Comment mesurer si une modification de flux a réellement fait bouger votre ROAS

La plupart des équipes découvrent qu'une modification de flux « a fonctionné  » de la même manière : elles ont corrigé quelque chose dans le flux, ont surveillé le ROAS dans Google Ads pendant une semaine, et il a augmenté. Ce n'est pas une preuve. Google Ads lui-même le reconnaît : un test Performance Max ne compare qu'une campagne entière à une autre ; il ne dispose d'aucun mécanisme pour tester un segment de produits contre un autre au sein d'une même campagne. Si vous voulez savoir si le réétiquetage de 400 SKU, la correction d'une formule de titre ou l'ajout d'un custom_label basé sur la marge a réellement fait bouger le ROAS, vous devez construire cette preuve vous-même, à partir d'outils de reporting qui n'ont pas été conçus pour cela. Ce guide vous propose une grille de notation pour déterminer quand un ROAS avant/après est fiable, un exemple concret utilisant l'attribut custom label de Google, et une liste claire de ce que le reporting natif de Performance Max vous dira ou ne vous dira pas. Il ne s'agit pas d'ajuster les enchères — nous ne faisons pas de gestion des enchères, et rien ici ne demande à Google Ads de modifier sa manière d'enchérir. C'est le genre de question de mesure à laquelle les équipes growth et performance se heurtent en permanence une fois que le travail d'optimisation des flux dépasse les fondamentaux.

Pourquoi « le ROAS a augmenté après la modification  » n'est pas une preuve

Trois choses se produisent simultanément chaque fois qu'une modification de flux est mise en ligne : les algorithmes de Google continuent d'apprendre, la saisonnalité continue d'évoluer, et votre propre équipe continue d'apporter d'autres changements — une nouvelle promotion, une hausse de budget, un concurrent en rupture de stock. Un écart de ROAS mesuré au milieu de tout cela vous dit ce qui s'est passé, pas pourquoi. Le problème est structurel, ce n'est pas une question d'effort : Performance Max ne vous offre aucun moyen intégré et randomisé de tester un segment du flux contre un groupe de contrôle au sein d'une campagne. La documentation de Google sur les tests Performance Max confirme que leur périmètre est la campagne entière, et non une partie du catalogue : un test répartit le trafic entre un « groupe de base  » et un « groupe test  » au niveau de la campagne et ne rapporte que « les conversions, la valeur de conversion, le CPA, le ROAS et les dépenses agrégés pour les groupes  » (Aide Google Ads, FAQ sur les tests Performance Max). Il n'existe aucun groupe test par groupe de fiches ou par custom label dans cette structure. L'outil auquel vous penseriez en premier — un véritable test Google Ads — ne peut donc pas répondre à la question « cette modification précise du flux a-t-elle fait bouger le ROAS ?  ». Il vous reste le reporting observationnel, et le reporting observationnel a besoin de garde-fous avant que vous puissiez vous y fier.

Ce que Google vous permet réellement de mesurer dans Performance Max

Le seul mécanisme natif permettant de voir la performance ventilée par attribut de flux dans Performance Max est la vue des groupes de fiches au sein d'un groupe d'assets. Vous pouvez subdiviser l'ensemble de produits par catégorie, marque, ID d'article, état, type de produit, canal ou jusqu'à cinq custom labels, et le tableau des groupes de fiches affiche des métriques — l'aide de Google confirme que vous pouvez « filtrer vos groupes de fiches pour rechercher les données qui vous intéressent le plus, comme les clics, les conversions ou le coût par clic moyen  » (Aide Google Ads, Gérer une campagne Performance Max avec des groupes de fiches). Ce n'est pas la même chose que le rapport « Combinaisons  » du groupe d'assets, qui montre uniquement quels éléments créatifs ont bien fonctionné ensemble et n'a rien à voir avec la performance au niveau produit ou par attribut de flux (Aide Google Ads, À propos des rapports sur les groupes d'assets Performance Max). Si votre plan pour mesurer une modification de flux consiste à « consulter le rapport du groupe d'assets  », vous regardez le mauvais rapport — et il vaut la peine de vérifier précisément ce que votre flux Google Merchant Center envoie avant de supposer que les groupes de fiches sont bien construits sur l'attribut que vous croyez.

