Les sales secrets du Google Keyword Planner

Les sales secrets du Google Keyword Planner

Les sales secrets du Google Keyword Planner

Parfois, nos meilleures sources de données ne sont pas exactement à la hauteur. Bien que presque tous les spécialistes du marketing de recherche se fient à un moment ou à un autre aux données du Google Keyword Planner, surtout lorsqu’ils effectuent des recherches par mots-clés, la réalité est que les données sont souvent peu fiables et doivent être considérées avec beaucoup de scepticisme. Que vous envisagiez de les utiliser pour aider à construire une campagne de recherche payante ou pour déterminer le contenu à écrire, il y a d’énormes réserves à faire quant aux chiffres présentés comme Volume de recherche moyen. Aujourd’hui, je souhaite vous présenter un certain nombre de « gotchas » dans les données du Google Keyword Planner afin que vous puissiez effectuer de meilleures recherches par mot-clé et prendre des décisions plus judicieuses pour vous ou les sites de vos clients.

Secret de Polichinelle #1 : Les moyennes arrondies

La donnée la plus utilisée de Google Keyword Planner est, de loin, la mesure du « volume mensuel moyen de recherche ». Ce point de données clé est utilisé pour tout, des décisions de base sur les mots clés à utiliser dans une campagne publicitaire aux courbes complexes de prédiction du trafic. Mais peut-on lui faire confiance ?

Supposons que vous dirigez un site web sportif et que deux mots clés apparaissent dans les recommandations : les scores de baseball et les matchs de basket. Le Google Keyword Planner nous indique que chacun de ces mots clés a un volume de recherche mensuel moyen de 201 000. À première vue, vous devriez pouvoir choisir l’un ou l’autre de ces mots clés et vous attendre à des résultats de trafic similaires, non ?

Faux. Le « volume mensuel moyen de recherche » est plus qu’une simple moyenne ; il est arrondi au volume le plus proche (que je décrirai plus tard). Nous savons que c’est le cas car Google Keyword Planner expose également les données de trafic des 12 derniers mois. Si nous faisons la moyenne de ces données, nous verrons que les scores de baseball reçoivent 217 275 visites par mois, alors que les matchs de basketball ne reçoivent en moyenne que 205 750 visites ! C’est une différence de plus de 10 000 recherches par mois, qui est masquée par l’algorithme d’arrondi de Google KWP.

Lorsque nous avons pris un échantillon de mots-clés au volume moyen de 201 000 recherches par mois, l’écart-type était de 14 621 dans la « moyenne réelle ». Dans certains cas, il était inférieur de plus de 40 000 recherches mensuelles par mois ! Si vous ne regardez pas les données des 12 derniers mois, vos estimations de trafic annuel seront probablement faussées par des dizaines de milliers de visites. Quelle est la cause de cette anomalie ?

Secret numéro 2 : les seaux de trafic

Le Google Keyword Planner utilise des « godets » pour regrouper les mots clés en fonction du volume de trafic. Lorsqu’un mot-clé renvoie un volume de trafic de 201 000, ce n’est pas parce qu’il a été visité autant de fois, ni parce qu’il était particulièrement proche du nombre 201 000, mais simplement parce qu’il était plus proche de 201 000 que le deuxième plus grand seau de 246 000. Le second seau inférieur est de 165 000, ce qui nous donne une marge de manœuvre de 80 000 recherches par mois – dans laquelle un mot-clé peut en fait tomber et être classé comme 201 000 par le planificateur de mots-clés.

Après avoir analysé un vaste ensemble de données, nous avons découvert que Google dispose d’environ 85 « compartiments » différents pour le trafic, qui sont proportionnés de manière logarithmique. Cela signifie que les mots-clés de la longue queue peuvent se retrouver dans des compartiments qui ne diffèrent que de 10 à 20 recherches à la fois, tandis que les mots-clés de la tête et de la queue peuvent présenter des écarts de centaines de milliers de recherches par mois. Plus le volume de recherche est important, moins vous pouvez être certain de l’exactitude des recherches mensuelles moyennes, en particulier par rapport aux autres termes qui appartiennent au même groupe. En fait, les plus grands seaux présentent des écarts de près d’un quart de million de recherches par mois !

Google utilise cette procédure d’arrondi pour des raisons de commodité et, probablement, pour tenir compte de la variance réelle d’un mois à l’autre, qui peut être énorme pour ces termes très populaires.

