Ce que révèlent les données de SMEC sur les performances d’AI Max

Depuis que Google a introduit les campagnes AI Max for Search, la plupart des discussions se sont concentrées sur les propres benchmarks de Google.

Ces références suggèrent que les annonceurs peuvent s’attendre à une croissance significative des conversions sans changements majeurs en termes d’efficacité. Mais comme de nombreuses statistiques de plateforme, elles laissent des questions ouvertes sur le comportement de la fonctionnalité dans les comptes matures.

Pour avoir une vision plus claire, Mike Ryan, responsable des informations sur le commerce électronique chez Smarter Ecommerce (SMEC), a analysé les données de performances de plus de 250 campagnes de recherche à l’aide d’AI Max.

Les résultats fournissent une vérification utile de la réalité pour les annonceurs testant la fonctionnalité, en particulier pour les comptes de commerce électronique pour lesquels Google n’a pas publié de références de performances officielles.

AI Max fonctionne souvent aux côtés d’autres automatisations

L’un des premiers modèles SMEC a identifié la manière dont AI Max est déployé dans les comptes réels.

Près de la moitié des annonceurs testant AI Max diffusent également simultanément des campagnes Dynamic Search Ads (DSA) et Performance Max.

Ce chevauchement crée une redondance surprenante.

Dans l’ensemble de données analysé par SMEC :

• 1 annonceur sur 6 a utilisé AI Max avec DSA
• 1 annonceur sur 4 a utilisé AI Max aux côtés de Performance Max
• Près de 50 % des comptes géraient les trois simultanément

Cela pose un défi opérationnel important.

Chacun de ces types de campagnes est conçu pour étendre la portée au-delà des mots clés existants. Lorsqu’ils s’exécutent en parallèle, ils peuvent rivaliser pour les mêmes requêtes ou répartir les données de conversion sur plusieurs campagnes.

Cette fragmentation peut rendre l’analyse des performances plus difficile et interférer avec la façon dont les modèles d’enchères intelligentes apprennent.

La position officielle de Google est que les annonceurs devraient moins se soucier des chevauchements et se concentrer sur leurs objectifs commerciaux. En théorie, le classement de l’annonce détermine quelle campagne diffuse finalement l’annonce.

Dans la pratique, cependant, les annonceurs ont toujours besoin de structures de campagne claires pour conserver une visibilité sur l’origine des conversions.

La plupart des extensions de requêtes AI Max proviennent toujours de mots-clés de correspondance exacte

Une autre découverte intéressante issue des recherches de Ryan concerne la manière dont AI Max interagit avec les types de correspondance de mots clés.

Après avoir analysé un million d’impressions AI Max, l’étude a révélé la répartition suivante :

• Correspondance exacte : 80,11 %
• Correspondance d’expression : 19,52 %
• Requête large : 0,38 %

De nombreux annonceurs supposent qu’AI Max fonctionne principalement comme une extension de la requête large. Au lieu de cela, les données montrent qu’il s’étend le plus souvent à partir des mots-clés Exact Match existants.

En d’autres termes, AI Max prend fréquemment un mot-clé bien défini et élargit l’ensemble des requêtes considérées comme pertinentes.

Ce comportement s’aligne sur la volonté plus large de Google de rechercher une correspondance d’intention plutôt qu’une correspondance stricte de mots clés.

Cependant, cela signifie également que les annonceurs ont besoin d’une forte visibilité sur les requêtes capturées via ces extensions.

Sans surveillance active des termes de recherche, les comptes peuvent commencer à correspondre à des requêtes qui n’ont jamais fait partie de la stratégie de mots clés d’origine.

AI Max génère plus de revenus, mais à un coût par conversion plus élevé

Le message officiel de Google concernant AI Max affirme que les annonceurs peuvent s’attendre à une augmentation d’environ 14 % des conversions ou de la valeur de conversion à des niveaux d’efficacité similaires.

Les données de SMEC fournissent la première référence significative sur la façon dont cette affirmation se maintient dans les campagnes de commerce électronique.

Sur les 250 campagnes analysées, AI Max a généré :

• Augmentation des revenus médians : +13 % de valeur de conversion
• Augmentation du CPA médian : +16 %

L’augmentation de la valeur de conversion est remarquablement proche de celle de Google dans le secteur non commercial.

Toutefois, l’aspect des coûts raconte une histoire plus nuancée.

Les conversions incrémentielles générées via AI Max ont tendance à coûter plus cher que le trafic de mots clés de base.

Comme Ginny Marvin l’a expliqué en réponse aux questions des annonceurs, l’augmentation du volume suit généralement la loi des rendements décroissants. Une fois que les requêtes à forte intention sont déjà couvertes par des ensembles de mots-clés sélectionnés, une croissance supplémentaire provient de requêtes moins prévisibles ou moins efficaces.

En d’autres termes, la prochaine conversion marginale coûtera souvent plus cher que la première.

Pour les annonceurs, l’essentiel à retenir est qu’AI Max se comporte davantage comme une couche d’expansion de volume que comme une pure optimisation de l’efficacité.

Les résultats du ROAS varient considérablement selon les comptes

Bien que l’impact médian du ROAS d’AI Max semble globalement neutre, la répartition des résultats entre les comptes est inhabituellement large.

SMEC a constaté que les performances variaient entre :

• 42 % au-dessus du ROAS de référence
• 35 % en dessous du ROAS de référence

Seules 22 % des campagnes ont atteint leur ROAS cible d’origine.

Les 78 % restants ont soit surperformé, soit nettement sous-performé.

Cela suggère que les performances d’AI Max dépendent fortement de la structure du compte individuel, de la couverture des mots clés et de la configuration de la campagne.

Les anciennes structures de mots-clés peuvent provoquer la cannibalisation d’AI Max

Un autre modèle découvert dans la recherche implique qu’AI Max interagisse de manière inattendue avec des mots clés en requête large existants.

Dans certains comptes, AI Max a comparé les requêtes en requête large beaucoup plus fréquemment que prévu.

Exemples inclus :

• 49 % de chevauchement avec les requêtes en requête large dans un seul compte
• 63 % de chevauchement dans un autre compte

SMEC a découvert que la cause première provenait souvent d’anciens mots clés en requête large modifiés (BMM).

Lorsque Google a migré BMM vers Broad Match il y a plusieurs années, bon nombre de ces mots clés ont continué à se comporter davantage comme une expression exacte. AI Max développe ensuite ces correspondances, créant une apparence de chevauchement.

Le nettoyage des anciennes structures de mots clés peut clarifier considérablement les rapports et réduire la confusion lors de l’évaluation des performances d’AI Max.

Réflexions finales sur l’étude AI Max

Les données SMEC renforcent quelque chose que les annonceurs les plus expérimentés comprennent déjà.

Les couches d’extension peuvent générer plus de volume. Mais ce volume est rarement aussi efficace que votre ensemble de mots clés principaux.

AI Max semble suivre le même modèle. Les campagnes analysées ont enregistré une augmentation médiane de 13 % de la valeur de conversion, mais ces conversions incrémentielles ont entraîné un coût plus élevé.

Pour les annonceurs testant la fonctionnalité, la conclusion est assez simple. Traitez AI Max comme une couche d’expansion contrôlée et non comme un remplacement de la base de vos campagnes sur le Réseau de Recherche.

Ceux qui s’intéressent au analyse complète Vous pouvez explorer le guide complet AI Max de SMEC, qui détaille plus en détail la méthodologie et les résultats supplémentaires.