L'attribut que la plupart des équipes utilisent pour délimiter un segment mesurable va de custom_label_0 à custom_label_4. Selon la spécification de Google Merchant Center, chacun est une chaîne de 1 à 100 caractères, facultative pour chaque produit, avec une valeur par étiquette et par produit, et un plafond de 1 000 valeurs uniques à l'échelle du compte pour chaque attribut d'étiquette (Aide Google Merchant Center, custom_label_0–4). Les exemples d'utilisation que Google donne pour les cinq emplacements sont la saison, la performance des ventes (BestSeller/LowSeller), le statut de déstockage et la marge bénéficiaire (LowMargin/HighMargin) (Aide Google Ads, Utiliser des étiquettes personnalisées pour les annonces Shopping) — c'est exactement le type de segment dont vous avez besoin pour isoler une modification de flux sur un groupe suffisamment petit pour être analysé, mais assez grand pour générer des données. Deux détails opérationnels comptent pour tout ce que vous mesurez de cette manière : les modifications d'étiquettes mettent jusqu'à 24 à 48 heures à se propager dans les rapports Google Ads, et Performance Max limite les groupes de fiches à 1 000 par groupe d'assets, Google avertissant explicitement qu'atteindre ce niveau « n'est pas une bonne pratique  », car la performance a tendance à en souffrir (Aide Google Ads, Gérer une campagne Performance Max avec des groupes de fiches).

La grille de notation de la mesurabilité

Avant d'interpréter un ROAS avant/après comme un verdict sur votre modification de flux, notez-le selon six critères. Chacun vaut 0, 1 ou 2 points, pour un maximum de 12.

Interprétation du score : de 9 à 12, vous pouvez agir sur ce chiffre avec une confiance raisonnable. De 5 à 8, considérez-le comme une tendance — il vaut la peine de faire un second cycle avant de généraliser la modification. À 4 ou moins, le chiffre n'est que du bruit : ne le présentez pas comme un résultat en interne, et ne le laissez pas justifier un déploiement plus large.

Un exemple concret : réétiqueter les SKU à faible marge

Imaginons que votre flux compte 8 400 SKU et ne contienne aucun signal de marge. Vous ajoutez custom_label_3 avec les valeurs HighMargin et LowMargin, renseignées à partir de vos données de coût produit, et ne l'appliquez qu'à votre catégorie vêtements d'extérieur (612 SKU), à titre de premier test avant de le déployer sur tout le compte.

Dans Performance Max, vous créez un nœud de groupe de fiches pour custom_label_3 = LowMargin au sein du groupe d'assets vêtements d'extérieur, attendez 48 heures que l'étiquette se propage, puis laissez s'écouler une période propre de 2 à 3 semaines sans aucune autre modification du compte touchant ce groupe d'assets. À la fin de la période, vous extrayez le ROAS de ce nœud de groupe de fiches pour les deux semaines précédant l'existence de l'étiquette (en utilisant la performance au niveau de la catégorie comme référence approchée, puisque l'étiquette n'existait pas encore) et le comparez aux deux semaines suivantes. Passez cette comparaison au crible de la grille ci-dessus avant d'affirmer quoi que ce soit sur le résultat : si la catégorie vêtements d'extérieur a généré 140 conversions par semaine pendant la période, sans facteur de confusion, et que vous avez respecté tout le délai de propagation, vous êtes entre 10 et 12 points et le chiffre est fiable. Si une promotion Black Friday a démarré trois jours après le début de votre période de test, vous tombez à 5 ou 6 points, et la conclusion honnête est « non concluant, à retester sur une période propre  » — et non « le ROAS a augmenté de 14 %  ».

Lire le rapport des groupes de fiches sans se tromper soi-même

Trois habitudes permettent de garder cette mesure honnête. Premièrement, comparez toujours des périodes de même durée — un « après  » de cinq jours face à un « avant  » de quatorze jours fera bouger les moyennes pour des raisons qui n'ont rien à voir avec votre modification. Deuxièmement, faites la comparaison au niveau du groupe de fiches, et non du groupe d'assets ou de la campagne : le ROAS au niveau de la campagne absorbera ce que font tous les autres segments et diluera votre signal. Troisièmement, considérez chaque cycle avant/après comme un seul point de données, et non comme un verdict — répétez-le sur un second segment avant de déployer une modification d'étiquetage sur l'ensemble du flux de 8 400 SKU. Rien de tout cela n'exige de toucher à la stratégie d'enchères, au ROAS cible ou au budget ; il s'agit entièrement d'un exercice de données de flux et de reporting, et c'est aussi pourquoi votre plateforme de flux devrait le prendre en charge directement, plutôt que de vous laisser le faire uniquement à la main dans l'interface Google Ads. Les équipes growth et performance qui ont bien maîtrisé ce travail de segmentation s'en sont servies pour justifier des modifications à l'échelle du catalogue avec de vrais chiffres à l'appui — le passage de Bilyoner aux annonces catalogue est un exemple où une modification au niveau du flux a été reliée à un résultat de ROAS mesuré plutôt qu'à une intuition.

