Comment prédire votre volume de conversions avec les régressions linéaires ?

« Combien de ventes supplémentaires peut-on espérer générer si on booste le budget de +20% ? ». Voilà le genre de questions que tout Responsable Acquisition se voit régulièrement poser. Mais comment y répondre de manière efficace ?

On sait tous qu’à partir d’un certain montant, doubler les investissements ne doublera pas nécessairement les ventes car la relation entre budget et taux de conversion est rarement stable. En effet, plus on dépense d’argent, plus on génère de trafic, moins ce trafic est qualifié et moins le taux de conversion est bon. Résultat, les coûts d’acquisition augmentent et la rentabilité diminue.

Mais alors, comment estimer le volume de ventes que votre activité peut générer en fonction de votre budget ? Chacun a sa propre méthode, qui se base souvent sur l’expérience et l’observation des périodes passées. Aujourd’hui, je vous propose de faire un peu de Mathématiques et d’utiliser les régressions linéaires pour vous aider à obtenir des estimations plus scientifiques et donc plus précises.

Si les Maths ne sont pas votre point fort, c’est normalement le moment où vous commencez à trembloter devant votre écran. Ne vous inquiétez pas ! Ce n’est pas particulièrement mon point fort non plus. Promis, vous allez tout comprendre sans trop d’efforts.

Les régressions linéaires, c’est quoi ?

La régression linéaire est une forme de Machine Learning (ML) qui permet d’effectuer des prédictions à partir d’un échantillon de données. Il s’agit en fait d’une courbe qui a pour particularité d’essayer de représenter au mieux la distribution de vos données en suivant la tendance globale. Elle peut donc être linéaire comme non linéaire, c’est-à-dire exponentielle, logarithmique, …

Une régression linéaire simple s’appuie sur deux variables : une variable non dépendante (l’hypothèse x) et une variable dépendante (la résultante y). En outre, la valeur de la résultante dépend de la valeur de l’hypothèse de base. Je rappelle qu’une régression linéaire est une courbe, or, toute courbe possède une formule permettant de la tracer. Si l’on sait comment tracer une courbe, on est infine capable de déterminer un point de rencontre entre abscisse et ordonnée. Autrement dit, on est capable de réaliser une prédiction de la valeur de la résultante en fonction de la valeur de l’hypothèse.

Créer une régression linéaire pour Google Ads

Maintenant que vous savez ce que sont les régressions linéaires, voyons voir comment les utiliser pour forecaster un volume de conversions à partir d’un budget cible.

A savoir que cela peut fonctionner pour toute autre plateforme, ce n’est ici qu’un exemple.

Etape 1 : Récupérer les données d’historique

Pour démarrer, il est important de récupérer l’historique de votre compte afin d’avoir un maximum de chiffres, ce qui permettra d’établir une tendance. Si votre compte est trop récent, l’exercice n’aura pas d’intérêt.

Pour ce faire, rendez-vous sur l’interface Google Ads : Rapports > Rapports prédéfinis (dimensions) > Données temporelles > Jour

Supprimez toutes les colonnes sauf les coûts et les conversions, choisissez votre plage de dates et exportez les données au format CSV.

Etape 2 : Utiliser le graphique « Nuages de points » dans Excel

Ouvrez le fichier CSV précédemment généré, sélectionnez les colonnes « Coûts » et « Conversions » et insérez un graphique de type « Nuages de points ».

Etape 3 : Générer une régression linéaire

Maintenant que le graphique est généré, faites un clic-droit sur un des points puis choisissez « Ajouter une courbe de tendance ». Vous verrez alors une courbe se superposer au milieu de vos points.

Etape 4 : Choisir la meilleure régression linéaire

Dans le menu de droite, il est possible de choisir différents types de courbes (Linéaire, Logairthmique, Polynomiale, …). La question est maintenant de savoir quelle courbe représente le mieux la tendance ?

Pour cela, nous allons cocher la case « Afficher le coefficient de détermination (R²) sur le graphique ». Ce coefficient est calculé à partir de la méthode des points carrés, qui est une des méthodes permettant d’estimer la pertinence d’une régression linéaire. De façon générale, plus la valeur de R² est élevée, plus la courbe est adaptée à la tendance. L’idée est donc de sélectionner les différents types de courbes et de sélectionner celle dont le R² est maximal. Vous devriez d’ailleurs remarquer que cette courbe est celle qui semble visuellement la mieux adaptée à la distribution des points de votre graphique.

Etape finale : Comment prédire le budget optimal ?

Tous les éléments nécessaires à cette prise de décision sont là. Si vous regardez la courbe de tendance, vous comprenez aisément que c’est elle qui permet de déduire un volume de conversions en fonction d’une hypothèse de budget initial. On peut même le déduire visuellement, en croisant abscisse et ordonnée au niveau de la courbe.

