--- title: "Dernières mises à jour de Google Ads : Processus de correspondance des mots-clés mis à jour et modifications du modèle d'attribution" serpTitle: "Dernières mises à jour de Google Ads : Processus de correspondance des mots-clés mis à jour et modifications du modèle d'attribution | Optmyzr" description: "Google a fait deux grandes annonces ces dernières semaines, y compris une mise à jour des processus de correspondance des mots-clés et le changement du mode d'attribution par défaut. Voici ce que les annonceurs doivent savoir sur ces mises à jour." date: "2021-10-01" lastmod: "2026-04-16 19:03:09 +0530 +0530" author: "Frederick Vallaeys" authorTitle: "Co-fondateur & PDG" authorCompany: "Optmyzr" url: "https://www.optmyzr.com/fr/blog/google-ads-keyword-prioritization-attribution-model/" categories: - "Google Ads" - "PPC Strategy" featured_image: "/forestry/adobestock_288081374_editorial_use_only.webp" --- # Dernières mises à jour de Google Ads : Processus de correspondance des mots-clés mis à jour et modifications du modèle d'attribution > Google a fait deux grandes annonces ces dernières semaines, y compris une mise à jour des processus de correspondance des mots-clés et le changement du mode d'attribution par défaut. Voici ce que les annonceurs doivent savoir sur ces mises à jour. **Author:** Frederick Vallaeys | **Published:** October 1, 2021 **Categories:** Google Ads, PPC Strategy --- Google Ads a récemment fait deux grandes annonces, y compris une mise à jour sur la façon dont les mots-clés correspondent aux requêtes et un changement du modèle d'attribution par défaut. Voici ce que les annonceurs doivent savoir sur ces mises à jour. ## Les règles de priorisation des mots-clés changent Analysons la dernière [annonce](https://support.google.com/google-ads/answer/11180624?hl=en) de Google concernant les types de correspondance des mots-clés et voyons ce qu'elle dit : > Avec [BERT](https://blog.google/products/search/search-language-understanding-bert/), le pré-entraînement de Google pour le traitement du langage naturel devenant plus avancé, comprendre l'intention de recherche est désormais plus facile. Même la correspondance large peut désormais vous aider à trouver un trafic pertinent avec moins de mots-clés. Google a illustré cela avec l'exemple suivant : « une requête très spécifique comme '1995 5 speed transmission seal input shaft' peut désormais correspondre au mot-clé en correspondance large '_auto parts_' car nous pouvons dire qu'ils sont liés, même si aucun des mots de la requête et du mot-clé ne correspond réellement. » > Un mot-clé en correspondance de phrase ou en correspondance large identique à une requête sera désormais préféré, tant qu'il est éligible pour correspondre. Google a étendu ce qu'il a fait avec la correspondance exacte plus tôt cette année à la correspondance large et de phrase. Voici l'exemple de Google pour expliquer cela : « disons que quelqu'un recherche 'livraison de sushi près de chez moi', et que vous avez les mots-clés en correspondance large '_livraison de sushi_' et '_livraison de sushi près de chez moi_'. Avant cette mise à jour, ces deux mots-clés seraient éligibles pour être diffusés. Désormais, le mot-clé '_livraison de sushi près de chez moi_' est préféré car il est identique au terme de recherche. » Rassurez-vous. Google poursuit en disant « que si vous avez un mot-clé en correspondance exacte éligible qui est identique à la requête, il sera toujours préféré par rapport au mot-clé en correspondance de phrase et large. » > La pertinence et le classement de l'annonce seront les facteurs décisifs lorsqu'une recherche n'est identique à aucun de vos mots-clés. En plus du classement de l'annonce, Google prendra désormais en compte les signaux de pertinence pour déterminer quel mot-clé sera sélectionné. En expliquant ce que sont ces signaux de pertinence, Google a déclaré : « La pertinence est déterminée en examinant le sens du terme de recherche, le sens de tous les mots-clés dans le groupe d'annonces, et les pages de destination au sein du groupe d'annonces. » Les différents scénarios ont été décomposés dans le tableau suivant. ![](/forestry/how-keywords-are-selected.webp) Comme pour la plupart des annonces importantes de Google, celle-ci a également été accueillie avec des réactions mitigées de l'industrie PPC. Julie Bacchini a écrit : « Alors, qu'avez-vous exactement fait jusqu'à présent ? Sérieusement. Était-ce insensé en tant qu'annonceur de penser que c'était ce que vous aviez toujours fait ? » Lisez ses réflexions sur ce changement sur son [blog](https://neptunemoon.net/2021/09/google-ads-updates-keyword-matching-again/). D'autres comme [Amy Bishop](https://www.searchenginejournal.com/google-updates-keyword-matching-processes-for-phrase-broad-match/420849/) et [Greg Finn](https://cypressnorth.com/paid-search-marketing/sorry-google-there-are-benefits-to-using-multiple-match-types-when-using-broad-match-with-smart-bidding/?mkt_tok=NzI3LVpRRS0wNDQAAAF_xXY8u3eV6SLJ2MCzVfor1OaEbOD8P-VLFgvTEgGonFpWOF6DAEUPp18TzYl5pP_2WRTQ45VrCsNA-zKMwPZRsfSt2QW1rn6a-XLv2eiNuMqhAQ) ont