Comment générer une croissance de Google Shopping avec un seul de chaque produit

Google Shopping est un produit Google ADS qui permet aux annonceurs de diffuser des annonces basées sur les flux sur la page Résultats du moteur de recherche (SERP).

La vente aux enchères pour les annonces de shopping fonctionne de la même manière que les publicités de texte Google, en ce sens que la vente aux enchères est basée sur la requête.

Cependant, Google Shopping ne cible pas les mots clés et utilise le flux (et quelques autres facteurs) pour déterminer quand et où diffuser des annonces.

Voici un exemple des résultats de Google Shopping sur un SERP:

Les annonceurs devraient augmenter leurs dépenses sur les annonces de recherche de médias américains, avec une croissance prévue de 23,4% en glissement annuel en 2028, ce qui a poussé les dépenses totales à 76,83 milliards de dollars.

Google Shopping offre aux annonceurs la liberté de servir:

• Images du produit.
• Clear Product titres.
• Descriptions riches en contenu.
• Prix ​​initial.
• Promotions.
• Frais d’expédition.

Google Shopping permet aux annonceurs d’informer les chercheurs sur leurs produits avant de cliquer sur – et par rapport aux annonces textuelles standard – a le potentiel de générer un trafic mieux qualifié.

Des détaillants multinationaux aux boulangeries locales, des centaines de milliers de marques utilisent les achats Google pour mettre leurs produits devant les chercheurs chaque jour.

Comment trouver du succès avec Google Shopping Ads?

De nombreux facteurs déterminent comment la publicité en ligne fonctionne, des indicateurs de performance clés (KPI) aux prix, aux options de paiement, à l’imagerie, à la vitesse du site, à la responsabilité sociale d’une entreprise, etc.

Cependant, à la recherche uniquement du point de vue de la plate-forme publicitaire à Google Shopping, le seul facteur qui déterminera le succès est données.

• Alimentation des produits: Les données de votre flux doivent être de haute qualité, précises et bien planifiées. C’est le cœur de Google Shopping et est un facteur énorme dans la détermination des requêtes de recherche pour lesquelles vos annonces de magasinage entrent dans la vente aux enchères. Dans la mesure du possible, ingérez des données supplémentaires qui aideront à alimenter les stratégies d’appel d’offres, les rapports, et plus encore avec des informations précieuses sur vos produits.
• Segmentation: Il existe de nombreuses façons de segmenter les campagnes d’achat Google: par marge, catégories de produits, longueur de requête de recherche, meilleurs vendeurs, etc. La segmentation et la structure sont importantes car c’est là que les annonceurs peuvent contrôler leurs budgets, fixer des cibles et poser les fondements de la mise à l’échelle des dépenses.
• Budgets et enchères: Si votre structure et votre segmentation se prêtent à vos KPI, vous serez en mesure de définir des budgets en toute confiance et de construire un portefeuille d’objectifs d’appel d’offres qui fonctionneront vers le bon objectif.
• Raffinement: Il n’y a pas de mots clés, mais il existe des mots clés négatifs. Utilisez-les pour affiner vos campagnes et groupes d’annonces pour saisir des enchères pour les requêtes de recherche qui s’alignent avec vos KPI. Il se peut que pour les requêtes génériques de l’entonnoir supérieur, vous voulez servir une certaine catégorie mais pas une autre; Il s’agit d’un cas d’utilisation parfait pour nier les requêtes et l’entonnoir du trafic.
• Performance Max: Je ne pouvais pas parler de shopping sans mentionner PMAX. Tout ce qui précède s’applique; La seule différence est que la segmentation fonctionne légèrement différemment avec les groupes d’actifs et une seule cible, qui est fixée au niveau de la campagne par rapport au niveau du groupe d’annonces pour Google Shopping.

Avec ces bases en place, à partir du moment où vous activez vos campagnes, vous rassemblerez des données et l’apprentissage.

Cet apprentissage est l’épine dorsale des campagnes shopping, fournissant des données cruciales Google (et l’algorithme d’appel d’offres) jusqu’au niveau SKU.

Au fil du temps, vous commencerez à découvrir une richesse de perspectives, comme:

• Quels produits ont le taux de conversion le plus élevé?
• À quoi ressemble l’engagement pour la catégorie A lorsqu’il est servi pour les requêtes de recherche supérieure de l’entonnoir?
• Qu’arrive-t-il au taux de conversion lorsque les produits A, B et C abandonnent le stock?

Ces données alimentent l’apprentissage automatique car Google comprend comment vos produits fonctionnent sur des centaines de milliers de points de contact.

