{"id":59668,"date":"2026-01-20T12:10:15","date_gmt":"2026-01-20T11:10:15","guid":{"rendered":"https:\/\/handelsverband.swiss\/?p=59668"},"modified":"2026-02-12T15:27:02","modified_gmt":"2026-02-12T14:27:02","slug":"croissance-dans-langle-mort-comment-bonprix-a-gagne-en-visibilite-grace-a-lia","status":"publish","type":"post","link":"https:\/\/handelsverband.swiss\/fr\/croissance-dans-langle-mort-comment-bonprix-a-gagne-en-visibilite-grace-a-lia\/","title":{"rendered":"Croissance dans l\u2019angle mort : comment Bonprix a gagn\u00e9 en visibilit\u00e9 gr\u00e2ce \u00e0 l\u2019IA"},"content":{"rendered":"

Article de Maximilian Bellut und<\/span>\u00a0Andrea Gr\u00f6schel, <\/span>Google DACH <\/a><\/em>– Cet article a \u00e9t\u00e9 initialement publi\u00e9 sur le Think with Google<\/a> et nous le publions avec l\u2019aimable autorisation de son auteur. <\/em>(traduction de l\u2019article par l\u2019ASSOCIATION DE COMMERCE.swiss)<\/em><\/p>\n

\u00a0<\/em><\/p>\n

Pour comprendre comment les comportements de recherche \u00e9voluent, il faut observer attentivement \u2013 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 requ\u00eates simples comme \u00ab robe rouge \u00bb, mais ils posent plut\u00f4t des questions contextualis\u00e9es, comme par exemple : \u00ab Que puis-je porter pour la f\u00eate de No\u00ebl ? \u00bb<\/strong><\/p>\n

Le probl\u00e8me est \u00e9vident : ces phrases ne contiennent souvent aucun mot-cl\u00e9 classique tel que \u00ab robe \u00bb ou \u00ab tenue de f\u00eate \u00bb. Et cela change fondamentalement les r\u00e8gles du jeu dans le marketing sur les moteurs de recherche : continuer \u00e0 miser exclusivement sur des mots-cl\u00e9s rigides comporte le risque d’\u00eatre invisible pr\u00e9cis\u00e9ment au moment o\u00f9 le besoin du client est le plus prononc\u00e9. En effet, ceux qui misent sur \u00ab robe de soir\u00e9e \u00bb n’apparaissent souvent pas dans les r\u00e9sultats de recherche pour la f\u00eate de No\u00ebl.<\/strong><\/p>\n

Pour Bonprix, cette \u00e9volution repr\u00e9sentait un v\u00e9ritable d\u00e9fi strat\u00e9gique. Afin d\u2019accro\u00eetre la visibilit\u00e9 de la marque<\/a> sur 16 march\u00e9s, les solutions standards ne suffisaient plus. En tant que first mover, le commer\u00e7ant n\u2019a toutefois pas attendu : il a mis\u00e9 tr\u00e8s t\u00f4t sur une nouvelle technologie pour combler le gap entre les intentions de recherche complexes des utilisateurs et des mots-cl\u00e9s rigides.<\/strong><\/p>\n

La renaissance des annonces textuelles
\n<\/strong>Le d\u00e9taillant de pr\u00eat-\u00e0-porter utilisait d\u00e9j\u00e0 avec succ\u00e8s les fonctionnalit\u00e9s existantes de Performance Max<\/a> et des campagnes Shopping standards<\/a> pour l\u2019acquisition de nouveaux clients. Mais pour pouvoir se d\u00e9velopper davantage, il fallait trouver des moyens d’augmenter la port\u00e9e et les performances des campagnes de recherche centrales. L’entreprise a alors identifi\u00e9 une opportunit\u00e9 que beaucoup n\u00e9gligent dans le domaine du e-commerce : la renaissance des annonces textuelles.<\/p>\n

