L’un des meilleurs moyens d’augmenter votre rentabilité ? Tests fractionnés A/B. Google Ads propose une fonctionnalité appelée Tests dans laquelle vous pouvez créer des tests personnalisés pour vos campagnes et comparer les performances de votre groupe de test par rapport à vos campagnes d’origine (groupe de contrôle) au fil du temps.
Le seul problème est que cela n’est disponible que pour les campagnes de recherche et d’affichage. Pas pour faire du shopping. Heureusement, j’ai trouvé cinq façons de tester plusieurs variantes de vos campagnes Shopping, c’est ce que nous allons approfondir dans cet article.
Comment tester A/B les informations produit
Les informations sur les produits de test A/B telles que les titres, les images ou les extensions peuvent être utiles pour optimiser votre flux de produits
Cela peut être fait lors de la configuration de votre flux, soit via un outil de gestion de flux, soit manuellement dans Google Merchant Center. Une fois que vous avez décidé ce que vous voulez tester, vous devrez créer des groupes égaux de produits. Cela peut se faire de plusieurs façons, j’utilise principalement les deux méthodes suivantes :
1. La méthode d’analyse par grappes
Avec une analyse de cluster, vous divisez en fonction des performances historiques (par exemple, en divisant vos produits en groupes égaux en fonction de mesures telles que les clics, les revenus, les coûts et la valeur de conversion). Vous pouvez le faire via une feuille de calcul pour les petits ensembles de données ou en R (ou d’autres langages de programmation) pour les grands ensembles de données.
2. La méthode du partage aléatoire
Une répartition aléatoire peut être effectuée en fonction de l’ID de votre produit. Par exemple, si vous utilisez des valeurs numériques comme ID de produit, vous pouvez affecter le groupe A à tous les nombres pairs et B à tous les nombres impairs.
La chose la plus importante lors de la division de vos produits est de vous assurer que tous les groupes de votre expérience ont un nombre égal de produits et que vos métriques clés sont également très proches.
Une fois que vous avez effectué la répartition, apportez les modifications aux ID de produit dans votre groupe de test. Assurez-vous que vous êtes en mesure de générer des rapports sur tous vos ID de produit et les groupes correspondants. De cette façon, vous pouvez les analyser et trouver des gagnants. Vous trouverez ci-dessous un exemple de ce à quoi cela ressemblerait dans votre flux.
Comment tester les paramètres de campagne A/B
Si vous souhaitez diviser les paramètres de campagne de test tels que le ROAS, le ciblage ou différents types de campagne, vous devrez effectuer des répartitions basées sur autre chose que les ID de produit. Idéalement, vous souhaiterez proposer les mêmes produits dans vos groupes de contrôle et de test, car les performances peuvent varier d’un produit à l’autre. Vous pouvez effectuer trois divisions différentes pour tester vos paramètres. Tout comme la configuration du test sur le contenu du produit, la création de groupes égaux est essentielle. Avec toutes les méthodes, vous devez effectuer vous-même l’analyse des grappes de données. Créez deux ou plusieurs groupes égaux et analysez en fonction des différences.
3. La méthode de fractionnement de Customer Match
Avec Customer Match, vous pouvez cibler des audiences propriétaires dans Google Ads. Cela fonctionne en téléchargeant une liste d’adresses e-mail à partir de votre base de données existante que vous souhaitez cibler, et Google associera ces adresses e-mail aux comptes Google.
Comment faire
Si vous utilisez Customer Match, vous devriez pouvoir créer une répartition des cookies dans votre logiciel CRM. Vous pouvez ensuite créer deux campagnes différentes à l’aide de deux audiences Google Customer Match différentes. Modifiez le paramètre que vous souhaitez tester dans votre campagne de test et conservez tout le reste de la même manière dans votre campagne de contrôle. Et c’est tout.
Noter: Si vous utilisez Customer Match, assurez-vous d’avoir une troisième campagne en cours d’exécution pour tous les clients potentiels qui ne figurent pas dans votre base de données. De cette façon, vous ne perdez aucune conversion potentielle.
Avantages
- Répartition aléatoire : en divisant les cookies, vous obtenez en fait une répartition aléatoire qui est souvent utilisée dans d’autres tests A/B.
