsqu’elle est bien faite. Cela peut être un véritable moteur de croissance pour le compte. Et ici, la stratégie consistait vraiment à aligner une offre avec un certain champ sémantique choisi par la DSA, qui diffuse une annonce très spécifique, extrêmement étroitement alignée avec le mot-clé et la page vers laquelle l’utilisateur va être redirigé.

Et donc, bien sûr, l’hypothèse est vraie. Vous avez un meilleur taux de conversion. C’est plus efficace. Le retour sur dépenses publicitaires est meilleur, et ainsi de suite. Donc cela a du sens. Vous allez dire oui, c’est du bon sens. Oui. Mais ici, nous voyons les chiffres, et cela fonctionne réellement, n’est-ce pas ?

Frederick Vallaeys: Oui, j’aime ça. Et je sais que nous allons parler des profits plus tard. Mais ce que j’aime aussi dans cette slide en particulier, c’est que vous avez inclus la métrique des conversions par impression, qui n’est pas en fait une métrique Google, mais vous avez dû la calculer, n’est-ce pas ? Et c’est vraiment important, parce que vous pourriez dire : « Hé, regardez, mon taux de conversion est plus que doublé et mon ROAS est plus que doublé. » Et c’est comme, c’est super, mais peut-être que vous avez vendu deux unités au lieu de 100. Donc évidemment, ce n’est pas bon pour l’entreprise, n’est-ce pas ?

Mais si vous ramenez cela aux conversions par impression, c’est vraiment une métrique qui, je pense, finira par se connecter à la rentabilité, parce que oui, en échange d’une hausse de votre taux de conversion, vous achetez peut-être moins de clics, obtenez moins d’impressions au passage. Mais ce qui compte au final, c’est le nombre de conversions que vous continuez à générer. Donc j’aime vraiment que vous apportiez aussi cette métrique ici.

Matthieu Tran-Van: Oui. Oui. Pour moi, c’est une métrique très importante parce que c’est celle qui encapsule vraiment toute la chaîne de valeur, n’est-ce pas, de l’impression à la conversion. Et encore une fois, elle nous donne la véritable efficacité de la campagne, n’est-ce pas ? Donc je suis totalement aligné avec vous sur ce point.

Frederick Vallaeys: Très bien. Le bidding.

Matthieu Tran-Van: Le bidding. Alors maintenant, parlons du bidding. Plus précisément ici, je voulais discuter avec vous de la manière de passer, disons, du smart bidding, n’est-ce pas, au véritable profit bidding. Et bien sûr, le faire sans hacker Google, n’est-ce pas ? C’est donc le point. Et encore une fois, dans notre dernier épisode, j’ai partagé quelques tactiques spécifiques qui ont amélioré le retour sur dépenses publicitaires en optimisant de manière constante des stratégies d’enchères portfolio à 1 %, si vous vous en souvenez. Donc chaque fois que j’atteins mon objectif, je vais challenger l’algorithme pour obtenir juste 1 % de ROAS supplémentaire. Et cette tactique fonctionne en fait à merveille.

Mais le problème que l’on peut souligner, ou l’objection, c’est que le retour sur dépenses publicitaires n’est pas toujours égal au profit, n’est-ce pas ? Parce que si vous intégrez cette notion de génération de profit dans votre automatisation, alors cela peut vous aider non seulement à vous concentrer sur le retour sur dépenses publicitaires ou le profit sur dépenses publicitaires, mais aussi sur la marge, c’est-à-dire la marge en dollars, n’est-ce pas ? Ce qui n’est pas une vanity metric. Et c’est ce que nous recherchons en réalité. Je voulais donc revenir sur cette stratégie d’enchères et partager avec vous une sorte d’amélioration que j’ai apportée à cette tactique.

Donc, juste avant de vous montrer ce que j’ai fait, encore une fois, pour que nous soyons vraiment alignés et clairs là-dessus, parce que ce qui compte vraiment quand on y pense, ce n’est pas seulement le retour sur dépenses publicitaires — c’est la relation entre le revenu par clic et le coût incrémental d’un clic, n’est-ce pas ? Combien devez-vous payer pour obtenir un clic supplémentaire ? Voici donc le visuel à l’écran, n’est-ce pas ? Lorsque votre revenu par clic — le RPC — est supérieur au coût incrémental de ce clic, bien sûr vous gagnez de l’argent. Vous réalisez un profit. Mais lorsque le revenu par clic est inférieur, vous perdez de l’argent.

