Pourquoi les requêtes hors sujet passent-elles inaperçues entre deux lectures ?
Ce dispositif complète la gestion des requêtes et des mots clés à exclure ; il ne remplace pas l’analyse de l’intention.
La fréquence de lecture des termes de recherche se règle selon le volume, le risque et le rythme des lancements. Entre deux revues, une nouvelle formulation peut néanmoins accumuler du coût.
Le script réduit ce délai de détection en exécutant une règle répétable à la fréquence choisie. Il ne voit pas davantage de lignes que la source interrogée et ne sait pas si un terme est hors sujet pour votre métier.
Cette automatisation convient à une tâche définie : extraire, agréger, filtrer et alerter. Sa valeur dépend du temps de revue économisé, du coût réellement évité et du risque de faux positif.
Sur un compte comportant plusieurs objectifs, une perte peut être masquée par la lecture globale des performances. Le coût du n-gram, lui, ne se « dilue » pas mathématiquement : c’est son importance relative et son sens métier qui changent selon la campagne.
Le script complète donc l’analyse Google Ads, il ne la remplace pas. Il surveille les nouvelles requêtes, les clics, le coût et les conversions entre deux lectures humaines. Son intérêt n’est pas de produire davantage de données : il ramène en tête de liste les motifs qui dégradent le ROI, campagne après campagne, pour que l’optimisation commence par les pertes les plus répétées.
Reste à définir quoi lui faire lire. Il n’existe pas de modèle universel : la requête de données, les campagnes couvertes, les conversions, la période et les exclusions déjà en place doivent être explicites.
La logique n-gram : juger les mots, pas les requêtes
Évaluer chaque requête séparément laisse deux angles morts : les formulations inédites se multiplient sans que leur unicité dise quoi que ce soit, et les seuils de confidentialité masquent une partie des lignes.
Une approche plus utile consiste à agréger : découper les requêtes visibles en mots et expressions, les n-grams, puis cumuler le coût et les conversions par motif. Cette lecture fait ressortir les récurrences dispersées dans le rapport.
« Formation pose carrelage gratuit », « carrelage gratuit récupération », « comment carreler gratuitement » : trois lignes anecdotiques, noyées dans le rapport. Agrégées : le mot « gratuit » a coûté tant, sur tant de requêtes, pour zéro conversion, un signal à examiner dans son contexte.
Niveau 1, 2 ou 3 mots : que révèle chaque profondeur de n-gram ?
La longueur minimale et maximale des expressions change ce que le script diagnostique. Le nom des paramètres dépend du code retenu : ne supposez pas l’existence de minNGramLength ou maxNGramLength sans vérifier sa version.
| Niveau | Signal typique | Quand l’activer |
|---|---|---|
| 1-gram (mot seul) | Mots potentiellement parasites selon l’offre : « gratuit », « emploi », « formation », « définition » | Pour repérer un motif récurrent, puis relire son contexte |
| 2-gram (paire) | Couples d’intention : « avis négatif », « prix comparatif », « tuto gratuit » | Dès que les 1-grams seuls ne suffisent plus à isoler le signal |
| 3-gram (triplet) | Formulations chirurgicales : rare, mais décisif sur les comptes à fort volume et vocabulaire riche | À activer uniquement si le compte génère un volume de requêtes élevé. Le contexte compte autant que le volume : un e-commerce à catalogue large justifie le niveau 3 bien plus tôt qu'un compte de génération de leads B2B avec peu de mots-clés. |
Ce diagnostic peut compléter les enchères manuelles comme automatiques. Il n’empêche pas l’algorithme de diffuser et ne « protège » pas seul l’apprentissage : il accélère la détection d’un motif à examiner.
Commencez souvent par les mots seuls et les paires, puis ajoutez les triplets si le volume et le contexte le justifient. Comparez la précision et le nombre de faux positifs de chaque niveau.
Un même mot peut être hors sujet dans une campagne et rentable dans une autre. Le n-gram révèle une récurrence ; seule la lecture de la requête, de l’annonce, de la destination et de l’objectif permet de conclure. C’est le travail de fond sur les mots clés et les requêtes Google Ads, observé à une granularité supplémentaire.
Le dispositif complet tient en quatre temps :
- Extraction. Le script interroge une période documentée, par exemple 7 ou 14 jours glissants, avec des campagnes et états explicitement filtrés.
- Normalisation. Chaque requête est nettoyée selon des règles versionnées, puis découpée en mots et expressions.
- Agrégation. Coût, clics, conversions et valeur sont cumulés par n-gram, tout en conservant campagne et groupe d’annonces.