- Données fiables : En raison de la répartition aléatoire, les résultats sont fiables et reproductibles.
Les inconvénients
- Difficile à mettre en œuvre : tous les annonceurs ne disposent pas des ressources nécessaires pour mettre en œuvre la correspondance client ou effectuer la répartition aléatoire dans leur CRM.
- Pas terminé à 100 % : ce test ne s’applique qu’aux clients existants dans votre base de données. Cela signifie que les résultats ne sont pas valables pour les nouveaux clients potentiels.
4. La méthode de test géo-split
Les répartitions géographiques sont souvent utilisées pour trouver des augmentations incrémentielles dans les campagnes. Cela pourrait répondre à des questions telles que : la publicité sur les mots clés de marque présente-t-elle une valeur supplémentaire ?
Comment faire
Dans un test géographique, un marché est divisé en régions géographiques plus petites appelées géos. Chaque zone géographique est affectée soit à un groupe de contrôle, soit à un groupe de test. Les utilisateurs des zones géographiques de test sont exposés aux campagnes modifiées tandis que les utilisateurs des zones géographiques de contrôle reçoivent les campagnes de contrôle. La répartition peut être effectuée par pays ou par région, tant que les deux groupes régionaux sont fortement corrélés. Vous devrez utiliser l’analyse de cluster pour déterminer vos groupes.
Avantages
- Facile à configurer : toute personne ayant un peu d’expérience avec Google Ads peut le configurer.
- Fiable : étant donné que nous divisons les mêmes campagnes, la saisonnalité ne peut pas avoir d’influence.
Les inconvénients
- Le comportement peut varier considérablement selon la zone géographique. Il est essentiel d’avoir deux groupes hautement corrélés. De plus, la saisonnalité peut différer selon la géolocalisation. Il n’est pas idéal de comparer l’Alaska au Texas si vous vendez du matériel de plein air.
- Un peu difficile à préparer : l’analyse de clusters sur le ciblage géographique peut être délicate lorsqu’il s’agit de géolocalisations plus petites.
5. La méthode de fractionnement de campagne
Dans une division de campagne, vous divisez simplement vos campagnes ou vos comptes en deux groupes hautement corrélés. Les deux groupes doivent disposer d’un nombre égal d’indicateurs clés tels que les clics, les conversions et les coûts.
Comment faire
Dans un groupe de campagnes (groupe de test), vous apportez les modifications tandis que dans le groupe de contrôle, vos meilleures pratiques actuelles serviront. Si vous étiquetez et suivez les différents groupes de campagnes, vous pouvez en savoir plus sur les différences de performances.
Le budget et la stratégie d’enchères sont deux paramètres que vous pouvez tester.
Avantages
- Très facile à configurer : vous n’avez besoin de modifier les paramètres que dans la moitié de vos campagnes et c’est tout.
Les inconvénients
- Moins fiable : la saisonnalité peut jouer un rôle dans différentes campagnes, en particulier si vos campagnes sont divisées par catégorie de produits (avez-vous essayé la structure de campagne d’enchères prioritaires ?).
- La préparation peut être difficile : l’analyse de clusters sur des groupes de campagnes peut être difficile lorsqu’il s’agit de petits ensembles de campagnes et de données.
Dernières pensées
C’est ça! Cinq façons différentes d’exécuter des tests A/B pour vos annonces Google Shopping :
- Testez les attributs de flux de produits en créant des groupes avec une analyse de cluster.
- Testez les attributs du flux de produits en créant des groupes avec une répartition aléatoire.
- Testez les paramètres de campagne avec les groupes de ciblage par liste de clients.
- Testez les paramètres de campagne avec les géos.
- Tester les paramètres de campagne avec des groupes de campagne
La qualité du résultat dépend de la qualité de votre analyse préliminaire (cluster) et de votre configuration. Ce que vous obtenez est ce que vous y mettez. J’espère que cela vous aidera à optimiser vos campagnes Google Shopping. Si vous essayez l’une de ces méthodes, partagez les résultats dans les commentaires ! Pour l’instant, passez une merveilleuse journée et continuez à optimiser !
Soléne Laupez Social Media Manager chez @LCM