Donc le sweet spot se situe exactement là où votre revenu par clic est égal au coût incrémental d’un clic. C’est là que votre profit atteint son maximum, en gros. Donc, lorsque nous comprenons cela, nous, praticiens PPC, comprenons que l’objectif n’est pas de maximiser le retour sur dépenses publicitaires à tout prix. C’est de maximiser les profits. Et c’est ce que je voulais améliorer dans ma stratégie précédente.

Frederick Vallaeys: Donc, vous vouliez réagir, Fred ? Oh, j’allais réagir. Oui. Donc j’allais dire que le profit, c’est bien, n’est-ce pas ? Mais il y a certaines entreprises qui ne se soucient pas nécessairement du profit. Elles peuvent être en phase de croissance. Elles peuvent donc vouloir optimiser le revenu. Mais au final, je pense que votre point est très valable. Il s’agit simplement de comprendre quel est votre véritable objectif business, puis de comprendre comment cela se traduit mathématiquement dans le fonctionnement de Google Ads. Et donc ce que vous montrez ici a du sens pour probablement la grande majorité des annonceurs. Maximisons ce profit. Donc j’adore. Voyons comment vous faites.

Matthieu Tran-Van: D’accord, cool. Alors comment opérationnaliser cela ? Eh bien, ici avec, je dirais, un cadre simple, n’est-ce pas ? Donc ici, c’est une matrice que vous pouvez voir à l’écran. Et ici, vous avez quatre quadrants. Donc si votre — dans mon cas ici, je travaille avec le POAS, donc profit on ad spend — donc si votre profit on ad spend est en dessous de l’objectif et que le ratio entre le revenu par clic et le CPC est en baisse, alors vous allez baisser votre enchère de manière significative parce que vous gagnez de moins en moins. Non seulement vous n’atteignez pas votre objectif, mais en plus vous gagnez moins de profit. Vous voulez donc vraiment diminuer votre enchère de manière significative.

Cependant, même si votre profit sur les dépenses publicitaires est inférieur à l’objectif, si le ratio entre le RPC et le CPC augmente, cela signifie qu’en réalité, vous améliorez votre génération de profit. Vous pouvez donc simplement, disons, réduire légèrement votre enchère avec un ordre de grandeur plus faible. D’accord ? Et ensuite, vous pouvez reproduire un peu cette logique lorsque votre profit sur les dépenses publicitaires réel est supérieur à votre objectif. Et dans ce cas, bien sûr, vous augmenterez votre enchère avec différents ordres de grandeur selon que votre ratio entre le revenu par clic et le CPC augmente ou diminue, n’est-ce pas ? Cela apporte donc des nuances sur la manière dont — de combien — vous devriez, en gros, tester ou modifier vos enchères, n’est-ce pas ? C’est la nouveauté. Et il ne s’agit pas seulement d’obtenir un ROAS supérieur de 1 % ; il s’agit aussi d’avoir cette intelligence intelligente sur de combien j’adapterais également les autres contraintes comme le CPC, etc.

Frederick Vallaeys: D’accord. Donc, en gros, ce que vous dites, c’est qu’il s’agit d’une stratégie plus nuancée que le « améliorons de 1 % à chaque fois ». Je vais donc supposer que cela vous permet d’atteindre vos résultats plus rapidement, parce que vous prenez une décision plus stratégique à chaque étape.

Matthieu Tran-Van: Oui, exactement. Donc ici, quand on regarde les résultats — encore une fois, c’est un cas e-commerce où j’ai appliqué cette règle exacte juste avant. Peut-être pouvez-vous aussi construire cela dans Optmyzr. Vous voyez donc ma matrice, et ce sont les règles exactes que j’ai construites et qui correspondent à chacun des quadrants. Donc, en ajoutant simplement le seuil spécifique que je voulais et en construisant certaines expressions dans ma stratégie de règles pour mesurer et comparer réellement entre deux périodes le ratio du RPC et du CPC, etc., j’ai pu simplement reproduire le cadre exact que je présentais plus tôt dans — et l’opérationnaliser dans Optmyzr. Et les résultats, oui…

Frederick Vallaeys: Et je veux m’arrêter là-dessus une seconde. Donc, vous savez, les gens devront peut-être agrandir vraiment l’écran pour voir ce que font réellement ces règles dans Optmyzr. Mais une question que j’ai, c’est que quelques diapositives plus tôt, vous avez parlé du coût incrémental d’un clic, je crois.

