Guide pratique pour la prévision de campagne avec la suite d’API de planification médias d’Amazon

Je suis stratège médias dans une agence publicitaire de taille moyenne. Une marque de bien-être nous a contactés, laquelle avait 150 millions de dollars à dépenser sur Amazon. Ils n’avaient qu’une seule question : « Pouvez-vous garantir que cela fonctionnera? »

Je ne le pouvais pas. Aucun d’entre nous ne le pouvait. Nous avions 15 ans d’expérience, des milliers de campagnes à notre actif et une véritable confiance dans le produit. Mais nous n’avions pas de certitude. Nous développions un plan médias de 150 millions de dollars de la même façon que les architectes concevaient des bâtiments avant l’avènement du génie civil : expérience, intuition et espoir. À l’intérieur, nous étions terrifiés. Au bout de trois mois, le client a demandé : « Atteignons-nous notre auditoire cible comme vous l’aviez prévu? » Je n’en avais aucune idée. Nous ne pouvions pas mesurer avec précision la portée unique sur tous les canaux. Nos projections de portée? Des suppositions éclairées.

Six mois plus tard, j’ai assisté à un congrès Amazon Ads et j’ai découvert les API de planification médias qui auraient répondu à toutes les questions auxquelles nous ne pouvions pas répondre :

• Quelle était la portée modélisée pour notre contexte d’annonceur dans l’inventaire Amazon le trimestre dernier?
• Combien de personnes atteindrons-nous à différents niveaux de budget?
• Quels résultats de campagne pouvons-nous prévoir avant d’engager le budget?
• Payons-nous pour atteindre la même personne sur plusieurs canaux?
• Quels comportements des clients permettent de prédire les taux de conversion les plus élevés?
• Comment mesurer le véritable impact de notre investissement médias?

Aujourd’hui, ce même client investit 200 millions de dollars par année, non pas en dépensant davantage sur les mêmes canaux, mais en ciblant de nouveaux personas et un nouvel inventaire identifiés grâce à la suite d’API, et ce, en toute confiance. Non pas parce que nous sommes plus intelligents. Parce que nous avons arrêté d’essayer de deviner.

Pensez à la planification médias de la même façon qu’un studio de cinéma planifie la sortie d’un grand film. Avant de dépenser un dollar en production, le studio demande : Qui est notre auditoire? Sur quels canaux sera-t-il? Combien devrions-nous dépenser dans chaque région? Quel rendement devons-nous prévoir? La planification médias fonctionne de la même façon pour les annonceurs : c’est le travail stratégique effectué avant l’achat de publicités, afin que leur campagne ait de réelles chances de succès.

Sans plan, vous naviguez à l’aveugle. Avec les bons outils, notamment la suite d’API de planification médias d’Amazon, vous faites des prévisions. Cette différence vaut des douzaines de millions de dollars.

Les API de planification médias d’Amazon sont organisées en quatre groupes, chacun répondant à un défi de planification fondamental :

Combien de personnes avons-nous atteintes et allons-nous atteindre, et quel est le chevauchement réel?

Quels résultats pouvons-nous prévoir avant d’engager un budget?

Qui devrions-nous cibler et pourquoi?

Comment mesurons-nous le véritable impact des médias sur tous les canaux?

Toutes les API fonctionnent à partir de l’inventaire Amazon Ads et des signaux comportementaux. La portée entre diffuseurs de publications, la déduplication, la comparaison des performances et la caractérisation des auditoires nécessitent des partenaires d’évaluation tiers.

Chaque campagne passe par quatre phases, et les API de planification médias s’intègrent à chacune d’elles.

Avant de dépenser un dollar, vous analysez les résultats passés, prévoyez la portée et les performances et élaborez votre plan. Les API de courbe de portée, la prévision des performances et les API d’auditoire vous fournissent les données nécessaires pour réaliser ces trois objectifs.

Une fois votre plan en main, vous configurez le ciblage, paramétrez les canaux et finalisez les allocations budgétaires. Les API d’auditoire définissent l’auditoire que vous atteignez, tandis que les API de courbe de portée (prévision de portée, déduplication des prévisions) vous aident à valider votre combinaison de canaux avant le lancement.

Une fois la campagne en cours de diffusion, vous surveillez les performances, ajustez les budgets et optimisez le ciblage. Les API de courbe de portée (déduplication des prévisions) indiquent si vous atteignez des clients uniques ou si vous payez pour des chevauchements.