Mais comment faire pour obtenir une valeur qui n’est pas tracée car vous n’avez encore jamais atteint un tel niveau de dépenses ? Pour cela, nous allons cocher la case « Afficher l’équation sur le graphique » qui permet de visualiser la formule permettant de tracer la courbe de tendance. Finalement, il ne vous reste plus qu’à utiliser cette équation à 2 inconnues, x n’étant pas si inconnue que cela puisqu’il s’agit de votre hypothèse de budget.

Dans mon exemple, la formule obtenue est : y = 79,919ln(x) – 464,93

Autrement dit, pour un budget prévisionnel de 20 000 €, on estime pouvoir réaliser un total de 327 ventes.

Je rappelle que ceci n’est qu’une estimation, basée sur l’historique de données exportée à partir de Google Ads. Si ce chiffre vous semble étrange, certaines questions sont à vous poser. La période de l’historique comporte peut-être des périodes particulières pouvant déformer la tendance ? Par exemple, des promotions très agressives ayant généré des taux de conversion inhabituellement élevés ou au contraire des opérations de Branding ayant généré des taux de conversion inhabituellement faibles peuvent biaiser votre résultat. Retirer ces périodes de votre historique de données peut être une piste d’amélioration de la prédiction.

Pour aller plus loin

Je me suis très fortement inspiré de « Regression analysis to improve Google Ads performance » publié sur Search Engine Land par Mark Meyerson pour la rédaction de cet article. J’ai volontairement abrégé certains points pour rester simple et compréhensible du plus grand nombre. Si vous vous sentez suffisamment confiant pour aller plus loin, je vous invite à le parcourir car il est bien plus complet et rentre davantage dans le détail.

Publié le dans Google AdWords

Ça peut vous intéresser

Continuez votre lecture avec d'autres publications sur les mêmes thématiques :

  • Machine Learning
Simplification du système de rotation des annonces sur AdWords
Simplification du système de rotation des annonces sur AdWords
Google a annoncé la simplification de son système de rotation des annonces sur AdWords. En effet, 2 options seront uniquement disponibles à compter du 25 septembre 2017, à savoir « Optimisation » et « Rotation continue ». Rotation des annonces : Optimiser C’est certainement la ...
Blog Google AdWords

Dernières publications

Retrouvez les dernières actualités webmarketing partagées sur le Blog.

Amélioration de la WebPerf au niveau mondial en 2018
Amélioration de la WebPerf au niveau mondial en 2018
L’année dernière, Google introduisait la notion de vitesse de chargement des pages dans ses critères de classement des résultats de recherche mobiles via le Page Speed Update. Cette mise à jour de l’algorithme censée pénaliser les sites plus lents n’a pas eu de gros impact sur les ...
Blog SEO
Il y a 11 jours
Instagram lance un parcours d’achat sans couture avec Shopping Checkout
Instagram lance un parcours d’achat sans couture avec Shopping Checkout
Instagram a beaucoup évolué s’agissant de la mise en avant des produits de sites e-commerce sur sa plateforme. L’année dernière, des fonctionnalités comme les tags produits dans le fil d’actualité, les stickers produits dans les stories ou encore la rubrique « Shopping » ...
Blog Facebook
Il y a 11 jours

Newsletter Veille Digitale

Ne perdez pas le fil ! Recevez une fois par mois le résumé des dernières publications de mon blog en vous abonnant à la newsletter.

Consultez vos performances SEO au niveau du domaine avec la Search Console
Consultez vos performances SEO au niveau du domaine avec la Search Console
Depuis sa création, alors qu’elle s’appelait encore Google Webmater Tools, la Google Search Console a toujours isolé les performances d’un site en fonction de son protocole et de son domaine. Ainsi, il fallait créer des propriétés différentes pour suivre les performances SEO de ...
Blog SEO
Il y a 12 jours
Espionnez vos concurrents avec la Facebook Ad Library
Espionnez vos concurrents avec la Facebook Ad Library
Depuis plusieurs mois, Facebook lance diverses fonctionnalités pour fournir plus de transparence sur son écosystème publicitaire et ainsi se racheter une image auprès des annonceurs. On a notamment vu l’arrivée de la possibilité de consulter les supports de diffusion sur ...
Blog Facebook
Il y a 19 jours
Facebook va supprimer l’indice de pertinence
Facebook va supprimer l’indice de pertinence
Après Google Ads qui mettra prochainement fin à la position moyenne dans ses reports, c’est au tour de Facebook Ads de faire un peu de ménage parmi ses indicateurs de performances avec la suppression du score de pertinence (Relevant Score). Qu’est-ce que l’indice de ...
Blog Facebook