Guide pratique de prévision de campagne avec la suite d'API de planification média d'Amazon

Je suis stratège médias dans une agence de publicité de taille moyenne. Une marque spécialisée dans le bien-être nous a contactés ; elle avait un budget de 150 millions $ à dépenser sur Amazon. Ils n'avaient qu'une seule question : « Pouvez-vous garantir que cela va fonctionner ? »

Je n'ai pas pu. Aucun d'entre nous n'a pu le garantir. 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 créions un plan média de 150 millions de dollars de la même façon que les architectes qui concevaient des bâtiments avant l'existence du génie civil : en nous appuyant sur l'expérience, sur l'intuition et sur l'espérance. Intérieurement, nous étions terrifiés. Trois mois plus tard, le client nous a posé cette question : « Est-ce que nous atteignons notre audience cible comme vous l'aviez prédit ? » Je n'en avais aucune idée. Nous ne pouvions pas mesurer avec précision la portée unique sur l'ensemble des canaux. Nos projections de portée ? Des suppositions éclairées.

Six mois plus tard, j'ai assisté à une conférence Amazon Ads et j'ai découvert les API de planification média. Elles auraient répondu à toutes les questions auxquelles nous ne pouvions pas répondre :

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

Aujourd'hui, ce même client investit 200 millions $ par an, non pas en dépensant davantage sur les mêmes canaux, mais en se développant vers de nouveaux personas et de nouveaux inventaires identifiés grâce à la suite d'API, et ce, en toute confiance. Non pas parce que nous sommes plus intelligents. Mais parce que nous avons arrêté de faire des suppositions.

Imaginez la planification média comme un studio de cinéma qui prépare la sortie d'un grand film. Avant de dépenser un dollar en production, le studio se pose ces questions : Qui est notre audience ? Sur quels canaux seront-ils présents ? Quel budget devons-nous allouer à chaque marché ? Quel retour devrions-nous anticiper ? La planification média fonctionne de la même façon pour les annonceurs : c'est le travail stratégique que vous effectuez avant d'acheter des publicités afin que votre 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 média d'Amazon, vous pouvez effectuer des prévisions. Cette différence représente des dizaines de millions de dollars.

Les API de planification média d'Amazon sont organisées en quatre groupes, chacun répondant à un défi clé de planification :

Combien de personnes avons-nous touchées et allons-nous toucher, et quel est le véritable chevauchement ?

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

Qui devrions-nous cibler et pourquoi ?

Comment mesurer 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 multiéditeur, la duplication, la comparaison des performances et la caractérisation de l'audience nécessitent des partenaires tiers de suivi et mesures.

Chaque campagne passe par quatre phases et les API de planification média s'intègrent à chacune d'elles.

Avant toute dépense, vous analysez les résultats passés, estimez la portée et les performances, et élaborez votre plan. Les API de courbe de portée, de prévision des performances et d'audience vous fournissent les données nécessaires pour accomplir ces trois objectifs.

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

Une fois la campagne lancée, vous surveillez les performances, ajustez les budgets et optimisez le ciblage. Les API de courbe de portée (duplication 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 campagne suivante. Les API de courbe de portée (portée historique) montrent ce qui s'est réellement passé, tandis que les API de modèles de Marketing Mix intègrent ces signaux dans votre cadre de suivi et mesures.

L'API de portée historique fournit des courbes de portée historiques pour l'inventaire Amazon, qui sont adaptées au contexte de votre annonceur. Vous lui indiquez une plage de dates et des paramètres d'audience, et elle renvoie des chiffres de portée unique modélisés, basés sur les données de panel et d'inventaire Amazon. Plus d'approximations. Plus d'hypothèses.

Nous avons exécuté l'API de portée historique sur six mois de données des campagnes passées du client. Résultat : 12 millions de clients uniques et non 8 millions. Cela correspond à un écart de suivi et mesures de 50 %. Cela a tout changé. Leur coût par portée était inférieur de 37 % à leurs estimations, ce qui rendait leurs campagnes bien plus efficaces que leurs statistiques initiales ne le laissaient entendre. Ils ne sous-performaient pas : ils sous-mesuraient. Avec cette base de référence, nous avons pu planifier en toute confiance une campagne de 150 M $.

