Êtes-vous parfois frustré par le manque de résultats lorsque vous essayez une nouvelle automatisation, qu’il s’agisse d’enchères intelligentes de Google ou de quelque chose que vous avez créé vous-même à l’aide d’un script ou d’une macro dans une feuille de calcul ?

Vous n’êtes pas seul.

Lorsque les moteurs partagent des études de cas sur les résultats étonnants de leur dernier système de gestion de compte automatisé, ce qui n’est souvent pas dit, c’est tout le travail qui a été nécessaire pour créer les bonnes conditions pour que l’automatisation brille.

Pour que les automatisations soient efficaces, certaines conditions préalables doivent être remplies.

Voici une manière simple d’illustrer le fait que l’efficacité de l’automatisation dépend de facteurs externes. J’ai repris ce concept à partir d’une présentation donnée par Russell Savage qui a fondé FreeAdWordsScripts.com (dont Optmyzr est maintenant propriétaire).

Pourquoi l'attribution au dernier clic tue vos performances PPC

Savage a déclaré que pour qu’une automatisation, comme une voiture autonome, soit efficace, il est utile que les routes soient clairement marquées.

Cela semble assez évident, non?

Mais maintenant, que se passerait-il si nous avions cette route parfaite mais que notre GPS était éteint et essayait de conduire au mauvais endroit ?

Nous avons besoin d’objectifs clairs et de mesures et de capteurs corrects pour y parvenir.

Pour traduire cela dans le monde du PPC, nous avons besoin de :

  • Un compte bien structuré.
  • Corrigez les données de conversion.
  • Le modèle d’attribution correct (indice : le modèle d’attribution correct est ne pas attribution au dernier clic).

L’apprentissage automatique dépend de données correctes

Les modèles d’apprentissage automatique sont, comme leur nom l’indique, des systèmes qui apprendre comment arriver à quelque chose.

Il existe différentes approches spécifiques pour atteindre cette capacité d’apprentissage. Généralement, cela dépend du raffinement du processus de décision de la machine lorsque sa décision ou sa prédiction n’est pas conforme au résultat attendu et souhaité.

Permettez-moi de donner un exemple simple tiré de mes jours au sein de l’équipe Quality Score de Google.

Un modèle d’apprentissage automatique a examiné les données historiques sur les enchères publicitaires. Il a examiné toutes les conditions d’une recherche et les attributs des annonces sur lesquelles on a cliqué.

En comparant ces signaux, il a peut-être appris que le CTR est généralement meilleur lorsque le domaine de l’annonceur correspond à l’emplacement de la personne effectuant une recherche (par exemple, un utilisateur français peut être davantage attiré par les annonces avec des domaines .fr qu’avec des domaines .de) .

La machine peut l’apprendre car Google dispose de données correctes sur les taux de clics.

Mais que faire si leurs données CTR étaient inexactes ? Ensuite, le système pourrait avoir commencé à renforcer ce que les humains qui l’ont programmé considéreraient comme des décisions incorrectes.

C’est l’idée de « garbage-in, garbage-out ». C’est le principe selon lequel de bonnes décisions dépendent de bonnes informations.

Parce que les machines manquent de jugement humain, elles dépendent encore plus de bonnes données que les humains. Ils ne peuvent pas facilement déterminer qu’une prédiction qui semble statistiquement valable peut tout simplement ne pas tenir la route dans le monde réel.

Alors, comment donner des données correctes aux automatisations ? Tout commence par le suivi des conversions et les modèles d’attribution.

Les modèles d’attribution doivent refléter les parcours typiques des consommateurs

À moins qu’un consommateur ne soit fortement fidèle à la marque, il est probable qu’il effectuera plus d’une recherche avant d’acheter quelque chose et qu’il aura plusieurs points de contact avec une variété de marques au cours de ce qu’on appelle son parcours client.

Un parcours client peut comporter des centaines d’étapes donc pour le simplifier un peu, on peut penser à un entonnoir de conversion où les étapes du parcours sont regroupées en étapes.

J’utiliserai le visuel plus simple d’un entonnoir pour expliquer pourquoi les modèles d’attribution sont si importants lors de l’utilisation d’une automatisation dans un compte.

Dans un entonnoir, les prospects traversent différentes phases jusqu’à ce que certains d’entre eux sortent finalement au bas de l’entonnoir et deviennent votre client.

Vraisemblablement, chaque étape de cet entonnoir contribue au processus de transformation d’un prospect en client et le travail du modèle d’attribution consiste à attribuer la valeur correcte à chacune de ces étapes.