Après la fin de la campagne, vous mesurez les résultats réels par rapport aux prévisions, tirez des enseignements et planifiez la prochaine campagne. Les API de courbe de portée (portée historique) montrent ce qui s’est réellement passé, et l’API MMM intègre ces signaux dans votre cadre d’évaluation.

La portée historique vous fournit des courbes de portée historiques pour l’inventaire Amazon, dans votre contexte d’annonceur. Vous lui fournissez une période et des paramètres d’auditoire, et l’API renvoie des chiffres de portée unique modélisés à partir des données de panel et d’inventaire Amazon. Aucune approximation. Aucune hypothèse.

Nous avons exécuté l’API de portée historique sur six mois de données des campagnes passées du client. Résultat : douze millions de clients uniques et non huit millions. Un écart d’évaluation de 50 %. Cela a tout changé. Son coût par portée était 37 % inférieur à ce qu’il pensait, ce qui rendait ses campagnes bien plus efficaces que ce que ses statistiques initiales laissaient supposer. Ce n’est pas qu’il était peu performant, c’est qu’il mesurait à la baisse. À partir de là, nous avons pu planifier en toute confiance une campagne de 150 millions de dollars.

La portée historique regarde vers le passé, non vers l’avenir. Elle ne prédira pas le prochain trimestre. Mais vous ne pouvez pas établir une bonne prévision sans comprendre votre point de départ réel. Considérez cela comme la lecture des états financiers de l’année précédente avant d’établir le budget de l’année suivante : un contexte essentiel, et non une stratégie complète. Inutile pour les premières campagnes Amazon sans historique.

Le client a demandé : « Devrions-nous dépenser 120, 150 ou 180 millions de dollars? Quelle est la différence en matière de portée? » En temps normal, nous estimerions une mise à l’échelle linéaire approximative par rapport aux dépenses de l’année précédente. Ces points d’interrogation… c’est là une source d’anxiété.

L’API de prévision de portée vous permet de tester des scénarios budgétaires avant de dépenser quoi que ce soit. Vous indiquez votre auditoire cible, les dates de campagne et plusieurs options de budget. Elle renvoie une courbe de portée indiquant exactement combien de clients uniques chaque budget permet d’atteindre et à quel moment la courbe s’aplatit (c’est-à-dire là où les dépenses supplémentaires cessent de générer une portée proportionnelle).

Exemple illustratif des capacités de l’API de prévision de portée :

La courbe s’est aplatie brusquement après 150 millions de dollars. Passer de 150 millions de dollars à 175 millions de dollars n’a ajouté que 1,7 million de clients à 14,70 $ par client incrémentiel, contre une moyenne de 7,35 $. Nous avons recommandé d’économiser ces 25 millions de dollars et de les réaffecter à la prospection. La réaction du client : « Vous venez de nous faire économiser 25 millions de dollars avant même que nous les dépensions. »

Il s’agit de projections, et non de garanties, à l’instar des prévisions météorologiques. La précision varie selon les états de la campagne; les fourchettes affichées sont des exemples illustratifs basés sur des modèles de performance typiques. Présentez toujours une fourchette de confiance, par exemple : « Nous prévoyons une portée de 20,4 millions, avec une fourchette probable de 18,5 à 22,1 millions. » Planifiez avec une marge, suivez les données réelles et affinez vos modèles au fil du temps.

À mi-parcours de la campagne du dernier trimestre, le client a demandé un point d’étape. Nous lui avons dit que nous atteignions 21,6 millions de clients uniques sur plusieurs canaux Amazon Ads. Nous étions satisfaits de ce chiffre. Nous avions tort.

La déduplication des prévisions vous indique combien de personnes uniques vous atteignez réellement sur l’ensemble de vos canaux Amazon, et non la somme gonflée de la portée de chaque canal. Elle détaille le chevauchement entre les canaux afin que vous puissiez voir exactement où vous comptez en double et payez pour les mêmes impressions deux fois.

Exemple illustratif des capacités de l’API de déduplication des prévisions :

Nous avons lancé la déduplication des prévisions. Portée unique réelle : 13,2 millions et non 21,6 millions. Huit virgule quatre millions de « clients » apparaissaient sur plusieurs canaux. Les chaînes de télévision connectée avaient 68 % de chevauchement. Nous avions gaspillé 61 740 $ pour atteindre des personnes que nous avions déjà atteintes. Nous avons restructuré la combinaison de médias, réduit les budgets de canaux redondants, réorienté les dépenses vers Twitch (où le chevauchement était moindre) et atteint une portée unique de 16,8 millions avec le même budget de 150 millions de dollars. Une extension de 27 % de la portée unique, gratuitement.

