Visibilité Shopping IA

La visibilité IA ordinaire demande si l'IA mentionne une marque. La visibilité shopping pose la question plus difficile et plus commerciale : quand un acheteur demande à l'IA quoi acheter, vous recommande-t-elle ? Ouvrez le projet Visibilité IA d'un client et allez dans l'onglet Shopping. Il se concentre sur les questions à intention d'achat : les prompts du type « le meilleur X pour Y », « les meilleurs X à moins de Z € », « quel X acheter », que l'on pose quand on est prêt à dépenser. La visibilité shopping fait partie de la visibilité IA, ce n'est pas un produit séparé : elle utilise donc les mêmes modèles, les mêmes scans planifiés et la même mesure honnête (taille d'échantillon et marge d'erreur sur chaque chiffre). Rien n'est estimé : chaque chiffre vient de vrais scans de prompts marqués à intention d'achat.

L'indicateur principal est votre taux de recommandation shopping : sur toutes les exécutions à intention d'achat, combien de fois l'IA a-t-elle réellement recommandé votre marque ? Il s'affiche en pourcentage avec la taille d'échantillon exacte (« 27/50 exécutions shopping vous recommandent », n = 50 exécutions) et une marge d'erreur ±, avec une note de faible confiance tant que l'échantillon reste petit (moins de dix exécutions). Une seule réponse favorable ne ressemble ainsi pas à une tendance. Juste en dessous, le tableau « Vous vs concurrents — recommandations shopping » compare votre taux de recommandation à celui de chaque concurrent que vous suivez, avec pour chacun son taux, sa marge d'erreur et son nombre d'exécutions. À côté du taux, chaque marque affiche sa part des recommandations : sur toutes les recommandations de marques faites dans vos exécutions shopping, la fraction qui est allée à cette marque (ses recommandations ÷ celles de toutes les marques suivies). Le taux répond à « à quelle fréquence cette marque est-elle recommandée ? », la part des recommandations à la question concurrentielle « sur chaque recommandation donnée, qui l'emporte ? » : un vrai Share of Voice pour les réponses à intention d'achat, dont la somme fait environ 100 % sur les marques affichées. Ensemble, ils vous disent si l'IA oriente les acheteurs prêts à acheter vers vous ou vers un rival. Indiquez un type de produit / une catégorie dans l'onglet et CrunchJunkie génère des modèles de prompts à intention d'achat adaptés ; vous pouvez les modifier ou en ajouter à tout moment. Au niveau du produit, chaque produit suivi affiche aussi un taux de victoire en face-à-face à côté de son taux de recommandation. Le taux de recommandation porte sur toutes les exécutions shopping ; le taux de victoire ne porte que sur les exécutions « décisives », celles où l'IA a recommandé au moins un produit suivi (le vôtre ou celui d'un concurrent), et c'est la part de ces exécutions qui incluaient ce produit. Il répond à une question plus précise : quand l'IA choisit réellement quelque chose dans cette catégorie, à quelle fréquence est-ce vous ? Comme il ignore les exécutions sans recommandation, il n'est pas dilué par les prompts qui n'ont donné aucun choix, et le nombre d'exécutions décisives est affiché pour que le chiffre porte toujours sa taille d'échantillon.

Au-delà de la marque, vous pouvez suivre des produits individuels et voir le taux de recommandation de chacun : vous savez ainsi quelles SKU l'IA met devant les acheteurs, pas seulement si votre marque est citée. Ajoutez vos propres produits (et ceux de vos concurrents) et chacun devient un élément suivi, scanné comme n'importe quel prompt. CrunchJunkie propose aussi une vue de découverte : « Produits que l'IA a recommandés et que vous ne suivez pas ». Quand une réponse shopping nomme un produit que vous n'avez pas ajouté, il apparaît là avec sa fréquence d'apparition (p. ex. « 9/12 exécutions »), et un bouton Suivre l'ajoute à votre liste en un clic. C'est le moyen le plus rapide de trouver les produits qui gagnent déjà dans les réponses IA, les vôtres ou ceux d'un concurrent, et de commencer à les mesurer. Le revers est le panneau « Vos produits que l'IA ne recommande jamais » : vos propres produits suivis qui n'ont été recommandés dans aucune exécution shopping de l'échantillon en cours. Ce sont vos opportunités les plus nettes : les SKU que l'IA ignore. Associez-le au panneau Préparation du flux pour l'IA : corrigez les lacunes du flux (GTIN, disponibilité, prix, images, avis) et le contenu des pages produit, puis relancez un scan pour voir si elles commencent à être reprises. Il ne liste jamais que vos propres produits et s'appuie sur de vraies données de scan : lisez-le en gardant la taille d'échantillon en tête quand le nombre d'exécutions est faible. Chaque SKU suivie génère un prompt à intention d'achat (un, parfois deux) et est scannée selon la planification de votre projet. Comme un scan a un coût, le suivi est plafonné par forfait : Solo 25, Starter 100, Pro 500, Agency 2 000, et Scale un nombre illimité de SKU suivies. Arrêter le suivi supprime les prompts propres à la SKU et efface toutes les réponses enregistrées pour eux ; la page compte ces réponses et demande confirmation avant le clic, et la chronologie note les prompts retirés comme des prompts supprimés ; les totaux quotidiens des jours concernés sont recalculés sans eux (aussitôt pour un historique court, en quelques heures pour un historique long). Seules les SKU que vous suivez réellement sont scannées, et l'onglet affiche toujours les vérifications mensuelles prévues avant que vous vous engagiez : le coût est transparent. Avec vos propres clés API, le scan par SKU est gratuit ; avec Managed AI, il est mesuré par vérification comme le reste de la visibilité IA.

