Le ciblage Facebook Ads a changé. Pas un peu – radicalement. Et si tu gères des comptes e-commerce en 2022 sans avoir mis à jour tes certitudes post-iOS 14, tu brûles probablement du budget sur des logiques qui ne tiennent plus. C’est le constat brutal que Remy Bandaan, expert chez Data Shake, pose d’entrée dans une conversation avec Danilo Duchesnes – et ce qu’il dit ensuite mérite qu’on s’y arrête vraiment.
Le broad, les intérêts, les lookalike – tout le monde connaît ces trois cases. Mais savoir quand les utiliser, dans quel ordre, avec quelle source, c’est là que la plupart des annonceurs plantent. Et côté Google Ads, le flou est encore plus épais : entre search, shopping, display et YouTube, on confond tout, on teste n’importe quoi, on conclut trop vite.
Ce papier reprend les points saillants de cet épisode compilé – avec mes propres lectures entre les lignes. Parce que les meilleures décisions de ciblage que j’ai vu prendre sur des comptes, c’était rarement les plus évidentes.
Broad, intérêts, lookalike : ce que le ciblage Facebook Ads dit vraiment de votre produit
Le broad targeting – cibler sans restriction d’audience définie – fonctionne de mieux en mieux. En théorie. Remy Bandaan précise immédiatement la nuance qui change tout :
« Pour des produits qui sont un peu de niche, on a déjà eu des exemples où ça fonctionnait pas. Du coup je pense que tu jettes un peu ton argent parce que Facebook va prendre le temps de faire sa learning phase et donc de tester différentes pistes et donc ben toi potentiellement tu vas dépenser beaucoup d’argent avant qu’il ait trouvé. »
Voilà. Le broad, c’est un pari sur le volume de données disponibles. Si ton produit s’adresse à 200 000 personnes en France, l’algorithme va galérer à trouver les bons profils dans une population de 30 millions d’utilisateurs actifs.
Ce que j’entends moins souvent dans ces discussions, c’est la solution intermédiaire qu’il propose : faire du broad avec une segmentation démographique. Tu vends un produit pour femmes ? Tu cibles large, mais uniquement les femmes. Tu gardes la liberté de l’algorithme tout en ne lui demandant pas de faire un travail de détective. C’est élégant – et ça coûte moins cher en phase d’apprentissage.
Sur les audiences par intérêts, Bandaan est catégorique : c’est leur terrain de jeu. Pas parce que c’est la panacée, mais parce que ça force à tester des hypothèses sur sa cible. Et l’outil de suggestion de Facebook – celui qui te propose des intérêts connexes quand tu en sélectionnes un – est, selon lui, « plutôt bien » calibré. (Ce qui est rare dans le secteur, où les outils natifs des plateformes sont souvent sous-estimés à tort.)
Pour aller plus loin sur la remise en question des logiques post-iOS, j’avais trouvé utile cet épisode sur les 5 changements opérés sur les campagnes après iOS 14 – certains points recoupent exactement ce que Bandaan décrit.
Les lookalike à 3% qui battent ceux à 1% : l’effet iOS 14 sur les audiences similaires
Avant iOS 14, la logique était simple : un lookalike 1% = les profils les plus proches de ta source. Plus le pourcentage monte, plus l’audience s’éloigne de ton noyau. Donc 1% imbattable, 5% pour les gros budgets.
Cette logique a pris un coup. Remy Bandaan le dit directement :
« On est plus sur du 0,1% comme avant mais maintenant il faut faire du 0,3%. Et il faut aller chercher des lookalike un peu plus large. On a déjà eu plein de cas dans le passé où on s’est rendu compte que l’audience 3% elle fonctionne mieux que la 1%. Clairement. Alors que par principe, en théorie, c’est pas censé être le cas. »
Dit comme ça, ça a l’air d’un bug. C’est surtout une conséquence directe de la réduction des données pixel disponibles : avec moins de signaux de conversion qui remontent, les audiences 1% construites sur des acheteurs sont moins denses, donc moins précises. L’algorithme a besoin de plus de largeur pour trouver ses repères.
La réponse logique ? Aller chercher des sources alternatives. Une liste d’emails clients importée directement. Les visiteurs du site (audience plus large, donc plus robuste malgré iOS). Et – point que Danilo Duchesnes admet ne pas encore beaucoup exploiter – les lookalike basés sur les interactions Instagram et Facebook, quand la page a une vraie communauté engagée.
L’exemple cité : Papier Tigre. Une marque avec une page Instagram soignée, du contenu interactif, des téléchargements de fonds d’écran. Ce type de communauté crée une audience d’interactions qualifiée – pas des followers passifs, des gens qui ont fait quelque chose. Et donc des lookalike qui valent quelque chose.
