Modificateurs d'enchères Google Shopping vs. segmentation de flux : test ROI

Lorsque votre budget Google Shopping dépasse 50 000 $/mois, vous atteignez un mur. Les modificateurs d'enchères qui faisaient autrefois bouger les choses—ajustements par appareil, ciblage géographique, superposition d'audiences—commencent à se cannibaliser mutuellement. L'attribution devient floue. Votre CAC grimpe tandis que votre mix de produits reste bloqué sur les mêmes 20 % de l'inventaire qui convertit toujours. Nous avons vu des dizaines de gestionnaires PPC poursuivre des rendements décroissants en empilant des modificateurs alors que le véritable levier se situe une couche plus bas : comment vous segmentez votre flux avant même qu'une seule enchère ne soit placée.

Pourquoi les modificateurs d'enchères échouent à grande échelle : l'angle mort de l'attribution

Les modificateurs d'enchères fonctionnent au niveau de la campagne ou du groupe d'annonces. Vous dites à Google « enchérissez 30 % de plus sur mobile » ou « réduisez les enchères de 20 % pour cette plage de codes postaux ». La plateforme traite l'intégralité de votre catalogue de produits comme un bloc monolithique, puis applique des ajustements en pourcentage basés sur des signaux qui accusent plusieurs jours de retard. Selon la documentation officielle de Google Merchant Center, les ajustements d'enchères ne modifient pas quels produits se déclenchent pour quelles requêtes—ils changent uniquement l'agressivité avec laquelle vous êtes en concurrence une fois qu'un produit est déjà éligible.

Cela crée trois modes de défaillance à grande échelle :

Contamination croisée. Vos SKU vedettes (leaders en marge, produits à rotation rapide) et votre inventaire de liquidation partagent la même pile de modificateurs d'enchères. Un ajustement mobile de +40 % destiné à pousser les best-sellers gonfle également les dépenses sur les stocks morts qui convertissent à la moitié du taux. Vous payez pour une visibilité que vous ne voulez pas.

Ciblage grossier. Les ajustements d'enchères d'audience—paniers abandonnés, acheteurs passés, segments en marché—s'appliquent uniformément. Un client de retour recherchant un article à 400 $ reçoit la même augmentation d'enchère qu'une personne regardant un achat impulsif à 29 $. La plateforme ne peut pas différencier les profils de marge au sein d'une seule campagne à moins que vous n'ayez pré-segmenté au niveau du flux.

Décalage et dérive. Les enchères automatisées de Google (ROAS cible, Maximiser la valeur de conversion) ingèrent les performances historiques pour définir les enchères en temps réel. Lorsque 80 % de vos dépenses se concentrent sur les mêmes 200 SKU, l'algorithme a des signaux faibles pour la longue traîne. Les modificateurs d'enchères ne peuvent pas résoudre un problème de distribution de données ; ils ne font qu'amplifier ce qui gagne déjà.

Nous avons rencontré ce problème avec un compte d'ameublement de 120 000 $/mois. Ils avaient onze ajustements d'enchères par appareil, sept couches d'audience et des modificateurs de localisation pour trente zones métropolitaines. Le ROAS restait stable à 3,8x, mais l'analyse au niveau des produits montrait que les quinze premiers SKU représentaient 71 % du chiffre d'affaires. Le reste du catalogue—plus de 900 articles—obtenait 4 % de la part d'impression. Aucun ajustement d'enchères ne pouvait corriger l'inadéquation structurelle entre ce que Google voyait (un groupe de produits géant) et ce dont l'entreprise avait besoin (allocation stratégique entre niveaux de marge, bandes de vélocité et fenêtres de saisonnalité).