Vous n'avez pas à ajouter les produits à la main. CrunchJunkie importe votre catalogue depuis un flux produit standard, dans la section Flux produit de l'onglet Shopping. Trois formats sont pris en charge : Google Shopping XML (le flux RSS/Atom avec l'espace de noms g: que produit Merchant Center), séparé par des tabulations (TSV) et séparé par des virgules (CSV). Vous pouvez coller l'URL d'un flux que CrunchJunkie ira chercher, ou téléverser un fichier (.xml, .csv, .tsv ou .txt). CrunchJunkie lit pour chaque produit l'identifiant/SKU, le titre, la marque, le type de produit/la catégorie, le lien et le prix, en associant automatiquement les noms de colonnes courants (« sku », « mpn » ou « offerid » sont par exemple tous reconnus comme l'identifiant). Les produits sans titre sont ignorés plutôt que devinés, et les très gros flux sont plafonnés à 50 000 articles. Les produits importés ne se mettent pas à être scannés d'eux-mêmes : l'import ne fait que remplir le catalogue. Vous choisissez ensuite lesquels suivre, filtrez par type de produit, marque ou fourchette de prix, et utilisez « Suivre toutes les correspondantes » pour suivre en une fois un ensemble filtré. L'action groupée affiche d'abord un aperçu des vérifications ajoutées prévues et du nouveau total, et ne dépasse jamais le plafond de votre forfait (les SKU au-delà sont ignorées, pas suivies).

Si votre catalogue se trouve déjà dans Google Merchant Center, connectez-le directement au lieu d'exporter un flux. Sous Données → Intégrations (ou sur la carte Merchant Center de l'onglet Shopping), cliquez sur Connecter et autorisez l'accès avec Google. La connexion utilise la Merchant API de Google et demande l'autorisation Merchant Center (auth/content) : laissez cette autorisation cochée sur l'écran de consentement de Google, sinon la connexion ne peut pas lire votre catalogue. L'accès est en lecture seule : CrunchJunkie ne fait que lire votre liste de produits et n'écrit jamais dans votre Merchant Center. Après la connexion, choisissez le compte Merchant Center à importer (les sous-comptes d'un compte MCC sont listés aussi) et cliquez sur Synchroniser maintenant pour récupérer le catalogue. Chaque produit est normalisé dans la même forme qu'un import de flux : le suivi, le filtrage et les actions groupées fonctionnent donc de la même façon. La synchronisation est lancée par l'utilisateur : cliquez à nouveau sur Synchroniser chaque fois que votre catalogue change. Vous pouvez vous déconnecter à tout moment depuis le même panneau, et révoquer entièrement l'accès depuis votre compte Google.

Une fois un catalogue importé (par flux ou par Merchant Center), la section Flux produit affiche un score de Préparation du flux pour l'IA sur 100. Il mesure la complétude de votre catalogue sur les champs que les assistants d'achat IA (ChatGPT Shopping, Google AI Mode et AI Overviews, Perplexity) lisent dans les données produit : GTIN/code-barres, disponibilité, prix, image, type de produit/catégorie, lien du produit et titre descriptif. La plupart sont des champs obligatoires de Merchant Center, et la complétude de votre flux est la part du shopping IA que vous contrôlez. Le score ne prédit pas si combler une lacune change la fréquence à laquelle l'IA recommande un produit : cela se voit dans votre visibilité shopping lors des scans suivants. Le score est une couverture pondérée des champs sur vos SKU importées : chaque champ est pondéré comme le fait Merchant Center (GTIN, disponibilité et prix pèsent le plus), et chaque ligne affiche la couverture exacte (« 82 % (410/500) ») avec un statut vert/orange/rouge. Rien n'est estimé : c'est un simple décompte des SKU qui portent réellement chaque champ. Une ligne « Plus grosse lacune » nomme le champ qui ajouterait le plus au score. Les avis produit (nombre d'avis et note) ne sont pas repris dans un import de flux standard ; nous les signalons donc au lieu de les noter. Corrigez les lacunes dans Merchant Center ou dans votre flux, réimportez, et le score se met à jour.

