Aller au contenu

Kirk Williams - Google Ads au concret, du mot-clé au feed produit

Fondateur de l'agence ZATO et hôte du podcast PPC Ponderings, Kirk Williams est le praticien Google Ads de Basecamp : lecture lucide du signal d'intention, architecture de compte par couche d'objectif, audits PMax feed-first et bascule vers les agents d'achat IA.

Basecamp · relevé de terrain

Index des sources
Sources
Relevé le
Lecture
10 min

Kirk Williams dirige ZATO, une agence PPC spécialisée en Google Ads et Google Shopping pour l’ecommerce. Il publie sur le blog de l’agence et anime le podcast PPC Ponderings, où il fait parler d’autres praticiens du search. Une voix précieuse parce qu’elle descend littéralement jusqu’à l’écran de la régie sans reprendre le discours de l’éditeur : des retours de terrain d’agence, que Basecamp mobilise comme tels, en les confrontant aux régularités empiriques du reste du playbook. Depuis 2026, il documente aussi la bascule vers les agents : ce que l’IA d’audit et d’optimisation fait gagner, et ce qu’elle coûte quand plus personne ne détient le contexte du compte.

À suivre : zatomarketing.com

Ce que Basecamp en retient

Search capte une intention déjà formée : c’est sa force, et c’est son plafond. Sur un mot-clé choisi, l’annonceur lit la qualité du trafic dans la requête elle-même, une précision qu’aucun canal d’audience n’offre, où l’intention n’est qu’inférée de comportements passés (échange avec Travis Biechele). Mais un compte qui ne fait que récolter cette demande finit par la saturer ; et comme Google Ads ne rapporte pas le reach en utilisateurs uniques, doubler le budget pour les mêmes sessions est le symptôme silencieux du plafond (échange avec Ana Goia). La contrainte tient aussi au marché : la demande search est un stock fini sur lequel enchérisse une concurrence mieux dotée, et le passage à l’échelle se joue sur l’inventaire d’audience, quasi illimité (Andrew Faris × Williams). Ce prix n’est pas libre pour autant. Williams relève deux aveux sortis d’une audition judiciaire : Google relève ses prix de réserve pour tenir ses objectifs de revenus trimestriels, et redistribue parfois la victoire d’enchère au second enchérisseur, mécanisme réservé aux plus gros budgets. Son inquiétude porte moins sur la légalité que sur la confiance annonceur. Cette lecture travaille dans Canaux d’Intention et Canaux d’Audience et Google Search Ads, et rejoint le diagnostic du Performance Plateau.

Le ROAS supérieur de la capture de demande est un artefact de mesure, pas une preuve. Ana Goia le formule sans détour au micro de Williams : “demand capture is always going to have a higher directly tracked ROAS”, parce que le canal s’attribue une conversion dont le désir a été créé ailleurs. Et le trajet émotionnel qui y mène (confiance, bouche-à-oreille) reste “totally untrackable” (Travis Biechele) : la mesure sur-représente les leviers à empreinte digitale propre, l’effet Rosser Reeves en embuscade. La définition du client brouille la lecture suivante. Pour Google, un nouveau client reste un non-acheteur même après des centaines de clics sur les annonces de la marque, si bien que la cible d’acquisition ne sépare plus acquisition et re-contact (Faris × Williams). Un ROAS agrégé flatteur peut alors masquer une acquisition sous la cible : dans un cas client, les annonces servies aux acheteurs existants tournaient à six pour un. D’où deux réflexes. Lire la brand search dans un seau séparé. Et traiter les nouvelles métriques pour ce qu’elles sont : les Attributed Brand Searches comptent une recherche de marque dans les sept jours après une impression ou une vue vidéo, en conversion secondaire seulement, jamais en cible d’enchère ; les store visits restent des estimations modélisées, datées à l’interaction publicitaire et non à la visite. Ces retours de terrain nourrissent Attribution et le Rosser Reeves Effect.

Un compte se structure par couche d’objectif, en gardant une couche de contrôle. Williams cartographie quatre types de campagne pour quatre objectifs : Search standard pour le contrôle et le diagnostic, AI Max pour la demande active sur un set produit ciblé, PMax pour le volume (opaque par design), Demand Gen pour l’amont. Les mots-clés ne sont pas morts pour autant : le conversationnel long les rend inopérants, mais sur le transactionnel court l’exact match reste “the surgeon’s scalpel rather than a chainsaw”. Ses invités complètent la panoplie : match types hybrides où le broad explore et l’exact récolte (Hannah Lewis), campagnes PMax segmentées par performance produit (Miles McNair). Et un garde-fou signé Ben Kruger, ancien Googler : la recommandation d’un rep Google est un input commercial aligné sur ses KPIs internes, pas un conseil indépendant. Cette architecture travaille dans Google Search Ads et Google Audience.

La couche de contrôle se règle ensuite, et chaque réglage a sa lecture. Les exclusions de segments d’audience, longtemps réservées à Search et Display, s’appliquent désormais à Shopping et PMax : trois usages en découlent, campagnes new customer, upsell et cross-sell, protection du budget brand. Les conversion value rules différencient la valeur par segment, à condition d’admettre que leur bénéfice s’arrête à l’information que Google ne détient pas. Smart Bidding Exploration ne baisse pas uniformément la cible : il autorise la machine à surenchérir sur des segments précis, avec un protocole de test de six à huit semaines. Promotion Mode est la même mécanique bornée à une fenêtre de dates, tolérance chiffrée comprise, priorité aux ventes sur la cible. Et l’Ad Strength mesure la quantité et la variété des assets, pas la performance : c’est un guide fonctionnel, distinct du Quality Score, jamais un KPI. Le détail descend dans Google Search Ads - Paramétrage, Smart Bidding Google Ads et Quality Score Google Ads.