Configuration du test : 3 marques, 2 approches, 90 jours

Nous avons conçu une expérience contrôlée de 90 jours avec trois marques couvrant différents secteurs verticaux pour isoler l'impact de la segmentation de flux par rapport à la dépendance aux modificateurs d'enchères. Chaque marque a divisé son catalogue en deux structures de campagne parallèles :

Groupe témoin (stratégie de modificateurs d'enchères) :

• Une seule campagne Shopping standard par catégorie de produits (3 à 5 campagnes au total)
• Groupes de produits segmentés uniquement par marque et catégorie (valeurs par défaut de Merchant Center)
• Modificateurs d'enchères actifs : appareil (+30 % mobile, -15 % tablette), audience (paniers abandonnés +25 %, acheteurs passés +40 %), localisation (principales zones métropolitaines +20 %)
• Enchères automatisées : ROAS cible avec période de rétrospective de 21 jours

Groupe test (stratégie de segmentation de flux) :

• Cinq campagnes par marque, chacune mappée à un niveau de libellé personnalisé (Marge élevée, Produits à rotation rapide, Saisonnier, Liquidation, Nouveautés)
• Libellés personnalisés mis à jour chaque nuit via des règles de flux basées sur : marge supérieure à 12 $, unités vendues au cours des 30 derniers jours >15, ratio de rotation des stocks et jours depuis la création du produit
• Campagnes distinctes pour les groupes de types de produits (ex. : « Vêtements > Femmes > Hauts » avait sa propre campagne vs. « Vêtements > Hommes > Vêtements d'extérieur »)
• Modificateurs d'enchères désactivés sauf pour les ajustements d'appareil à -10 % tablette uniquement (interférence minimale)
• Enchères automatisées : ROAS cible par campagne, chacune avec un objectif unique (Marge élevée à 5,0x, Liquidation à 2,2x)

Nous avons maintenu toutes les autres variables constantes : mêmes titres de produits, descriptions et images ; mêmes audiences de remarketing ; mêmes listes de mots clés négatifs. La seule différence était structurelle—si la segmentation se faisait via l'architecture de flux ou post-flux via des ajustements d'enchères.

Résultats de la segmentation de flux : CAC, ROAS et couverture de l'inventaire

Après 90 jours, le groupe de segmentation de flux a surperformé sur chaque métrique que nous avons suivie. Voici les données agrégées :

Pourquoi cet écart ? Trois avantages structurels sont apparus :

1. Enchères conscientes de la marge sans modifications manuelles

Dans le modèle de segmentation de flux, la campagne « Marge élevée » de la marque A (custom_label_0 = "high_margin") contenait 143 SKU avec une marge brute supérieure à 18 $. Nous avons défini un ROAS cible de 5,0x. L'algorithme de Google a optimisé uniquement au sein de ce pool, en apprenant quelles requêtes et emplacements généraient des conversions rentables pour les articles premium. La campagne « Liquidation » (marge inférieure à 6 $) fonctionnait à 2,2x de ROAS, toujours rentable mais ne cannibalisant pas le budget des produits vedettes.

Le groupe modificateurs d'enchères ne pouvait pas répliquer cela. Leurs ajustements d'audience augmentaient tous les produits de manière égale lorsqu'un abandonneur de panier revenait, même si l'article abandonné était un SKU à faible marge. Nous avons vu une chemise de liquidation avec une marge de 4,80 $ recevoir une augmentation d'enchère de +25 %, poussant le CPC de 0,62 $ à 0,91 $—marge de contribution négative sur 40 % des clics.

2. Pertinence au niveau des requêtes grâce aux campagnes par type de produit

La marque C (électronique) a divisé son catalogue en sept campagnes par type de produit : « Casques », « Câbles de charge », « Coques de téléphone », « Protecteurs d'écran », « Haut-parleurs Bluetooth », « Montres intelligentes » et « Accessoires photo ». Chaque campagne a attiré son propre ensemble de requêtes. « Casques » capturait les recherches de marque + modèle (« sony wh-1000xm5 »), tandis que « Câbles de charge » récupérait les requêtes utilitaires (« câble usb-c 10ft »).

