Guide pratique pour optimiser les données produit

Points clés à retenir

Commencez par un audit. Vous ne pouvez pas optimiser des données que vous ne comprenez pas. Identifiez ce qui manque, ce qui est incohérent ou incorrect avant de toucher à quoi que ce soit d'autre.

Une fois que vous savez ce que vous avez, les priorités deviennent claires :

1. Les attributs en premier. Ils déterminent si votre produit apparaît dans les résultats de recherche. Un attribut de filtre manquant exclut silencieusement un produit, avant même que quiconque lise une ligne de description.
2. Les descriptions en second. Rédigez en utilisant les mots que les vrais clients recherchent, pas la terminologie interne ni les codes fournisseurs.
3. L'adaptation par canal en troisième. Le même texte fonctionne rarement partout. Mêmes faits, mais longueur, ton et structure différents selon le canal.

N'oubliez pas ce que la plupart des équipes sous-estiment :

• Les images, les prix et la disponibilité sont des données produit. Traitez-les avec la même rigueur.
• Les associations entre produits stimulent les ventes croisées et les upsells. Construisez-les de manière intentionnelle.
• Les traductions ont besoin de glossaires. Fluide n'est pas synonyme de précis.

Sur les outils et l'échelle : L'IA génère plus vite, pas mieux — donnez-lui donc des instructions détaillées ou prévoyez de corriger le résultat. Un système PIM justifie son coût quand la gestion du tableur devient le travail lui-même, plutôt qu'un outil pour faire le travail.

Les données produit se dégradent en permanence. Construisez un processus pour les maintenir, pas seulement un projet pour les corriger.

Commencez par un audit des données

Avant d'optimiser les données produit, vous devez savoir ce que vous avez réellement. Les entreprises ne le font pas — elles supposent que le catalogue est à peu près correct et se concentrent sur l'amélioration des textes ou l'ajout de canaux. Puis elles connectent un nouveau flux marketplace et obtiennent dès le premier jour un taux de rejet très élevé, presque entièrement dû à des données d'attributs manquantes ou mal formatées qui étaient passées inaperçues depuis des mois.

L'audit est la façon de découvrir où se trouvent les vrais problèmes. Exportez votre catalogue complet et parcourez-le champ par champ. Recherchez :

• Les attributs obligatoires manquants
• Les valeurs numériques stockées en texte libre
• Les doublons
• Les spécifications obsolètes
• Les produits sans image
• Les descriptions copiées telles quelles d'une fiche fournisseur datant d'années

Rien de tout cela n'est visible depuis le storefront. Cela n'apparaît que lorsqu'un flux se casse ou qu'un filtre renvoie deux résultats au lieu de deux cents.

Les résultats de l'audit vous diront quoi corriger en premier. Un attribut de filtre manquant sur vos 50 produits les plus vendus coûte plus cher qu'une description faible sur un produit à faible rotation. Corrigez les lacunes à fort impact avant de toucher à quoi que ce soit d'autre. Un système PIM ou un outil de gestion de flux avec un rapport de qualité des données intégré accélère les choses, mais une exportation en tableur et quelques heures d'examen honnête permettent de couvrir la majeure partie du chemin.

L'audit n'est pas une tâche ponctuelle. Exécutez-le régulièrement. Les données se dégradent plus vite que la plupart des équipes ne l'anticipent.

Rédigez des descriptions pour la recherche, pas pour vous-même

Les noms de produits internes et les codes fournisseurs ne signifient rien pour un client qui tape dans une barre de recherche. Il cherche « chaussures de randonnée imperméables homme taille 43 », pas votre SKU ni votre code de modèle de marque.

Commencez par Google Search Console. Filtrez par pages de catégories de produits et triez par impressions. Vous verrez les requêtes qui génèrent du trafic vers vos pages, et aussi les requêtes avec beaucoup d'impressions et peu de clics. Cet écart indique là où vos descriptions échouent. Le client vous a trouvé, mais le titre ou l'extrait ne correspondait pas à ce qu'il cherchait.