Matthieu Tran-Van: Oui.

Frederick Vallaeys: C’est ça ? Parler du coût incrémental par clic n’est pas une métrique Google.

Matthieu Tran-Van: Oui.

Frederick Vallaeys: Et cela nécessite l’outil de simulation de Google pour le dériver réellement. Alors, comment procédez-vous concrètement pour ne pas devoir le calculer manuellement en permanence ?

Matthieu Tran-Van: C’est une très bonne question, très bien mise en avant, Fred. Donc, comme l’ICC n’est pas une métrique Google Ads, d’accord, et qu’elle n’est pas non plus disponible via l’API, etc., j’ai dû utiliser comme proxy la mesure de l’évolution de ce ratio entre le revenu par clic et le CPC. Parce que réfléchissez-y, n’est-ce pas ? Votre ICC nécessite de comparer quel a été le coût entre deux périodes. Et quel a été le delta de coût et quel a été le delta de clics, d’accord ? Et vous ne pouvez pas opérationnaliser cela dans Optmyzr avec une stratégie de règles.

Il faut donc trouver un autre proxy, et le proxy est le suivant. Si vous regardez une période — disons les sept derniers jours — quel a été mon ratio entre mon revenu par clic, donc la valeur de conversion divisée par les clics, divisé par mon CPC ? Disons que c’est, je ne sais pas, deux, n’est-ce pas ? Puis vous regardez ce ratio exact sur les sept jours précédant cette période, d’accord ? Donc en remontant à 14 jours auparavant, et vous retirez — vous décalez de sept jours. Vous comparez donc la semaine dernière à la semaine précédente, n’est-ce pas ?

Donc si ce ratio a augmenté, eh bien, cela signifie que le delta que vous avez entre le revenu par clic et le CPC a en fait augmenté. Vous générez donc plus de profit. Pour revenir au visuel que je montrais, n’est-ce pas ? C’est pour cela que j’utilise ce ratio. C’est parce que l’ICC n’est pas une métrique disponible dans Google Ads, et qu’elle n’est pas disponible dans l’API, sauf erreur de ma part.

Frederick Vallaeys: Non, vous avez tout à fait raison. Et c’est pour cela que j’étais curieux de savoir comment vous faites. Mais je pense que vous avez souligné deux choses brillantes. Premièrement, grâce à Optmyzr, il est très facile de faire ces comparaisons de plages distinctes dans le moteur de règles. Ensuite, deuxièmement, le fait que vous exploitiez des ratios — et j’ai écrit un article à ce sujet il y a de nombreuses années, du genre : pourquoi les ratios sont-ils si utiles ? C’est essentiellement parce que c’est votre jauge, n’est-ce pas ? Cela ne vous dit pas la chose exacte, mais cela vous dit si vous allez mieux ou moins bien.

Et donc j’adore la façon dont vous avez déployé la métrique de ratio que vous calculez à la volée pour vous aider à piloter le navire, puis en tirant parti de cela et, encore une fois, en l’imbriquant avec des objectifs réels pour vous amener là où vous devez être. Donc oui, j’adore vraiment la façon dont vous assemblez tout cela et dont vous nous le partagez.

Matthieu Tran-Van: Oui. Et le ratio a vraiment — il a un superpouvoir énorme. Et comme vous le dites, c’est une sorte de moyen de voir dans quelle direction vous allez prendre sans vous donner le chiffre exact. Mais c’est un indice. C’est un indice directionnel très puissant qui peut vous aider à prendre une meilleure décision. Et vous voyez ici que les résultats étaient aussi plutôt bons parce que — encore une fois, ici, il s’agit d’un cas e-commerce où j’ai appliqué cette règle Optmyzr très précise. C’est le compte lui-même. Et simplement en gérant le smart bidding avec ces règles basées sur le profit, vous voyez que le compte a doublé ses profits sans sacrifier le profit sur les dépenses publicitaires, en réalité. Et c’est là toute la beauté de la chose.