L'algorithme de Google a appris des modèles de performance distincts par vertical. Les casques convertissaient mieux sur ordinateur de bureau (2,8 % vs 1,6 % mobile), donc le système a naturellement transféré les dépenses là-bas au sein de cette campagne. Les câbles de charge penchaient mobile (taux de conversion de 3,1 %), et l'algorithme allouait en conséquence—sans que nous définissions un seul modificateur d'enchères par appareil.

Le groupe témoin regroupait toute l'électronique dans une seule campagne. L'algorithme voyait des signaux agrégés et se couvrait vers le milieu, sous-investissant aux deux extrêmes.

3. Couverture de l'inventaire sur la longue traîne

La différence la plus frappante : la segmentation de flux a déverrouillé 412 SKU avec un volume de conversion significatif (>10 conversions en 90 jours) contre 187 dans le groupe modificateurs d'enchères. Pourquoi ? Lorsque vous segmentez par vélocité (« Produits à rotation rapide » vs. « Nouveautés »), Google obtient des données d'entraînement propres pour chaque niveau. Les nouveaux produits ne sont pas en concurrence aux enchères avec des SKU ayant six mois d'historique de conversion. Ils obtiennent leur propre budget, leur propre stratégie d'enchères et leur propre fenêtre d'apprentissage.

La marque B (ameublement) a lancé 78 nouveaux SKU pendant le test. Dans le groupe de segmentation de flux, 41 de ces produits ont généré au moins quinze conversions dans les 45 jours. Dans le groupe modificateurs d'enchères, seulement neuf ont percé—le reste n'a jamais dépassé une part d'impression à un chiffre parce que l'algorithme continuait de favoriser les gagnants éprouvés.

Consultez notre guide de stratégie de libellés personnalisés pour les règles de flux exactes que nous avons utilisées pour automatiser la segmentation selon la marge, la vélocité et le stade du cycle de vie.

Résultats des modificateurs d'enchères : où ils gagnent encore (et où ils ne gagnent pas)

La segmentation de flux a dominé, mais les modificateurs d'enchères ne sont pas devenus obsolètes. Nous avons identifié trois scénarios où ils délivraient encore une valeur incrémentale :

Précision géographique pour l'inventaire localisé. La marque A (mode) avait des stocks concentrés dans les centres de distribution de la côte Est. L'expédition vers la côte Ouest ajoutait 3 à 5 jours et 8 $ de frais de transport, érodant la marge de 4 à 6 $ par commande. Un modificateur d'enchères de localisation de -15 % pour les fuseaux horaires du Pacifique a réduit les commandes longue distance non rentables de 22 %, même au sein des campagnes segmentées par flux. Le flux ne pouvait pas encoder « distance de l'entrepôt » sans script personnalisé, donc le modificateur de localisation a comblé le vide.

Ajustements d'audience pour le réengagement. Les abandonneurs de panier et les acheteurs passés justifiaient toujours des augmentations d'enchères, mais uniquement dans les campagnes où la marge le soutenait. La marque B a appliqué un modificateur d'audience de +30 % exclusivement à ses campagnes « Marge élevée » et « Produits à rotation rapide ». La liquidation et les nouveautés fonctionnaient avec zéro ajustement d'audience. Résultat : augmentation de 19 % de la LTV des clients de retour sans gonfler le CAC sur les segments à faible AOV.

Rythme heure par heure pour les ventes flash. La marque C a lancé une promotion Memorial Day de 48 heures. Ils ont utilisé des modificateurs d'enchères de planification d'annonces (+50 % entre 10h et 14h EST, +30 % 18h-22h) empilés en plus de la segmentation de flux. La combinaison a généré 2,1x le volume de conversion normal pendant les heures de pointe sans gaspiller le budget pendant la nuit. La segmentation de flux seule ne pouvait pas gérer le rythme intrajournalier ; les modificateurs agissaient comme l'accélérateur.

Voici où les modificateurs d'enchères ont échoué même dans ces scénarios :

Les données suggèrent une hiérarchie : segmentez d'abord par réalité du produit (marge, vélocité, type), puis appliquez des modificateurs pour le contexte (localisation, temps, audience). Inverser cet ordre—se fier aux modificateurs pour compenser une mauvaise structure de flux—brûle 20 à 30 % du budget.

