Si vous êtes annonceur PPC, vous n’êtes certainement pas étranger aux scores dans votre compte publicitaire, par exemple le Quality Score ou le score d’optimisation. Avec les Responsive Search Ads (RSA) qui remplacent les Expanded Text Ads, les annonceurs sont désormais de plus en plus exposés à un nouveau type de score appelé Ad Strength.
Dans cet article, j’expliquerai ce qu’est l’Ad Strength des Responsive Search Ads, son importance réelle et en quoi il se compare aux autres scores d’optimisation existant depuis plus longtemps.
Qu’est-ce que l’Ad Strength ?
Google définit l’Ad Strength comme suit :
L’Ad Strength vous fournit des recommandations pour vous aider à vous concentrer sur la diffusion des bons messages à vos clients. Il indique dans quelle mesure une création publicitaire suit les bonnes pratiques pour des performances optimales, avec une échelle allant de « Incomplete », « Poor », « Average », « Good » à « Excellent ».
Il s’agit du type de score le plus récent que les annonceurs voient dans leur compte pour les Responsive Search Ads.
L’Ad Strength est-il important ?
Google indique qu’il s’agit d’un score de bonnes pratiques et qu’il est conçu pour faire une excellente première impression. Le choix des mots est important : cela signifie qu’il n’apprend pas à partir de vos performances réelles. Et si une bonne première impression compte, les résultats à long terme comptent encore davantage.
L’Ad Strength utilise un modèle de machine learning qui examine quels attributs d’annonce ont tendance à être associés à de bons résultats pour un annonceur. Par exemple, un annonceur qui dispose de 10 variantes différentes d’un titre obtiendra-t-il de meilleures performances qu’un annonceur similaire qui en a 15 variantes différentes ?
Les annonces qui incluent le mot-clé principal d’un groupe d’annonces ont-elles tendance à mieux performer que celles qui n’incluent pas ce même mot-clé ?
Les annonces contenant trop de formulations redondantes performent-elles moins bien que celles qui évitent la redondance ?
Ce sont des informations très utiles pour démarrer, et nous pouvons tous tirer des enseignements des leçons du passé.
Cependant, une fois que vous avez une bonne annonce de référence, oubliez l’Ad Strength, car même s’il reflète ce qui a bien fonctionné pour la majorité par le passé, il ne tient pas compte de ce qui fonctionne pour vous. Un annonceur dont l’annonce affiche une Ad Strength « poor » et commence pourtant à très bien performer restera malgré tout classé « poor ».
Je le répète : l’Ad Strength ne change pas en fonction de vos performances !
Il est donc possible que des annonceurs affichant d’excellents taux de conversion, des CPA faibles et d’importants profits aient une Ad Strength faible. Ils ne suivent pas la sagesse générale, mais ils réussissent quand même. Penser différemment n’est pas récompensé par ce modèle.
Donc, si vous êtes un marketeur expérimenté, il n’y a rien de mal à créer une annonce que vous pensez très performante, même si elle se retrouve avec une Ad Strength faible selon les prédictions de Google.
Dans ce cas, ce qui compte bien davantage, c’est un suivi étroit et des expérimentations méthodiques afin de s’assurer que les performances réelles reflètent ce que vous pensez que l’annonce peut accomplir.
Une faible Ad Strength a-t-elle un impact sur la diffusion des annonces ?
Si vous craignez qu’une faible Ad Strength signifie que votre annonce sera diffusée moins souvent, soyez rassuré : l’Ad Strength n’a aucun impact sur le classement de l’annonce ni sur le Quality Score. En d’autres termes, si votre Ad Strength est faible, cela ne signifie PAS que Google dépriorise votre annonce dans l’enchère publicitaire.
En revanche, il est possible que votre annonce soit réellement mauvaise et qu’elle obtienne donc aussi un Quality Score faible ainsi qu’un classement inférieur dans les enchères. Corrélation, pas causalité.
