L'ottimizzazione del feed è la pratica continua di migliorare i dati presenti in un feed di prodotti (titoli, descrizioni, immagini e attributi) in modo che le piattaforme di shopping e i motori di ricerca classifichino, abbinino e visualizzino le inserzioni in modo più favorevole. Comprende tutto, dalla scrittura di titoli ricchi di parole chiave alla compilazione dei campi opzionali utilizzati dalle piattaforme per l'abbinamento, e viene applicata in modo continuativo anziché come una pulizia una tantum, poiché gli algoritmi di ranking e le inserzioni dei concorrenti sono in continua evoluzione. Mentre la gestione del feed garantisce l'accuratezza dei dati, l'ottimizzazione del feed ne garantisce la competitività.
Perché l'ottimizzazione dell'alimentazione è importante
Due feed possono essere ugualmente accurati eppure avere prestazioni molto diverse nei risultati di ricerca a pagamento e organici, perché le piattaforme premiano le inserzioni che offrono loro più informazioni: attributi completi, titoli ben strutturati e immagini che soddisfano determinati standard di qualità influenzano la visibilità di un prodotto per una ricerca pertinente e il costo per aggiudicarselo. Un titolo scarno o generico potrebbe tecnicamente descrivere correttamente il prodotto, ma perdere comunque ogni impressione a favore di un titolo più dettagliato di un concorrente. L'ottimizzazione è inoltre cumulativa, a differenza di molte altre attività relative ai feed: un modello di titolo o una mappatura degli attributi migliori si applicano a tutti i prodotti che li utilizzano, quindi il ritorno sull'investimento si moltiplica sull'intero catalogo anziché su una singola inserzione.
Come funziona
L'ottimizzazione del feed inizia solitamente con la definizione del suo stato attuale, spesso tramite un'analisi comparativa con i concorrenti o con gli standard di categoria, per poi applicare regole aziendali che riscrivono sistematicamente i titoli, inseriscono gli attributi mancanti e regolano la categorizzazione dell'intero catalogo, anziché prodotto per prodotto. Queste regole possono, ad esempio, aggiungere dimensioni e colore ai titoli che ne sono sprovvisti, inserire materiale o motivi in un attributo personalizzato o ristrutturare le descrizioni per dare risalto ai termini più cercati. Le piattaforme restituiscono i risultati tramite indicatori come il punteggio di qualità , che riflette la pertinenza e la completezza di un annuncio o di una scheda prodotto rispetto alle ricerche effettuate, fornendo ai team un feedback continuo per perfezionare ulteriormente le regole. Poiché le regole si applicano a livello di feed, una singola modifica può migliorare le prestazioni di migliaia di SKU contemporaneamente.
Esempio
<item>
<g:id>SKU-40218</g:id>
<title>Nordwool Merino Wool Beanie - Slate Grey, One Size</title>
<g:description>Soft 100% merino wool beanie in slate grey, ribbed knit, machine washable, one size fits most.</g:description>
<g:color>Slate Grey</g:color>
<g:material>Merino Wool</g:material>
<g:size>One Size</g:size>
</item>
Rispetto a un titolo semplice come "Berretto di lana", questa versione aggiunge marchio, colore e taglia direttamente nel titolo, popolando anche il campo dedicato. color, materiale size attributi: la combinazione che le piattaforme utilizzano sia per la corrispondenza del testo che per il filtraggio strutturato nei risultati di ricerca.
Concetti correlati
L'ottimizzazione dei feed è più efficace quando segue un'analisi comparativa dei feed , poiché sapere dove un feed presenta delle carenze permette di concentrare gli sforzi sui campi che effettivamente influenzano le prestazioni. Inoltre, l'implementazione avviene tramite gli stessi motori di regole aziendali che gestiscono altre modifiche automatiche dei feed. I risultati si riflettono più direttamente nel punteggio di qualità e in metriche di piattaforma simili, motivo per cui l'ottimizzazione continua tende a essere più efficace delle soluzioni una tantum. Per un quadro strategico più approfondito, consultare Power Up Performance Max: The Strategic Guide to Feed Optimization.