Mais bon – si ta page Facebook a 800 abonnés et un taux d’engagement de 0,3%, cette source-là ne donnera pas grand chose. C’est la qualité de la source qui pilote tout, pas le type d’audience.
5 stratégies de reciblage Facebook Ads pour ne pas perdre les « presqu’acheteurs »
Le ciblage Facebook Ads en retargeting, c’est là où le travail devient vraiment intéressant. Danilo Duchesnes identifie cinq approches distinctes pour l’e-commerce – et certaines sont moins évidentes qu’elles n’y paraissent.
La première : remontre tes bestsellers. Format carrousel ou collection (avec catalogue Facebook), tu remontres tes produits les plus vendus à des gens qui sont passés sur le site. Simple, mais l’instant expérience créée par le format collection – qui garde l’utilisateur dans Facebook avant de l’envoyer sur le site – génère une expérience d’achat fluide que beaucoup de marques n’exploitent pas.
La deuxième stratégie s’appuie sur le calendrier marketing. Black Friday, Saint-Valentin, fête des mères, rentrée – autant d’occasions de créer des offres à durée limitée. Le FOMO (la peur de rater quelque chose) reste un levier puissant, à condition de l’activer au bon moment sur des audiences larges en retargeting : visiteurs des 90-180 derniers jours, liste email complète, clients existants, abandons panier des six derniers mois.
Troisième stratégie : le reciblage dynamique sur les « presqu’acheteurs ». Ce sont les personnes qui ont ajouté au panier ou consulté plusieurs pages produits dans les 14 derniers jours. Ces campagnes ont généralement un très bon retour sur investissement – justement parce que la cible a déjà signalé une intention forte. Et l’intelligence, c’est d’avoir un message distinct selon l’intention : un code promo ou la livraison offerte pour les abandons panier, des arguments de preuve sociale pour les simples visiteurs produit.
La quatrième stratégie – celle que je trouve sous-estimée – c’est de promouvoir une offre gratuite. Un lead magnet, un quiz. L’idée : quand le cycle d’achat est long ou que l’achat n’est pas impulsif, il faut éduquer avant de vendre. Duchesnes cite deux exemples concrets. Wopilo, avec ses guides pour choisir le bon oreiller. Duras, avec ses diagnostics de peau et de cheveux qui débouchent sur des recommandations produits personnalisées. C’est du content marketing intégré dans la stratégie pub – et ça capture des emails au passage.
La cinquième stratégie est le retargeting séquentiel. En fonction du moment où quelqu’un a interagi avec ta marque, tu lui montres une pub différente. Entre 0 et 10 jours : offre ou réassurance directe. Entre 10 et 30 jours : témoignages, preuve sociale. Au-delà de 30 jours : approche douce, lead magnet, nouveautés. L’idée centrale – enfin, ce que j’aurais voulu qu’on me explique plus tôt – c’est que la « température » du trafic doit dicter le message, pas juste l’audience.
Pour aller plus loin sur les erreurs classiques en reciblage, cet article sur les erreurs fréquentes en Facebook Ads e-commerce (100+ comptes audités) recoupe plusieurs points mentionnés ici.
Google Ads pour l’e-commerce : search et shopping d’abord, tout le reste après
Clarification préalable que Remy Bandaan tient à faire avant tout : Google Ads est la plateforme. AdWords, c’est l’ancien nom – et le search n’est qu’un type de campagne parmi d’autres. Cette confusion, il la voit « souvent ». (Et c’est souvent là que ça coince : on parle de Google Ads en pensant uniquement aux annonces textuelles dans les résultats de recherche.)
Pour un e-commerçant, le search reste le point d’entrée incontournable. Google détient plus de 90% de parts de marché sur les moteurs de recherche en France. Ne pas être présent là où les gens cherchent activement tes produits, c’est laisser du chiffre d’affaires sur la table.
Mais les campagnes shopping méritent une attention particulière :
« Les campagnes shopping ont vraiment été créées dans ce but de mettre en avant des produits pour des retailers. Le fait qu’il y ait une image et le prix qui soit affiché, c’est quand même plus attrayant que les annonces search qui sont un peu brut de décoffrage et qui du coup sont peut-être moins séduisantes lorsque tu vends un produit physique. »
C’est exactement le problème. Sur le search, tu as du texte. Sur le shopping, tu as une image, un prix, une marque. Pour quelqu’un qui cherche « chaussures Nike », l’annonce shopping est visuellement gagnante avant même qu’il ait cliqué.
La différence clé avec le search : sur le shopping, tu ne choisis pas tes mots-clés. C’est Google qui va piocher dans ton flux de produits importé sur Google Merchant Center pour décider où te positionner. Moins de contrôle – mais aussi moins de travail de gestion des enchères par mot-clé.