« Nous payions 61 000 $ pour montrer les mêmes publicités aux mêmes personnes sur cinq écrans différents. Ce n’est pas une stratégie multicanal, c’est payer le loyer du même appartement cinq fois. »

La déduplication fonctionne uniquement dans l’inventaire d’Amazon. Si vous diffusez également sur Google, Meta, TikTok ou la télévision linéaire, ces chevauchements n’apparaîtront pas ici. Informez vos clients dès le départ : « Cela montre le chevauchement des auditoires Amazon. Pour la déduplication entre diffuseurs de publications, vous aurez besoin de partenaires d’évaluation tiers. » Définissez clairement les attentes.

La portée est importante. Mais la vraie question du client était : « Avec quelle efficacité cette campagne sera-t-elle diffusée? » Avant de s’engager à hauteur de 150 millions de dollars, le client devait savoir à quoi ressemblerait son coût par clic, quels taux d’achèvement de la vidéo il pouvait espérer et si les dépenses pourraient assurer une diffusion à grande échelle. Le mieux que nous puissions dire était : « Faites-nous confiance, et fions-nous aux moyennes de l’industrie. »

L’API de prévision de performance prédit les résultats de vos campagnes avant que vous dépensiez le moindre dollar. Vous sélectionnez une statistique (clics, visionnements complets de vidéos ou vues de pages de détails) et l’API retourne une courbe de prévision : pour chaque niveau de dépenses, vous obtenez le nombre prévu, le coût par résultat (CPC, coût effectif par millier d’impressions [eCPM], CPDPV, CPVC) et les statistiques de taux (CTR, VCR). Pas une estimation optimiste. Une prédiction basée sur des données avec des intervalles de confiance.

Exemple illustratif des capacités de l’API de prévision des performances :

L’API a renvoyé une courbe de prévision indiquant les clics prévus et le coût par résultat au niveau des dépenses planifiées, avec des intervalles de confiance qui dépassaient les critères de référence d’efficacité du client, même dans le bas de la fourchette. Nous sommes entrés dans la réunion de planification et avons dit : « Même avec un scénario conservateur, votre coût par résultat respecte la cible. Nous vous recommandons d’approuver cette campagne. »

Trois mois plus tard, les taux de clics réels et le coût par résultat se sont situés à moins de 5 % des prévisions de l’API. La campagne a finalement permis d’obtenir un retour sur les dépenses publicitaires quatre fois supérieur comme résultat commercial. Cette combinaison – des prévisions précises alimentant des décisions éclairées – a complètement transformé la relation avec le client et nous a valu un renouvellement important.

La précision s’améliore avec les données. La variance s’élargit pour les lancements de nouveaux produits et pendant les périodes de pointe. Les campagnes ayant un historique Amazon plus long produisent des prévisions plus précises. Communiquez ceci clairement à vos clients : les intervalles de confiance ne sont pas une protection, ils représentent la réalité honnête du fonctionnement des prédictions.

Le groupe d’API Auditoire vous aide à aller au-delà des données démographiques pour comprendre qui sont réellement vos clients et en trouver de nouveaux dont vous ne connaissiez pas l’existence.

La cible initiale du client : « Adultes de 25 à 54 ans, intéressés par la santé et le bien-être, avec un revenu du ménage de 60 000 $ et plus. » Cela décrit environ 42 millions de personnes sur Amazon. Quels segments devrions-nous prioriser et quelle part devrait recevoir chacun? Les données démographiques vous indiquent qui sont ces personnes. Elles ne vous disent pas ce que les gens font. Et le comportement prédit la conversion bien mieux que les tranches d’âge.

• L’outil de développement de persona utilise les données de première partie d’Amazon – ce que les gens achètent, regardent et recherchent – pour regrouper votre auditoire en segments comportementaux. Au lieu de tranches d’âge, vous obtenez de véritables profils clients basés sur les habitudes d’achat, de diffusion en continu et de recherche.
• Détection de l’auditoire met en lumière de nouveaux segments d’auditoire que vous n’avez pas envisagés : des personnes dont les comportements indiquent une forte intention d’achat, mais qui se trouvent en dehors de votre ciblage actuel. C’est ainsi que vous trouvez des clients que vous n’auriez pas pensé à chercher.
• Chevauchement d’auditoire montre comment vos segments se recoupent, afin que vous puissiez déterminer quels auditoires sont véritablement distincts et lesquels sont en grande partie composés des mêmes personnes. Cela vous évite de surinvestir dans des segments qui se chevauchent considérablement.

