A quoi sert une analyse sémantique avec AIDA? A booster les performances d’AdWords!

03 Mar 2016 / de Adrian Wenzl / Comments

«C’est la fin d’AIDA!» ...ou pas tout à fait. Le concept purement linéaire mis au point par Elmo Lewis, le modèle AIDA en 4 étapes, a perdu de l’importance avec la numérisation du marketing. Cependant, l’analyse de la recherche en entonnoir dans AdWords en suivant les quatre étapes «Attention», «Intérêt», «Désir» et «Action» peut être intéressante. Dans ce blogpost, nous vous indiquons comment augmenter la performance d’AdWords grâce à cette analyse.

Partager

Print

Was bringt Semantikanalyse mit AIDA?

Depuis un certain temps, les spécialistes du marketing digital ont recours à des modèles d’attribution pour analyser les performances de leurs campagnes. Ils évaluent différents points de contact tout au long de l’expérience client et attribuent des conversions aux différents canaux en fonction d’un modèle défini. En règle générale, l’accent est mis sur les analyses prenant en compte tous les canaux.

Une analyse individuelle de la recherche en entonnoir dans AdWords au moyen du modèle AIDA peut aussi s’avérer pertinente, surtout lorsqu’il s’agit de rechercher les mots-clés selon leur valeur et leur fonction dans la recherche en entonnoir, et de les optimiser au vu de l’ensemble des performances. Cela a également de l’intérêt dans la mesure où les modèles d’attribution premiers et derniers clics ne donnent qu’une image incomplète des performances.

Cette hypothèse se fonde sur une vaste analyse des données: nous avons réparti les mots-clés et les termes de recherche du compte AdWords détenu par une importante plate-forme suisse d’e-commerce selon les quatre étapes du modèle AIDA. Pendant un an, nous avons ensuite étudié les performances des différents ensembles de mots-clés définis, proches d’un point de vue sémantique.

Ensembles de mots-clés selon AIDA : étude d’un exemple

L’exemple concret des campagnes de recherche pour le livre Ce qui ne me tue pas, de Stieg Larsson, illustre nos observations. L’objectif premier de ces campagnes est d’amener les clients à acheter ce nouveau livre. Afin d’analyser les performances et le rôle des différents mots-clés et termes de recherche dans le cadre de ces campagnes de recherche, on les répartit, dans un premier temps, en fonction des différentes étapes AIDA.

L’étape «Attention» regroupe tous les mots-clés et termes de recherche avec lesquels l’utilisateur porte son attention sur un sujet qui l’intéresse. Dans cet exemple concret, l’utilisateur, qui aime lire, recherche les livres parus récemment. Exemples de mots-clés: dernières parutions de livres, nouveaux livres, publications de livres, best-sellers actuels
La deuxième étape «Intérêt» comprend tous les mots-clés et termes de recherche dont se sert l’utilisateur afin de donner suite à l’intérêt suscité. L’utilisateur qui aime les romans de Stieg Larsson cherche des critiques sur son nouvel ouvrage. Exemples de mots-clés: critique Ce qui ne tue pas, critique livres Stieg Larsson, critique livre Ce qui ne tue pas, critique Ce qui ne tue pas
L’étape «Désir» regroupe tous les mots-clés et termes de recherche avec lesquels l’utilisateur montre clairement qu’il souhaite acquérir le produit. Il recherche par exemple des vendeurs, des comparateurs ou se renseigne sur les prix. Dans notre exemple, l’utilisateur s’intéresse à Ce qui ne tue pas, de Stieg Larsson. Exemples de mots-clés: prix Ce qui ne tue pas, boutique en ligne livres Ce qui ne tue pas, Ce qui ne tue pas Amazon
Enfin, la quatrième étape «Action» regroupe tous les mots-clés et termes de recherche avec lesquels l’utilisateur exprime son intention d’acheter le produit. L’utilisateur s’est donc décidé à acheter Ce qui ne tue pas après s’être informé en détail sur les différentes possibilités d’achat. Exemples de mots-clés: acheter Ce qui ne tue pas en ligne, acheter Ce qui ne tue pas franco de port, commander Ce qui ne tue pas

Analyse des performances: les faits

Une fois les mots-clés et termes de recherche répartis entre les étapes du modèle correspondantes, il s’agit ensuite d’analyser les performances. Les résultats de l’analyse du set de données de notre client e-commerce sont univoques: le coût par conversion et le taux de conversion connaissent une amélioration constante entre l’étape «Attention» et l’étape «Action», aussi bien pour les mots-clés recherchés que pour les termes de recherche.

Entre l’étape 1 («Attention») et l’étape 4 («Action»), on observe une différence de performance de 10% pour le taux de conversion et de 20% pour le coût par conversion. Une tendance logique puisque l’intention et, par extension, la probabilité d’une conversion augmentent tout au long de la recherche en entonnoir. Dans les comptes AdWords pour lesquels le budget est restreint, le déplacement du nombre de clics vers les étapes 3 et 4 peut entraîner une augmentation des performances.

Graph Semantikanalyse
l'image : rouge = Conversion Rate, bleu = Cost per Conversion
 

Pour le search marketer, une telle analyse est particulièrement utile lorsqu’il s’agit d’étudier le rapport liant les premiers et les derniers clics. Dans notre analyse, le rapport entre les phases 1 et 2 et les phases 3 et 4 est de 21%. En d’autres termes, les mots-clés correspondant aux étapes 1 et 2 ont généré environ un cinquième du nombre total de clics. Ainsi, le search marketer doit se demander quelle part du budget il souhaite investir dans les premiers et dans les derniers clics. Il est évident que ce pourcentage peut considérablement varier en fonction des performances et objectifs d’un compte AdWords.

Enfin, une grille de mots-clés prédéfinie permet d’identifier assez facilement, et le cas échéant, d’exclure d’une diffusion les recherches et les mots-clés dont la performance est nulle ou en dessous de la moyenne à chaque étape du modèle AIDA. Dans les comptes AdWords disposant de grandes quantités de mots-clés, on peut augmenter rapidement les performances grâce à cette méthode.

Notre conclusion

Voici ce que nous constatons: l’analyse individuelle des mots-clés avec le modèle AIDA n’offre qu’une représentation partielle de la réalité; la répartition des mots-clés prenant en compte tous les canaux ainsi qu’une évaluation du trafic AdWords viennent en effet à manquer. Avant d’exclure ou de mettre de côté un mot-clé, il faut le considérer dans un contexte global et l’analyser en tenant compte de la valeur attribuée.

En outre, on peut remettre en question la stricte séparation des étapes de recherche du modèle linéaire à quatre niveaux que nous avons étudié. En effet, la prise de décision est un processus de moins en moins linéaire, car les utilisateurs vont et viennent entre les différentes étapes et sont interpellés sur différents canaux. Cependant, le modèle AIDA est une référence intéressante pour analyser son compte AdWords et constitue un point de départ solide pour des analyses de mots-clés plus approfondies. Pour les comptes AdWords dont le budget est restreint et pour lesquels les objectifs de performances sont élevés, l’utilisation du modèle AIDA peut entraîner une augmentation à un chiffre de ces performances.