Display et YouTube arrivent ensuite – avec des conditions. Le display en acquisition a des taux de clic souvent décevants. En retargeting, c’est un classique qui fonctionne. YouTube, lui, dépend très fortement de la vidéo elle-même et du secteur. Ce n’est pas adapté à tout le monde – mais le ciblage par intention de recherche (afficher une pub YouTube à quelqu’un qui a tapé un terme précis sur Google) ouvre des possibilités intéressantes que Remy Bandaan qualifie d’« assez puissant ».
Si vous voulez creuser le sujet YouTube Ads spécifiquement, les deux épisodes avec Paul Hesry d’Effilab sont une bonne base : le guide des campagnes YouTube Ads (partie 1) et le ciblage et l’attribution YouTube Ads (partie 2) complètent bien ce que Bandaan survole ici.
Smart Shopping : quand l’automatisation prend la main – et ce qu’on y gagne vraiment
Le Smart Shopping est sorti il y a deux ou trois ans selon Bandaan. En résumé : c’est du shopping automatisé, avec moins de contrôle sur les enchères mais un algorithme qui est censé mieux optimiser que tu ne le ferais manuellement.
Deux types de stratégies d’enchère disponibles – toutes deux 100% automatiques. Sur le shopping classique, tu pouvais choisir tes enchères produit par produit. Sur le Smart Shopping, c’est Google qui décide. C’est là que beaucoup d’annonceurs bloquent.
« Moi je trouve ça bien parce que normalement si l’algorithme fait bien son travail, il va mieux enchérir que toi et ça te fait gagner aussi du temps. Là où avant sur les campagnes shopping classiques, tu dois ben choisir une enchère par produit. »
Le mot-clé ici : « si l’algorithme fait bien son travail ». Et pour qu’il le fasse bien, il lui faut des données. Un compte qui génère peu de conversions va alimenter un algorithme qui optimise mal – et là, le Smart Shopping peut coûter plus cher que du shopping classique géré manuellement. C’est une limite réelle, pas un détail.
Ce qu’on n’entend pas assez dans ces discussions sur l’automatisation : le Smart Shopping est en train d’être progressivement remplacé par les campagnes Performance Max. Bandaan le mentionne en passant. C’est le prochain chantier à maîtriser pour les annonceurs Google.
Sur la question du scaling et des erreurs contre-intuitives qui freinent les comptes, la logique est similaire : trop de contrôle manuel peut parfois coûter plus cher que de laisser les algorithmes travailler – à condition d’avoir le volume de données suffisant pour les nourrir.
Ce que la comparaison Facebook Ads / Google Ads révèle sur vos angles morts
Écouter Remy Bandaan parler des deux plateformes en parallèle, ça force une réflexion que peu d’annonceurs font vraiment : ces deux régies ne ciblent pas le même moment du parcours d’achat.
Google Ads – et particulièrement le search – capte l’intention déclarée. Quelqu’un tape « acheter cafetière italienne 6 tasses » : il sait ce qu’il veut, il cherche où l’acheter. Le ciblage Facebook Ads, lui, travaille sur des profils et des comportements – il crée ou réactive une intention. Ce n’est pas meilleur ou moins bon. C’est fondamentalement différent.
Ce qui m’agace dans la manière dont beaucoup de marques abordent le multicanal, c’est qu’elles traitent Facebook Ads et Google Ads comme des canaux concurrents à budgéter l’un contre l’autre. Alors que la vraie question c’est : à quel moment du cycle d’achat est mon prospect, et quelle plateforme est la plus adaptée à ce moment ?
Un prospect qui ne connaît pas encore ta marque et a un profil qui colle à ta cible : Facebook Ads, acquisition, ciblage par intérêts ou lookalike. Ce même prospect, trois jours plus tard, qui tape ton nom de marque sur Google : search. Et entre les deux, du display ou du retargeting Facebook pour rester présent.
Ce n’est pas révolutionnaire comme logique. Mais le diable est dans les détails d’exécution – et les détails d’exécution, c’est exactement ce que cet épisode documente, cas par cas, plateforme par plateforme.
La suite – Pinterest Ads, Snapchat Ads, TikTok Ads – est traitée dans la deuxième partie. Des plateformes que Duchesnes appelle « exotiques » mais qui ont clairement le vent en poupe. Notamment TikTok, dont les logiques de ciblage sont assez éloignées de ce qu’on vient de voir. Mais ça, c’est une autre histoire.
Pour ceux qui veulent une vision complète des bonnes pratiques actuelles sur Facebook, cet article sur les 7 bonnes pratiques Facebook Ads donne un bon cadre de référence à côté des stratégies de ciblage évoquées ici.