Ensemble, ils répondent aux questions suivantes : « Qui sont nos meilleurs clients, qui d’autre leur ressemble et comment éviter de cibler les mêmes personnes deux fois? »

Exemple illustratif démontrant les capacités de l’API Auditoire, avec les 10 % restants réservés aux tests de nouveaux segments identifiés via Détection d’auditoire.

En réaffectant le budget des données démographiques larges vers des personas comportementaux, l’efficacité des campagnes s’est considérablement améliorée. Le segment Bien-être actif – seulement 8,2 millions de personnes – a généré les retours les plus élevés. Ils étaient de grands adeptes depuis le début. Nous ne pouvions tout simplement pas les voir avant d’examiner les comportements.

Détection de l’auditoire a ensuite mis en évidence un segment que nous n’avions jamais envisagé : « Diffuseurs en direct de contenu de conditionnement physique qui achètent des collations biologiques. » Chevauchement d’auditoires a confirmé que ce groupe présentait moins de 12 % de chevauchement avec nos cibles existantes : un auditoire véritablement nouveau, et non une version remaniée d’un que nous avions déjà.

Les API d’auditoire montrent les comportements sous l’angle d’Amazon. Si votre client fait principalement ses achats ou consomme des médias en dehors d’Amazon, le portrait sera incomplet. Intégrez vos propres données de première partie pour une vue plus complète. De plus, cette option n’est pas idéale pour les très petits auditoires de niche où les tailles d’échantillon limitent un regroupement significatif.

Après la fin de la campagne, le client a demandé : « Quel a été le véritable impact de notre investissement Amazon comparativement à nos autres canaux? » Nous disposions de statistiques au niveau de la plateforme, mais n’avions pas de méthode standardisée pour intégrer les signaux d’Amazon dans ses modèles d’évaluation plus larges. Notre équipe d’analyse a passé des jours à extraire manuellement des évaluations, à reformater des données et à réconcilier des écarts; au moment où les données parvenaient à l’équipe de planification, la campagne suivante était déjà en cours de diffusion.

L’API MMM offre aux annonceurs et aux partenaires d’évaluation un accès programmatique aux signaux publicitaires et de vente au détail d’Amazon pour une modélisation du mix marketing plus rapide et évolutive. Elle élimine les échanges de données manuels, et automatise la diffusion des signaux médias (impressions, portée, dépenses) et des signaux de vente au détail, y compris les statistiques d’engagement quotidiennes liées aux achats, comme les événements d’ajout au panier, directement dans les flux de travail existants. Le résultat : des données plus fréquentes et fiables pour l’optimisation du budget multicanal.

Exemple illustratif des capacités de l’API MMM :

ce qui prenait auparavant des jours de traitement manuel des données à notre équipe d’analyse est maintenant automatisé. Les signaux médias et commerciaux d’Amazon, y compris les données granulaires sur le comportement d’achat, ont été intégrés directement dans le MMM du client à une fréquence quotidienne, et non trimestrielle. Le résultat : une image plus claire de la façon dont l’investissement Amazon a généré des résultats par rapport aux autres canaux, mise à jour assez fréquente pour véritablement éclairer la prochaine décision budgétaire plutôt que d’arriver trop tard pour avoir un impact.

L’API MMM fournit les signaux, elle ne crée pas le modèle à votre place. Vous aurez besoin d’un cadre MMM existant (interne ou via un partenaire d’évaluation) pour importer et analyser les données. La valeur réside dans l’automatisation et la standardisation : un accès cohérent et programmatique qui réduit les efforts manuels et permet des analyses plus fréquentes.

• La portée historique est la base. Vous ne pouvez pas faire de prévisions précises sans savoir ce qui s’est réellement passé. Commencez chaque relation client ici, même si la vérité est inconfortable.
• Prévoyez plusieurs scénarios, pas un seul plan. Présentez de trois à cinq options budgétaires avec des courbes de portée. Laissez les données faire les recommandations. Les clients valorisent l’optimisation, pas seulement la maximisation.
• Les intervalles de confiance inspirent plus confiance qu’une fausse certitude. Ne promettez pas un seul chiffre. Promettez une plage avec un niveau de confiance. Quand vous assurez une diffusion se situant dans les limites prévues, vous êtes un héros.
• Les comportements l’emportent sur les données démographiques. Arrêtez de cibler les « adultes de 25 à 54 ans ». Ciblez les « acheteurs de poudre de protéines qui regardent du contenu de conditionnement physique en diffusion continue ». La différence de conversion est significative.

