Dmlights : le moteur de rentabilité entièrement automatisé

Contexte et problématique

dmlights est un acteur international du e-commerce dans le domaine de l'éclairage et des appareillages électriques. Parce que l'entreprise intervient dans le monde entier avec plus de 85000produits dans plusieurs langues, gérer efficacement ses campagnes de performance est extrêmement fastidieux.

Elle a consulté Semetis afin d'atteindre son objectif principal: générer plus de ventes rentables dans différents pays européens, de manière entièrement automatisée, tout en restant productive et en couvrant l'ensemble de la gamme de produits.

dmlights avait déjà de l'expérience dans la publicité basée sur le flux pour créer automatiquement différents types de campagnes search. Pourtant, cette configuration s'est heurtée à de nombreux obstacles:

Elle demandait beaucoup de ressources: pour chaque étude de cas marketing, un nouveau type de flux adapté à cette étude de cas particulière devait être généré. Ces flux nécessitaient des mises à jour quotidiennes des serveurs de l'entreprise, ce qui mettait inutilement la pression sur l'infrastructure tous les matins.

Elle était difficile à adapter: chaque fois que dmlights voulait faire de la publicité dans un nouveau pays, toutes ces combinaisons de flux spécifiques devaient être recréées, et la structure complète de la campagne devait être redéfinie à partir de zéro. Le déploiement complet dans un nouveau pays pouvait facilement prendre des semaines.

Les attributs du flux étaient difficiles à adapter: comme aucun véritable outil de gestion de flux n'était en place pour modifier les différents éléments du flux, il était presque impossible d'adapter le message de manière dynamique. Cela signifie qu'au fil du temps, la campagne est restée plutôt statique, et les études de cas telles que les messages promotionnels temporaires ont été difficiles à mettre en œuvre de manière cohérente au niveau des comptes.

Regardez notre vidéo de l'étude de cas Semetis et dmlights ici.

Channable, le premier jalon

Chez Semetis, nous voulions débloquer les goulets d'étranglement présents au niveau de la conception. Nous avons mis à l'épreuve nos compétences en résolution de problèmes: comment rationaliser ce processus tout en maximisant le ROI? La première partie de la réponse réside dans la publicité basée sur le flux. Nous avons utilisé Channable comme outil de gestion de flux, ce qui nous a permis de faire ce qui suit:

1. Import the data from one central feed

Instead of using a separate feed for each use case (I.e: mapping all the brand and collection names with their corresponding landing page), we started importing all the needed data for advertising directly from the product feed. As such dmlights could remove all redundant feeds from their servers, freeing up technical resources and decreasing the stress on their infrastructure.

However, having just one product feed per language/country remains expensive. Given the pricing model is set to a fee per SKU, and with around 85k SKUs per language and per country, the investment multiplied quickly as soon as we started to scale up (f.e. 2 feeds for Belgium, 3 feeds in Switzerland, and so it continues).

A feed analysis showed us that countries that share the same language, have an almost identical feed (Ie: BEFR vs FRFR). The main differentiator was the product price, as this changes for each country. So we found a solution by only picking one main feed per language, and gluing all the different country prices on top of it (see annex 1).

To give a clear example: when we added Switzerland, we didn’t have to create any extra feed (so no extra SKUs or tech fee) as we could just use the German and French language feed, which were already set up for Germany and France respectively, and select the Swiss pricing column for our campaigns. This allowed us to save around €5.000 per year in tech fees while maintaining the same use cases. This was a very important first iteration of the process to maximize ROI.

2. Optimiser le flux de produits

Dans un deuxième temps, nous avons nettoyé et adapté le flux de produits. Le système de règles de Channable permet d'enrichir, de filtrer et d'optimiser le flux pour qu'il réponde aux exigences des canaux publicitaires, tels que Google Ads, Facebook, Criteo et Amazon. Voici quelques exemples utiles:

• Utiliser les données promotionnelles afin d'appliquer des règles qui modifient automatiquement le message de nos marques dans le cadre de la promotion. Par exemple: «Semaines scandinaves -20%» sur des marques spécifiques.

• Utiliser les données tarifaires afin d'afficher le prix précis dans chaque pays, sans avoir besoin d'un flux par pays.

• Utiliser les données de performance de nos plateformes pour notre flux principal, comme les volumes de recherche par produit (voir la section SKU zombie plus loin dans ce cas) et les revenus par produit, qui peuvent être utilisés pour une segmentation plus poussée.

Étant donné que nous avons regroupé les différents flux au sein d'un même outil de gestion de flux, ces règles ont pu être facilement copiées et partagées entre les différents pays. Cela nous a permis de travailler selon une approche progressive et itérative.

