Le ciblage facebook ads reste, encore aujourd’hui, l’endroit où la plupart des annonceurs perdent le plus d’argent – souvent sans s’en rendre compte. Pas parce que leurs visuels sont mauvais. Pas parce que leurs textes ne convertissent pas. Mais parce qu’ils balancent leurs campagnes sur des audiences mal calibrées, trop petites, qui se cannibalisent entre elles ou qui incluent des gens ayant déjà acheté. Joseph Donio, consultant spécialisé Facebook Ads chez Neo Media, a eu accès à quelque chose que peu de gens peuvent se vanter d’avoir : une conversation directe avec des ingénieurs produit de Facebook lors d’un événement en novembre 2019. Ce qu’il en a ramené, c’est concret, chiffré, et ça change la façon dont on construit ses ensembles de pub.
Il anime le podcast No Pain No Play, dédié à la publicité Facebook pour les business qui font de la performance – pas du branding. Dans cet épisode, il partage cinq bonnes pratiques tirées de sa formation en ligne, au moment où il rouvrira les inscriptions. Bonne timing, parce que le fond est solide.
Ce qui suit, c’est ma lecture de ce qu’il dit – avec les passages qui m’ont arrêté, ceux qui méritent qu’on s’y attarde, et les points où j’aurais des questions à poser.
Ce que les ingénieurs Facebook ont vraiment répondu sur la taille d’audience
300 000 personnes. C’est le chiffre minimum que les équipes produit de Facebook ont donné à Joseph Donio quand il leur a posé la question directement. Pas un commercial. Un ingénieur. La nuance compte.
La logique derrière, elle est simple mais souvent ignorée. Quand Facebook génère une lookalike à 1% sur la France, elle fait environ 400 000 personnes. C’est ce que leurs algorithmes estiment nécessaire pour fonctionner correctement. Donc si tu crées une audience par centres d’intérêt et comportements, tu vises le même seuil.
« Quand vous voyez le chiffre d’audience de couverture potentielle sur Facebook, ça n’est pas le nombre de personnes que vous aurez sur Facebook tous les jours, c’est le nombre de personnes qui se connectent au moins une fois par mois sur Facebook. Donc sur une audience de 400 000 personnes, vous en avez peut-être que 60 à 70 % qui vont se connecter chaque jour. »
Voilà. C’est ce détail que tout le monde zappe.
Du coup, sur une audience de 400 000, ton inventaire réel quotidien tourne autour de 250 000 à 280 000 personnes. L’algorithme a besoin de matière pour apprendre, pour diffuser, pour optimiser vers les convertisseurs probables. En dessous du seuil, il rame. Il dépense quand même – mais moins bien.
La taille idéale, selon cette même source interne, c’est 1 million de personnes pour des campagnes de conversion. L’idée : sur 1 million, les acheteurs potentiels sont une minorité. Il faut donc de la largeur pour que l’algo puisse trier, collecter des signaux, et affiner sa diffusion vers les bons profils. Pas vers les gens qui cliquent sur tout et n’achètent rien.
Exception notable : les campagnes de retargeting. Là, les règles changent complètement. Tes audiences de visiteurs à 7 ou 14 jours font souvent quelques centaines de personnes. C’est normal, c’est voulu. Ces seuils de 300 000 et 1 million concernent uniquement la prospection – ce point est souvent mal compris, et ça coûte cher quand on l’applique à tort au retargeting. Pour aller plus loin sur ce sujet, tout savoir sur les audiences personnalisées et le retargeting vaut le détour.
Segmenter ses audiences : les erreurs qui font saigner le budget
Premier réflexe à avoir – et que beaucoup n’ont pas – c’est de ne jamais mélanger audiences froides et audiences chaudes dans une même campagne.
Ça parait évident. Pourtant.
Joseph Donio donne une architecture claire : une campagne de prospection qui ne touche que des audiences froides (lookalikes, centres d’intérêt, audiences larges), et une campagne de retargeting séparée pour les audiences tièdes et chaudes (visiteurs du site, gens qui ont vu tes vidéos, interactions Instagram). Deux machines distinctes, avec leurs propres logiques d’optimisation.
