Les campagnes facebook ads blablacar ne ressemblent à rien de ce que tu lis dans les guides pour débutants. Manon Prévot, team lead social media et performance marketing chez le géant du covoiturage, gère des budgets publicitaires sur huit pays simultanément – conducteurs d’un côté, passagers de l’autre, algorithmes partout. Et ce qu’elle décrit dans cet épisode du podcast No Pain No Play contredit beaucoup de ce que la plupart des annonceurs font au quotidien. Pas de recette magique. Pas de ciblage ultra-précis partout. Et surtout, cette conviction que trop segmenter tue la performance autant que ne pas segmenter du tout.
Le contexte de l’interview mérite d’être posé : on est en mai 2020, en plein confinement. Blablacar a coupé toutes ses campagnes depuis des semaines – logique, personne ne peut voyager. Mais Manon explique ses stratégies au présent, comme si les campagnes tournaient encore. Ce qui donne à l’entretien une qualité presque documentaire – elle décrit des mécaniques rodées, pas des expérimentations fraîches.
Et ce qui ressort, c’est une approche qui a l’air simple mais qui cache une vraie complexité opérationnelle. Deux profils d’utilisateurs radicalement différents. Des dizaines de milliers de trajets dans le catalogue dynamique. Un outil tiers – une Facebook Marketing Partner – qui automatise ce que le gestionnaire de pub natif ne peut pas absorber à cette échelle.
Dans un secteur où tout le monde parle d’audience, Manon parle surtout de données. Et c’est là que ça devient intéressant.
Conducteurs et passagers : deux stratégies facebook ads blablacar qui ne se ressemblent pas
Le vrai problème quand on fait de l’acquisition pour une marketplace de covoiturage ? Tu dois convaincre deux types de personnes qui n’ont rien en commun – ni les motivations, ni le parcours d’achat, ni le rapport à la décision. Blablacar l’a intégré dans sa structure de campagnes de façon très nette.
Côté conducteurs, Manon est claire : le retargeting ne sert à rien, ou presque. Une fois qu’une personne a montré de l’intérêt pour proposer des places dans sa voiture, il n’y a pas 50 options concurrentes. Le taux de conversion est naturellement bon. Donc on concentre les budgets sur de l’acquisition pure – des gens qui ne connaissent pas encore la plateforme.
Pour les conducteurs, on n’a pas vraiment besoin de faire du retargeting parce que une fois qu’une personne a montré un intérêt pour covoiturer en tant que conducteur, il y a pas 1000 options possibles et en général le taux de conversion est assez bon.
Logique imparable. Et ça change tout à l’allocation budgétaire.
Pour les passagers, c’est l’inverse. Eux ont des alternatives : le train, le bus, la voiture personnelle, d’autres plateformes. Leur intention est là mais elle se volatilise vite. Donc le retargeting devient central – et particulièrement un outil que Manon cite avec une certaine satisfaction dans sa voix : les Dynamic Ads for Travel.
Le principe est exactement celui des publicités dynamiques pour le e-commerce. Quelqu’un cherche un trajet Marseille-Nice sur Blablacar sans réserver ? Il voit une pub avec Marseille-Nice et une photo de Nice dans son feed quelques heures plus tard. Sauf que le catalogue n’a pas des centaines de références – il en a des dizaines de milliers. Parce que toutes les combinaisons de villes doivent être couvertes. (Ce qui explique pourquoi un outil tiers d’automatisation devient non pas un luxe mais une nécessité.)
Cette asymétrie conducteurs/passagers, je la trouve particulièrement bien pensée. La plupart des marketplaces appliquent la même mécanique des deux côtés. Blablacar a compris que les deux marchés ne se comportent pas pareil.
L’algorithme comme chef d’orchestre – et le danger de trop faire
Ce qui m’a le plus frappé dans l’interview de Manon, c’est une phrase qu’elle glisse presque en passant, vers la fin. Elle conseille d’éviter d’en faire trop – et elle vise directement la sur-segmentation des audiences.
Si c’est pour mettre les mêmes créa, ça sert à rien de segmenter trop au niveau des audiences parce que il vaut mieux laisser l’algorithme choisir dans une audience comment il va répartir le budget et répartir finalement le reach.
Dit comme ça, ça paraît évident. Ça ne l’est pas du tout dans la pratique.