Si certaines personnes pensent qu’une faible Ad Strength fait moins apparaître leur annonce, c’est en partie parce que Google a, pendant un temps, qualifié certaines annonces de « poor (limited eligibility) ». Ce statut prêtait à confusion et a depuis été supprimé.
L’Ad Strength est-il statique ?
Même si mon point est que l’Ad Strength peut être ignoré parce qu’il est déconnecté des performances, il n’est pas totalement statique. Par exemple, l’Ad Strength apprécie les annonces qui contiennent le mot-clé principal du groupe d’annonces dans le texte du titre.
Donc, si les mots-clés d’un groupe d’annonces changent, ou si la répartition des mots-clés qui génèrent le plus d’impressions évolue, l’Ad Strength peut changer même si aucun élément de l’annonce n’a été modifié.
Faut-il prêter attention au Quality Score ?
Le Quality Score (QS) est le score original de machine learning / intelligence artificielle dans Google Ads. Il existe depuis près de deux décennies et son objectif a toujours été de prédire la probabilité qu’une annonce soit suffisamment pertinente pour être cliquée.
Un point important concernant le Quality Score est que le QS initial d’un annonceur peut évoluer rapidement à mesure que le système accumule davantage de données sur le mot-clé. En d’autres termes, plus un compte dispose de ses propres données, plus le chiffre de Quality Score que vous voyez reflète la réalité de la qualité et de la pertinence de ce compte.
Il est donc logique que les annonceurs suivent de près le QS et cherchent à l’augmenter autant que possible.
Le chiffre que vous voyez devient une meilleure représentation de la réalité au fil du temps. Et n’oubliez pas que plus le Quality Score est élevé, plus le coût par clic qu’un annonceur doit payer pour conserver sa position dans l’enchère publicitaire est faible.
Faut-il prêter attention au score d’optimisation ?
Le score d’optimisation, tout comme le Quality Score, comporte une dimension de machine learning. Son objectif est d’indiquer aux annonceurs quelle marge de progression existe dans leurs comptes. Par exemple, s’ils modifiaient leurs enchères ou leurs budgets, combien de conversions supplémentaires ce changement pourrait-il potentiellement générer.
Le chiffre estimé repose sur le machine learning et, comme toute prédiction, il ne sera pas toujours parfaitement exact. Cependant, le score d’optimisation mérite clairement votre attention, car si votre score d’optimisation est faible, cela signifie que le machine learning de Google estime que vous laissez passer un grand nombre de conversions potentielles.
Vous devez évaluer la recommandation, puis prendre une décision en fonction du degré de fiabilité que vous attribuez à son impact. Dans Optmyzr, nous affichons de manière sélective certaines opportunités de Google pour améliorer le score d’optimisation en comparant les prédictions de Google aux nôtres, afin d’aider les annonceurs à tirer parti de ce que nous considérons comme les meilleures opportunités.
Méfiez-vous des systèmes de rétroaction en boucle fermée
Le problème d’un système de rétroaction largement statique comme l’Ad Strength est qu’il peut vous enfermer dans une boucle fermée. Ce concept est expliqué dans le livre « The Loop » de Jacob Ward, de NBC News.
L’idée est que le machine learning influence nos comportements de manière indésirable. Dans le cas des annonceurs, le machine learning nous indique comment faire preuve de créativité avec nos annonces. Mais ses recommandations reposent sur ce qui a fonctionné pour d’autres par le passé.
Et lorsqu’il dit à tout le monde de faire la même chose et que nous obéissons, nous nous retrouvons piégés dans une boucle fermée.
Voici un exemple auquel vous pourrez peut-être mieux vous identifier. Si nous ne regardons que les recommandations de Netflix pour savoir quelle série regarder ensuite, les algorithmes de Netflix influencent nos décisions, et ces décisions alimentent ensuite l’algorithme pour produire de futures recommandations.
Algorithme : Hé, tu devrais regarder cette série sympa, elle est tendance là où tu vis.
Moi : Bien sûr, je vais la regarder.
Algorithme : Waouh, regardez ça, encore une personne qui regarde cette série, je devrais en recommander encore plus dans ce style.