- Seuils et alerte. Le candidat dépasse un seuil adapté à son périmètre et à son objectif. La sortie peut être une feuille, un courriel ou un journal ; elle doit permettre de revenir aux lignes sources.
Dans la feuille de sortie, conservez pour chaque candidat le nombre d’impressions, les clics, le coût, les conversions, la campagne, le groupe d’annonces et l’URL de la page d’arrivée. Une nouvelle requête avec beaucoup d’impressions mais aucun clic ne pose pas le même problème qu’une nouvelle formulation qui accumule les clics sans résultat. La première interroge surtout le contenu des annonces ; la seconde exige d’ouvrir la requête, l’annonce diffusée et la page.
Ajoutez les objectifs publicitaires du compte et l’annonce associée : ces deux repères relient les impressions au comportement observé avant et après le clic.
Les seuils doivent aussi refléter vos objectifs. Pour un objectif de génération de prospects, le coût acceptable se lit par rapport au CPA et à la qualité commerciale. Pour un objectif de vente, ajoutez la valeur et le ROAS. Ne mélangez pas ces objectifs dans la même règle : deux campagnes Google Ads peuvent partager le même n-gram tout en poursuivant des résultats publicitaires différents.
La frontière qui sépare l’outil du danger : signaler n’est pas agir
Vient la question que tout possesseur de script finit par poser : pourquoi ne pas le laisser ajouter automatiquement des exclusions ? Parce qu’un n-gram n’est pas une intention, c’est un indice.
« Gratuit » est limpide ; mais « avis » ? Parasite pour l’un (les curieux qui comparent), précieux pour l’autre (les comparateurs prêts à signer, c’est exactement ce que tranche la lecture par type d’intention de recherche). « Prix » ? « Formation » : parasite chez l’artisan, cœur de métier chez l’organisme.
Un script qui ajoute seul des exclusions à partir de seuils applique une règle aveugle à des cas qui demandent un jugement métier. Son erreur est silencieuse : la requête rentable écartée ne peut plus générer de nouvelles données dans ce périmètre. C’est l’inverse du problème que l’on voulait régler.
D’où la doctrine : le script signale, l’humain tranche. Avant toute délégation, calculez la précision des alertes, documentez les faux positifs et vérifiez les conséquences au bon niveau. La durée nécessaire dépend du volume : un trimestre n’est ni un minimum ni une garantie.
Chaque décision doit laisser une trace : n-gram examiné, campagne, groupe d’annonces, conclusion et modification effectuée. Ce journal distingue les modifications de seuil du script, les modifications de ciblage et l’ajout d’un mot clé à exclure. Sans cette séparation, un ROAS qui remonte ne dit pas quelle action a produit l’effet, et les prochains tests repartent sans méthode.
Cette discipline paie sur la performance globale du compte : le trafic qui arrive par des n-grams non tranchés reste sous surveillance, pas sous verdict, et c’est cette nuance que l’analyse automatique ne sait pas tenir seule.
Un candidat validé peut alimenter une liste de mots clés à exclure partagée seulement si son caractère indésirable est universel dans le périmètre de cette liste. Sinon, appliquez l’exclusion à la campagne ou au groupe d’annonces où le sens est établi.
Le dispositif lit la source que vous lui donnez : toute ligne absente ou agrégée reste hors de portée. Jugez sa valeur sur le coût évité après validation, le temps de revue et les erreurs évitées, en gardant le détail par campagne et par objectif.
- Le script agrège des motifs dans les termes accessibles ; il ne connaît pas l’intention métier.
- La fréquence, les seuils et la longueur des n-grams se règlent par périmètre et se documentent.
- Commencez en lecture seule, rapprochez les totaux du rapport natif et mesurez les faux positifs.
- Une exclusion partagée n’est justifiée que si le terme est indésirable dans toutes les campagnes couvertes.
Comment cadrer et tester un script n-gram dans Google Ads ?
Le temps d’installation dépend du modèle, des autorisations, du volume et de la sortie choisie. Le résultat ne dépend jamais d’un seul seuil : requête de données, conversions, période, normalisation, périmètre et gestion des erreurs comptent autant.
Avant de le planifier sur tout le compte, appliquez une méthode de test en trois passages. Le premier vérifie l’extraction sur une campagne connue. Le deuxième compare clics, coût, conversions et valeur avec le rapport natif de la même période. Le troisième contrôle les candidats et les faux positifs. Google documente l’accès aux données via AdsApp.report() et AdsApp.search() : versionnez la requête GAQL utilisée.