La tentation, quand on gère des campagnes à cette échelle, c’est de découper en tranches fines. Homme 25-34 ans en Île-de-France. Femme 35-44 ans en région PACA. Et ainsi de suite. Le problème : chaque découpage réduit le volume de données disponibles pour l’algorithme. Et un algorithme sous-alimenté en données, c’est un algorithme qui ne peut pas sortir de la phase d’apprentissage. On tourne en rond.
Joseph Dougniaux, l’animateur du podcast, avait d’ailleurs traité ce sujet dans les questions d’auditeurs de ce même épisode. Florian lançait des campagnes qui enregistraient 5 à 10 conversions par semaine – avec un ROI satisfaisant, mais les ensembles restaient coincés en apprentissage limité. La réponse de Joseph est sans appel : il faut 50 conversions par semaine par ensemble pour sortir de cette zone grise. Pas 20, pas 30. 50. Et si tu n’y arrives pas, la bonne question n’est pas de relancer une nouvelle campagne chaque semaine, c’est de voir si tu peux augmenter le budget. Si le ROI est satisfaisant, c’est techniquement faisable – mais évidemment ça suppose d’avoir la trésorerie pour le faire.
Manon applique ce principe à sa façon : elle préfère des audiences larges qui laissent de la latitude à l’algorithme, plutôt que des micro-segments bien définis qui contraignent sa capacité d’exploration. Elle utilise des audiences similaires construites sur des segments d’utilisateurs (fréquence d’usage, ancienneté), pas une LTV calculée à la façon standard. Et elle exclut systématiquement les audiences les unes des autres pour éviter l’overlap – cette situation où plusieurs ensembles se font concurrence sur les mêmes profils dans les enchères.
Le process créatif : briefs, équipes locales et vidéos de moins de 6 secondes
Huit pays. Des dizaines de milliers de trajets. Et en plus il faut produire des créas qui fonctionnent dans chaque marché. Comment Manon organise tout ça sans que ça parte dans tous les sens ?
Elle travaille avec plusieurs équipes en parallèle. En interne, une équipe de designers et de stratégie de marque qu’elle brief avec ses données – ce qui marche, ce qui ne marche pas, quels formats performent. Ces designers font des propositions. Pour le copywriting, elle s’appuie sur des marketing managers locaux dans chaque pays, qui connaissent les codes culturels que Manon ne maîtrise pas forcément.
Je travaille pas seulement sur la France, je travaille sur huit pays, je parle pas toutes les langues malheureusement. Donc on travaille avec des équipes locales de marketing manager qui eux vont me donner à la fois ce qui marche comme type de message chez eux, les besoins qu’ils ont.
Ça c’est une vraie organisation. Pas un brief envoyé à une agence unique qui produit 40 visuels en un mois.
Sur les formats, Manon a une position nette : elle mélange tout – images, vidéos, carrousels – parce que les préférences varient selon les individus et que c’est Facebook qui sait quelle créa servir à qui. En revanche, sur les vidéos, elle est catégorique : moins de 10 secondes, idéalement moins de 6. Pas par dogmatisme. Parce que c’est ce qui fonctionne. (Et franchement, quand la responsable acquisition d’une des plus grosses applications de voyage en Europe te dit que 6 secondes c’est parfois trop long, tu rangues tes idées sur la narration vidéo.)
Le conseil de Joseph dans l’épisode rejoint cette logique : mettre plusieurs formats dans un même ensemble publicitaire, c’est rationner le reach. Sur un million de personnes ciblées, peut-être 300 000 réagissent mieux aux vidéos, 500 000 aux carrousels, 100 000 aux images fixes. Si tu ne mets qu’un seul format, tu rates une partie de ton audience potentielle – pas parce qu’ils ne sont pas intéressés, juste parce que tu ne leur parles pas dans leur langue créative. Pour aller plus loin sur le copywriting des publicités Facebook, le sujet mérite son propre développement.
Ce que le Covid-19 a mis en lumière sur les stratégies de performance
Mai 2020. Les campagnes Blablacar sont à l’arrêt total. Et pourtant, l’épisode délivre une des analyses les plus intéressantes sur ce que la crise a révélé des comportements publicitaires.