Ce que ce guide ne couvre pas, et ses limites

Ce cadre vous permet d'obtenir une lecture de tendance défendable à l'aide d'outils dont dispose déjà tout annonceur Performance Max. Ce n'est pas un essai contrôlé randomisé. Comme Google ne propose pas de véritable groupe témoin au niveau du segment au sein d'une campagne Performance Max active, vous ne pouvez pas totalement exclure que l'algorithme d'enchères de Google ait réalloué des impressions vers votre segment étiqueté pour des raisons sans rapport avec l'étiquette elle-même — la grille réduit ce risque, elle ne l'élimine pas. Si vous avez besoin d'une mesure d'incrémentalité statistiquement rigoureuse — un vrai groupe de contrôle, des intervalles de confiance, des groupes témoins géographiques —, c'est le travail d'une plateforme dédiée à l'expérimentation ou au marketing mix modeling, et non d'un outil de flux, et vous ne devriez pas attendre d'une plateforme de gestion de flux (Feedance compris) qu'elle produise ce niveau de preuve. De même, si votre véritable objectif est l'ajustement automatisé des enchères en fonction de la marge plutôt que la mesure — qu'un système agisse sur l'étiquette de rentabilité au lieu de simplement en rendre compte —, c'est un choix produit autour duquel certaines plateformes de ce secteur sont construites ; le rôle de Feedance s'arrête à garantir que l'étiquette existe, est correctement renseignée et fait l'objet d'un reporting propre. Nous n'ajustons pas les enchères à votre place. Si votre équipe fait partie d'une fonction growth ou performance, c'est généralement cette discipline de reporting — et non l'automatisation des enchères — qui offre le meilleur effet de levier pour commencer.

Questions fréquentes

Puis-je tester en A/B un segment custom_label contre un autre au sein d'une même campagne Performance Max ?
Non. La structure des tests Performance Max de Google répartit le trafic au niveau de la campagne entre un groupe de base et un groupe test, et non entre des groupes de fiches au sein d'une même campagne, et ne rapporte que des métriques agrégées pour chaque groupe.

Combien de custom labels puis-je utiliser, et ajoutent-ils de la complexité au flux ?
Cinq emplacements, de custom_label_0 à custom_label_4, chacun étant une chaîne de 1 à 100 caractères, avec jusqu'à 1 000 valeurs uniques autorisées à l'échelle du compte par étiquette. Ils sont facultatifs pour chaque produit et invisibles pour les acheteurs : les ajouter n'a donc aucun effet sur l'affichage du produit.

Combien de temps attendre après une modification d'étiquette avant de mesurer quoi que ce soit ?
Au moins 48 heures pour que l'étiquette elle-même se propage dans les rapports Google Ads, puis une période propre complète — Google recommande 2 à 3 semaines pour que ses propres tests produisent une lecture fiable — avant de tirer des conclusions.

Quelle est la différence entre le rapport « Combinaisons  » du groupe d'assets et le rapport des groupes de fiches ?
Le rapport Combinaisons montre quels éléments créatifs (titres, images, vidéo) ont bien fonctionné ensemble ; il ne propose aucune ventilation par produit ou par attribut de flux. C'est le rapport des groupes de fiches qui vous permet de filtrer la performance par catégorie, marque, ID d'article, état, type de produit ou custom label.

Mon segment ne génère que 15 conversions par semaine. Cela vaut-il la peine de le mesurer ?
Pas de manière fiable à lui seul. Élargissez le segment (une catégorie plus large au lieu d'une seule valeur de custom label), allongez la période bien au-delà de trois semaines, ou acceptez que tout résultat obtenu ne soit au mieux qu'une tendance — et notez-le en conséquence selon la grille ci-dessus.

Ce cadre s'applique-t-il aussi aux campagnes Shopping standard ?
Oui, et à certains égards il y est plus fiable, car les campagnes Shopping standard prennent en charge les tests Google Ads (brouillons et tests) avec une véritable répartition du trafic au niveau du groupe d'annonces et du groupe de produits, contrairement à Performance Max.

Feedance peut-il effectuer cette mesure automatiquement pour moi ?
Feedance peut créer et maintenir la segmentation custom_label dans le flux lui-même, selon votre calendrier de synchronisation (quotidien avec Essentials, toutes les heures avec Business), afin que les étiquettes existent de manière propre et cohérente pour votre reporting dans Google Ads. Il n'effectue pas l'analyse du ROAS et ne touche pas aux enchères.

Et si j'ai modifié plusieurs éléments du flux en même temps — titre, images et custom label ?
Vous ne pouvez alors attribuer une variation du ROAS à aucun d'entre eux. Attribuez à ce scénario un 0 sur le critère des facteurs de confusion et considérez l'ensemble du test comme nul ; isolez une seule variable par cycle de mesure.

Lancez un audit gratuit de votre flux produits pour voir où il lui manque les signaux de segmentation — comme des custom labels propres — qui rendent ce type de mesure possible.