Secret de Polichinelle #3 : Mots-clés cachés

Rand a rédigé un excellent article sur cette question il y a quelque temps, si vous voulez lire tous les détails ou si vous voulez examiner le problème plus en profondeur. Cependant, j’ai pensé que je pourrais simplement vous donner quelques statistiques pour vous montrer à quel point le système de recommandation peut être ridicule par rapport à la réalité des mots et des phrases qui s’y rapportent. Commençons par l’expression « football ». Dans cet exemple, nous commencerons par utiliser les données de GrepWords pour trouver les mots les plus précieux qui contiennent le mot « football ». Ensuite, nous demandons simplement à Google ce qu’il recommande. À quelle distance correspondent-ils ? Qu’est-ce qui est manquant ?

Les 3 mots-clés les plus utilisés dans le domaine du football ne nous ont pas été recommandés, et seuls 4 des mots recommandés par Google sont entrés dans le top 10. En fait, lorsque nous avons analysé des dizaines de rapports de recommandation de mots-clés de Google, nous avons constaté que seuls 35 % des mots-clés figuraient parmi les termes les plus fréquentés.

Il semble que le Google Keyword Planner essaie simplement de fournir un échantillon représentatif de termes, mais pour les spécialistes du marketing, cela signifie que vous risquez de manquer d’énormes opportunités si vous ne creusez pas beaucoup plus loin. Vous pouvez lutter contre cette « fonctionnalité » en choisissant plus de termes à queue courte pour amorcer vos recherches et en fixant des limites de volume et de CPC, car les recommandations deviennent de plus en plus précises au fur et à mesure que vous progressez. Mais au final, vous passerez à côté de certains termes intéressants si vous avez limité vos recherches au seul Google Keyword Planner.

Le secret numéro 4 : Incohérences dans les combinaisons

Si vous êtes comme moi et que l’orthographe n’est pas votre point fort, vous avez certainement vu Google vous donner le « montrer des résultats pour {l’orthographe correcte} ». C’est très utile pour le chercheur, mais cela met un frein aux mesures de volume des mots clés. Que fait Google dans ces situations ? Compte-t-il tout le trafic vers le mot-clé correctement orthographié (qui apparaît en fait dans les résultats de recherche) ou compte-t-il le trafic vers la faute d’orthographe ou la variation ? Eh bien, il s’avère que c’est un mélange des deux. Examinons un terme assez populaire, Texas A&M Football.

Dans l’image ci-dessus, nous voyons plusieurs variantes de la manière dont on peut rechercher le concept de Texas A&M Football.

Mot-clé corrigé ? Volume distinct
Texas A&M Football Non Oui
Texas A et M Football Non Oui
Texas AM Football Oui Oui
Texas A & M Football Non Oui
Texas A&M Football Oui Oui

Notez que le fait que le mot-clé soit ou non mis en correspondance avec l’orthographe canonique ne fait aucune différence, dans ce cas, pour le volume total de la recherche. Même si de nombreux mots clés vous donneront des résultats Texas A&M, le volume de recherche de Google ne tient compte que de l’orthographe correcte du terme.

C’est ici que cela commence à avoir de l’importance. Supposons que vous gérez un site qui vend des tenues de football et que vous décidez des écoles à inclure. Vous consultez les données du Google Keyword Planner et vous constatez que « Texas A&M Football » et « FSU Football » sont tous deux recherchés 201 000 fois par mois. Ces mots clés semblent égaux en termes de volume mais, en réalité, il y a beaucoup plus de mots clés qui sont organiquement associés à l’expression « Texas A&M Football », ce qui rend le volume de recherche combiné beaucoup plus élevé. Dans ce cas particulier, il y a plusieurs milliers de visiteurs par an que vous pourriez manquer en choisissant « FSU Football » plutôt que « Texas A&M Football », simplement parce que Google ne combine pas les mots clés dans le planificateur de mots-clés, alors qu’il le fait en recherche organique.

Cela peut sembler être un compromis raisonnable. Le planificateur de mots-clés vous redonne le nombre de mots-clés recherchés, que ces recherches soient redirigées ou non vers une autre expression. Cela serait approprié si cela était cohérent, mais avec une certaine ponctuation dans les termes, nous voyons que Google traite le cas de manière complètement différente. Prenez les termes de recherche facebook.com et facebook com. Google signale que ces deux termes sont recherchés 7,8 millions de fois par mois. Il est clair que ces deux variantes ne sont pas recherchées un nombre identique de fois ; Google a simplement mis en correspondance les mots-clés ensemble, à la fois dans les résultats de recherche organique ET en volume. Cela oblige les chercheurs à établir d’énormes listes de mots clés et à supprimer ligne par ligne les majuscules.

Voici un petit conseil pour vous, experts d’Excel : Utilisez la distance de Jaro Winkler pour trouver des termes très similaires qui ont un volume de recherche identique. Souvent, ces termes sont mis en correspondance à la fois en organique et en volume, et vous pouvez trouver ces exclusions facilement.