- Test de lecture. Lancez le script sur une campagne et vérifiez que ses groupes d’annonces, ses nouvelles requêtes et ses données sont présents.
- Test de seuil. Faites varier le seuil dans le journal, sans ajout automatique de mots clés à exclure, puis observez combien de candidats supplémentaires apparaissent.
- Test de décision. Relisez les annonces, le mot clé déclencheur et la page d’arrivée avant toute modification du ciblage.
Ajoutez une grille de tests à l’audit après toute nouvelle campagne, nouvelle URL finale, nouvelle action de conversion ou nouvelle stratégie d’enchères. Cette recette évite qu’une modification de Google Ads soit attribuée à tort à l’automatisation.
| Test | Données à rapprocher | Écart à expliquer |
|---|---|---|
| Périmètre Google Ads | Budget analysé, impressions et conversions | Budget absent, période décalée ou objectif oublié |
| URL | URL de destination et URL de sortie configurée | Page ou feuille remplacée sans mise à jour |
| Enchères | Stratégie d’enchères, dates et performance | Variation liée au pilotage plutôt qu’aux requêtes |
| Couverture | Réseau de Recherche comparé séparément à la vidéo et au Réseau Display | Type de campagne non couvert par la requête |
| Exécution | Journaux Google Ads Scripts ou API | Erreur, quota, interruption ou doublon |
Versionnez ces tests avec les modifications du code et du budget. Pour mesurer le ROI de cette gestion, comparez une période stable avant et après validation humaine, sans confondre l’effet d’une nouvelle enchère, d’une nouvelle création vidéo ou d’une optimisation de page.
Après chaque série de modifications, contrôlez aussi le comportement des pages d’arrivée : une page remplacée ou un formulaire cassé peut dégrader la conversion sans que les requêtes aient changé. Consignez cette vérification avec les autres modifications.
Quel code installer et quels paramètres documenter ?
Cette page ne fournit pas un code universel à copier. Dans Google Ads, ouvrez Outils → Actions groupées → Scripts, puis installez un modèle dont le dépôt, la version et la date de consultation sont identifiables. Avant de l’autoriser, relisez les accès demandés et vérifiez s’il se contente d’écrire un rapport ou s’il peut aussi modifier le compte.
Documentez au minimum la requête GAQL, la fenêtre d’analyse, les campagnes incluses, les actions de conversion, la valeur et la devise utilisées, la normalisation des n-grams, les seuils, la destination du rapport et le comportement en cas d’erreur. Les noms comme COST_THRESHOLD ou SPREADSHEET_URL dépendent du modèle : leur présence et leur sens ne doivent jamais être supposés.
Une feuille Google Sheets peut servir de sortie, mais elle n’est pas obligatoire. Quel que soit le support, conservez un aperçu avant action, les journaux d’exécution et un rapprochement avec le rapport natif sur la même période. Pour plusieurs comptes, séparez sorties, objectifs, devises, réglages et historique de validation.
Comment traiter les n-grams déjà couverts par des exclusions ?
Cela dépend du code installé. Il n’existe pas de paramètre checkNegatives garanti dans tous les modèles, ni de filtre universel capable d’interpréter sans erreur les listes partagées, les exclusions de campagne, celles du groupe d’annonces et leurs types de correspondance.
Testez ce comportement sur quelques requêtes connues avant de déployer le script. Le statut « déjà exclu » peut rester une colonne utile du rapport : il aide à contrôler la couverture, mais ne doit ni masquer une erreur de périmètre ni déclencher une nouvelle exclusion automatiquement.
Que faire quand le script dépasse la limite d'exécution sur un gros compte ?
Sur un compte annonceur, un script Google Ads est interrompu après 30 minutes. Un script de compte administrateur dispose également de 30 minutes, ou de 60 minutes lorsqu’il utilise executeInParallel avec une fonction de rappel. Sur un gros volume, il peut donc s’arrêter avant d’avoir tout lu.
Google documente une durée maximale d’exécution. Réduisez le périmètre avec des libellés, des identifiants et des fenêtres de dates, puis découpez le traitement en lots. Ne supprimez jamais des campagnes de test pour alléger l’exécution : excluez-les par filtre. Si le volume l’exige, ajoutez pagination, point de reprise et écriture idempotente afin qu’une relance ne duplique pas les lignes.
Une extraction via l’API Google Ads et un traitement dans un entrepôt deviennent pertinents lorsque plusieurs comptes partagent la même méthode ou que les scripts natifs ne suffisent plus. Lors d’un changement d’outil, rapprochez les volumes, coûts, conversions et devises avant de comparer le ROI ou le ROAS.
Le script couvre-t-il aussi le Réseau Display ou les campagnes Performance Max ?
La couverture dépend de la vue interrogée. search_term_view restitue les termes au niveau du groupe d’annonces pour le Réseau de Recherche, mais exclut Performance Max. Pour Performance Max, l’API Google Ads v24 expose campaign_search_term_view, au niveau de la campagne, avec les métriques de coût. L’ajout de segments liés aux mots clés exclut toutefois les données Performance Max de cette vue. Ces vues restent soumises aux lignes accessibles et aux règles de confidentialité ; comparez un échantillon au rapport natif avant d’adapter le script.
Sources officielles vérifiées le 26 juillet 2026 : search_term_view, campaign_search_term_view et reporting Performance Max.
Le Réseau Display et la vidéo ne fournissent pas le même flux de requêtes. Le diagnostic porte plutôt sur les emplacements, les audiences, les créations et les inventaires accessibles dans leurs rapports. Un script n-gram dédié aux termes de recherche ne doit donc pas être présenté comme un contrôle général de ces campagnes.
Avant d’inclure un nouveau type de campagne, exécutez un test séparé, comptez les lignes obtenues et comparez-les aux rapports disponibles dans l’interface. Une sortie vide ou partielle décrit la couverture du script ; elle ne prouve pas l’absence de trafic hors sujet.
Faut-il faire tourner le script campagne par campagne ou sur tout le compte ?
L’agrégation globale aide à découvrir un motif répété dans plusieurs campagnes. Elle ne dilue pas son coût cumulé, mais elle peut masquer son contexte : le même terme n’a pas nécessairement la même valeur selon l’offre, la zone, l’objectif ou la page de destination.
Conservez donc dans chaque ligne la campagne, le groupe d’annonces, la requête source et l’objectif de conversion. Vous pouvez agréger pour détecter, puis décider au périmètre le plus étroit où le sens est établi. Des seuils distincts sont justifiés lorsque budgets, valeurs de conversion ou risques métier diffèrent.
Le script peut-il aussi révéler des mots-clés rentables à enchérir ?
Il peut faire remonter des motifs présents dans des requêtes qui ont converti, mais ce sont des pistes d’analyse, pas des mots clés à ajouter directement. Relisez la requête entière, le type de correspondance, le volume, la marge, la qualité CRM et le rôle incrémental avant de modifier le ciblage ou les enchères. Cette lecture offensive rejoint la méthode de recherche de mots-clés.
L'alerte arrive dans votre boîte mail, que faire dans les dix minutes qui suivent ?
L’optimisation du temps passé sur cette tâche tient en une règle simple : ouvrir la feuille Google Sheets, pas l’e-mail. L’e-mail n’est qu’un déclencheur ; le tableau contient les colonnes utiles : le n-gram, le coût cumulé, le nombre de conversions et le nombre de requêtes distinctes qui le contiennent.
Trois vérifications avant toute décision, dans cet ordre, chaque étape conditionnant la suivante :
- Le signal justifie-t-il une revue ? Croisez le coût, le nombre et la diversité des requêtes sources, les conversions ou la valeur, puis le risque métier. Deux occurrences peuvent suffire si l’incompatibilité est manifeste ; un volume supérieur peut rester ambigu.
- Le mot a-t-il un sens métier ambigu ? « gratuit », « avis » et « prix » se jugent selon l’offre, la requête complète et la qualité aval ; aucun ne s’exclut automatiquement.
- Une des pages de destination liées à ce n-gram est-elle mal ciblée ? Un mot parasite révèle parfois un problème inverse : une annonce ou une page d'atterrissage dont le contenu attire le mauvais trafic. Corriger le texte de l'annonce peut parfois régler le problème plus proprement qu’une exclusion seule.
À éviter dans cette revue : ajouter des exclusions en lot sans relire chaque ligne, même sur un signal qui semble clair. Le nombre de candidats dépend du volume, du périmètre et des seuils ; prévoyez un temps de contrôle adapté. Ouvrez la campagne Google Ads concernée, puis le groupe d’annonces : le contenu des annonces et l’URL de la page d’arrivée expliquent parfois pourquoi une requête ambiguë a généré le clic. La bonne correction peut être une annonce plus précise, une nouvelle page ou une modification du ciblage, pas nécessairement un mot clé à exclure.