Croisez avec les données de recherche interne de votre site. Les requêtes saisies dans votre propre barre de recherche qui renvoient des résultats faibles vous indiquent exactement ce que les clients s'attendent à trouver et ne trouvent pas. Ces termes appartiennent à vos descriptions et valeurs d'attribut. La saisie semi-automatique de Google et Amazon vous montre comment les vrais clients formulent leurs recherches, ce qui est souvent différent de la façon dont les équipes produit écrivent sur les mêmes choses.

Intégrez les termes dans les titres et la première phrase des descriptions, mais ne construisez pas vos textes à rebours autour des mots-clés. Rédigez pour répondre aux questions qu'un client se pose avant d'acheter : en quoi c'est fait, pour quoi c'est compatible, qu'est-ce qui est inclus, quelle est la différence avec la version moins chère. Ces réponses contiennent généralement les bons termes de toute façon, et elles convertissent mieux que les textes bourrés de mots-clés écrits pour un robot d'indexation.

Une chose que la plupart des entreprises ratent : l'intention de recherche négative. Un client qui cherche « couverture en laine lavable en machine » filtre les produits nécessitant un lavage à la main. Si votre couverture est lavable en machine, cette phrase doit figurer dans la description. Si elle ne l'est pas, elle doit aussi y figurer, parce qu'un client qui le découvre chez lui la retournera. Les descriptions incomplètes ne se contentent pas de sous-performer. Elles génèrent des retours.

Adaptez vos textes au canal

La même description de produit fonctionne rarement partout. Chaque canal a des règles différentes, des audiences différentes et des facteurs de classement différents.

Votre propre webshop vous donne de l'espace. Vous pouvez rédiger des descriptions plus longues et plus riches qui construisent le contexte et soutiennent la marque. Une marketplace comme Amazon ou Bol.com a des règles de formatage strictes, des limites de caractères et son propre algorithme de recherche qui pondère fortement les champs de titre. Google Shopping extrait des champs de flux structurés, pas du texte narratif. Un catalogue B2B peut nécessiter des spécifications techniques au premier plan, avec des conditions commerciales et des délais de livraison aux côtés du contenu produit.

Le problème le plus courant que nous rencontrons lors des audits de configurations multicanal pour nos clients est celui de descriptions produit qui n'ont jamais été adaptées par canal. Le texte rédigé pour un webshop où les clients naviguent et prennent le temps de lire avait été publié tel quel sur une marketplace comme Amazon ou Bol.com, où les 80 premiers caractères d'un titre de produit décident s'il apparaît dans les résultats de recherche. Le résultat était une mauvaise visibilité sans explication évidente, parce que rien dans le système ne l'avait signalé comme une erreur.

Ce qui reste cohérent sur tous les canaux :

• Les faits. Dimensions, matériaux, compatibilité, composants inclus. Faites-le bien une fois et portez-le partout.

Ce qui change par canal :

• La longueur, le ton, la structure et les détails mis en avant.

Gérer cela à l'échelle implique de construire des modèles spécifiques par canal et de savoir quels champs alimentent quelle sortie. Un seul enregistrement maître avec des variantes de champ par canal est plus facile à maintenir que des enregistrements produit séparés par canal. Le faire manuellement par SKU ne s'adapte pas au-delà de quelques centaines de produits.

Les attributs déterminent comment on vous trouve

Un client sur un site de meubles qui cherche une table de salle à manger de moins de 80 cm de large ne navigue pas. Il filtre. Si votre table n'a pas d'attribut de largeur, elle n'existe pas dans cette recherche.

C'est la partie la plus importante du travail sur les données produit. Les textes peuvent être améliorés progressivement et leur impact est graduel. Les attributs manquants ou incorrects excluent les produits des résultats de recherche entièrement, immédiatement et silencieusement. Personne ne vous le signale. Le produit n'apparaît tout simplement pas.