La portée historique regarde en arrière, pas en avant. Elle ne prédira pas le prochain trimestre. Mais vous ne pouvez pas établir de prévisions fiables sans comprendre votre point de départ réel. Considérez cela comme la lecture des résultats financiers de l'année précédente avant de définir le budget de l'année suivante : un contexte essentiel, mais pas la stratégie complète. Elle n'est pas utile pour les premières campagnes Amazon sans historique.

Le client nous a posé cette question : « Devrions-nous dépenser 120 M $, 150 M $ ou 180 M $ ? » Quelle est la différence en matière de portée ? » Traditionnellement, nous estimions une mise à l'échelle linéaire approximative à partir des dépenses de l'année précédente... Tous ces points d'interrogation… C'est la source de l'anxiété.

L'API de prévision de la portée vous permet de tester des scénarios budgétaires avant toute dépense. Vous indiquez votre audience cible, les dates de campagne et plusieurs options de budget. Elle génère une courbe de portée qui indique précisément le nombre de clients uniques que chaque budget permet d'atteindre et qui spécifique à quel moment la courbe s'aplatit (c'est-à-dire à quel moment les dépenses supplémentaires cessent de générer une portée proportionnelle).

Exemple illustrant les capacités de l'API de prévision de portée :

La courbe s'aplatit brusquement après 150 M $. Le passage de 150 M $ à 175 M $ n'a permis d'acquérir que 1,7 M de clients à 14,70 $ par client incrémentiel, par rapport à une moyenne de 7,35 $. Nous avons recommandé d'économiser ces 25 M $ et de les réaffecter à la prospection. La réaction du client : « Vous venez de nous faire économiser 25 millions $ avant même que nous les dépensions. »

Il s'agit de projections, et non de garanties, à l'image des prévisions météorologiques. La précision varie selon les états de la campagne ; les plages indiquées sont données à titre d'exemple et sont basées sur des modèles de performance types. Indiquez toujours une plage de confiance, par exemple : « Nous prévoyons une portée de 20,4 M, avec une plage probable de 18,5 M à 22,1 M. » Ajoutez une marge dans vos planifications, suivez les données réelles et affinez vos modèles au fil du temps.

À mi-parcours de la campagne du 4e trimestre, le client nous a demandé un point de situation. Nous lui avons indiqué que nous atteignions 21,6 millions de clients uniques sur plusieurs canaux Amazon Ads. Nous étions satisfaits de ce chiffre. Nous avions tort.

La duplication des prévisions vous indique le nombre réel de personnes uniques que vous atteignez sur l'ensemble de vos canaux Amazon, et non le total surestimé résultant de l'addition de la portée de chaque canal. Elle cartographie le chevauchement entre les canaux afin que vous puissiez voir exactement où vous comptez deux fois les mêmes personnes et payez deux fois pour les mêmes audiences.

Exemple illustrant les capacités de l'API de duplication des prévisions :

Nous avons exécuté l'API de duplication des prévisions. Portée unique réelle : 13,2 millions et non 21,6 millions. 8,4 millions de « clients » étaient les mêmes personnes qui apparaissaient sur plusieurs canaux. Les chaînes de TV connectée présentaient un chevauchement de 68 %. Nous avions gaspillé 61 740 $ à 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 M avec le même budget de 150 M $. Cela représentait une augmentation de 27 % de la portée unique, gratuitement.

« Nous payions 61 000 $ pour diffuser les mêmes publicités aux mêmes personnes sur cinq écrans différents. Ce n'est pas une stratégie multicanale — c'est payer le loyer d'un même appartement cinq fois. »

La duplication fonctionne uniquement dans l'inventaire d'Amazon. Si vous diffusez également des publicités sur Google, Meta, TikTok ou la télévision linéaire, ces chevauchements n'apparaîtront pas ici. Informez vos clients dès le départ : « Ceci montre le chevauchement de l'audience Amazon. Pour la duplication entre éditeurs, vous aurez besoin de partenaires de suivi et mesures tiers. Définissez les attentes clairement.