Moi : Où sont passées les nouvelles séries originales ? Tout se ressemble !
Le score d’Ad Strength crée un problème similaire pour les annonceurs. Lorsque l’algorithme nous dit ce que nous devrions faire parce que cela a fonctionné dans le passé, il décourage l’expérimentation qui peut créer de nouveaux succès susceptibles de modifier les prédictions futures.
Les annonces deviennent homogènes et notre créativité n’est plus récompensée.
Comment fonctionne le machine learning pour les Responsive Search Ads
Tous les scores mentionnés ci-dessus comportent une dimension de machine learning et d’intelligence artificielle. Je pense donc qu’il est important d’expliquer brièvement comment cette technologie fonctionne. En la comprenant, nous pourrons en voir les limites et les pièges potentiels.
Certains systèmes de machine learning fonctionnent en construisant un modèle qui prédit l’avenir à partir de ce qui s’est passé dans le passé. La première étape de la création d’un système de machine learning consiste à construire le modèle, parfois appelé phase d’entraînement. Pendant cette phase, des données historiques sont injectées dans la machine afin qu’elle puisse trouver des corrélations entre les différents attributs correspondant au résultat souhaité.
Prenons le Quality Score, par exemple. La machine recherche des signaux associés à des taux de clics plus élevés, indicateurs de la pertinence de l’annonce. Elle peut constater que la présence du mot-clé dans le texte de l’annonce est un facteur corrélé à un CTR plus élevé, et intégrer cela dans son modèle afin que les mots-clés associés à de telles annonces obtiennent un score plus élevé.
Une fois le modèle testé et amélioré par itérations, il est déployé et commence à faire des prédictions. Dans le cas du Quality Score, il prédit la probabilité que chaque annonce cherchant à entrer dans l’enchère obtienne un clic. Il effectue cette prédiction à chaque fois qu’un utilisateur effectue une recherche.
Le modèle peut être statique, mis à jour périodiquement, ou apprendre en continu à partir du succès de ses propres prédictions pour s’améliorer. Par exemple, si le modèle de Quality Score prédit qu’une annonce sera cliquée puis qu’elle ne l’est pas, il mettra à jour son modèle afin que les prédictions futures soient plus précises. C’est ce qu’on appelle l’apprentissage par renforcement.
Il faut également comprendre que les modèles peuvent être construits avec différents ensembles de données et pondérer différents types de signaux plus ou moins fortement. Dans le cas du Quality Score, les modèles sont construits à partir de l’ensemble des données Google Ads remontant sur une période récente, mais ils sont conçus pour accorder davantage de poids aux performances propres d’un compte lorsque ces données sont disponibles.
Ainsi, lorsqu’un annonceur ajoute un nouveau mot-clé à son compte, son Quality Score initial repose davantage sur les données globales du système. Lorsque le mot-clé commence à accumuler son propre historique dans le compte de l’annonceur, cela pèse davantage dans le Quality Score.
Pour conclure
Une Ad Strength plus élevée ne signifie pas un meilleur CTR, ni un meilleur taux de conversion, ni un meilleur Quality Score. Si vous débutez en publicité ou si vous ne savez pas encore ce qui va fonctionner, considérez cela comme un conseil.
Mais si vous êtes un annonceur expérimenté, continuez à faire ce que vous faites le mieux. Créez l’annonce qui résonne le mieux avec votre audience cible et concentrez-vous sur la performance. Ne vous laissez pas aveugler par l’Ad Strength.
Nous avons également mené une étude sur les performances des RSA en analysant plus de 13 671 comptes utilisateurs Optmyzr sélectionnés aléatoirement, et nous avons répondu à des questions telles que :
- L’utilisation des RSA est-elle aussi répandue chez les annonceurs qu’on le pense ?
- Comment les performances des RSA se comparent-elles à celles des ETA ?
- Quel effet les titres/descriptions épinglés ont-ils sur les performances ?
Recevez chaque mois dans votre boîte mail des conseils PPC actionnables, ainsi que des stratégies et tactiques d’experts du secteur.