Les attributs sont les champs de données structurées derrière votre produit : dimensions, poids, matériau, code couleur, compatibilité, certifications, exigences d'alimentation, tranche d'âge et tout ce qui est pertinent pour votre catégorie. Plus ils sont complets et correctement typés, plus votre produit apparaît sur de nombreuses surfaces.

Le type de donnée est aussi important que la valeur :

• Un champ numérique pour les dimensions permet aux utilisateurs de filtrer par plage.
• Un vocabulaire contrôlé pour la couleur permet de filtrer par valeur exacte.
• Les champs de texte libre ne permettent ni l'un ni l'autre.

Si quelqu'un a saisi « environ 80 cm » au lieu de « 80 » dans un champ numérique, le filtre se casse. Si la couleur est saisie comme « bleu marine foncé » dans un enregistrement et « marine » dans un autre, ils ne s'agrègent pas sous la même valeur de filtre.

Chez AtroPIM, nous constatons régulièrement lors des audits d'attributs que 20 à 30 % du catalogue d'un client est effectivement invisible dans la recherche filtrée parce que les attributs clés sont vides ou mal typés. Ce n'est pas un problème de texte. Aucun travail de description ne le résout. Les produits sont exclus avant que quiconque ait lu quoi que ce soit.

Approfondissez les attributs pour vos catégories principales :

• Regardez quels filtres les sites de vos concurrents exposent et assurez-vous d'avoir des données pour tous.
• Regardez quels attributs les marketplaces exigent et lesquels sont optionnels mais recommandés. La spécification des données produit de Google liste les attributs obligatoires et optionnels par catégorie, et les attributs optionnels qui améliorent la visibilité méritent d'être renseignés (source).

Une façon pratique de trouver les lacunes : effectuez des recherches de types de produits sur votre propre site et observez quels filtres apparaissent. Vérifiez ensuite combien de résultats chaque valeur de filtre renvoie. Une valeur de filtre avec 2 résultats signifie généralement des données manquantes, pas un assortiment réduit. Corrigez les données, pas le filtre.

Standardisez les attributs entre produits similaires

Des noms d'attributs incohérents sont une version plus discrète du même problème. Si votre catalogue contient « hauteur d'assise », « hauteur du siège », « siège H » et « hauteur depuis le sol » sur différentes fiches de chaises, aucun d'eux ne s'agrège correctement dans les filtres. Les dommages sont invisibles dans chaque fiche individuelle et n'apparaissent que lorsque les filtres s'agrègent sur l'ensemble de la catégorie.

Construisez un ensemble d'attributs défini pour chaque type de produit. Chaque chaise reçoit le même ensemble d'attributs, nommés de façon identique, avec les mêmes unités et formats de valeur. Chaque outil électrique reçoit son propre ensemble fixe. Chaque produit de soin de la peau reçoit le sien. L'ensemble est défini une fois, révisé périodiquement et appliqué de manière cohérente à partir de là.

La résistance à cette étape vient rarement d'un désaccord sur le standard lui-même. Elle vient du travail ingrat de l'appliquer rétroactivement à un catalogue existant. C'est un travail qui n'appartient au KPI de personne et qui ne montre pas de résultats tant qu'il n'est pas entièrement terminé.

Sans responsabilité nommée, le catalogue dérive vers l'incohérence en 6 mois. Quelqu'un ajoute les produits d'un nouveau fournisseur sans les mapper au standard. Un responsable de catégorie ajoute un nouvel attribut qui existe déjà sous un nom différent. Le standard s'érode progressivement, et les défaillances des filtres suivent.

Lorsque vous intégrez des produits d'un nouveau fournisseur, mappez sa structure de données à votre taxonomie avant d'importer. Les fournisseurs nomment les choses selon la logique de leur propre catalogue, pas du vôtre. Laisser leur terminologie devenir vos noms d'attribut, c'est ainsi que l'incohérence commence.