La portée est importante. Mais la vraie question du client était : « Quelle sera l'efficacité de diffusion de cette campagne ? » Avant de s'engager sur 150 M $, ils devaient savoir à quoi s'attendre en matière de coût par clic et de taux de complétion des vidéos afin de savoir si les dépenses permettraient de diffuser à grande échelle. La meilleure réponse que nous pouvions leur donner : « Selon les moyennes du secteur, faites-nous confiance. »

L'API de prévision des performances prédit les résultats de vos campagnes avant que vous dépensiez le moindre centime. Vous sélectionnez une statistique (clics, vues complètes de vidéos ou vues de la page produit) et l'API renvoie une courbe de prévision : à chaque niveau de dépenses, vous obtenez le nombre prévu, le coût par résultat (CPC, eCPM, CPDPV, CPVC) et les statistiques de taux (CTR, VCR). Ce n'est pas une estimation optimiste. C'est une prédiction basée sur les données, avec des intervalles de confiance.

Exemple illustrant les capacités de l'API de prévision des performances :

L'API a renvoyé une courbe de prévision indiquant les clics et le coût par résultat estimés pour notre niveau de dépenses prévu, avec des intervalles de confiance qui respectaient les critères de comparaison d'efficacité du client, même dans le scénario le plus pessimiste. Nous sommes entrés dans la réunion de planification et leur avons dit : « Même dans le scénario le plus prudent, votre coût par résultat est dans la cible. Nous vous recommandons de donner le feu vert à cette campagne. »

Trois mois plus tard, les taux de clics réels et le coût par résultat se situaient à moins de 5 % des prévisions de l'API. La campagne a finalement généré une multiplication par 4 du ROAS comme résultat commercial. Cette combinaison de prévisions précises alimentant des décisions assurées a complètement transformé la relation client et nous a permis d'obtenir un renouvellement significatif.

La précision s'améliore avec les données. La variance s'élargit pour les nouveaux lancements de produits et pendant les périodes de pointe. Plus les campagnes ont un long historique Amazon, plus elles génèrent des prédictions précises. Communiquez ces informations clairement à vos clients : les intervalles de confiance ne sont pas une couverture ; ils représentent la réalité honnête du fonctionnement des prédictions.

Le groupe d'API d'audience vous aide à dépasser les données démographiques pour comprendre qui sont réellement vos clients et pour en trouver de nouveaux que vous ne soupçonniez pas.

La cible originale du client : Adultes de 25 à 54 ans, intéressés par la santé et le bien-être, revenus du ménage de 60 000 $ et plus. Cela correspond à environ 42 millions de personnes sur Amazon. Quels segments devons-nous prioriser et quelle part chacun d'eux doit-il recevoir ? Les données démographiques vous indiquent qui sont les personnes. Elles ne vous disent pas ce que font ces personnes. Et pourtant, le comportement prédit bien mieux la conversion que les tranches d'âge.

• L'API Persona Builder utilise les données first-party d'Amazon (ce que les gens achètent, regardent et recherchent) pour regrouper votre audience en segments comportementaux. Au lieu de tranches d'âge, vous obtenez de véritables profils clients basés sur les habitudes d'achat et de streaming, et le comportement de recherche.
• L'API Audience Discovery met en avant de nouveaux segments d'audience que vous n'avez pas encore envisagés : des personnes dont les comportements signalent une forte intention d'achat, mais qui se situent en dehors de votre ciblage actuel. C'est ainsi que vous trouvez les clients que vous ne pensiez pas chercher.
• L'API Audience Overlap indique comment vos segments se recoupent afin que vous puissiez déterminer les audiences qui sont véritablement distinctes et celles qui regroupent en grande partie les mêmes personnes. Cela vous évite de surinvestir dans des segments qui se chevauchent fortement.