Comme je l’ai déjà dit, la plupart des voyages comportent plus d’une étape.

Un modèle d’attribution au dernier clic (ou un modèle au premier clic) ne valorise qu’une seule étape, de sorte qu’il ne correspond pas bien au comportement typique des consommateurs.

Il ignore les contributions apportées par toutes les autres étapes que le prospect a franchies pour devenir client. Pourquoi l'attribution au dernier clic tue vos performances PPC

La plupart des consommateurs effectuent plusieurs recherches et doivent être guidés tout au long du parcours client jusqu’à la conversion. L’attribution au dernier clic fait l’erreur de ne pas valoriser les points de contact antérieurs, comme les recherches dans l’entonnoir supérieur, qui aident le prospect à accéder aux recherches généralement effectuées plus près d’une conversion.

Une partie de la raison pour laquelle les gestionnaires de compte ont pu s’en tirer avec des modèles d’attribution imparfaits est qu’à l’époque de la gestion manuelle des comptes, nous pouvions espérer que les gestionnaires de compte étaient assez intelligents pour se rendre compte qu’un utilisateur recherchant [washing machines] pourrait ne pas être converti au clic suivant.

En les renseignant sur la réputation de leur marque, cet utilisateur pourrait désormais connaître la marque et rechercher quelque chose de plus spécifique comme [LG washing machines].

À partir de là, ils pourraient voir des annonces sur toute la gamme et être convaincus de rechercher [best price for LG TWINWash] et convertir au prochain clic.

Nous nous sommes appuyés sur la sensibilité des humains pour ne pas éliminer les recherches antérieures plus génériques, même si elles pouvaient apparaître dans Google Ads comme n’ayant généré aucune conversion.

Les sécurités humaines pour les mauvaises données d’attribution ne fonctionnent pas avec l’automatisation

Mais maintenant, le PPC devient chaque jour plus automatisé. Vous pouvez décider de tester les enchères intelligentes où Google définit le CPC en fonction d’un objectif de CPA cible ou vous pouvez utiliser une approche basée sur des règles comme avec le moteur de règles d’Optmyzr pour trouver des mots clés coûteux qui ne génèrent pas de conversions.

Le problème est que la plupart de ces automatisations utilisent des données de conversion pour faire leur travail.

Et lorsqu’ils rencontrent des mots clés de l’entonnoir supérieur auxquels aucune conversion ne leur est attribuée parce que le système de mesure utilise l’attribution au dernier clic, les automatisations décident que ces mots clés importants sont sans valeur et pourraient les éliminer.

Pourquoi l'attribution au dernier clic tue vos performances PPC

Pour vous et moi, il est immédiatement évident que cela produira de mauvais résultats. Mais nous ne pouvons pas mettre entièrement le blâme sur l’automatisation.

L’automatisation fait son travail, mais avec des données incomplètes et cela peut l’amener à prendre des décisions médiocres que les humains n’auraient pas prises en gérant manuellement le même compte.

Les plats à emporter

J’espère que vous avez appris trois choses grâce à cet article :

  • Les automatisations ne fonctionnent pas comme par magie. Ils ont encore besoin de l’aide des humains.
  • La façon dont vous attribuez une valeur aux conversions est plus importante que jamais si vous utilisez une automatisation. L’attribution au dernier clic est risquée à utiliser avec l’automatisation.
  • Nos tâches en tant que professionnels du PPC passent de l’exécution à la mise en place de la bonne combinaison de systèmes automatisés qui produiront d’excellents résultats.

Je sais que je ne peux pas terminer ce post sans répondre à une question cruciale.

Si nous ne pouvons plus compter sur l’attribution au dernier clic, quel modèle devrions-nous utiliser à la place ?

C’est une réponse compliquée à laquelle je répondrai dans un prochain article, mais je peux partager qu’un modèle de décroissance temporelle est le premier choix évident pour les annonceurs qui ne savent pas laquelle des six options de Google choisir.

La dégradation temporelle ressemble le plus au dernier clic, mais présente l’avantage supplémentaire d’attribuer au moins une certaine valeur à chaque étape du parcours client.

Davantage de ressources:

  • Ce que les spécialistes du marketing de recherche doivent savoir sur l’attribution
  • L’amélioration de la conversion est-elle l’avenir de l’attribution ?
  • PPC 101 : Un guide complet des bases du marketing PPC

Crédits image

Images/captures d’écran postées par l’auteur, juin 2019

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici