La marque de produits de sports a intégré l’IA générative pour la génération de descriptions commerciales, et les résultats ont surpris toutes les équipes.
Objectifs - Optimiser les flux d’informations et le contenu
Le marketing à la performance n’est pas nouveau pour la marque de sport Salomon. « Nous faisons beaucoup d’optimisation de nos campagnes, et de nos flux produits dans les plateformes de commerce, type Google Shopping. Nous pensions que nos flux est nos processus étaient déjà bien optimisés », raconte Sofia Berg, responsable acquisition et paid media pour la marque. Mais les équipes ont voulu aller plus loin. « Face au nombre de produits du catalogue, nous ne pouvons pas tout optimiser, notamment ce qui est le contenu commercial », ajoute-t-elle. « Il y a toujours compétition entre le contenu de marque et le contenu commercial, qui va permettre au client de mieux comprendre si le produit lui est destiné. Il doit reprendre ses termes et s’adapter à lui », ajoute Antonio Carriero, ex-chief digital information officer pour Salomon. Le but était donc de choisir une catégorie – les chaussures de randonnées – et d’implémenter une IA générative pour « sortir des biais culturels de la marque », et optimiser les flux d’informations pour les plateformes (ici, Google Shopping) et le contenu sur le site e-commerce.
Moyen - Une automatisation par Claude
Salomon travaille main dans la main avec Fifty-Five, l’agence qui la conseille pour son marketing technologique. « Nous avons mis en place une série de prompts, constituée en un workflow de différents agents d’IA génératives, sur lesquels on introduit différentes contraintes », indique Thibault Cazenave, directeur général de Fifty-Five pour la Suisse et l’Italie. Après l’avoir entraîné et corrigé sur un petit volume de produits, le « bloc d’IA » a été lancé en AB Test pendant deux mois. Certains paramètres ne sont pas adaptés à l’IA (stock, prix, couleurs…), il fallait se concentrer sur les titres et descriptions produits. « Le LLM prend en compte l’image du produit pour travailler sur la description », décrit-il. Deux flux sont ainsi optimisés : celui de la plateforme Google Shopping, et celui du site e-commerce. « Il est important que la maîtrise du prompt testing reste chez l’annonceur, car tôt ou tard, tout cela sera intégré au sein des plateformes de shopping, et il perdra en visibilité sur ses produits », insiste-t-il, alors qu’un contenu commercial optimisé onsite peut créer une énorme différence… Après différents tests, Salomon a choisi Claude, d’Anthropic, « dont le modèle semblait plus adapté pour ces tâches », indique Thibault Cazenave, sans généraliser.
Résultat - Augmentation des revenus et des conversions
Les chiffres ont été explosifs : pour une augmentation en média de 34 % (du fait d’une meilleure optimisation, Google Shopping dépense davantage en média), les revenus ont crû de 83 %. Soit un nombre de conversions en hausse de 81 %, et un taux de clic (CTR) de + 43 %. « Nous ne nous attendions pas nous-mêmes à un tel succès », concède Sofia Berg. L’effet de levier se situe au niveau du volume. L’automatisation a pour conséquence d’optimiser tous les produits sans exception : « on diminue drastiquement le nombre de produits fantômes, c’est-à-dire ceux qui ne sont jamais mis en avant par la plateforme », indique Sofia Berg. Les équipes sont impatientes désormais d’appliquer cela à d’autres catégories…
