[Étude de cas] Comment gérer efficacement les variations de produits sur Facebook et Google

Le problème : optimisation et mise à l'échelle

Notre client avait deux objectifs fondamentaux :

1. Croissance rapide : ils étaient en retard sur leurs ventes prévues et le Black Friday arrivait.
2. Optimiser leur budget : ils souhaitaient tirer le meilleur parti de leur budget en dépensant plus sur un plus petit nombre de variantes.

En fait, ils avaient un grand nombre de variantes de taille (par rapport aux produits parents) :

• 150 produits parents
• Plus de 1200 variantes de taille

Un calcul très simple nous a permis de comprendre comment le choix d'inclure ou non des variantes pouvait influencer les résultats de leurs campagnes.

Avec des variantes de taille :

• CPC vertical moyen : 0,10 € - 0,20 €
• Budget shopping journalier : 100 €
• Clics quotidiens estimés : 500 à 1 000 clics
• Nombre de SKU avec variantes : 1200
• Clics estimés par produit : 0,41 - 0,83
  

Sans variantes de taille

• CPC vertical moyen : 0,10 € - 0,20 €
• Budget journalier pour le shopping : 100 €
• Clics quotidiens estimés : 500 à 1 000 clics
• Nombre de SKU sans variantes : 150
• Clics estimés par produit : 3,33 - 6,66

Nous avons lancé des campagnes Google Shopping et Search pendant un certain temps pour voir combien de personnes recherchaient ces chaussures pour femmes fabriquées en Italie tout en incluant la taille dans la recherche. Nous avons exporté les termes de recherche et les avons isolés et avons constaté que les termes de recherche qui incluaient des tailles (ex 42) ne couvraient même pas 1 % du total des recherches.

Nous avons également pris en compte le taux de conversion moyen du secteur vertical des chaussures sans marque, qui se situe entre 0,80 % et 1,50 %.

À ce moment-là, nous ne pouvions pas nous permettre de travailler sur un flux qui incluait des variantes tenant compte de tous ces facteurs ensemble, en plus de devoir se développer rapidement.

Notre point de départ

Notre stratégie initiale consistait à exporter un flux qui n'incluait pas de variantes de taille. Ce type de variante a exactement le même prix et la même photo que le produit parent, contrairement aux variantes de couleur qui ont des photos différentes et aux variantes de taille enfant qui peuvent changer en fonction du prix.

Ce n'était pas facile à faire avec Shopify car la plateforme utilise plus de variantes que la plupart des autres systèmes de gestion de contenu en dédiant une URL différente à chacune. Cela rend le travail avec les produits parents encore plus difficile après la personnalisation des modèles.

De plus, il y avait le problème du Dynamic Remarketing. Nous devions nous assurer que la balise de remarketing Google Ads prendrait les identifiants forcés que nous créerions pour conserver le flux sans variantes au lieu des identifiants natifs de Shopify qui incluent toujours : "shopify" + " _" + "IT" + " _" + "ID de groupe d'articles" + "ID de variante" .

La solution

Compte tenu de tout cela, nous avons décidé d'essayer DataFeedWatch après avoir effectué des recherches approfondies sur les logiciels de gestion et d'optimisation des flux de données. C'était la solution qui permettait le mieux une personnalisation granulaire, stable et durable.

Tout d'abord, nous avons utilisé DataFeedWatch pour créer un flux Facebook. Nous avions alors automatiquement la possibilité d'exclure les variantes de taille et d'exporter ce flux de données via un fichier .xml.

Voici un article qui parle justement de cela : « Devez-vous inclure des variantes et des produits parents dans votre flux de données ? ”

Nous avons ensuite décidé de renommer les identifiants des produits (ainsi que d'autres attributs cruciaux) en utilisant les identifiants parents au lieu des identifiants de variante. En effet, nous voulions éviter un conflit infâme avec l'attribut "disponibilité" qui risquerait d'étiqueter l'ensemble du produit "en rupture de stock" alors que seule la plus petite taille était épuisée, par exemple.

Le résultat était un flux sans variantes de taille, avec tous les attributs en place et prêt à l'emploi :

Créer des annonces Shopping avec des variantes

Dans le même temps, nous avons créé un flux Google Shopping avec toutes les variantes incluses qui seraient utilisées pour les annonces gratuites de Google Shopping . Là en revanche, inclure des variantes est indispensable puisque Google donne la possibilité de visualiser toutes les variantes dans l'onglet Shopping.

Les résultats

Nous sommes ensuite passés de cette situation (où ce produit avait 15 variantes) :

Pour ça:

Le poids de la performance acquiert encore plus de sens et de valeur si l'on considère ces facteurs supplémentaires :

• Avec ce client, nous sommes partis de zéro. Ils n'avaient jamais diffusé d'annonces auparavant, leur marque était nouvelle sur le marché et ils n'avaient aucun historique en ligne ni notoriété de la marque.
• Le site Web a été créé et lancé quelques semaines plus tôt, également sans aucune donnée historique.
• Ils se dirigeaient vers une verticale très compétitive avec de gros concurrents qui ont beaucoup de budget et d'histoire.
• Les prix de leurs produits, dus à des problèmes de coûts internes, n'étaient pas très compétitifs. Leurs produits ont été référencés avec un prix final de 20% supérieur à la moyenne du marché.
• Les résultats sont arrivés immédiatement et de manière constante et évolutive.
  
  

En tirant parti de l' optimisation des attributs de flux avec DataFeedWatch (comme les titres, les descriptions, les promotions et les remises), nous avons pu positionner nos clients au sommet avec stabilité et durabilité. Ils ont pu concourir pour les mêmes mots-clés que ceux pour lesquels les meilleurs vendeurs se classaient.

Créer une stratégie omnicanal

Nous avons utilisé le même flux généré avec DataFeedWatch pour répertorier les publicités Facebook. Cela nous a beaucoup aidés à créer une stratégie omnicanale qui partageait la même source de données pour diverses raisons de suivi et de reciblage.

Depuis lors, le trafic organique et direct a augmenté de façon exponentielle. De plus, en considérant toutes les sources de trafic, le client est passé de 0€ à 300 000€ en seulement 5 mois.

Notre client continue d'utiliser Bitmetrica pour ses activités de marketing numérique et Google Shopping continue de couvrir une grande partie des revenus et du trafic.

Leur marque se développe rapidement et leurs produits sont toujours parfaitement positionnés pour les termes de recherche les plus importants de manière constante et stable.

À propos de Bitmetrica

Bitmetrica est une agence qui aide ses clients à créer une présence en ligne solide, stable et durable pour leur entreprise via les principaux canaux de marketing numérique.

Nous abordons chaque client différemment en adaptant les procédures, les stratégies et les tactiques d'optimisation qui tiennent compte de leurs besoins. Nous visons toujours à pérenniser leurs investissements.