Ce modèle convient à la plupart des marques de commerce électronique avec plusieurs stocks de chaque article pour rassembler des heures supplémentaires sur ce qui fonctionne et ce qui ne fonctionne pas.

Quels modèles commerciaux ont un de chaque produit?

• Auctions, par exemple, eBay.
• Marchés, par exemple, Etsy.
• Seconde main / pré-aimée, par exemple, vinte.
• Un mélange de ce qui précède. Les détaillants typiques qui ont adopté une fonctionnalité de marché ou un bras pré-aimé de leur entreprise, comme Farfetch.

L’échelle de l’entreprise, de la verticale, du marché, etc., toutes jouent un rôle dans la détermination du stock de chaque SKU.

Prenez une marque comme eBay, un marché mondial en ligne avec à la fois des enchères et «achetez-le maintenant». Ils ont des milliers d’articles où le niveau du stock est supérieur à un, et des milliers où il en est l’un.

Il existe des milliers de maisons de vente aux enchères, des détaillants d’occasion, des marchés et plus encore qui ont une configuration similaire, mais à plus petite échelle.

Mais pour ce post, nous nous concentrons uniquement sur l’un des produits.

Comment ce modèle commercial a-t-il un impact sur Google Shopping?

Ce type de campagne prospère sur les données, et cela traverse chaque couche, de la stratégie d’appel d’offres jusqu’aux performances individuelles de SKU.

Le flux est le cœur de Google Shopping, et avec les SKU changent fréquemment (selon l’entreprise), accumulant des données sur lesquelles SKU exécute le meilleur / le pire fonctionne différemment car les SKU se vendent et peuvent ne plus être dans le flux pendant des semaines, des mois ou dans certains cas, jamais.

Il existe un certain nombre de considérations qui doivent être prises en compte:

• Apprentissage: Avec un seul de chaque SKU, les articles peuvent se vendre rapidement, tandis que certains articles peuvent être dans le flux plus longtemps. Les algorithmes d’appel d’offres auront du mal à recueillir des données pour optimiser vers vos KPI, et un manque de données historiques limitera l’apprentissage automatique, en particulier au niveau du produit.
• Alimentation: Les données de votre flux de produits doivent être riches, à jour et alignées avec vos objectifs médiatiques payants. Ceci est encore plus important lorsque les SKU sont ajoutés / supprimés fréquemment, car cela entraînera l’instabilité avec l’apprentissage, les rampes, etc.
• Rapports: Avec les réseaux uniques en son genre, l’interprétation des données dans la plate-forme AD est essentielle; Ce n’est pas comme si vous pouviez filtrer par des ventes> 0 sur une plage de dates et décider comment structurer vos campagnes, car de nombreux SKU auront été et disparus.
• Automation: Les stratégies d’offre peuvent certainement être utilisées, mais contrairement aux détaillants traditionnels qui peuvent avoir des objectifs ROAS / CPA intégrés qui restent assez stables, les subtilités de la performance des catégories et la connaissance exactement de ce que les produits ont vendu sont essentiels car cela change en constante évolution et aura un impact sur la façon dont vous alimentez les données dans l’apprentissage automatique.
• Attribution du budget: Lorsque vous construisez à long terme, les fluctuations de performance rendent difficile la définition de budgets pour tirer le meilleur parti de vos dépenses médiatiques. Les rapports étanches sont essentiels et la communication entre les équipes est essentielle pour aider à repérer les tendances, planifier l’inventaire à l’avance et rester aussi efficace que possible.
• Reciblage dynamique (et pmax): Le reciblage dynamique utilise le flux pour diffuser des annonces de produits au public (par exemple, les visiteurs du site Web qui ont ajouté un article à un panier et non acheté) et peuvent être exécutés isolément ou en tant que partie de PMAX. Avoir un de chaque produit crée une déconnexion car plusieurs utilisateurs pourraient être intéressés par un élément, et lorsqu’il est vendu, il est parti du flux.

Ce ne sont qu’un instantané des limitations, et il y en a plus.

Mais cela ne signifie certainement pas que c’est un non-starter.

Une approche différente est nécessaire, par rapport à Google Shopping, pour un modèle de commerce électronique traditionnel. Surtout, la communication et la planification seront l’épine dorsale du succès, car ces campagnes ne tombent certainement pas dans la gestion de la recherche «définie et oublié».

Pouvez-vous mettre à l’échelle Google Shopping pour ce modèle commercial?

Absolument.

Cela nécessitera une nouvelle perspective sur la façon dont vous signalez, optimisez et planifiez votre budget médiatique, mais c’est certainement réalisable.