Grâce à notre approche itérative, il nous a suffi d'améliorer nos règles et la qualité de notre flux au fil du temps. Finalement, nous avons réussi à réduire le délai de pénétration d'un nouveau pays à seulement quelques heures. Le gain de temps obtenu correspondait à une deuxième itération avec un impact direct sur le retour sur investissement.

3. Activer le flux à des fins marketing

Dans la troisième et dernière étape, nous nous sommes concentrés sur l'activation de nos données de flux. Pour maximiser l'impact, nous avons utilisé différents canaux:

Annonces automatisées sur le Réseau de Recherche Google: la structure complète des comptes Google Ads a été repensée et repose sur les outils de gestion des flux. Même les annonces responsives sur le Réseau de Recherche, la dernière fonctionnalité de Google Ads, ont été conçues de façon groupée à partir de Channable. Chaque matin, la structure du compte (conception de la campagne, annonce textuelle, mots-clés et pages de destination personnalisées) était mise à jour en tenant compte des données les plus récentes et des promotions en cours (voir annexe2).

Google Smart Shopping: nous nous concentrons ici sur la publicité au niveau des produits. Le flux de produits nettoyé, utilisé pour les études de cas des annonces du Réseau de Recherche, était facilement adaptable pour les annonces display et Shopping. Avec Smart Shopping, nous apparaissons visuellement avec tous nos produits en stock dès que les utilisateurs recherchent l'un d'entre eux. La solution s'appuie sur la puissance du remarketing dynamique des produits pour rechercher ces utilisateurs au cas où ils n'auraient pas encore acheté le produit dans les 7jours suivants.

Bing Ads: Bing étant toujours à l'origine de 3% de l'ensemble de notre trafic de recherche, nous avons estimé qu'il était indispensable de lui accorder l'attention requise. Afin de rester efficaces, nous avons créé un connecteur entre Bing Ads et Google Ads. De cette façon, Channable met à jour Google Ads et Google Ads met à jour Bing Ads quotidiennement pour une efficacité optimale.

Annonces dynamiques sur Facebook: nous voulions également être présents sur les réseaux sociaux avec notre flux de produits pour le remarketing dynamique des produits.

Cette troisième étape nous a permis de diffuser des expériences publicitaires beaucoup plus pertinentes. Alors que les deux premières étapes se concentraient sur la réduction des coûts pour maximiser le ROAS, cette étape vise l'augmentation du rendement. Pourtant, nous avons saisi l'opportunité d'aller encore plus loin en matière de création de valeur en faisant passer nos données au niveau supérieur: passer du ROAS au POAS (Profit on Ad Spend).

POAS, le deuxième jalon

Dans le monde d'aujourd'hui, nous avons besoin de gros volumes de données pour alimenter efficacement les algorithmes d'enchères intelligentes (c.-à-d. optimiser les valeurs de conversion sur Google). Ces algorithmes d'enchères intelligentes prennent en compte toutes sortes de signaux afin d'enchérir plus haut sur les utilisateurs les plus proches de la conversion. Ce sont des boîtes noires qui intègrent des signaux tels que le comportement de recherche, l'utilisation des appareils, les groupes d'audience, l'heure de la journée, l'engagement sur le site Web, etc., afin de réaliser un profilage avancé des utilisateurs.

Nos campagnes automatisées constituaient un excellent point de départ pour générer un grand nombre de données.
Grâce à toutes ces campagnes qualitatives générées automatiquement, nous avons pu générer des revenus élevés tout en réduisant les coûts de maintenance.

Mais pour nous, les campagnes search automatisées et les enchères intelligentes n'étaient pas suffisantes. Après avoir mesuré et analysé les résultats au bout de quelques semaines, nous avons remarqué que cette configuration atteignait facilement nos objectifs de ROAS. Toutefois, elle mettait souvent en avant les marques les plus populaires avec une demande plus élevée, mais pas nécessairement celles qui apportaient une rentabilité plus élevée.

Si vous avez travaillé dans le numérique, vous savez combien il est difficile de cibler un ROAS pertinent pour votre campagne. Ce qui est logique, quand on y pense. Le chiffre d'affaires seul ne reflète en rien la santé d'une entreprise. Tout dépend de la structure de coûts qui y est associée. Je m'explique: certaines marques sont plus connues et sont donc plus recherchées (par exemple, Philips). Le système a tendance à trop dépenser pour ces marques lorsqu'elles génèrent également beaucoup de revenus, ce qui se traduit par un ROAS élevé.