Les images et les médias sont aussi des données produit

Les images stimulent la conversion. Plusieurs angles, photos de style de vie, gros plans sur les détails et références d'échelle réduisent l'incertitude d'achat. Dans des catégories comme le prêt-à-porter, le mobilier et l'électronique, les clients s'attendent à voir le produit en détail avant d'acheter. Un produit avec une seule image basse résolution extraite d'un PDF fournisseur perd face à un concurrent bien photographié quelle que soit la qualité du prix ou du texte.

Les noms de fichiers et les textes alternatifs comptent pour le SEO. Une image nommée IMG_4821.jpg n'apporte rien. Une nommée chaise-bureau-cuir-noir-detail-accoudoir.jpg, si. Les directives SEO d'images de Google confirment que les noms de fichiers descriptifs et les textes alternatifs aident les images à se positionner dans la recherche d'images et contribuent à la pertinence globale de la page (source).

Les différents canaux ont des exigences d'image différentes :

• Amazon exige des fonds blancs pour les images principales et rejette les annonces qui ne s'y conforment pas.
• Google Shopping a des exigences minimales de résolution et désapprouve les flux avec des images de mauvaise qualité.

Connaissez les spécifications par canal et respectez-les avant de publier, pas après le premier rapport de rejet.

Les assets 3D et AR deviennent attendus dans le mobilier, la décoration intérieure et certaines catégories de prêt-à-porter. Ils ne sont pas encore universels, mais l'écart entre les marchands qui les proposent et ceux qui ne le font pas est de plus en plus visible dans les données de conversion.

Construisez les associations produit de manière délibérée

Les moteurs de recommandation ont besoin de données pour fonctionner. « Les clients ont aussi acheté » et « Vous aimerez peut-être » ne sont pas de la magie. Ils sont alimentés soit par des données comportementales, soit par des relations produit définies manuellement, et les données comportementales prennent du temps à s'accumuler sur les nouveaux produits ou les pages à faible trafic.

Définissez les associations explicitement dans vos données produit :

• Les accessoires compatibles avec ce produit
• Les pièces de rechange
• Les articles compatibles
• Les composants de bundle
• Les upgrades
• Les alternatives quand un produit est en rupture de stock

Lors des lancements de nouveaux produits, les associations définies manuellement sont particulièrement importantes parce que les recommandations basées sur des algorithmes n'ont pas encore de données comportementales dont apprendre. Les associations comblent cette lacune et garantissent que les clients sont guidés vers des compléments pertinents dès le premier jour, notamment pour les pièces de rechange et les accessoires que les clients ne découvriraient pas par la navigation seule.

Soyez délibéré sur le type d'association. Une vente croisée est un produit complémentaire. Un upsell est une version de plus grande valeur du même article. Une pièce de rechange est une relation entièrement différente. Les mélanger produit des recommandations non pertinentes, et les recommandations non pertinentes sont ignorées plus vite qu'aucune recommandation du tout.

Prix et disponibilité comme données en temps réel

Les données de prix dans les flux doivent refléter ce que le client paie réellement. Cela inclut les prix promotionnels avec des dates de début et de fin correctes, les prix par paliers pour les clients B2B et les variantes de devise pour les canaux internationaux. Google Merchant Center désapprouve les produits dont le prix du flux ne correspond pas au prix de la page de destination, et des écarts répétés peuvent entraîner la suspension du compte.

Une erreur courante lors des campagnes promotionnelles est de sous-estimer la rapidité avec laquelle un écart de prix crée des dommages en cascade. Un flux mis à jour une fois par jour lors d'une vente flash qui change les prix toutes les quelques heures signifie que le flux est incorrect pendant la majeure partie de la promotion. Les désapprobations arrivent après la fin de la vente. Le risque de suspension s'accumule silencieusement. Mettre à jour les flux en quasi temps réel pendant les promotions actives n'est pas optionnel lorsque la promotion implique des changements de prix fréquents.

Le statut du stock affecte plus que la logistique :

• Sur les marketplaces, les produits en rupture de stock perdent rapidement du classement.
• Sur Google Shopping, ils cessent d'apparaître entièrement.
• Si vous vendez sur plusieurs entrepôts ou régions, un produit en stock dans un pays mais pas dans un autre a besoin d'indicateurs régionaux corrects dans le flux.

Des données de disponibilité précises, mises à jour au moins quotidiennement, ne sont pas optionnelles si vous diffusez des campagnes payantes ou dépendez de la visibilité organique sur les marketplaces.

Traduisez avec précision, pas seulement avec fluidité

Une traduction grammaticalement correcte peut quand même être fausse. Si votre système de traduction ne sait pas qu'un nom de marque spécifique ne doit jamais être traduit, ou qu'un terme technique a un équivalent approuvé sur le marché cible, vous vous retrouvez avec des fiches produit qui confondent ou induisent en erreur d'une façon difficile à détecter sans qu'un locuteur natif révise chaque enregistrement.

Les glossaires règlent ce problème. Un glossaire de traduction est une liste contrôlée de termes avec leurs équivalents approuvés dans chaque langue cible. Les noms de marque, les termes de catégorie de produit, les spécifications techniques et le langage protégé y ont tous leur place. Tout système de traduction qui en vaut la peine, qu'il soit humain, automatique ou assisté par IA, devrait appliquer le glossaire avant la sortie, pas comme une vérification post-édition.

Un glossaire appliqué après la traduction détecte les erreurs. Un glossaire appliqué avant les prévient.

La mémoire de traduction stocke les traductions précédemment approuvées pour que les chaînes identiques ou similaires se traduisent de manière cohérente dans tout votre catalogue. Elle accélère le processus et réduit les coûts sur les grands catalogues où les mêmes formulations apparaissent sur des centaines de produits. Sans elle, la même caractéristique produit peut être traduite de quatre façons différentes dans quatre catégories, aucune assez incorrecte pour être signalée, mais toutes assez incohérentes pour nuire à la crédibilité de la marque sur ce marché.

La traduction est un problème de qualité des données, pas seulement un problème de langue. Un nom de produit mal traduit dans un flux cause la même défaillance de filtre qu'une valeur d'attribut incorrecte : le produit n'apparaît pas dans les bons résultats de recherche ou atterrit dans la mauvaise catégorie parce que le terme traduit pointe vers le mauvais nœud de taxonomie.

La traduction automatique s'est considérablement améliorée. Pour le contenu à fort volume et moins critique comme les valeurs d'attributs et les listes de spécifications, elle est souvent suffisante avec le support d'un glossaire. Pour les titres de produits, les descriptions clés et tout contenu côté client sur un marché à forts revenus, la révision humaine reste importante. Appliquer la traduction automatique uniformément à tout, ou insister sur la traduction humaine pour tout, sont tous deux de mauvais points de départ.

L'IA peut aider, mais seulement si vous la dirigez

L'IA peut générer des descriptions de produit à grande échelle. C'est utile. Elle peut aussi produire des textes génériques, inexacts ou hors-marque à grande échelle, ce qui est pire que de n'avoir aucun texte, parce que cela crée l'apparence de données complètes tandis que la qualité nuit à la conversion et à la confiance.

La qualité du résultat dépend entièrement des instructions que vous donnez. Un prompt qui dit « rédige une description de produit pour cette chaise » produira quelque chose de passable et d'oubliable. Un prompt qui précise le canal, l'audience, le ton, la limite de caractères, les mots-clés à inclure, les affirmations à éviter et fournit un exemple de résultat approuvé produira quelque chose d'utilisable.

Une structure pratique pour un prompt de description produit comprend :

1. Canal
2. Audience
3. Ton
4. Longueur
5. Mots-clés requis
6. Formulations interdites
7. Un exemple de résultat approuvé
8. Les attributs produit sous forme de bloc de données structuré

La plupart des gens fournissent deux de ces huit éléments et se demandent pourquoi le résultat nécessite beaucoup d'édition. Investir du temps dans la conception du prompt et le tester sur un petit lot avant de l'appliquer à l'ensemble du catalogue économise bien plus de temps d'édition que de tout générer d'abord et de corriger ensuite.

Donnez à l'IA vos attributs produit en entrée structurée, pas sous forme narrative. Dites-lui quel format la sortie doit suivre. Dites-lui ce qu'elle ne doit pas dire. Si votre marque n'utilise pas de superlatifs, dites-le. S'il y a des contraintes de conformité réglementaire sur certaines affirmations dans votre catégorie, incluez-les explicitement. L'IA n'a aucun moyen de connaître votre environnement réglementaire, la voix de votre marque ou la différence entre une affirmation légalement sûre dans un marché et une qui ne l'est pas.

Relisez toujours le contenu généré par l'IA avant de le publier. L'IA affirmera des spécifications incorrectes avec confiance. Une dimension erronée, une affirmation de compatibilité fausse ou une description de matériau incorrecte génèrent des retours et érodent la confiance. Le coût n'est pas le temps pour le corriger. C'est le taux de retour et le client qui ne revient pas.

Utilisez un système PIM à partir d'une certaine échelle

Un tableur fonctionne quand vous avez 50 produits et vendez sur un seul canal. Les signes qu'il ne fonctionne plus sont concrets :

• Deux personnes modifient le même fichier et écrasent les modifications de l'autre.
• Un canal se lance avec les prix du mois dernier parce que quelqu'un a oublié de mettre à jour cet onglet.
• Un nouveau marketplace exige un attribut qui est renseigné de manière incohérente sur 40 % de votre catalogue, et il n'y a pas de moyen propre de le corriger en masse.
• Vous passez plus de temps à gérer le tableur qu'à améliorer les données qu'il contient.

C'est le point de bascule. Pas un nombre de produits, pas un nombre de canaux. C'est quand la gestion des données devient le travail lui-même plutôt qu'un outil pour faire le travail.

Un système de gestion de l'information produit est un référentiel central pour toutes vos données produit. Il stocke les attributs, les descriptions, les médias, les règles de prix et les variantes spécifiques par canal en un seul endroit. Il se connecte à votre webshop, aux marketplaces, aux outils de gestion de flux et aux systèmes de traduction.

D'après notre expérience chez AtroPIM, la première amélioration mesurable après la migration vers un PIM est généralement le taux d'erreurs de flux. Le simple fait d'importer des données dans un système avec des règles de validation force un nettoyage que les tableurs n'ont jamais imposé. Les équipes qui attendaient des améliorations de contenu dans les premiers mois ont obtenu des améliorations de qualité des données à la place, qui se sont avérées plus précieuses parce qu'elles ont débloqué l'expansion de canaux qu'elles planifiaient depuis des mois.

Les points essentiels à rechercher dans un PIM :

• Un modèle d'attributs flexible qui s'adapte à votre taxonomie sans imposer une structure rigide
• Des modèles de sortie spécifiques par canal
• Le support des flux de travail de traduction
• Des outils d'import/export propres pour l'intégration des données fournisseurs

Les outils d'intégration comptent plus que la plupart des acheteurs ne le réalisent. Vous importerez de nouveaux catalogues fournisseurs à plusieurs reprises. Si ce processus est pénible, les problèmes de qualité des données commencent dès la première importation et s'accumulent à partir de là.

N'achetez pas pour des fonctionnalités que vous n'utiliserez pas la première année.

Mesurez et maintenez

Les données produit ne sont pas un projet avec une date de fin. Elles se dégradent en permanence. Les fournisseurs mettent à jour leurs spécifications sans vous le dire. Les produits sont arrêtés. Les marketplaces changent leurs exigences d'attributs. Un champ optionnel l'année dernière devient obligatoire cette année, et vous le découvrez quand le taux de rejet monte en flèche.