Quand l'IA répond à une question à intention d'achat, elle puise en général d'abord dans des sources web en direct. Le panneau « Où l'IA cherche les réponses shopping » montre les domaines que l'IA a référencés dans vos exécutions shopping, classés par nombre d'exécutions qui citent chacun, et étiquette les plus connus : votre propre site, une place de marché (Amazon, eBay, Otto, Idealo…) ou communauté/avis (Reddit, Trustpilot, YouTube…). Il est calculé à partir des sources déjà capturées lors de chaque scan : aucun scan supplémentaire n'est lancé. L'indicateur principal est la part de votre propre site : à quelle fréquence l'IA s'est appuyée sur vos propres pages pour recommander dans votre catégorie. Une part faible signifie que l'IA décide à partir de places de marché et de pages tierces plutôt que de votre site, ce qui vous dit exactement où gagner des citations (vos pages produit) pour influencer ce qu'elle recommande. Comme pour chaque chiffre ici, il repose sur le nombre réel d'exécutions, et un domaine sans aucune exécution n'apparaît jamais. (La part du propre site nécessite que le site web de la marque soit renseigné dans la configuration de la Visibilité IA.)

Vos pages produit doivent aussi être lisibles par un assistant d'achat. Trois blocs de données structurées (schema.org JSON-LD) portent ce dont un assistant a besoin pour décrire un produit : un bloc Product (nom et marque), une Offer (prix et disponibilité) et une AggregateRating (étoiles et nombre d'avis). Avec les trois, un assistant peut prendre le prix et la note sur la page elle-même plutôt qu'ailleurs. Le poids que chaque moteur leur accorde n'est pas publié ; l'audit vérifie donc que les données sont présentes, pas ce qu'elles font gagner. Le panneau Schéma de page produit de l'onglet Shopping audite exactement cela sur les pages produit de votre flux importé. Cliquez sur « Auditer les pages » et CrunchJunkie explore un lot limité de vos URL produit, analyse le JSON-LD de chaque page et indique la part des pages accessibles qui exposent chacun des trois signaux, par exemple « 82 % Product, 74 % Offer, 41 % Review rating », avec le nombre exact de pages derrière chaque chiffre. La précision passe avant tout : un signal n'est marqué présent que si le balisage de la page le déclare réellement, et les pages impossibles à charger sont exclues du dénominateur de couverture au lieu d'être comptées comme en échec. Une liste « Pages produit sans schéma » classe les pages les plus faibles en premier (un bloc Product manquant compte le plus), avec une coche Product / Offer / Note par page pour voir d'un coup d'œil ce qu'il faut ajouter. Corrigez le JSON-LD manquant sur ces pages et auditez à nouveau. Les résultats sont mis en cache par URL et vérifiés par lots limités : l'audit reste rapide et économique, et une URL vérifiée pour une marque est réutilisée pour toutes.

De bons prompts à intention d'achat reflètent la façon dont les acheteurs achètent réellement. L'onglet Shopping génère des modèles à partir de votre type de produit, et vous pouvez aussi laisser Crunch écrire un ensemble sur mesure : cliquez sur « Générer avec Crunch » et il produit des questions à intention d'achat rédigées pour ce que vous vendez, marquées d'un badge « Adapté par Crunch ». Il ne s'exécute que lorsque vous cliquez : rien n'est généré automatiquement au chargement de la page. Si aucun modèle d'IA n'est encore connecté, il se rabat sur des modèles statiques adaptés et vous le signale. Les prompts générés sont volontairement des questions de catégorie sans marque (par exemple « quelle est la meilleure crème hydratante pour peau grasse à moins de 40 € ? ») plutôt que des prompts qui nomment votre marque. C'est le but : la visibilité shopping mesure si l'IA vous recommande quand l'acheteur ne vous a pas déjà choisi, et le prompt ne doit donc pas mettre votre nom dans la bouche du modèle. Relisez, modifiez et complétez les prompts générés ; ils sont ensuite scannés avec le reste de vos prompts shopping. Comme le reste de Crunch, la génération a besoin d'un modèle d'IA disponible (Managed AI ou votre propre clé).

Les données shopping alimentent directement les rapports clients. Le modèle de rapport Visibilité IA inclut un tableau « Visibilité shopping » et un tableau « Produits les plus recommandés », tous deux issus de vraies données de scan : un client voit ainsi non seulement qu'il est visible dans l'IA, mais aussi si l'IA le recommande, lui et ses produits, pour la vente. Vous pouvez ajouter tout cela à un rapport de la même façon : déposez un widget Tableau, choisissez la source Visibilité IA et réglez sa dimension. Chaque donnée shopping et produit de l'onglet Shopping est disponible en widget : Shopping (taux de recommandation de la marque et part des recommandations face aux concurrents), Produit (produits les plus recommandés), SKU (produits du flux suivis), Schéma produit (part de vos pages produit qui exposent des données structurées Product / Offer / note d'avis), Préparation du flux (couverture par champ du flux), Sources shopping (les domaines sur lesquels l'IA s'appuie pour les réponses shopping, avec la part de votre propre site) et Santé des sources (pages citées mortes ou rétractées). Les widgets Schéma produit et Santé des sources lisent les résultats d'audit en cache : lancez d'abord l'audit / la vérification des sources dans l'onglet ; les autres se calculent à partir de vraies données de scan. Comme pour tout chiffre de visibilité IA, les nombres portent leur taille d'échantillon, de sorte que la mesure n'est jamais surévaluée.