Néanmoins, le bénéfice sur certaines de ces marques est très faible. Au cours de cet exercice, il est apparu clairement que nous devions passer à l'étape suivante de notre flux d'automatisation des données et des performances afin de transformer notre chiffre d'affaires en un moteur de rentabilité. Ce chaînon manquant fait référence aux données sur les marges bénéficiaires.

Nous avons donc intégré des données chiffrées sur les marges bénéficiaires au niveau du produit dans notre couche de données sur le site Web. Nous avons ensuite injecté ces données sur les bénéfices via Google Tag Manager dans Google Ads, en créant une conversion de bénéfices distincte (voir annexe3).

Parce que nous avons chiffré ces données, il est devenu impossible pour les concurrents de les exploiter. Nous les déchiffrons dans notre plateforme Google Ads afin de pouvoir les utiliser à des fins de reporting et d'optimisation. Associées aux enchères intelligentes et à l'apprentissage automatique, ces précieuses données nous ont permis d'optimiser notre vaste ensemble de campagnes pour obtenir plus de bénéfices.

SKU zombie - Le dernier jalon

À partir de ce moment, notre moteur de rentabilité a été mis en place et a donné de bons résultats. Bien entendu, nous avons analysé nos données et repéré un dernier problème: lorsqu'un nouveau produit était ajouté ou revenait en stock, sa visibilité était souvent limitée. C'est l'un des pièges des stratégies d'enchères intelligentes. Dès que la machine tourne et que l'algorithme choisit de mettre en avant les produits les plus performants, il est difficile pour les nouveaux entrants de trouver leur place.

Finalement, l'algorithme Smart Shopping les inclut pendant son exécution, mais souvent à très faible volume, et cela peut prendre quelques semaines avant que ce type de produit n'apparaisse. Pour y remédier, nous avons créé un rapport automatique, à l'aide d'un script Google Ads, qui enregistre les SKU de tous les produits ayant reçu moins d'un clic.

Cette liste de SKU est ensuite partagée avec Channable, afin que l'outil puisse apposer l'étiquette «SKU zombie» sur tous ces produits dans le flux (voir annexe4).

Maintenant, c'est facile: il nous suffit de créer une campagne Smart Shopping distincte qui ne concerne que les SKU zombie, afin de leur donner la visibilité qu'ils méritent avant que la campagne Smart Shopping principale ne les prenne en compte quelques semaines plus tard.

Résultats et conclusion

Les résultats sont montés en flèche. Aujourd'hui, nous avons un moteur de conversion qui se base sur l'indicateur de croissance le plus important: la rentabilité. Chaque jour, les prix et stocks de tous les produits sont mis à jour, de nouvelles collections et catégories sont ajoutées, et tout cela est reflété sur notre plateforme en temps quasi réel dans l'ensemble des pays de commercialisation.

Les marques moins rentables disparaissent peu à peu et laissent la place aux marques propres de dmlights, sans interférence humaine. De plus, les produits nouvellement ajoutés ont également une chance équitable de montrer leur valeur ajoutée grâce aux SKU zombie.

Les chiffres parlent d'eux-mêmes:

• Le bénéfice sur les dépenses publicitaires (POAS) a augmenté de 70% en un an
• La valeur totale des bénéfices a augmenté de 130% en un an

Le fait d'adopter une technologie qui permet de travailler plus intelligemment, et non plus dur, a rendu tout cela possible. Aujourd'hui, cela nous permet de réorienter nos ressources vers des tâches qui comptent vraiment: l'analyse avancée et la stratégie à long terme.

Avec cette étude de cas, nous avons prouvé:

• La valeur ajoutée des outils: en tirant le meilleur parti de Channable, notre outil de gestion de flux et d'automatisation SEA, et en réduisant l'ensemble du travail manuel de configuration et de maintenance des campagnes.

• La valeur ajoutée des mesures: en mettant en place la bonne mesure de conversion afin de détecter le problème des marques populaires les moins rentables et des SKU zombie.

• La valeur ajoutée de l'expertise média: en remettant en question notre propre mise en œuvre. Nous ne sommes pas restés sur nos positions.

Comme indiqué précédemment, nous avons franchi trois jalons important qui ont amélioré notre étude de cas étape par étape (et qui, en plus, nous ont permis d'économiser 5000euros de frais techniques par an). Tout cela a été réalisé grâce à un suivi étroit de nos données et à une prise de décision pertinente en collaboration avec notre client. Les résultats sont là pour le prouver: des volumes plus élevés (bénéfices) et une meilleure qualité (POAS).

• Une valeur ajoutée pour nous-mêmes: c'est un cadre pour l'avenir. Toutes les règles sont en place pour que cela fonctionne dans le monde entier en limitant le déploiement d'efforts supplémentaires.