« Ne mettez pas des centres d’intérêt là-dedans. Donc une lookalike, faites un ensemble avec uniquement une lookalike. Vous pouvez faire un ensemble avec plusieurs lookalikes. Vous pouvez mélanger dans un même ensemble lookalike fichier client, lookalike événement pixel d’achat, par exemple, parce que ce seront deux lookalikes très proches. »
C’est exactement le problème.
Quand tu superposes une lookalike et des centres d’intérêt dans le même ensemble, tu pollues le signal que tu as donné à l’algorithme. La lookalike, c’est Facebook qui dit : voilà les gens qui ressemblent le plus à tes meilleurs clients. Les centres d’intérêt, c’est toi qui imposes ta propre définition de ta cible. Les deux logiques se contredisent. Et l’algo ne sait plus quoi prioriser.
L’autre erreur classique de segmentation : ne pas tester les audiences larges. Beaucoup d’annonceurs trouvent ça contre-intuitif – cibler sans critères précis, juste une géographie et quelques données démographiques. Mais c’est une façon de toucher des profils que tes audiences plus travaillées n’auraient jamais atteints. Des gens susceptibles d’acheter, qui ne correspondent pas à ta définition de persona mais qui convertissent quand même. L’algo sait des choses que tu ne sais pas sur tes futurs clients.
ciblage facebook ads : dans quel ordre attaquer tes audiences de prospection
Là, Joseph Donio donne un ordre de priorité que j’aurais aimé avoir quand je regardais des comptes qui tournaient dans tous les sens.
Premier choix : les lookalikes basées sur la valeur. Donc des sources avec une donnée LTV (valeur vie client) ou des événements pixel avec un paramètre de valeur d’achat. L’algorithme ne cherche pas juste des gens qui ressemblent à tes acheteurs – il cherche des gens qui ressemblent à tes meilleurs acheteurs. Nuance énorme.
Si tu n’as pas cette donnée – et c’est souvent le cas pour les structures plus petites – tu passes aux lookalikes classiques : fichier client sans valeur, visiteurs du site, téléchargeurs d’app. Moins précis, mais toujours largement supérieur à un ciblage par centres d’intérêt construit à la main.
Troisième étage : les audiences principales avec centres d’intérêt et comportements, éventuellement avec l’extension de ciblage cochée si une audience commence à s’essouffler. Et en quatrième, les audiences larges – qui servent à capturer tout ce que les trois premiers niveaux n’ont pas touché.
« Imaginez que vous ciblez des audiences lookalikes basées sur un événement de valeur, donc la LTV, et bien si vous faites à côté en parallèle un autre ensemble dans lequel vous ciblez une audience large duquel vous allez exclure cette lookalike, ça va vous permettre de toucher toutes les personnes qui sont entre les deux cercles que vous n’auriez pas touchées dans votre lookalike. »
Dit comme ça, ça a l’air simple.
Ce qu’il décrit, c’est une couverture exhaustive de ton marché adressable. Chaque niveau capte une tranche que le précédent ne voyait pas. En excluant ta lookalike de ton audience large, tu évites la concurrence interne entre tes propres ensembles – sujet sur lequel on va revenir tout de suite. Sur l’architecture lookalike en profondeur, les audiences similaires comme graal du ciblage complète bien ce qu’il explique ici.
Le chevauchement d’audience : quand tes campagnes se battent entre elles
62 %. C’est le taux de chevauchement que Joseph Donio a trouvé entre deux lookalikes construites à partir de deux articles de son blog. Deux articles différents, mais suffisamment proches pour que plus de la moitié des profils dans l’une se retrouvent aussi dans l’autre.
Le problème concret : si tu cibles ces deux audiences dans deux ensembles séparés, tes deux ensembles enchérissent contre toi-même pour les mêmes 289 800 personnes. Tu fais monter tes propres enchères. Tu paies plus pour atteindre exactement les mêmes gens.
Facebook a un outil de vérification du chevauchement d’audience. Il est là, dans le gestionnaire d’audiences. La plupart des gens ne l’ouvrent jamais (et c’est souvent là que ça coince).
La règle que Donio s’est donnée – Facebook n’en fournit pas d’officielle – c’est 30%. En dessous : les deux audiences restent séparées. Au-dessus : on les combine dans un même ensemble. L’algorithme gérera lui-même les doublons à l’intérieur d’un ensemble, sans enchère compétitive interne.