• Site de vente pris en charge (confirmez que votre région est couverte)
• Historique des campagnes Amazon (minimum de six mois recommandé pour Recherche historique)
• Combinaison de médias multicanaux (nécessaire pour que la déduplication des prévisions soit pertinente)
• Instance AMC (pour la superposition de données de première partie)
• Inscription des développeurs et prise en charge par l’équipe de compte

1. Mois 1 : Portée historique. Lancez Portée historique pour établir la portée de la valeur de référence de votre catégorie et de votre combinaison d’inventaires au cours des six derniers mois. Montrez à votre client la portée réelle par rapport à la portée estimée. Cette détection à elle seule justifie généralement l’ensemble des efforts. Consultez notre documentation pour l’évaluation campagne par campagne.
2. Mois 2 : Prévision de portée. Testez trois à cinq scénarios de budget pour la prochaine campagne. Présentez les courbes de portée. Laissez les données guider la recommandation.
3. Mois 3 : Prévision de performance. Ajoutez des prédictions de résultats avec des intervalles de confiance. Configurez un suivi hebdomadaire par rapport aux prévisions.
4. Mois 4 : Déduplication des prévisions. Diffusez en cours de campagne. Trouvez le chevauchement. Restructurez la combinaison de médias de manière à maximiser la portée unique.
5. Mois 5 et 6 : API de l’auditoire. Élaborez des personas comportementaux avec l’outil de développement de personas. Découvrez de nouveaux segments avec la Détection d’auditoire. Validez le caractère distinctif avec le chevauchement d’auditoire. Réaffectez le budget aux personas ayant le meilleur taux de conversion.
6. En cours : API MMM. Intégrez les signaux médias et de vente au détail d’Amazon dans votre cadre d’évaluation. Utilisez les données pour orienter le prochain cycle de planification.

Les nouveaux intégrateurs doivent s’attendre à des plages de variance plus larges durant les 30 premiers jours, le temps que le modèle s’adapte au profil de trafic.

Explorez les ressources répertoriées ci-dessous pour vous aider à commencer avec la suite d’API de planification médias.

Le guide de l’API Amazon Ads et les guides de planification médias fournissent des spécifications techniques, des points d’accès et des guides d’intégration. La documentation API fournit également la disponibilité des paramètres régionaux actuels et l’état de l’API.

Gigi, Pacvue, Perpetua, Intentwise et Skai offrent des intégrations préconfigurées sans codage requis, y compris des tableaux de bord.

Le Partner Network vous aide à trouver des partenaires Amazon Ads certifiés qui peuvent contribuer à la mise en œuvre.

La Certification en planification médias offre une formation gratuite sur les principes fondamentaux de la planification médias et l’utilisation des API.

Votre représentant Amazon Ads vous fournit des études de cas, une aide à l’intégration et un accès à des programmes pilotes.

Vous n’êtes pas développeur? C’est bien. Plusieurs plateformes partenaires d’Amazon Ads (Pacvue, Perpetua, Skai, Gigi et d’autres) intègrent progressivement les API de planification médias. Aucun temps de développement requis. Travaillez avec votre équipe de compte pour identifier le bon partenaire pour votre pile technologique.

• Signaux de ventes : explorez une intégration plus approfondie des signaux de vente au détail et des signaux d’acheteurs d’Amazon directement dans les flux de travail de planification précampagne. Cela permettra de relier la planification médias aux résultats réels en matière de vente au détail, et pas seulement aux statistiques de publicité.
• Couche d’intégration agentique : une nouvelle capacité permettant aux agents d’IA tiers de s’intégrer directement aux API de planification médias. Vos outils de planification exclusifs, vos flux de travail automatisés et vos moteurs d’optimisation alimentés par l’IA peuvent ainsi accéder par programmation aux signaux de planification d’Amazon, en passant des appels d’API manuels à une intelligence de planification autonome et toujours active.

Autres ressources :

• Communiquez avec votre équipe de compte Amazon Ads
• Rejoignez la conversation dans notre communauté GitHub
• Procédez à l’inscription du développeur

Sources :

¹ Données interne Amazon, États-Unis, 2025 à 2026.

² Documentation de l’API Amazon Ads, monde entier, 2026.

Contributeurs :

Vic Awokoya, Kapil Dwivedi