Ensemble, elles répondent à cette question : « Qui sont nos meilleurs clients, qui d'autre leur ressemble et comment éviter de cibler les mêmes personnes deux fois ? »

Exemple illustrant les capacités de l'API d'audience, avec les 10 % restants réservés aux tests de nouveaux segments identifiés via l'API Audience Discovery.

En réorientant le budget des données démographiques larges vers des personas comportementaux, l'efficacité de la campagne s'est considérablement améliorée. Le segment Passionnés actifs du bien-être (seulement 8,2 millions de personnes) a généré les meilleurs retours. C'étaient les consommateurs les plus engagés depuis le départ. Mais nous ne pouvions tout simplement pas les voir avant d'examiner les comportements.

L'API Audience Discovery a ensuite mis en évidence un segment que nous n'avions jamais envisagé : « Les adeptes des contenus de fitness en streaming qui achètent des en-cas bio. » L'API Audience Overlap a confirmé que ce groupe présentait moins de 12 % de chevauchement avec nos cibles existantes : c'était une audience véritablement nouvelle et non une version remaniée d'une audience que nous avions déjà.

Les API d'audience présentent les comportements selon la perspective d'Amazon. Si votre client fait principalement ses achats ou consomme des médias en dehors d'Amazon, le tableau sera incomplet. Intégrez vos propres données first-party pour une vue plus complète. De plus, cette solution n'est pas idéale pour les audiences de niche très restreintes, où la taille des échantillons limite la création de groupes pertinents.

Après la fin de la campagne, le client nous a posé cette question : « Quel a été le véritable impact de notre investissement Amazon par rapport à nos autres canaux ? » Nous disposions de statistiques au niveau de la plateforme, mais nous n'avions pas de moyen standardisé d'intégrer les signaux d'Amazon dans leurs modèles de suivi et mesures plus larges. Notre équipe d'analyse a passé des jours à extraire manuellement des rapports, à reformater des données et à résoudre des écarts. Au moment où les données parvenaient à l'équipe de planification, la campagne suivante était déjà en cours de diffusion.

L'API de MMM offre aux annonceurs et aux partenaires en suivi et mesures un accès programmatique aux signaux publicitaires et commerciaux d'Amazon et permet une modélisation de Marketing Mix plus rapide et plus évolutive. Elle élimine les échanges de données manuels, et automatise la diffusion des signaux médias (impressions, portée, dépenses) et des signaux retail, notamment les statistiques d'engagement quotidien telles que les événements d'ajout au panier, directement dans les flux de travail existants. Le résultat : des données plus fréquentes et plus fiables pour l'optimisation du budget multicanal.

Exemple illustrant les capacités de l'API de MMM :

Le traitement manuel des données, qui prenait auparavant des jours de travail pour notre équipe d'analyse, est désormais automatisé. Les signaux médias et retail d'Amazon, notamment les données granulaires sur le comportement d'achat, ont été intégrés directement dans les modèles de Marketing Mix du client à une fréquence quotidienne, et non trimestrielle. Résultat : une vision plus claire de la façon dont l'investissement Amazon a généré des résultats par rapport aux autres canaux, et une mise à jour suffisamment fréquente pour influencer la prochaine décision budgétaire plutôt que d'arriver après coup.

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

• La portée historique est la base. Vous ne pouvez pas établir de prévisions précises sans savoir ce qui s'est réellement passé. Commencez chaque relation client par cela, même si la vérité est inconfortable.
• Prévoyez plusieurs scénarios, pas un seul plan. Présentez 3 à 5 options budgétaires, avec des courbes de portée. Laissez les données révéler les recommandations. Les clients respectent l'optimisation, pas seulement la maximisation.
• Les intervalles de confiance inspirent davantage confiance que la fausse certitude. Ne promettez pas un seul chiffre. Promettez plutôt une plage avec un niveau de confiance. Lorsque vous diffusez dans la portée, vous avez réussi.
• Les comportements l'emportent sur les données démographiques. Arrêtez de cibler les « adultes de 25 à 54 ans ». Ciblez les « acheteurs de protéines en poudre qui regardent du contenu fitness en streaming ». La différence de conversion est significative.