Si votre génération de prospects passe par un formulaire connecté à un CRM, la boucle se referme encore mieux. Un n-gram qui génère des prospects de mauvaise qualité dans le CRM mérite le même traitement qu'un n-gram qui dépense sans convertir, même si son coût d'acquisition n’a rien d’anormal. Le signal apparaît juste un cran plus loin dans le parcours. Gardez une trace de la décision prise sur chaque n-gram ambigu à cet endroit plutôt que dans un fichier séparé : la traçabilité facilite le bilan trimestriel de précision.
Le temps passé à surveiller ce script vaut-il le coût qu'il évite ?
La question mérite d'être posée avant d'installer quoi que ce soit. Le diagnostic vient d’abord ; la lecture manuelle et la gestion des exclusions entre campagnes couvrent ensuite l’exécution. La décision dépend du coût évitable, du temps de revue, de la maintenance des données et du risque de faux positifs, pas d’un seul ratio.
Sur un compte peu volumineux et déjà bien nettoyé, l’installation peut rester marginale : le coût évitable est faible et le temps de lecture de chaque sortie peut dépasser le bénéfice. L’intérêt augmente lorsque les campagnes, les requêtes et les contributeurs se multiplient au-delà de la capacité de revue manuelle.
Le gain net estimé se calcule sobrement : coût évité attribuable au dispositif, moins le coût du temps d’installation, de revue et de maintenance. Le ROI rapporte ensuite ce gain net au coût total du dispositif. Comparez des périodes de durée similaire et notez chaque ajout de mot clé à exclure. Si le ROAS progresse après plusieurs modifications simultanées, le journal vous empêche d’attribuer tout le gain au script. Les stratégies d’enchères peuvent aussi changer la diffusion ; gardez-les stables pendant les tests qui servent à mesurer le dispositif.
Plusieurs signaux indiquent qu'un compte a intérêt à installer le script maintenant, plutôt que d'attendre :
- Le coût hors sujet attendu dépasse le coût d’installation et de revue. Le seuil dépend du compte ; un budget quotidien arbitraire ne suffit pas à le fixer.
- Le compte tourne sur plusieurs campagnes en parallèle, avec des équipes ou des prestataires différents qui touchent aux mots-clés. La coordination humaine devient le point faible, pas la détection elle-même.
- Un audit récent a déjà révélé du hors-sujet non traité. Si la dernière lecture manuelle a trouvé des mots parasites qui dataient de plusieurs semaines, c'est le signe que la fréquence manuelle ne suit plus le rythme du compte.
- De nouvelles campagnes sur le Réseau de Recherche se lancent régulièrement. Chaque lancement est une étape qui remet le compteur à zéro sur le vocabulaire parasite à surveiller ; noter la date de chaque lancement dans le même journal que les alertes évite de confondre un pic normal de démarrage avec un vrai signal de hors-sujet.
À l'inverse, un compte récent, à faible budget, avec un seul contributeur qui suit son rapport de termes de recherche chaque semaine n'a probablement rien à gagner à ajouter cette couche d'automatisation tout de suite. Le script protège un temps de gestion qui, en dessous d'un certain volume, n'était pas menacé. Les comptes qui exportent déjà leurs données via l'API vers un CRM segmenté par typologie de client ont souvent une longueur d'avance sur ce calcul : le seuil de rentabilité du script se lit directement dans les segments existants, sans audit supplémentaire.
Comment mettre en place le script n-gram de détection cette semaine ?
Commencez par un périmètre témoin et une exécution en lecture seule. La fréquence se choisit selon le volume, la vitesse de dépense, le risque métier et la cadence de revue ; elle n’est pas automatiquement hebdomadaire.
Après une période représentative, calculez la part de candidats réellement hors sujet et examinez les faux positifs. Même avec une bonne précision observée, conservez une validation humaine tant que le coût d’une exclusion erronée reste significatif.
Découper cette validation par segments de secteur ou de gamme, plutôt que de traiter tout le compte comme un bloc homogène, accélère l’étape la plus lente : celle où l’on décide si un n-gram mérite la suppression définitive ou une seconde chance.
Une dernière optimisation, souvent oubliée : documentez chaque modification de seuil ou de paramètre du script dans le même journal que vos alertes. Un compte qui change de script sans garder trace de ses réglages précédents recommence son observation à zéro. Ces modifications valent aussi pour l’ajout d’un nouveau compte au même modèle de script : ne partez pas des réglages d’un autre compte sans les revoir, la réalité du secteur et du compte change le coût moyen d’acquisition.
Le script signale. Vous décidez. Son périmètre s’arrête au diagnostic et à l’installation : l’exclusion des termes mal routés et le suivi des conversions restent des opérations distinctes.
