ROI optimisation publicitaire IA : Mesurer vos revenus

Les plateformes rapportent leurs propres résultats, et chaque plateforme a intérêt à paraître efficace. Performance Max, Advantage+ et les enchères automatisées d’Amazon revendiquent toutes des conversions en utilisant leurs propres règles d’attribution. Lorsque plusieurs plateformes revendiquent la même vente, la somme des revenus déclarés dépasse les revenus réels.

Il y a aussi un problème de timing. Les systèmes d’AI modifient souvent plusieurs choses à la fois, comme les enchères, les audiences et les placements, donc un mois meilleur pourrait être dû à l’automatisation, à la saisonnalité, à un changement de prix ou à un concurrent quittant l’enchère. Sans une comparaison contrôlée, l’amélioration est une histoire, pas une mesure.

Le moyen le plus fiable de mesurer le ROI est une expérience où un groupe reçoit l’approche optimisée par AI et un autre non. Les plateformes proposent des outils intégrés pour cela.

• Expériences Google Ads : divisez le trafic entre une campagne de base et un test avec une nouvelle stratégie d’enchères ou un nouveau type de campagne.
• Tests A/B Meta et études de lift de conversion : comparez les groupes exposés et les groupes témoins.
• Expériences géographiques : exécutez la nouvelle approche dans certaines régions et conservez l’ancienne approche dans des régions comparables.
• Avant et après avec un contrôle : comparez le changement dans le compte testé par rapport à un compte ou un marché similaire qui n’a pas changé.

Définissez la durée du test à l’avance, souvent quatre à six semaines pour couvrir les périodes d’apprentissage et les cycles hebdomadaires, et décidez quelle métrique détermine le gagnant. Changer les règles après avoir vu les résultats va à l’encontre de l’objectif.

Incrémentalité versus attribution

L’attribution répond à la question de savoir quelle publicité reçoit le crédit pour une vente. L’incrémentalité répond à la question de savoir si la vente aurait eu lieu sans la publicité. Les campagnes d’AI qui absorbent la recherche de marque ou reciblent des personnes déjà sur le point d’acheter peuvent montrer un excellent ROAS attribué avec peu d’effet incrémental. Un test de contrôle, où certains utilisateurs ou régions ne voient aucune publicité, est le moyen le plus clair de voir la contribution réelle.

Un calcul de ROI défendable utilise des chiffres d’affaires, pas seulement des chiffres de plateforme publicitaire.

• Revenu incrémental ou conversions incrémentales issues de l’expérience.
• Marge brute sur ce revenu, pas le revenu lui-même.
• Dépenses médias pour les campagnes testées.
• Coûts des outils, des flux, de la production créative et du temps de gestion.
• Retours, remboursements et annulations qui réduisent le revenu réalisé.

La formule elle-même est simple : profit brut incrémental moins coût incrémental total, divisé par le coût incrémental total. La partie difficile est d’obtenir des entrées honnêtes. De nombreuses équipes rapportent le ROAS de la campagne d’AI et l’appellent ROI, ce qui ignore à la fois la marge et l’incrémentalité.

Définir des objectifs avec lesquels l’algorithme peut travailler

Les paramètres de ROAS cible et de CPA cible doivent provenir de votre économie. Travaillez à rebours à partir de la marge dont vous avez besoin. Si une commande moyenne génère une certaine marge brute et que vous souhaitez en conserver une partie en tant que profit, le reste est ce que vous pouvez vous permettre de dépenser pour acquérir cette commande. Ce chiffre, traduit en un objectif de CPA ou de ROAS, donne à l’algorithme une limite réaliste.

Les objectifs trop agressifs limitent la diffusion : le système mise si bas qu’il gagne peu d’enchères et le volume s’effondre. Les objectifs trop lâches achètent du volume à perte. Ajustez progressivement, par étapes d’environ dix à vingt pour cent, et donnez à chaque changement une ou deux semaines pour se stabiliser.

Lorsque l’optimisation par AI fonctionne, les gains ont tendance à provenir de quelques endroits spécifiques. Les connaître vous aide à vérifier si les améliorations sont réelles.

• Des enchères qui réagissent aux signaux d’enchères tels que l’appareil, l’heure, l’emplacement et l’appartenance à l’audience.
• Un budget qui se déplace plus rapidement vers les campagnes et les produits qui fonctionnent.
• Des combinaisons créatives qu’une équipe n’aurait jamais testées manuellement.
• Une portée plus large dans des audiences que la configuration manuelle excluait.
• Moins de dépenses gaspillées sur des placements de faible qualité après que les exclusions ont été définies.

Si rien de tout cela n’apparaît dans les rapports d’insights, par exemple les termes de recherche, les rapports de placement ou la performance des actifs, demandez-vous si le gain provient de l’automatisation.

La direction veut savoir si l’argent fonctionne et quoi faire ensuite. Un court rapport mensuel peut répondre aux deux. Montrez les dépenses totales, le revenu incrémental ou les leads de votre dernier test, le profit brut et le ROI résultant. Ajoutez une ligne sur ce qui a changé dans le compte et quel sera le prochain test.

Soyez explicite sur l’incertitude. Une phrase comme “l’expérience a montré une augmentation des conversions, avec un intervalle de confiance qui inclut encore un petit effet” inspire plus confiance qu’un seul chiffre précis qui s’avère plus tard être faux.

Un exemple concret de la chaîne de reporting

Imaginez un détaillant en ligne de taille moyenne qui déplace ses campagnes Shopping vers Performance Max avec des valeurs basées sur le profit. Il mène une expérience de six semaines, divise le trafic équitablement et voit plus de conversions dans le test avec des dépenses similaires. Le service financier vérifie ensuite les retours pour les deux groupes, applique les marges des produits et soustrait les coûts de gestion créative et de flux. Le chiffre de ROI qui va au conseil d’administration est le résultat de cette chaîne, pas du tableau de bord de la plateforme.