Mettez en place des contrôles automatisés réguliers de qualité des données. La plupart des systèmes PIM et des outils de gestion de flux peuvent signaler les champs obligatoires manquants, identifier les valeurs hors des plages attendues et détecter les doublons selon un calendrier. Lancez-les chaque semaine. N'attendez pas qu'un canal vous dise que quelque chose ne va pas.

Les taux de rejet de flux de Google Merchant Center, Amazon ou d'autres canaux sont un signal direct et mesurable de problèmes de qualité des données. Une hausse soudaine des rejets pointe presque toujours vers un champ ou une catégorie de produit spécifique où une exigence a changé ou une importation par lot a introduit de mauvaises données. Examinez les rapports de rejet après chaque mise à jour majeure de flux, pas seulement quand les performances des campagnes baissent.

Les taux de retour liés aux descriptions méritent un suivi séparé des retours globaux. Un taux de retour élevé dans une catégorie spécifique où les clients citent « non conforme à la description » est un problème de données, pas un problème logistique. La description a créé une mauvaise attente. Corriger le texte corrige le taux de retour. C'est l'une des connexions directes les plus claires entre la qualité des données et le chiffre d'affaires, et la plupart des équipes ne la fait jamais parce qu'elles examinent les retours et les données produit dans des systèmes séparés sans les relier.

Les analyses de recherche sur votre propre site montrent où les clients filtrent et ce qu'ils ne trouvent pas. Un filtre fortement utilisé mais produisant peu de résultats pointe vers des données d'attributs manquantes. Une requête avec du trafic mais sans clics pointe vers des titres faibles ou des produits manquants. Les deux sont corrigeables avec du travail sur les données, et les deux sont invisibles si personne ne regarde les rapports.

Attribuez la responsabilité. Quelqu'un doit être responsable de la qualité des données comme fonction continue avec des métriques claires, pas comme un projet de nettoyage qui reçoit des ressources quand les choses se cassent suffisamment pour être remarquées.

Par où commencer

Le bon point de départ est le problème qui vous coûte le plus en ce moment, et c'est généralement visible dans les données que vous avez déjà.

Beaucoup d'impressions et peu de clics dans Search Console signifie que vos titres et descriptions ne correspondent pas à l'intention de recherche. Corrigez les 20 premiers produits par volume d'impressions, mesurez le changement du taux de clic sur 4 semaines et utilisez cela comme base pour le reste du catalogue.

Un taux de rebond élevé sur les pages produit signifie que les clients arrivent, mais que la page ne répond pas à leurs questions. Vérifiez d'abord le nombre d'images et la profondeur de la description. Les deux sont corrigeables sans aucun changement d'infrastructure.

Des taux de rejet de flux élevés signifient que les données d'attributs sont incomplètes ou mal formatées pour ce canal. Téléchargez le rapport de rejet, identifiez les 3 types d'erreur les plus fréquents et corrigez ces champs dans l'ensemble du catalogue avant toute autre chose. Une correction systématique vaut cent corrections manuelles.

Des résultats de filtre incohérents sur votre propre site signifie que la standardisation des attributs n'a pas encore eu lieu. Choisissez votre catégorie avec le plus fort trafic, définissez l'ensemble d'attributs correct, nettoyez entièrement cette catégorie et mesurez l'utilisation des filtres avant de passer à la suivante. L'amélioration de l'engagement sur les filtres est généralement immédiate et facile à démontrer aux parties prenantes qui n'étaient pas convaincues que le travail en valait la peine.

Se lancer à l'international sans glossaires signifie que chaque projet de traduction ajoute un risque cumulatif. Mettez en place l'infrastructure de glossaire avant d'ajouter une troisième langue, pas après avoir publié des milliers de noms de produits incorrects sur un nouveau marché.