Le feed produit est le rayon digital, et le terrain du commerce agentique. Devant une chute PMax, réparer le feed avant de toucher aux paramètres : les disapprovals Merchant Center réallouent silencieusement le budget vers des placements à CPM plus élevé, sans qu’aucun réglage n’ait changé. Le feed pilote aussi la présence par canal : une destination exclue retire un produit d’un canal sans dégrader la qualité du feed, ce qui permet de différencier la présence payée selon la marge du SKU. Ce réflexe feed-first prend une portée nouvelle avec les agents d’achat IA : 35 % des acheteurs US utilisent déjà un assistant IA pour leurs achats (étude Adyen relayée par Williams), et l’agent évalue sur les données structurées, pas sur le créatif : “An AI with incomplete information drops your product from the evaluation”. Le bid recule, la propreté de la donnée produit avance : “Computers talking to computers to spend human money”. La même logique se déploie chez Microsoft, où AI Max reprend le triptyque de Google (matching de requêtes, personnalisation de texte, expansion d’URL finale) avec un matching enrichi par les données LinkedIn. Ce fil fonde des sections de Disponibilité Physique & Digitale, Trafic LLM, IA et Fin du Clic et Performance Max.

Le pic se prépare des semaines avant, pas pendant. Sarah, chez ZATO, publie la checklist d’avant-BFCM. Elle tient en trois blocs, et l’ordre compte. Le feed d’abord. Corriger les désapprobations tant qu’une seconde passe reste possible, étiqueter par custom labels les produits en promotion pour ouvrir une campagne dédiée, compléter la fiche d’attributs conversationnels lisibles par les agents d’achat. Le suivi ensuite. Consent mode et enhanced conversions actifs, aucune conversion comptée deux fois, conversions primaires conformes à ce que l’entreprise valorise, valeurs dynamiques testées, car c’est la donnée que le smart bidding arbitre. Le compte enfin. Vérifier que les termes de marque ne fuient pas dans les campagnes non-marque, puis auditer les négatifs sous l’angle inverse, la sur-exclusion, puisque le smart bidding traite déjà une partie du tri. Une règle de calendrier ferme le tout : les changements structurels se terminent plusieurs semaines avant le trafic, le temps que l’algorithme se stabilise. Cette discipline prolonge le réflexe feed-first dans Google Search Ads - Paramétrage, Smart Bidding Google Ads et Disponibilité Physique & Digitale.

Le jugement du praticien reste le garde-fou de l’IA. Dans un workflow PPC assisté, l’IA accélère et étend un travail que le professionnel sait déjà évaluer, corriger et guider ; sans lui, un système probabiliste décide sur un compte vivant sans personne pour détecter l’erreur. L’audit est le cas limite. Un auditeur externe et un agent branché sur le compte portent le même risque de fond : “neither has all of the necessary context for that account to determine if the changes made are actually helpful or harmful to the entire business”. À risque égal, l’agent pèse plus lourd, parce qu’il code ses SOP en dur et applique la règle de son prompt sans s’adapter au contexte. La conséquence est une discipline d’audit : des questions et de la collecte de contexte d’abord, l’arbitrage du quoi changer ensuite, le paramétrage en dernier. Et une humilité de méthode : la structure ne prouve plus la qualité d’un compte, puisqu’une PMax unique sur tous les produits peut très bien performer, et que le fardeau revient à celui qui doit démontrer mieux que l’existant. Une best practice reste donc une hypothèse à falsifier contre les résultats : “XYZ is what actually moves the needle in this account whether someone somewhere wrote a blogpost arguing against XYZ or not”. Le piège de l’agent n’est pas l’erreur ponctuelle, c’est le volume : avec “45 (or 450) other changes” dans le même compte, aucun déplacement de performance n’est plus attribuable à un geste. Et l’agent ne s’arrête jamais d’ajouter, alors que le bon réflexe est parfois d’arrêter d’en ajouter. D’où le garde-fou qu’il décrit : un agent qui surveille son propre travail au niveau corrélationnel, alimenté par le revenu brut plutôt que par les conversions de la plateforme, et qui ralentit jusqu’à pouvoir juger. Construire cet agent coûte cher en données, en sécurité et en cas limites, ce qui plaide pour un logiciel testé plutôt que pour un prompt brut. Questionner l’IA n’est pas la combattre : sans cette curiosité, personne ne détecte l’erreur. Ces thèses travaillent dans Compétence Humaine comme Prérequis de l’IA en Publicité et Abdication du Jugement face à l’IA.

Où ça irrigue Basecamp

Les repères


ℹ️ À propos de cette page

Direction éditoriale : Romain Nicault.

Reaching Kibo explore les vrais moteurs de la croissance des scale-ups B2C - et comment les mettre en pratique. Cette page appartient aux sources de Basecamp : les penseurs, médias et institutions dont le playbook se nourrit, et ce qu’on en retient.

Elle est rédigée par IA, d’après le cadre et la direction que je donne. Une erreur, un désaccord, une source à ajouter ? Écris-moi : romain@reachingkibo.com.