Article de Google DACH – Cet article a été initialement publié sur le Think with Google et nous le publions avec l’aimable autorisation de son auteur. (traduction de l’article par l’ASSOCIATION DE COMMERCE.swiss)
Pour comprendre comment les comportements de recherche évoluent, il faut observer attentivement – comme le fait Lilit Galstyan. Responsable marketing digital chez Bonprix, elle constate chaque jour un changement fondamental dans la barre de recherche Google : les utilisateurs saisissent de moins en moins de requêtes simples comme « robe rouge », mais ils posent plutôt des questions contextualisées, comme par exemple : « Que puis-je porter pour la fête de Noël ? »
Le problème est évident : ces phrases ne contiennent souvent aucun mot-clé classique tel que « robe » ou « tenue de fête ». Et cela change fondamentalement les règles du jeu dans le marketing sur les moteurs de recherche : continuer à miser exclusivement sur des mots-clés rigides comporte le risque d’être invisible précisément au moment où le besoin du client est le plus prononcé. En effet, ceux qui misent sur « robe de soirée » n’apparaissent souvent pas dans les résultats de recherche pour la fête de Noël.
Pour Bonprix, cette évolution représentait un véritable défi stratégique. Afin d’accroître la visibilité de la marque sur 16 marchés, les solutions standards ne suffisaient plus. En tant que first mover, le commerçant n’a toutefois pas attendu : il a misé très tôt sur une nouvelle technologie pour combler le gap entre les intentions de recherche complexes des utilisateurs et des mots-clés rigides.
La renaissance des annonces textuelles
Le détaillant de prêt-à-porter utilisait déjà avec succès les fonctionnalités existantes de Performance Max et des campagnes Shopping standards pour l’acquisition de nouveaux clients. Mais pour pouvoir se développer davantage, il fallait trouver des moyens d’augmenter la portée et les performances des campagnes de recherche centrales. L’entreprise a alors identifié une opportunité que beaucoup négligent dans le domaine du e-commerce : la renaissance des annonces textuelles.
Pendant longtemps, le potentiel d’évolution de ce canal semblait épuisé. Comme la plupart des détaillants de mode, Bonprix se concentrait principalement sur des campagnes Shopping très visuelles (PLA – Product Listing Ads). Mais les images ont leurs limites : avec les Shopping Ads, les questions complexes nécessitant des conseils approfondis restent souvent sans réponse – seul le texte peut fournir la profondeur nécessaire.
Créer manuellement ces réponses pour des millions de variantes de recherche était toutefois irréaliste d’un point de vue opérationnel. Gérer chaque mot-clé de niche individuellement n’est tout simplement pas scalable pour un acteur présent sur 16 marchés. À cela s’ajoute une autre difficulté : les équipes internationales travaillent souvent sans locuteurs natifs, ce qui a créé un déséquilibre. Alors que la région DACH était bien structurée, d’autres marchés n’ont pas exploité leur potentiel.
« Je ne pense pas que des tâches telles que la recherche manuelle approfondie de mots-clés spécifiques nous fassent encore réellement avancer aujourd’hui », résume Ana Gladis, Team Lead Performance Marketing chez Bonprix. « Nous devons consacrer notre temps à des tâches qui nous font progresser sur un plan stratégique. »
Du contexte au lieu des mots-clés
Le tournant a apporté une nouvelle approche : lorsque Ana Gladis a eu l’opportunité de tester en version bêta la nouvelle campagne AI Max de Google, elle n’a pas hésité. Cette solution s’appuie sur l’IA de Google pour ne plus enchérir de manière rigide sur des mots-clés, mais pour comprendre l’intention de recherche derrière chaque saisie.
Le cœur de la technologie réside dans la sélection dynamique des URL (« Final URL Expansion »). Au lieu de définir manuellement quelle annonce renvoie vers quelle landing page, l’IA explore le site de Bonprix en temps réel. Même pour des requêtes vagues, le système associe automatiquement la recherche au contenu le plus pertinent de la boutique en ligne.
« AI Max comprend le contexte », explique Lilit Galstyan. « Même si une nouvelle collection arrive en boutique et que nous n’avons pas encore défini les mots-clés, l’IA trouve quand même la bonne page. »
Pour l’équipe, cet avantage était décisif : elle pouvait désormais réagir rapidement aux tendances sans avoir à modifier constamment la configuration opérationnelle des campagnes. »
Learning : l’IA a besoin de directives claires
Mais l’implémentation n’a pas été facile. L’équipe a très vite compris que l’IA avait besoin de lignes directrices claires. « Au début, la charge de travail était élevée, car il fallait exclure activement des URL de pages de service comme « Mon compte », « Liste de souhaits » ou les mentions légales, afin que l’IA dirige le trafic uniquement vers des pages commerciales », explique Lilit Galstyan.