Regardez eBay. Il dépense> 150 millions de dollars chaque année sur les publicités Google, la majorité étant via des annonces de listes de produits (PLAS).

Voici quelques approches qui sont essayées et testées:

Déclaration

Les rapports au niveau du produit seront utiles pour toute entreprise de commerce électronique. Cependant, avec les produits qui se déroulent fréquemment en stock, un accent sur les catégories (ou les groupements sur mesure) est essentiel.

Disons que vous êtes une maison de vente aux enchères de meubles à domicile avec un grand inventaire. Dans la masse des données, vous devrez trouver des tendances, et ces tendances se situent dans diverses catégories, qui sont formées à partir de données de produit agrégées au fil du temps.

Cela pourrait être:

• Designers ou marques les plus recherchés.
• Les couleurs la plupart achetées de la catégorie A.
• Partage de la recherche par catégorie entre les supports AOV.

Ces données alimenteront presque toutes les stratégies et tactiques adoptées dans le compte, de la structuration à la prévision et à la fixation des objectifs d’appel d’offres.

Ces rapports peuvent être automatisés, puis interrogés pour fournir à chaque partie prenante une vision différente des performances qui ramène tous à la croissance de la croissance grâce à Google Shopping:

• Les acheteurs peuvent vouloir voir quelles catégories ou des concepteurs indexent fortement par le volume de recherche pour alimenter la planification, ce qui, à son tour, aide à l’achat de Google en tant que produits / catégories qui effectuent le meilleur sont ensuite stockés à l’avenir.
• Les équipes de recherche rémunérées voudront une vue de la façon dont ROAS / CAC a tendance au fil du temps par catégorie pour savoir comment fixer des cibles réalistes aux niveaux de la campagne, du groupe d’annonces et des groupes de produits.
• Les équipes d’analyse ont besoin d’une vue sur le décalage du temps entre la première date de session par campagne et la date d’achat pour fournir des commentaires aux équipes marketing sur la façon de faire rapport avec précision sur les performances des publicités Google.

Optimisation

Google va avoir du mal à obtenir suffisamment de données pour optimiser au niveau du produit.

En reflétant vos rapports, vous aurez besoin d’une vue sur les performances au niveau de la catégorie (ou d’un autre groupe), car les performances individuelles des produits ne seront pas alimentées dans vos campagnes comme pour un magasin de commerce électronique typique assis sur le stock.

Vous devrez effectuer le travail en analysant les performances sur plusieurs segments pour créer une image de la façon dont chaque catégorie fonctionne pour ensuite définir les budgets et les cibles d’appel d’offres et maintenir les tâches quotidiennes requises pour gérer les campagnes d’achat Google.

Flux de produits

Il est essentiel que votre flux soit optimisé et que vous ingérez autant de données supplémentaires que possible (dans des limites raisonnables).

Ces données alimenteront vos campagnes d’achat Google, et le temps investi se reviendra sur la ligne.

Prenez l’exemple du magasin de meubles. Il peut compléter ses données avec l’ère, le concepteur, etc. Lorsque de nouveaux éléments sont ajoutés, ces données supplémentaires peuvent aider les produits de groupe dans des segments avec des cibles et des budgets réalistes par rapport à la démission dans une catégorie de niveau supérieur et à s’appuyer sur les performances du produit pour déterminer les SCK à servir.

Surtout, il doit y avoir une propriété et un processus d’ajout de réseaux de réseaux au flux.

Bien que les produits se déplacent fréquemment dans et hors de votre alimentation, il y aura probablement des cohortes de SKU qui resteront dans le flux pendant un certain temps, ce que vous devriez garder un œil car celles-ci pourraient avoir besoin de retirer / réduisant conformément à l’efficacité.

Résumé: Les annonceurs devront penser à leurs pieds

Une grande partie du travail impliqué dans la navigation dans ce modèle commercial et la mise à l’échelle des achats Google se déroule en dehors des comptes d’annonces.

Les annonceurs doivent interpréter et partager des données dans l’activité plus large, et ce processus fonctionne dans les deux sens.

Quels sont les acheteurs de l’entreprise qui envisagent de faire venir et où cela se situe-t-il avec la stratégie d’achat de Google? Y a-t-il des catégories tendances à la hausse qui peuvent être partagées avec l’équipe plus large pour capitaliser?

Sans données de produits stables, les annonceurs devront penser à leurs pieds et être entièrement ancrés au sein de l’entreprise, ce qui en 2025 est essentiel – quel que soit le modèle commercial.

Plus de ressources:

---

Image en vedette: Bestforbest / Shutterstock