C’est l’enseignement magique. Vous n’avez pas besoin, au final, d’être plus malin que Google. Vous devez simplement le guider avec cohérence et le bon indicateur. Et c’est là que vous voyez vos profits et vos performances augmenter. Donc oui, j’étais vraiment satisfait des résultats de cette nouvelle stratégie, en fait.

Frederick Vallaeys: Oui, j’imagine. De très bons résultats.

Matthieu Tran-Van: Eh bien, mon client était encore plus content, pour être honnête.

Frederick Vallaeys: Hé, il est temps pour vous de lancer votre propre entreprise e-commerce et peut-être de commencer à vendre un produit.

Matthieu Tran-Van: Peut-être. Peut-être. Non, mais je m’amuse trop, Fred, vous savez, à gérer des campagnes et ainsi de suite pour tant d’entreprises que je pense que j’en suis devenu accro.

Frederick Vallaeys: Eh bien, tant mieux. Et aussi, je veux dire, je pense que vous avez souligné que certaines de ces métriques ne sont pas disponibles dans Google Ads. Et donc, au final, c’est encore là qu’un humain intelligent qui vous aide avec les campagnes est vraiment utile. Donc si quelqu’un qui regarde se dit : « Hé, on pourrait avoir besoin d’aide », Matthieu partage beaucoup de choses, mais il y a aussi beaucoup d’éléments qu’il peut encore apporter à votre compte. Et ajoutons-en à ce montant de dépenses que vous gérez.

Matthieu Tran-Van: Merci. Merci beaucoup, Fred. Et donc, oui, et enfin, peut-être que je voulais aussi regarder avec vous ce que j’appelle peut-être l’automatisation de niveau supérieur, n’est-ce pas ? Et ici, c’est vraiment l’automatisation poussée au maximum dans ce cas. Et mon objectif était de transformer beaucoup de ces différentes données business en une stratégie publicitaire entièrement automatisée de bout en bout, d’accord ?

Et j’ai décidé de faire cela parce que j’avais le cas d’un retailer qui était assez difficile au départ, car cette étude de cas — elle vient d’un retailer qui ressemblait à n’importe quel autre concurrent. Donc, en gros, ils vendaient les mêmes SKU que les concurrents. Ils avaient une demande saisonnière parce qu’ils commercialisent des équipements et accessoires pour piscines. Donc, comme vous pouvez l’imaginer, c’est très saisonnier. Leur taux de conversion était fortement influencé par la météo — encore une fois, parce qu’ils vendent des équipements et accessoires pour piscines, n’est-ce pas ?

Et en plus de cela, la marge variait énormément sur plus de 6 000 produits. Donc, aucune différenciation claire. Beaucoup de contexte externe peut influencer vos ventes, et vous avez un large catalogue avec différents niveaux de marge. La question ici était donc : comment faire en sorte que Google Ads reflète automatiquement toute cette complexité et que cela fonctionne pour cet annonceur ? C’était le défi initial. D’accord, ça a l’air simple. Expliquez-nous.

Matthieu Tran-Van: Exactement. Donc ma réponse n’était en fait pas si simple, pour être honnête, parce que—

Frederick Vallaeys: Oui. Oui.

Matthieu Tran-Van: Mais ce n’était pas si simple parce que, quand j’y ai réfléchi, je l’ai décomposé en quatre étapes différentes, n’est-ce pas ? En partant des insights, puis en regardant quelles données business j’ai, comment puis-je opérationnaliser cela dans Merchant Center, puis enfin dans Google Ads. Et donc, ce que j’ai fait, c’est que nous avons travaillé avec le client en commençant par collecter des données, notamment sur les prix des concurrents. Nous avons donc scrappé les prix des concurrents, etc. Nous avons collecté la marge par SKU. Nous avons également examiné quelles étaient les priorités de stock, etc. Et nous avons implémenté et traduit toutes ces données en, disons, un étiquetage intelligent des libellés personnalisés dans Merchant Center, d’accord ?

