SharpFeed Update : Nouvelle analyse IA des catégories pour optimiser vos flux Shopping
SharpFeed vous aide désormais à auditer et corriger les Google Product Categories sur tout le catalogue. Importez votre flux, prévisualisez un échantillon, puis lancez une analyse en masse (avec filtres si besoin). Vous obtenez des résultats clairs (correct, incorrect, pas assez précis, ou données insuffisantes), un score de pertinence, des explications courtes et des IDs de catégorie suggérés lorsque c’est utile. Export possible : flux complet optimisé, fichier d’analyse détaillé, ou fichier de type flux supplémentaire avec uniquement les lignes où la catégorie a changé, idéal pour Merchant Center et la performance organique.
Qu’est-ce que la catégorisation dans un flux produit ?
Le champ google_product_category est un attribut optionnel du flux produit. Il indique à Google quelle catégorie prédéfinie de la taxonomie officielle décrit le mieux chaque article. Vous pouvez envoyer soit un ID numérique (par exemple 2271) soit le chemin de catégorie complet (par exemple Apparel & Accessories > Clothing > Dresses), mais pas les deux à la fois. Si vous le laissez vide, Google essaie de catégoriser automatiquement le produit à partir du titre, de la description et des autres attributs ; si vous le renseignez, vous remplacez cette catégorisation automatique, ce qui aide la pertinence Shopping, les règles spécifiques à certaines catégories (alcool, cartes cadeau, etc.) et le ciblage des campagnes. Votre taxonomie interne (navigation boutique) se gère plutôt via product_type. google_product_category sert à la taxonomie standardisée de Google et peut aussi améliorer le contexte pour des LLMs comme ChatGPT.
Pourquoi la catégorisation produit compte pour la performance organique
La Google Product Category est l’un des champs les plus importants du flux. Elle indique à Google quelle famille de produits vous vendez, comment les articles se rattachent entre eux, et comment ils doivent apparaitre dans les résultats Shopping. Des catégories incorrectes, trop génériques ou absentes ne concernent pas seulement les risques de désapprobation : elles envoient une lecture fausse de tout le catalogue.
Une meilleure catégorisation aide en général à :
- Améliorer la pertinence et le matching sur les bonnes requêtes
- Réduire les impressions gaspillées sur des recherches hors sujet
- Structurer le catalogue pour le reporting et le merchandising
- Aligner Shopping, Free Listings, ChatGPT et les autres usages du flux sur ce que vous vendez vraiment
Quand une catégorie est mauvaise, vous ne faites pas juste une erreur : vous ratez aussi une opportunité d’optimisation sémantique à fort impact.
Votre categorisation est surement mauvaise ! (et pourquoi votre outil de gestion de flux ne suffit pas)
En pratique, les problèmes se répètent :
- Catégorie trop générique : une catégorie parent appliquée à tout le catalogue par simplicité
- Mauvaise catégorie : une catégorie crédible mais qui ne correspond pas au produit réel
- Erreurs héritées : mappages copiés depuis la boutique sans validation
- Valeurs manquantes ou incohérentes : surtout quand plusieurs systèmes alimentent le flux
Beaucoup d’outils de gestion de flux excellent pour faire circuler les données. Ils sont souvent plus faibles sur la justesse sémantique : ils mappent les champs, mais ne comprennent pas toujours si une robe est dans la bonne catégorie (ou dans une catégorie assez précise), ou si des accessoires se retrouvent par erreur dans l’électronique. Résultat : un flux qui paraît complet tout en étant mal catégorisé.
Cet écart est critique, car Google (et les autres canaux) ne devinent pas vos intentions : ils lisent votre attribut de catégorie.
Une catégorisation stratégique pour Google et ChatGPT
Les flux produits ne concernent plus seulement Merchant Center. Des expériences comme ChatGPT Shopping s’appuient sur les mêmes types de signaux : titres, descriptions, identifiants et catégorisation pour juger la pertinence, la comparabilité et la confiance.
Si vos catégories sont vagues ou fausses, vous diluez non seulement la performance Shopping classique : vous donnez aussi un contexte plus faible à tout système qui associe vos produits aux questions, comparaisons et intentions de recherche. Corriger la catégorisation, c’est un investissement durable : la visibilité et performance s’améliore partout où le flux est consommé.