Mais la configuration des mots-clés était tout aussi importante. Le travail sur les mots-clés négatifs, en particulier, a constitué une base d’apprentissage essentielle pour le système. En même temps, la phase de démarrage exige aussi de la patience et un budget. « Il faut accepter que les coûts augmentent à court terme et que des termes de recherche étranges puissent apparaître », explique Galstyan. L’art consiste à identifier et stopper rapidement ces anomalies afin que l’IA apprenne vite ce qui est réellement pertinent.
Cette approche a également porté ses fruits lors du déploiement international. Bonprix a étendu ses campagnes de manière ciblée là où l’IA montrait les résultats les plus rapides… et a été surpris. L’objectif initial était simplement d’augmenter le trafic, mais le véritable gain résidait dans la qualité. En exploitant des niches invisibles dans les modèles classiques, le commerçant a soudainement atteint de nouveaux clients particulièrement précieux.
Demande incrémentale plutôt que cannibalisation des campagnes
L’équipe s’est aussi interrogée sur un risque potentiel : AI Max allait-il cannibaliser les campagnes Performance Max (PMax) existantes ? « Nous ne savions pas dans quelle mesure PMax répondait déjà ces requêtes de recherche ni combien de trafic supplémentaire nous obtiendrions réellement », explique Ana Gladis.
Les tests ont toutefois rapidement dissipé les craintes. Plutôt que de redistribuer le trafic existant, l’outil a généré une demande incrémentale. L’IA a ouvert l’accès aux utilisateurs du segment « long tail » – des utilisateurs qui n’étaient jusqu’alors pas atteints par PMax. Cela s’est clairement reflété dans les rapports : des requêtes de recherche de huit à dix mots ont apparues, des combinaisons très spécifiques que Bonprix n’aurait jamais pu capter avec des mots-clés classiques.
L’exemple de la mode maternité illustre parfaitement ce potentiel. Les futures mères ne recherchent souvent pas un simple nom de produit ; elles ont un fort besoin de conseil et posent des questions longues et complexes au moteur de recherche. C’est précisément là que l’IA déploie toute sa force : elle fournit la réponse adéquate et permet à Bonprix d’accompagner ces clientes beaucoup plus tôt dans leur parcours client.
Ce gain qualitatif se reflète également dans les indicateurs clés de performance (KPI) des campagnes en Italie :
- le taux de nouveaux clients (mesuré par la fonction d’acquisition de nouveaux clients – NCA) a augmenté de 44% dans les marchés testés
- le coût par nouveau client (CAC – Customer Acquisition Cost) a diminué de 22%
- le taux de conversion a progressé de 15,3%
Pour Ana Gladis, ce succès n’a rien d’un hasard : il est le résultat d’une véritable culture de l’innovation. « Ma devise, c’est : testing is key », affirme-t-elle. « Sans tests, on n’avance pas. » Bonprix se considère comme un first mover : l’entreprise n’attend pas qu’une technologie soit parfaite, elle apprend en l’utilisant et, dans l’idéal, contribue même à la façonner. Lilit Galstyan complète : « En commençant tôt, nous pouvons acquérir de l’expérience avant que la fonctionnalité ne soit déployée pour tous. Cela nous permet d’optimiser la configuration pendant que les autres sont encore en phase d’apprentissage. »
Du micro-management à la stratégie
Bien sûr, l’utilisation de l’IA implique aussi un changement de mentalité au sein des équipes. L’illusion de pouvoir contrôler manuellement chaque parcours client s’estompe. « Pour l’instant, nous essayons encore très fortement de tout contrôler nous-mêmes », admet Gladis. Mais sa vision de l’avenir est claire : « À l’avenir, les choses vont changer et seront davantage dictées par les clients. »
Pour suivre le rythme, il faut abandonner le micro-management et devenir un véritable orchestrateur stratégique. « Utiliser l’IA ne garantit pas automatiquement le succès », prévient-elle. « Il faut les bonnes personnes, capables d’élaborer des stratégies et d’exploiter ces outils de manière ciblée. »
Pour Bonprix, ces expérimentations allaient au-delà de simples gains de performance à court terme. Elles constituaient aussi un terrain d’entraînement pour l’avenir de la recherche – notamment avec des fonctionnalités comme « Aperçus IA » ou « Mode IA ». Car ceux qui ne commencent à apprendre que lorsque les solutions sont largement déployées risquent d’avoir déjà pris du retard.
En entraînant son IA très tôt, Bonprix a d’ores et déjà sécurisé sa compétitivité pour le paysage de recherche de demain. Sur un marché qui ne connaît pas de répit, cette avance est souvent l’avantage concurrentiel décisif.