Pendant longtemps, le potentiel d’\u00e9volution de ce canal semblait \u00e9puis\u00e9. Comme la plupart des d\u00e9taillants de mode, Bonprix se concentrait principalement sur des campagnes Shopping tr\u00e8s visuelles (PLA \u2013 Product Listing Ads). Mais les images ont leurs limites : avec les Shopping Ads, les questions complexes n\u00e9cessitant des conseils approfondis restent souvent sans r\u00e9ponse – seul le texte peut fournir la profondeur n\u00e9cessaire.<\/p>\n

Cr\u00e9er manuellement ces r\u00e9ponses pour des millions de variantes de recherche \u00e9tait toutefois irr\u00e9aliste d\u2019un point de vue op\u00e9rationnel. G\u00e9rer chaque mot-cl\u00e9 de niche individuellement n\u2019est tout simplement pas scalable pour un acteur pr\u00e9sent sur 16 march\u00e9s. \u00c0 cela s\u2019ajoute une autre difficult\u00e9 : les \u00e9quipes internationales travaillent souvent sans locuteurs natifs, ce qui a cr\u00e9\u00e9 un d\u00e9s\u00e9quilibre. Alors que la r\u00e9gion DACH \u00e9tait bien structur\u00e9e, d’autres march\u00e9s n’ont pas exploit\u00e9 leur potentiel.<\/p>\n

\u00ab Je ne pense pas que des t\u00e2ches telles que la recherche manuelle approfondie de mots-cl\u00e9s sp\u00e9cifiques nous fassent encore r\u00e9ellement avancer aujourd’hui \u00bb, r\u00e9sume Ana Gladis, Team Lead Performance Marketing chez Bonprix. \u00ab Nous devons consacrer notre temps \u00e0 des t\u00e2ches qui nous font progresser sur un plan strat\u00e9gique. \u00bb<\/p>\n

Du contexte au lieu des mots-cl\u00e9s
\n<\/strong>Le tournant a apport\u00e9 une nouvelle approche : lorsque Ana Gladis a eu l\u2019opportunit\u00e9 de tester en version b\u00eata la nouvelle campagne AI Max de Google, elle n\u2019a pas h\u00e9sit\u00e9. Cette solution s\u2019appuie sur l\u2019IA de Google pour ne plus ench\u00e9rir de mani\u00e8re rigide sur des mots-cl\u00e9s, mais pour comprendre l\u2019intention de recherche derri\u00e8re chaque saisie.<\/p>\n

Le c\u0153ur de la technologie r\u00e9side dans la s\u00e9lection dynamique des URL (\u00ab Final URL Expansion \u00bb). Au lieu de d\u00e9finir manuellement quelle annonce renvoie vers quelle landing page, l\u2019IA explore le site de Bonprix en temps r\u00e9el. M\u00eame pour des requ\u00eates vagues, le syst\u00e8me associe automatiquement la recherche au contenu le plus pertinent de la boutique en ligne.<\/p>\n

\u00ab AI Max comprend le contexte \u00bb, explique Lilit Galstyan. \u00ab M\u00eame si une nouvelle collection arrive en boutique et que nous n’avons pas encore d\u00e9fini les mots-cl\u00e9s, l’IA trouve quand m\u00eame la bonne page. \u00bb<\/p>\n

Pour l\u2019\u00e9quipe, cet avantage \u00e9tait d\u00e9cisif : elle pouvait d\u00e9sormais r\u00e9agir rapidement aux tendances sans avoir \u00e0 modifier constamment la configuration op\u00e9rationnelle des campagnes. \u00bb<\/p>\n