soutenu qu'il y a encore de la valeur à maintenir plusieurs types de correspondance pour le même mot-clé malgré la poussée de Google pour inciter les annonceurs à passer à une combinaison d'enchères intelligentes + correspondance large. ## L'attribution basée sur les données est désormais le modèle d'attribution par défaut Dans un mouvement s'éloignant de l'attribution au dernier clic, Google a [annoncé](https://blog.google/products/ads-commerce/data-driven-attribution-new-default/) que l'attribution basée sur les données (DDA) sera le modèle d'attribution par défaut pour toutes les nouvelles actions de conversion, à partir d'octobre 2021. Google a reconnu que le modèle d'attribution au dernier clic ne répond pas aux besoins des annonceurs car il ignore tout sauf la dernière recherche avant qu'un utilisateur ne convertisse. Jusqu'à présent, les annonceurs sans volume de conversion suffisant pour se qualifier pour l'attribution basée sur les données étaient conseillés de passer à un modèle basé sur la position ou la dégradation temporelle. Google a abordé les exigences minimales de données pour utiliser la DDA et a déclaré : « nous supprimons les exigences de données et ajoutons le support pour des types de conversions supplémentaires. Avec ces améliorations, nous faisons également de l'attribution basée sur les données le modèle d'attribution par défaut pour toutes les nouvelles actions de conversion dans Google Ads. » ### En quoi l'attribution basée sur les données est-elle meilleure ? Prenons l'exemple d'un utilisateur cherchant des chaussures de course. Cet utilisateur effectue plusieurs recherches différentes avant de convertir. Elle pourrait commencer par des recherches pour '_baskets_' ou '_chaussures de course_', et après avoir découvert la gamme de chaussures de course d'Adidas, faire une autre recherche pour un modèle spécifique dans sa couleur et taille préférées, et acheter les chaussures. Le problème avec l'attribution au dernier clic est qu'elle attribue tout le crédit au dernier clic. Elle va ignorer le fait que l'utilisateur a interagi avec plusieurs de vos annonces ; elle va ignorer le fait qu'elle est arrivée au mot-clé final parce qu'elle a été exposée à des mots-clés en haut de l'entonnoir en premier. Tous ces différents mots-clés que l'utilisateur a recherchés avant de convertir sont complètement ignorés. L'attribution basée sur les données vous donne une meilleure image de l'ensemble du parcours d'achat. Google examine maintenant la séquence des recherches et voit comment une requête individuelle s'intègre dans cette séquence. Il estime la contribution de chaque mot-clé à la conversion finale. L'illustration suivante tirée du [livre blanc sur la méthodologie DDA](https://storage.googleapis.com/support-kms-prod/ZE4MkdC48eBBSamm0nxLYGmzjePuXAIpkhQx) de Google montre comment une requête particulière pourrait être pondérée. ![Séquence de requêtes et comment elles sont pondérées par l'attribution basée sur les données](/forestry/example-of-data-driven-attribution.webp "Exemple d'attribution basée sur les données") En fin de compte, l'attribution basée sur les données vous aide à mieux comprendre la valeur de tous vos mots-clés. Avec cette connaissance améliorée, vos optimisations manuelles et automatisées peuvent s'améliorer. Par exemple, lorsque vous trouvez un terme de recherche non convertissant, vous pourriez l'ajouter comme mot-clé négatif, décider de ne pas enchérir dessus du tout, ou enchérir moins. Si vous faisiez cela sur la base de données de conversion incomplètes, comme avec les données que vous obtiendriez de LCA, vous pourriez nuire à la performance d'un compte. Grâce à la DDA, vous pouvez faire de meilleures optimisations. Aucun modèle d'attribution ne vous donnera des informations 100 % précises, mais l'attribution basée sur les données se rapproche le plus de vous donner les informations qui vous permettront de réduire les dépenses inutiles. Enfin, encourageant les annonceurs à combiner l'attribution basée sur les données avec les enchères automatisées, Google a déclaré : « Lorsqu'elle est combinée avec des stratégies d'enchères automatisées, l'attribution basée sur les données peut générer des conversions supplémentaires au même coût par acquisition. Cela est dû au fait que nos systèmes peuvent mieux prédire l'impact incrémental qu'une annonce spécifique aura sur la conversion et ajuster les enchères en conséquence pour maximiser votre ROI. » Si vous ne connaissez pas déjà les dangers de combiner les enchères intelligentes et l'attribution au dernier clic, vous pouvez en lire plus [ici.](https://www.optmyzr.com/fr/blog/why-smart-bidding-and-last-click-attribution-are-a-dangerous-combination/) Image Copyright PixieMe - stock.adobe.com --- *Source: [Dernières mises à jour de Google Ads : Processus de correspondance des mots-clés mis à jour et modifications du modèle d'attribution](https://www.optmyzr.com/fr/blog/google-ads-keyword-prioritization-attribution-model/)* *© Optmyzr. All rights reserved.*