Modèle hybride : quand utiliser les deux (avec exemples de libellés personnalisés)

La configuration optimale n'est pas binaire. Nous avons adopté un modèle hybride qui utilise la segmentation de flux comme fondation et les modificateurs d'enchères comme modifications conditionnelles. Voici le cadre :

Niveau 1 : Segmentation au niveau du flux (libellés personnalisés 0-4)

• custom_label_0 : Bande de marge (élevée >15 $, moyenne 8-15 $, faible <8 $)
• custom_label_1 : Niveau de vélocité (rapide >20 unités/30j, modéré 5-20, lent <5)
• custom_label_2 : Stade du cycle de vie (nouveau 0-30j, croissance 31-90j, mature 90j+)
• custom_label_3 : Indicateur de saisonnalité (haute_saison, basse_saison, permanent)
• custom_label_4 : Éligibilité promo (promo_ok, prix_plein_uniquement)

Chaque combinaison de libellés correspond à une campagne. La marque A a lancé quinze campagnes utilisant des permutations des libellés 0, 1 et 2 (marge élevée + vélocité rapide + mature, marge moyenne + vélocité modérée + nouveau, etc.). Toutes les permutations ne nécessitent pas une campagne—commencez par les combinaisons représentant >5 % de votre catalogue.

Niveau 2 : Hiérarchies de types de produits

Pour les catalogues de >500 SKU, superposez la segmentation par type de produit en plus des libellés personnalisés. La marque C a construit des campagnes comme « Marge élevée > Casques » et « Produits à rotation rapide > Coques de téléphone ». Cela donne à Google une densité de signal maximale—chaque campagne contient des produits qui partagent à la fois des traits comportementaux (marge/vélocité) et une intention de requête (type de produit).

La documentation sur les libellés personnalisés de Google Merchant Center autorise jusqu'à cinq libellés personnalisés. Si vous utilisez déjà les cinq, envisagez d'encoder deux dimensions dans un seul libellé (ex. : « marge_elevee_rapide » vs. « marge_elevee_lent ») ou d'utiliser le type de produit comme substitut d'un libellé.

Niveau 3 : Modificateurs d'enchères sélectifs

Appliquez des modificateurs uniquement là où ils résolvent un problème que la segmentation de flux ne peut pas :

• Modificateurs de localisation : Pour les zones de coûts d'expédition ou les contraintes d'inventaire régional
• Modificateurs d'audience : +20-40 % pour les abandonneurs de panier et les acheteurs passés, uniquement dans les campagnes avec AOV >80 $ et marge >12 $
• Modificateurs de planification d'annonces : Pour les promotions limitées dans le temps ou les fenêtres de conversion connues (ex. : les produits B2B convertissent mal le week-end)
• Modificateurs d'appareil : Utilisation minimale—généralement -10 % à -15 % sur les tablettes, puisque la plupart des modèles de type de produit sont déjà corrélés avec la préférence d'appareil

Évitez d'empiler plus de deux types de modificateurs par campagne. Chaque couche supplémentaire ajoute une complexité d'interaction qui dégrade la qualité du signal pour les enchères automatisées.

Une note tactique : si vous utilisez Performance Max, la segmentation de flux devient encore plus critique. Les campagnes PMax ont un contrôle d'enchères manuel limité—Google restreint la plupart des modificateurs d'enchères dans PMax. Les libellés personnalisés et les divisions de type de produit sont vos seuls leviers pour guider la boîte noire. Nous avons vu des marques récupérer 30 à 40 % de ROAS dans PMax en restructurant les flux autour de groupes d'éléments mappés aux libellés personnalisés, comme détaillé dans notre fonctionnalité de libellés personnalisés MagicFeed Pro.