Secret sale n°5 : Étranges recommandations

Parfois, Google Keyword Planner se trompe complètement dans les recommandations de mots-clés. Voici quelques exemples que j’ai pu tirer en quelques minutes de brainstorming :

Démarrage du mot-clé recommandé
gant de base-ball gant de boxe
cabanes à pigeons
côtelettes de porc aux calamars
le rap country

Parce que Google Keyword Planner utilise plus que la simple correspondance de phrases pour construire ses mots-clés recommandés, vous trouverez régulièrement des entrées vraiment étranges dans votre liste de mots-clés recommandés, ou des connexions qu’un ordinateur pourrait faire mais qu’un humain ne ferait jamais. Malheureusement, cela signifie que vous devez faire très attention à ce que vous obtenez en retour, en allant mot-clé par mot-clé si vous voulez lancer une campagne de recherche payante basée sur ce qui a été retourné. Vous ne pouvez tout simplement pas avoir confiance dans la pertinence des résultats. Pouvez-vous imaginer combien de webmasters ont simplement ajouté aveuglément les recommandations de Google à leurs campagnes publicitaires ?

Tout n’est pas perdu

Heureusement, il existe plus d’un moyen d’obtenir et d’améliorer les données du Keyword Planner en utilisant les sources de données clickstream. Notre propre outil Keyword Explorer a un taux de précision d’environ 95% avec le volume mensuel de mots-clés de Google AdWords.

Notre fourchette de volume a été produite en utilisant un échantillonnage, des données de tendance et le nombre de chercheurs et de recherches pour un mot-clé donné du clickstream, combinés avec les données de volume d’AdWords.

Nous connaissons deux autres sources de données sur les mots clés – ClickStre.am et SimilarWeb – qui présentent une bonne corrélation avec les volumes du Google Keyword Planner.

Bien que ces données de SimilarWeb soient très utiles, pour établir une prévision plus précise du volume de recherche d’un terme, il faut construire un modèle de régression comparant les données des utilisateurs aux estimations de Google. De plus, les différences démographiques entre l’ensemble des utilisateurs de Google et ceux inclus dans les panels d’utilisateurs de SimilarWeb et ClickStre.am signifient que la construction d’un modèle de régression omniprésent sur l’ensemble des données relatives aux mots clés n’est peut-être pas la meilleure solution, car les utilisateurs suivis par SimilarWeb et ClickStre.am pourraient être biaisés vers des sujets différents. La solution consiste à construire des modèles autour de mots-clés liés à un sujet particulier.

Par exemple, au lieu de modéliser tous les mots clés les uns par rapport aux autres, si Google Keyword Planner vous donnait 2 mots clés sur le même sujet avec le même panier de mots clés (comme 201 000 recherches par mois), vous pourriez construire un modèle de régression à la volée en comparant un échantillon de mots clés liés à l’actualité, en utilisant cela pour prédire avec une plus grande granularité la performance des deux mots clés apparemment identiques.

Si ces données utilisateur vous aident à surmonter les problèmes de granularité, il peut être un peu plus difficile d’obtenir de meilleures recommandations (à la fois plus complètes et plus précises) pour les mots clés. Le mieux est d’utiliser des agrégateurs de données sur les mots-clés comme GREPWords, KeywordTool.io ou Websterdata Keyword Explorer.

Le planificateur de mots-clés est mort. Longue vie au Keyword Planner

Malheureusement, malgré toutes les bizarreries et les tromperies de Google Keyword Planner, c’est la meilleure chose que nous puissions faire pour obtenir des données sur le volume de recherche dans Google. Nous pouvons potentiellement affiner certaines de ces données avec des données sur le parcours des clics, ou obtenir des estimations en lançant des campagnes Google Adwords et en observant le nombre d’impressions, ou même en regardant dans la console de recherche Google. Mais aucun de ces outils ne peut remplacer le Google Keyword Planner.

Au lieu de laisser les problèmes du Google Keyword Planner entraver votre recherche de mots-clés, utilisez-le à votre avantage. Recherchez les cas limites où un mot-clé comporte une tonne de fautes d’orthographe associées à la version correcte, mais non combinées dans le score de volume. Cela pourrait être une grande victoire que vos concurrents négligent parce que le terme de tête semble plus petit qu’il ne l’est en réalité. Partout où il y a de mauvaises données, il y a aussi de l’argent à gagner en transpirant les détails. Alors, mettez vos gants et commencez à frotter les données de votre Keyword Planner. Quelque part sous le brut se trouve un diamant.

A propos de rjonesx –

Je suis Russ Jones, chercheur principal chez System1 et chercheur adjoint chez Websterdata. J’ai trois filles extraordinaires, Claren, Aven et Ellis, une femme incomparable, Morgan, et je suis un nerd chrétien et démocrate qui ne sait pas toujours quand il faut se taire 🙂

76
95