Ces libellés personnalisés m’ont aidé à construire une structure entièrement alignée sur le business. Donc, en fonction de la compétitivité, du score de priorité — parce que vous avez beaucoup de stock ou pas tant que ça — et aussi de la marge que le retailer avait, chaque intersection de ces trois dimensions donnait une campagne Shopping spécifique. D’accord ? Et bien sûr, vous pouvez ensuite automatiser toutes ces applications de libellés personnalisés, n’est-ce pas ? Et j’ai ensuite aligné des stratégies d’enchères de portefeuille qui étaient en fait alignées sur la marge réelle que le retailer réalisait.

Et donc, en sortie, vous avez un compte où vous disposez d’une structure de campagne dynamique construite autour de ce que j’appelle ce trifecta parfait entre le bon assortiment, le bon budget et la bonne stratégie d’enchères, n’est-ce pas ? Cela vous donne donc au final — et comme l’activité est très saisonnière et fortement influencée par la météo, j’ai ensuite superposé des campagnes Performance Max et Demand Gen géolocalisées qui ne promeuvent que les best-sellers. D’accord ?

Et comment trouvez-vous les best-sellers ? Bien sûr, grâce à l’outil d’étiquetage intelligent dans Optmyzr, où vous pouvez mettre des règles — vous savez, attribuez-moi un libellé à tous les SKU qui ont généré plus de, disons, 10 conversions au cours du dernier trimestre, et ainsi de suite. Vous pouvez donc ajouter les règles qui définissent pour vous vos best-sellers. Et ces campagnes Performance Max et Demand Gen promouvaient donc ces best-sellers uniquement lorsque les conditions météorologiques déclenchaient la demande, n’est-ce pas ? Donc il fait beau et chaud dans cette ville précise — boum, votre campagne Performance Max et Demand Gen est activée. Le lendemain, il pleut, mais il fait beau dans une autre ville. Nous modifions automatiquement les paramètres géographiques grâce à Optmyzr pour, vous savez, promouvoir nos best-sellers dans cette nouvelle zone.

Cette couche d’activation servait donc simplement à renforcer encore davantage la stratégie publicitaire là où la demande avait de fortes chances de convertir, n’est-ce pas ? C’était donc l’idée. Et tout ce système, toutes les campagnes, peuvent réagir sans aucune intervention manuelle. C’est là toute la beauté de la chose. Et cela aligne aussi le système — chaque décision, les enchères, les produits, la géo, etc. — avec les données business que vous avez en entrée. Donc dans ce cas, les humains définissent simplement la stratégie. Exactement ce que vous disiez plus tôt, Fred. Les humains définissent simplement la stratégie, et l’automatisation l’exécute en temps réel. C’est ce qu’elle fait, en gros.

Frederick Vallaeys: C’est brillant. Oui, donc évidemment pas si simple. Beaucoup de couches dans tout cela et beaucoup de réflexion. Mais encore une autre brillante illustration de la façon dont le fait d’intégrer toutes ces différentes capacités et de tout superposer — je vais supposer que les résultats étaient bons, n’est-ce pas ? Alors regardons cela.

Matthieu Tran-Van: Oui, les résultats ont été énormes, pour être honnête. Donc, en comparaison, nous comparons avec l’année précédente. Et l’année précédente, le client n’avait qu’une seule campagne Performance Max. Nous comparons donc — et sur la même période, d’une année sur l’autre — ce système à une seule campagne Performance Max. Et les résultats ont été énormes. Donc, la hausse du chiffre d’affaires — nous avons eu des hausses de chiffre d’affaires de plus de 100 % certains mois, de presque 300 %, 159 %, et ainsi de suite. Et tout cela sans travail manuel supplémentaire, n’est-ce pas ? Encore une fois, je veux le souligner. Et les campagnes se sont adaptées automatiquement à la marge, au stock, à la compétitivité et à la saisonnalité. Et oui, le retour sur les dépenses publicitaires était, vous savez, très bon — au moins le même que l’année précédente. Mais le volume de conversions que nous avons obtenu n’avait rien à voir. Donc, encore une fois, la leçon ici est simple. L’automatisation ne remplace pas la stratégie elle-même, mais elle peut réellement l’amplifier en l’exécutant à la perfection au quotidien.