Learning : l’IA a besoin de directives claires
\n<\/strong>Mais l\u2019impl\u00e9mentation n’a pas \u00e9t\u00e9 facile. L’\u00e9quipe a tr\u00e8s vite compris que l’IA avait besoin de lignes directrices claires. \u00ab Au d\u00e9but, la charge de travail \u00e9tait \u00e9lev\u00e9e, car il fallait exclure activement des URL de pages de service comme \u00ab Mon compte \u00bb, \u00ab Liste de souhaits \u00bb ou les mentions l\u00e9gales, afin que l\u2019IA dirige le trafic uniquement vers des pages commerciales \u00bb, explique Lilit Galstyan.<\/p>\n

Mais la configuration des mots-cl\u00e9s \u00e9tait tout aussi importante. Le travail sur les mots-cl\u00e9s n\u00e9gatifs, en particulier, a constitu\u00e9 une base d\u2019apprentissage essentielle pour le syst\u00e8me. En m\u00eame temps, la phase de d\u00e9marrage exige aussi de la patience et un budget. \u00ab Il faut accepter que les co\u00fbts augmentent \u00e0 court terme et que des termes de recherche \u00e9tranges puissent appara\u00eetre \u00bb, explique Galstyan. L\u2019art consiste \u00e0 identifier et stopper rapidement ces anomalies afin que l\u2019IA apprenne vite ce qui est r\u00e9ellement pertinent.<\/p>\n

Cette approche a \u00e9galement port\u00e9 ses fruits lors du d\u00e9ploiement international. Bonprix a \u00e9tendu ses campagnes de mani\u00e8re cibl\u00e9e l\u00e0 o\u00f9 l\u2019IA montrait les r\u00e9sultats les plus rapides… et a \u00e9t\u00e9 surpris. L’objectif initial \u00e9tait simplement d’augmenter le trafic, mais le v\u00e9ritable gain r\u00e9sidait dans la qualit\u00e9. En exploitant des niches invisibles dans les mod\u00e8les classiques, le commer\u00e7ant a soudainement atteint de nouveaux clients particuli\u00e8rement pr\u00e9cieux.<\/p>\n

Demande incr\u00e9mentale plut\u00f4t que cannibalisation des campagnes
\n<\/strong>L\u2019\u00e9quipe s\u2019est aussi interrog\u00e9e sur un risque potentiel : AI Max allait-il cannibaliser les campagnes Performance Max (PMax) existantes ? \u00ab Nous ne savions pas dans quelle mesure PMax r\u00e9pondait d\u00e9j\u00e0 ces requ\u00eates de recherche ni combien de trafic suppl\u00e9mentaire nous obtiendrions r\u00e9ellement \u00bb, explique Ana Gladis.<\/p>\n

Les tests ont toutefois rapidement dissip\u00e9 les craintes. Plut\u00f4t que de redistribuer le trafic existant, l\u2019outil a g\u00e9n\u00e9r\u00e9 une demande incr\u00e9mentale. L\u2019IA a ouvert l\u2019acc\u00e8s aux utilisateurs du segment \u00ab long tail \u00bb \u2013 des utilisateurs qui n\u2019\u00e9taient jusqu\u2019alors pas atteints par PMax. Cela s\u2019est clairement refl\u00e9t\u00e9 dans les rapports : des requ\u00eates de recherche de huit \u00e0 dix mots ont apparues, des combinaisons tr\u00e8s sp\u00e9cifiques que Bonprix n\u2019aurait jamais pu capter avec des mots-cl\u00e9s classiques.<\/p>\n

L\u2019exemple de la mode maternit\u00e9 illustre parfaitement ce potentiel. Les futures m\u00e8res 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\u2019est pr\u00e9cis\u00e9ment l\u00e0 que l\u2019IA d\u00e9ploie toute sa force : elle fournit la r\u00e9ponse ad\u00e9quate et permet \u00e0 Bonprix d’accompagner ces clientes beaucoup plus t\u00f4t dans leur parcours client.<\/p>\n

Ce gain qualitatif se refl\u00e8te \u00e9galement dans les indicateurs cl\u00e9s de performance (KPI) des campagnes en Italie :<\/p>\n