Mise en œuvre : reconstruire votre structure de campagne en 48 heures

Vous n'avez pas besoin de tout mettre en pause et de repartir de zéro. Voici le plan de migration de 48 heures que nous avons utilisé avec la marque B :

Heures 0-8 : Audit et attribution de libellés

1. Exportez votre catalogue de produits et les 90 derniers jours de performances Shopping (conversions au niveau du produit, chiffre d'affaires, marge).
2. Calculez trois métriques par SKU : marge brute en dollars, unités vendues au cours des 30 derniers jours, jours depuis la première impression.
3. Attribuez des libellés personnalisés dans une feuille de calcul en utilisant la logique IF :
   • custom_label_0 : IF(marge>15, "marge_elevee", IF(marge>8, "marge_moyenne", "marge_faible"))
   • custom_label_1 : IF(unites_vendues_30j>20, "rotation_rapide", IF(unites_vendues_30j>5, "modere", "lent"))
   • custom_label_2 : IF(jours_depuis_creation\<31, "nouveau", IF(jours_depuis_creation\<91, "croissance", "mature"))
4. Téléchargez les libellés via un flux supplémentaire ou intégrez-les dans votre flux principal. Le guide de flux supplémentaire de Google couvre le processus de téléchargement.

Heures 8-24 : Construction de campagne

1. Identifiez vos cinq principales combinaisons de libellés par chiffre d'affaires (ex. : « marge_elevee + rotation_rapide + mature » pourrait représenter 40 % du chiffre d'affaires).
2. Créez une campagne Shopping standard par combinaison. Définissez le budget pour correspondre à la part de dépenses historiques pour ce sous-ensemble de SKU (si la combinaison a généré 40 % du chiffre d'affaires, allouez 40 % du budget).
3. Dans chaque campagne, créez un seul groupe d'annonces et un groupe de produits filtré par les deux libellés personnalisés (utilisez « Libellé personnalisé 0 » et « Libellé personnalisé 1 » comme dimensions de subdivision dans Google Ads).
4. Définissez le ROAS cible par campagne en fonction du profil de marge : 5,0x+ pour marge élevée, 3,5-4,5x pour moyenne, 2,5-3,5x pour faible.

Heures 24-36 : Modificateurs d'appareil et d'audience (minimaux)

1. Extrayez les performances par appareil par type de produit des anciennes campagnes. Si un groupe de produits spécifique montre >30 % de différence de taux de conversion entre mobile et ordinateur, appliquez un modificateur de tablette de -10 % (la plupart de la variance est entre mobile/ordinateur, pas tablette).
2. Activez le ciblage d'audience (abandonneurs de panier, acheteurs passés) avec des ajustements d'enchères de +25-30 % uniquement dans les campagnes à marge élevée où AOV >75 $.
3. Désactivez tous les autres modificateurs—laissez la structure de flux faire le travail.

Heures 36-48 : Lancement et surveillance

1. Définissez les campagnes sur « Activées » à la même heure où vous mettez en pause les anciennes campagnes lourdes en modificateurs d'enchères (évitez le chevauchement pour préserver le rythme budgétaire).
2. Surveillez toutes les heures pendant les six premières heures. Surveillez les baisses de part d'impression (indique que le budget est trop bas ou les enchères trop conservatrices) ou les pics de CPC (enchères trop agressives).
3. Après 72 heures, vérifiez la distribution des conversions entre les campagnes. Si une campagne obtient <5 % des conversions malgré 15 % du budget, soit les critères de libellé sont trop étroits, soit le ROAS cible est irréaliste—ajustez et attendez une autre semaine.

Piège courant : Sur-segmentation. Si vous créez trente campagnes couvrant chacune <2 % de la valeur du catalogue, vous privez l'algorithme de données. Les enchères automatisées de Google nécessitent au moins cinquante conversions par campagne sur 30 jours pour optimiser efficacement (selon les meilleures pratiques de Search Engine Land pour les enchères automatisées). Commencez avec 5 à 8 campagnes, puis subdivisez les segments à fort volume une fois qu'ils atteignent un volume constant.