Frederick Vallaeys: Magnifique. Non, je veux dire, c’est là le grand enseignement ici. Comme vous l’avez dit, la stratégie, les machines l’automatisent, plusieurs couches, et l’argent sort à la fin. L’argent, l’argent, l’argent.

Matthieu Tran-Van: Exactement. Exactement. C’est ça. Oui. Donc si vous voulez, pour conclure avec les principaux enseignements sur ces quatre approches, je pense que mes trois messages principaux — le premier est que, bien sûr, l’automatisation vous libère du fait de devoir surveiller constamment quoi que ce soit dans votre compte, afin que vous puissiez vraiment vous concentrer sur la vraie stratégie. Et je pense que dans une ère pilotée par l’IA, n’est-ce pas, la stratégie — notre stratégie et notre créativité — est notre avantage concurrentiel en tant qu’êtres humains, donc nous devrions concentrer notre énergie, nos efforts et notre matière grise, vous savez, là-dessus. Donc c’est la première chose.

Deuxièmement, ce que je veux souligner, c’est que les stratégies d’automatisation les plus impactantes sont en réalité directement liées à une forme de résultat business — profits, marge ou signaux de demande. Il ne s’agit pas de clics et d’impressions. Si vous pouvez relier votre automatisation à quelque chose de réellement significatif pour l’entreprise, vous avez de fortes chances de gagner, n’est-ce pas ?

Et troisièmement, bien sûr, le troisième message est peut-être que des outils comme Optmyzr ne sont pas, bien sûr, des baguettes magiques, pour être honnête. Mais ce sont des couches d’orchestration, et ils prennent votre stratégie et la rendent évolutive, cohérente et, espérons-le, rentable, n’est-ce pas ? Mais c’est ce que vous devez retenir de ces outils. Et c’est le superpouvoir de ces outils. Voilà. C’est tout.

Et donc, bien sûr, si quelqu’un dans l’audience applique l’une de ces quatre approches, je pense pouvoir parier qu’il ne va pas seulement faire évoluer son compte avec confiance, mais aussi, espérons-le, faire croître ses profits tout au long du processus. Et j’ai aussi très envie de voir si quelqu’un, vous savez, essaie l’une de ces approches — s’il veut partager ses apprentissages et ses résultats, je serai plus qu’heureux d’avoir aussi des retours.

Frederick Vallaeys: Super. Oui. Donc, pour tous ceux qui ont regardé cette vidéo, nous avons la section des commentaires ci-dessous. Nous aimerions beaucoup voir dans les commentaires quelles techniques vous avez essayées, et à quels résultats cela a conduit. Et peut-être que si vos résultats ont aussi été incroyables, vous devriez être invité à Automation Layering Masterclass. Alors mettez-le dans les commentaires et faites-le-nous savoir.

Maintenant, dans tout cela, Optmyzr est évidemment un outil très utile, mais vous avez toujours besoin d’une équipe humaine intelligente pour mettre en place la stratégie. Donc, encore une fois, c’est là que Matthieu — il est disponible. Matthieu, si les gens veulent vous contacter ou peut-être obtenir un audit de leur campagne ou discuter davantage avec vous, où peuvent-ils vous trouver ?

Matthieu Tran-Van: Oui, vous pouvez facilement me trouver sur LinkedIn. C’est le moyen le plus pratique de me trouver, et vous pouvez me contacter sur la plateforme. Je serai heureux de lire et de répondre à tout message que je recevrai là-bas.

Frederick Vallaeys: Super. Oui. Et encore une fois, merci beaucoup d’avoir partagé tous ces merveilleux enseignements et d’avoir expliqué comment vous faites. Merci à tous d’avoir regardé. Si vous avez apprécié cet épisode, ce dont je suis sûr, merci de le liker. Merci de vous abonner afin de recevoir des mises à jour lorsque Matthieu et d’autres invités reviendront partager davantage de secrets sur la façon de faire de l’automation layering. Et sur ce, nous allons conclure ici. Matthieu, merci d’avoir été notre invité. Merci à tous d’avoir regardé, et à bientôt pour le prochain épisode.

Matthieu Tran-Van: Merci beaucoup, Fred. Merci. Au revoir.