Google Shopping : analyse des fonctionnalités IA qui pourraient transformer le retail français

De Google Lens au AI Mode, les nouvelles fonctionnalités de Google Shopping promettent de transformer l’expérience d’achat. Laëtitia Muré, CEO de Feed Manager (Groupe Cosmo5), a pu les tester avant qu’elles ne soient disponibles en France. Elle partage son analyse sur leur pertinence, leur impact dans les pays déjà déployés et ce qu’elles pourraient changer pour le retail français.

Comment la recherche par l’image, via Google Lens, change-t-elle la donne pour les marques ?

Ce qui est intéressant dans ce changement est la capacité de faire de la recherche par l’image. Cela permet à un utilisateur, via une image qu’il entoure sur son téléphone, d’aller poser des questions sur un produit. Cette fonctionnalité, qui est nouvelle, peut amener à pousser du contenu organique et du contenu publicitaire. Pour les marques, l’élément important est d’avoir une cohérence dans la façon dont elles nourrissent l’algorithme, c’est-à-dire une cohérence aussi bien dans les textes et les contenus que dans les images qu’elles laissent à lire à l’IA.

Quelles sont les règles d’or pour performer et être visible sur les nouvelles interfaces IA que sont Google Overview et AI mode ?

Laëtitia Muré, CEO de Feed Manager (Groupe Cosmo5)

Il existe trois règles fondamentales pour structurer correctement les données afin d’être lu, compris et digéré par l’IA. La première règle fondamentale est la complétude, car il faut renseigner tout ce qui est demandé. Cela inclut les titres, les descriptions, la couleur, le code GTIN (Global Trade Item Number) et les images, et il ne doit y avoir aucun manquant. Le deuxième élément est que les informations doivent présenter une pertinence sémantique, ce qui signifie que le texte doit être plus naturel, plus proche d’une conversation et plus contextuel. Il faut aider l’IA à faire le lien entre le code produit et ce qu’apporte le produit. Enfin, le troisième point pour atteindre la performance est la cohérence multisource : les mêmes informations doivent exister entre le site, le flux et le catalogue. Si l’IA reçoit quatre informations différentes, elle doute et passe au suivant, d’où l’importance de l’homogénéité.

A lire également : A quoi va ressembler la publicité dans Google AI Overviews ?

Comment la conception des messages de marque doit-elle changer face à l’IA ?

L’IA cherche une solution lorsqu’un utilisateur pose une question. Les marques doivent donc résoudre des problèmes et répondre à un besoin. La manière de concevoir son message change, car ce n’est plus seulement « regarder notre produit, il est génial », mais plutôt « vous êtes dans tel contexte, voici pourquoi notre produit est efficace ». C’est une stratégie centrée sur la pertinence des données. Par exemple, si je suis Damart, je dois me demander si mon produit répond au besoin d’avoir chaud, d’être à l’aise, au besoin d’une seconde peau, quand on va à la neige ou en voyage.

A lire également : Google Marketing Live: à quoi va ressembler la navigation dans l’AI mode et AI Overview ?

Est-ce que cela veut dire que les fiches produits doivent être plus longues et plus complexes ?

Oui, la stratégie de données requiert une approche beaucoup plus détaillée. Il y a encore cinq ans, Google ne demandait qu’un seul champ de description, mais il demande désormais cinq champs de description différents. Ces champs nourrissent un certain élément de l’algorithme. Les éléments que Google demande concernent son utilisation, le contexte dans lequel on utilise ce produit, la problématique qu’il solutionne, sa saisonnalité et les intentions. Il faut faire évoluer, enrichir et remplacer ces éléments de façon perpétuelle, car le catalogue est de la matière vivante.

L’IA va-t-elle faire disparaître les marques qui n’ont pas d’utilité claire ?

Il est difficile de dire si des marques disparaîtront, mais l’IA va certainement épurer le nombre de résultats ou de solutions qui seront proposés. Par ricochet, cela pourrait concentrer les marchés et les produits. Ce qui est sûr, c’est que les marques qui ne vont pas se poser la question de faire le lien entre le besoin et le produit auront plus de difficultés. Un même produit peut répondre à 15 besoins différents. Ces besoins doivent être exprimés, classifiés, associés à des personas, et cela doit être traduit en donnée structurée et intégré dans un catalogue. Auparavant, ce travail restait dans les territoires marketing et n’était pas tellement traduit en donnée.

Comment les marques envoient-elles ces données enrichies à Google ?

Les informations sont envoyées sur une plateforme pour Google qui s’appelle Google Merchant Center (GMC). Le tésorus technique que demande Google est très clair, avec des colonnes et des attributs définis. Pour alimenter cette plateforme, il y a différentes façons de procéder. Il est déconseillé d’envoyer les données en direct, car cela fait du copier-coller et empêche l’enrichissement nécessaire. Il est préférable d’utiliser un outil qui s’appelle un agrégateur de flux. Cet outil permet d’envoyer le catalogue vers différentes plateformes (Google, Meta, Amazon, Pinterest, Instagram, etc.) et d’optimiser le flux spécifiquement pour chacune, car les règles d’optimisation ne sont pas les mêmes.

Le catalogue envoyé à Google doit-il être une copie conforme de la fiche produit sur le site ?

Non. La fiche produit sur le site est un élément fondamental qui détient du contenu et qui va souvent nourrir le catalogue produit envoyé à Google. Il y a deux versions : la fiche produit visible par le consommateur et celle que l’on envoie à Google. Cet enrichissement ne va donc pas impacter négativement l’expérience de navigation sur le site. Par exemple, sur le site, on ne va pas forcément repositionner la marque ou expliquer le nom de la collection, car on est dans son univers. Cependant, dans le flux produit envoyé à Google, ces informations doivent être transférées, car l’algorithme ne les devinera pas.

L’enrichissement des données a-t-il un impact commercial mesurable ?

Oui, il y a un réel enjeu business derrière. Remplir tous les attributs est crucial, même ceux qui sont invisibles à l’œil lors d’une recherche, comme le « highlight » (le résumé de la description du produit) qui est un attribut fortement conseillé par Google mais la plupart du temps non rempli. En utilisant l’IA pour remplir ces attributs, des marques ont pu obtenir une augmentation de 48 % d’impressions supplémentaires sur Google Shopping, augmentant ainsi leur visibilité et leur réponse à des requêtes. Elles ont également obtenu 61 % de clics en plus, ainsi qu’un taux de clic et d’achat 9 % plus important.

En France, des plateformes comme Reddit ont gagné en popularité et sont une source de plus en plus importante pour les moteurs IA. Les marques doivent-elles soigner davantage leur e-réputation à l’ère de l’IA ?

Oui, car si sur Reddit de nombreuses personnes disent qu’un produit n’est pas satisfaisant, ce contenu négatif pourrait ressortir ou, au contraire, le produit pourrait ne pas être sélectionné, même si le catalogue est beau. Les marques qui font attention à leur e-réputation depuis des années continueront à le faire. Le contrôle de la donnée inclut de savoir ce que les autres renseignent ou disent des produits. Cela nécessite de répertorier les avis, de voir combien d’étoiles le produit a, et de répondre aux mauvais commentaires.

Quand peut-on s’attendre à l’arrivée des outils IA de Google en France ?

Ils peuvent potentiellement arriver sur le premier trimestre (Q1) de l’année prochaine. Il est peu probable que la France ait une version édulcorée, car l’IA travaille sur de la donnée publique (spécificités produit, catalogue, description) déjà présente sur les sites. L’enjeu pour les marques sera de travailler cette donnée.

A lire également :