Ce que fait l’analyse IA des catégories SharpFeed
SharpFeed compare la Google Product Category de chaque produit (champs google_product_category ou product_category, y compris variantes de colonnes courantes) à la taxonomie officielle Google (IDs numériques et libellés hiérarchiques) Pour chaque article vous obtenez :
- Un score de pertinence
- Une classification : correct, incorrect, trop large, ou données insuffisantes
- Une raison courte actionnable
- Le cas échéant, un ID de catégorie suggéré pour corriger à l’échelle
Si le flux n’a pas de champ de catégorie ou si certaines valeurs sont manquantes pour certains produits, SharpFeed ajoute le champ google_product_category et assigne une valeur quand il est vide.
Ici, vous pouvez voir comment SharpFeed analyse votre flux pour optimiser vos catégories
L’objectif est simple : rendre la catégorisation suffisamment juste pour Google Shopping et suffisamment claire pour mieux structurer votre catalogue partout où vous utilisez le flux.
Comment l’utiliser (parcours simple, de bout en bout)
Le parcours suit la même logique que les autres outils IA SharpFeed, sans devoir ouvrir Google sheets ou Excel.
- Importez votre flux : CSV, TXT ou XML, comme d’habitude.
- Lancez un sample : SharpFeed analyse un petit set de 5 produits pour afficher des résultats avec le titre, la catégorie d’origine (ID + chemin lisible quand connu), le verdict, la raison et une catégorie suggérée si applicable.
- Génération en bulk : Possibilité de filtrer : texte dans le titre + multi-sélection par catégorie, y compris les produits non catégorisés.
Après un run bulk, vous obtenez un tableau de bord avec des KPIs par type de résultat et une lecture de la pertinence, pour voir si le problème est ponctuel ou systémique.
Exports : adaptés à l’analyse et aux déploiements dans Merchant Center
À la fin du run, SharpFeed fournit des fichiers opérationnels :
- Flux complet optimisé (CSV) : votre flux avec la colonne de catégorie mise à jour quand une meilleure valeur s’applique
- CSV d’analyse : un produit = une ligne, avec le détail pour checker l’analyse (scores, cas, catégories d’origine/nouvelle, raisons)
- Exports type flux supplémentaires (TSV / TXT / XML) : uniquement les lignes où la catégorie a réellement changé, pour pousser des mises à jour incrémentales dans Merchant Center sans toucher aux autres SKU
Ce dernier mode s’accorde naturellement aux flux supplémentaires : le flux principal reste stable, vous importez une petite source de correctifs, Merchant Center fusionne par ID produit. C’est souvent la voie la plus simple pour améliorer la performance organique Shopping sans remplacer brutalement tout le flux.
Pour un rappel sur les flux complémentaires : Qu’est-ce qu’un flux complémentaire et comment l’utiliser ?
FAQ
Est-ce que l’IA remplace tout le travail manuel ?
Non. SharpFeed accélère la détection et propose des corrections ; vous gardez la main, notamment sur les cas limites.
Et si certaines catégories sont vides ?
L’analyse peut signaler des données insuffisantes ou aider à ajouter une Google Product Category cohérente là où il n’y en avait pas.
Les corrections ne concernent-elles que Google Shopping ?
C’est le cas d’usage principal, mais une catégorie juste clarifie aussi le catalogue partout où le flux est lu, y compris les nouvelles expériences d’achat assistées par l’IA comme ChatGPT Shopping.
Faut-il absolument l’export complémentaire ?
Non. Vous pouvez télécharger un flux complet optimisé. Beaucoup d’équipes préfèrent le mode complémentaire pour des mises à jour plus sûres et ciblées.
En résumé
La qualité des catégories est un levier sous-investi dans l’optimisation de flux. Trop d’outils livrent un flux « complet » avec des catégories techniquement renseignées mais stratégiquement fausses. L’analyse IA des catégories SharpFeed comble cet écart avec un score, un verdict lisible et des exports adaptés aux workflows Merchant Center—y compris les mises à jour complémentaires pour la performance organique.