• Marketplace prise en charge (vérifiez que votre région est couverte)
• Historique de campagnes Amazon (minimum 6 mois recommandé pour la portée historique)
• Combinaison de médias multicanaux (obligatoire pour que la duplication des prévisions soit pertinente)
• Instance AMC (pour la superposition des données first-party)
• Inscription des développeurs et intégration par l'équipe chargée des comptes

1. Mois 1 : Portée historique. Exécutez l'API de portée historique afin d'établir une portée de référence pour votre catégorie et votre mix d'inventaire au cours des 6 derniers mois. Montrez à votre client la portée réelle par rapport à la portée estimée. Cette détection à elle seule justifie généralement l'effort. Consultez notre documentation pour le suivi et mesures campagne par campagne.
2. Mois 2 : Prévision de la portée. Testez 3 à 5 scénarios budgétaires pour la prochaine campagne. Présentez les courbes de portée. Laissez les données guider la recommandation.
3. Mois 3 : Prévision des performances. Ajoutez des prédictions de résultats avec des intervalles de confiance. Définissez un suivi hebdomadaire par rapport aux prévisions.
4. Mois 4 : Duplication des prévisions. Lancez cette API en cours de campagne. Trouvez le chevauchement. Restructurez la combinaison de médias pour maximiser la portée unique.
5. Mois 5 et 6 : API d'audience. Créez des personas comportementaux avec l'API Persona Builder. Découvrez de nouveaux segments avec l'API Audience Detection. Validez le caractère distinctif avec l'API Audience Overlap. Réaffectez le budget aux personas affichant le meilleur taux de conversion.
6. En cours : API de MMM. Intégrez les signaux médias et retail d'Amazon dans votre cadre de suivi et mesures. Utilisez les données pour guider le cycle de planification suivant.

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

Explorez les ressources répertoriées ci-dessous pour vous aider à démarrer avec la suite d'API de planification média.

Le Guide des API Amazon Ads et les Guides de planification média fournissent des spécifications techniques, des points d'accès et des guides d'intégration. La documentation sur les API indique également la disponibilité des paramètres régionaux actuels et le statut des API.

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

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

La certification de planification média propose une formation gratuite sur les fondamentaux de la planification média et l'utilisation des API.

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

Vous n'êtes pas développeur ? Aucun problème. Plusieurs plateformes partenaires Amazon Ads (Pacvue, Perpetua, Skai, Gigi, etc.) intègrent progressivement les API de planification média. Aucun temps de développement requis. Travaillez avec votre équipe de compte pour identifier le bon partenaire pour votre pile.

• Signaux de ventes : Explorer une intégration plus approfondie des signaux retail et acheteur d'Amazon directement dans les flux de travail de planification précampagne. Cela permettra de relier la planification média aux résultats commerciaux réels, et pas seulement aux statistiques publicitaires.
• Couche d'intégration agentique : Une nouvelle capacité qui permet aux agents IA tiers de s'intégrer directement aux API de planification média. Vos outils de planification propriétaires, vos flux de travail automatisés et vos moteurs d'optimisation basés sur l'IA peuvent ainsi accéder par programmation aux signaux de planification d'Amazon, et passer d'appels d'API manuels à une intelligence de planification autonome et active en continu.

Ressources supplémentaires :

• Contactez votre équipe de compte Amazon Ads
• Rejoignez la conversation dans notre communauté GitHub
• Complétez l'inscription développeur

Sources :

¹ Interne Amazon, États-Unis, 2025–2026.

² Documentation sur les API Amazon Ads, monde entier, 2026.

Contributeurs :

Vic Awokoya, Kapil Dwivedi