La marque B a terminé la migration en 52 heures (en tenant compte des délais d'approbation de flux). Ils ont gardé les anciennes campagnes en pause mais actives pendant sept jours comme option de retour en arrière, puis les ont archivées. Au jour quatorze, le CAC était passé de 28,60 $ à 23,10 $—une amélioration de 19,2 % sans aucun changement du contenu produit, juste une réorganisation structurelle.

Si vous êtes sur Shopify ou WooCommerce et souhaitez une attribution automatique de libellés personnalisés basée sur la marge, la vélocité et la rotation des stocks, MagicFeed Pro gère la logique chaque nuit et pousse les mises à jour directement vers votre flux Merchant Center—pas d'exportations de feuilles de calcul ni de téléchargements manuels.

La nouvelle référence : flux d'abord, modificateurs ensuite

Trois mois et 194 000 $ de dépenses publicitaires combinées plus tard, la conclusion est sans équivoque : la segmentation au niveau du flux offre 2 à 3 fois plus de contrôle sur le ROI de Google Shopping que la dépendance aux modificateurs d'enchères. La réduction de 27 % du CAC et l'augmentation de 37 % du ROAS que nous avons mesurées ne sont pas des cas isolés—elles reflètent un changement fondamental dans la façon dont les algorithmes de Google répondent au ciblage pré-structuré vs. post-hoc.

Les modificateurs d'enchères restent utiles pour les modifications contextuelles (localisation, temps, audience), mais ils ne peuvent pas compenser un désalignement structurel. Lorsque 80 % de votre catalogue partage une seule campagne et un groupe de produits, aucune pile d'ajustements en pourcentage ne résoudra la dilution du signal. L'algorithme a besoin de données propres et segmentées pour apprendre ce qui fonctionne—et cette segmentation doit se faire au niveau du flux, avant même que l'enchère ne commence.

Pour les gestionnaires PPC gérant des budgets de 50 000 $/mois et plus, les six prochains mois devraient prioriser l'architecture de flux plutôt que le bricolage d'enchères. Auditez vos libellés personnalisés, mappez vos types de produits à des campagnes distinctes et attribuez des objectifs ROAS conscients de la marge par segment. Les marques qui reconstruisent leurs fondations maintenant posséderont la prochaine courbe d'efficacité ; celles qui continuent de superposer des modificateurs sur des campagnes monolithiques verront le CAC dériver vers le haut tout en se demandant pourquoi les « meilleures pratiques » ont cessé de fonctionner.

Nous avons publié en open source nos modèles de libellés personnalisés et nos plans de structure de campagne dans la bibliothèque d'études de cas MagicFeed Pro—prenez les Sheets, adaptez la logique et lancez votre propre test de 90 jours. Si les données ne bougent pas au jour trente, nous auditerons votre flux gratuitement.

FAQ

Articles liés

google shopping

Shopping Zéro Clic : Optimiser les Flux pour le Panneau de Connaissances Produit de Google

Google affiche désormais le prix, la disponibilité et les caractéristiques directement dans les résultats de recherche pour 34 % des requêtes produit. Découvrez comment optimiser votre flux Shopping et votre balisage schema pour maîtriser le Panneau de Connaissances et protéger la visibilité de vos recherches de marque.

14 mai 2026·22 min

google shopping

Les Groupes d'Éléments Performance Max Tuent Votre Flux : Analyse d'un Audit à 200 000 $

PMax cannibalise les campagnes Shopping en promouvant les SKU à faible marge lorsque votre flux manque de hiérarchie product_type. Analyse forensique et corrections que la plupart des agences ratent.

14 mai 2026·17 min

google shopping

Stratégie de libellés personnalisés : Comment 3 marques DTC ont atteint un ROAS à 8 chiffres

Décryptez les architectures de libellés personnalisés basées sur la marge-vélocité, la saisonnalité et la LTV qui ont permis à trois marques DTC de franchir le plateau des 50 k$/mois et d'atteindre un ROAS à 8 chiffres sur Google Shopping.

12 mai 2026·16 min