C’est un point qui rejoint directement la logique du système d’enchères de Facebook – comprendre comment Facebook alloue les impressions change la façon dont tu structures tes campagnes. Pas juste les audiences, toute l’architecture.
Honnêtement, ce seuil de 30% est empirique. Donio lui-même le dit. Il fonctionne pour ses comptes – ça ne veut pas dire qu’il est universel. Un e-commerçant avec des audiences très différentes entre elles aura peut-être moins de chevauchement structurel qu’un créateur de contenu dont toutes les lookalikes partent du même lectorat.
Les exclusions d’audience : le réflexe que personne n’a par défaut
Dernier point, et probablement le plus rentable à court terme pour beaucoup de comptes.
Chaque fois que tu lances une campagne avec un objectif précis – abonnement newsletter, achat d’un produit, vue d’une vidéo, lecture d’un article – exclure les gens qui ont déjà fait cette action. Systématiquement. Sans exception.
C’est une question d’argent. Mais c’est aussi une question d’expérience utilisateur. Joseph Donio dit quelque chose qui sonne juste :
« Ça m’agace énormément quand j’achète un produit sur un site e-commerce et que je suis retargeté par ce site qui continue de me proposer ce produit que je viens d’acheter. Je me dis que je devrais aller les contacter et leur proposer mes services. »
Là, on est d’accord.
C’est un signal fort d’un compte mal structuré. Les exclusions ne sont pas une option avancée réservée aux experts. C’est la base. Tu peux exclure via un fichier importé (tes abonnés actuels par exemple), via un événement pixel (l’événement Purchase pour exclure les acheteurs), ou via des audiences personnalisées construites depuis des interactions.
Et si tu veux aller plus loin sur la construction de ces audiences personnalisées pour affiner tes exclusions, les stratégies de retargeting avancées donnent un cadre solide. Pour l’interprétation de ce que ça donne ensuite dans tes stats, les 13 indicateurs à surveiller méritent qu’on y revienne aussi.
Stop Hate for Profit : quand le symbole coûte rien à Facebook
En parallèle de tout ça, Joseph Donio prend quelques minutes pour commenter la campagne Stop Hate for Profit – ce boycott lancé en juillet 2020 par des associations de défense des droits civiques américains (NAACP, Anti-Defamation League, Color of Change) qui demandaient aux entreprises d’arrêter leur publicité sur Facebook pendant un mois.
La liste des participants était impressionnante sur le papier : Adidas, Ford, Microsoft, Coca-Cola, Unilever, Starbucks, Lego, HP, Mozilla, Pfizer, Ben & Jerry’s… Une quarantaine d’annonceurs majeurs.
Mais Donio refroidit rapidement l’enthousiasme. Sa lecture : les 100 premiers annonceurs Facebook représentent 4,2 milliards de dollars de dépenses – soit 6% du chiffre d’affaires total de Facebook en 2019. Le reste, les 90% environ, vient d’une longue traîne de PME, TPE et startups qui font de la performance, pas du branding. Ces entreprises-là ne boycottent pas. Elles ont besoin que leurs campagnes tournent.
Et – effet pervers du système d’enchères – si les gros annonceurs se retirent, la demande baisse, les enchères baissent, et les petits annonceurs restants obtiennent de meilleures performances pour le même budget. Ce qui les incite à dépenser plus, pas moins.
Zuckerberg a quand même annoncé fin juin 2020 que le groupe supprimerait les annonces racistes, haineuses ou violentes, y compris celles venant de personnalités politiques – manière de viser Trump sans le nommer. Symbolique utile ? Peut-être. Suffisant ? Donio dit ‘amen si ça fait bouger les choses’ mais il ne se fait pas d’illusions sur l’impact financier réel du boycott.
Ce qui est intéressant ici, c’est ce que ça dit sur la structure du marché publicitaire Facebook. Ce n’est pas une plateforme qui dépend de quelques gros comptes – contrairement à ce qu’on pourrait croire. C’est une infrastructure qui vit de millions de petits annonceurs qui font du résultat. Et ça change la nature du rapport de force.