Facebook annonçait des résultats trimstriels en demi-teinte pour Q1 2020 : une hausse record du nombre d’utilisateurs – 100 millions de nouveaux en un trimestre, jamais vu depuis que Facebook communique ce chiffre fin 2018 – mais une baisse de la demande publicitaire sur les trois dernières semaines de mars. Les CPM ont chuté. Et là, quelque chose d’intéressant s’est produit.
Les campagnes de notoriété ont été massacrées. Les campagnes de performance – celles qui demandent une action concrète, un achat, une installation d’app, un formulaire rempli – ont résisté. Mieux : certains annonceurs de performance ont augmenté leurs budgets pendant la crise, justement parce que les CPM bas rendaient l’acquisition moins chère. C’est contre-intuitif en apparence. Mais c’est de la mécanique pure : moins d’annonceurs en enchères, le prix baisse, les malins en profitent.
Le vrai problème restait les PME. D’après Morgan Stanley, elles représentaient 30 à 40 % des revenus publicitaires de Facebook – un chiffre qui donne le vertige. Et elles prévoyaient de couper leurs budgets de moitié au deuxième trimestre 2020. Pour comprendre l’impact complet du Covid sur les Facebook Ads, les mécaniques sont décrites en détail dans un épisode dédié du même podcast.
Blablacar, elle, n’avait pas vraiment le choix. Pas question de pousser des publicités de covoiturage pendant que le gouvernement interdit les déplacements. La décision a été immédiate. Et Manon, au moment de l’interview, ne savait pas encore quand les campagnes reprendraient – peut-être pour des trajets de moins de 100 km, dans un premier temps.
Audiences similaires : comment Blablacar construit ses sources sans s’appuyer sur la LTV classique
La question des sources de lookalikes, c’est souvent là que la plupart passent à côté de quelque chose. On va chercher sa base client, on upload, on crée une audience similaire à 1 %, et on pense avoir fait le bon geste. Blablacar fait différemment.
Manon explique que leurs segments d’utilisateurs sont construits en interne, avec des algorithmes propriétaires. Pas une simple valeur monétaire. La fréquence d’utilisation, l’ancienneté de la dernière utilisation – une personne qui covoiture toutes les semaines depuis un an, c’est ça la bonne source pour un lookalike. Pas forcément celle qui a dépensé le plus.
On a construit nous-même cette base-là en fonction de nos segments et en fonction d’algorithmes qu’on met en place en interne. On connaît nos utilisateurs et on sait lesquels ont plus de valeur pour nous.
C’est une nuance importante. La valeur d’un utilisateur pour Blablacar, ce n’est pas combien il a payé en frais de service. C’est à quelle fréquence il utilise la plateforme et depuis combien de temps. Un utilisateur mensuel régulier depuis deux ans vaut probablement plus qu’un utilisateur qui a fait un trajet à 50 euros une fois.
Et sur l’exclusion des audiences : Manon est systématique là-dessus. Elle exclut toujours ses membres existants des campagnes d’acquisition. Et elle exclut les audiences entre elles pour éviter que les ensembles se cannibalisent dans les enchères. C’est du travail de fond, pas glamour, mais c’est ce qui fait que les campagnes ne se tirent pas dans les pattes mutuellement. Pour mieux comprendre comment structurer ses audiences personnalisées avant de créer des lookalikes, les bases sont importantes.
La vraie limite de tout ça – et Manon ne l’évoque pas directement, mais elle est évidente – c’est l’accès aux données. Blablacar a des millions d’utilisateurs, des équipes data en interne, des outils propriétaires. Cette approche par segments comportementaux fins, c’est difficilement reproductible pour une startup de 50 personnes qui commence ses campagnes Facebook. Bien démarrer avec la publicité Facebook demande d’autres fondations, plus simples mais tout aussi rigoureuses.
La FMP et l’automatisation : quand le gestionnaire natif ne suffit plus
Un détail de l’interview qui mérite qu’on s’y arrête : Manon ne gère pas ses campagnes de performance directement dans le gestionnaire de publicités de Facebook. Elle utilise une FMP – une Facebook Marketing Partner, autrement dit un outil tiers certifié par Meta qui ajoute une couche d’automatisation au-dessus de l’interface native.
Concrètement ? C’est cet algorithme externe qui gère la répartition des budgets, les ajustements d’audiences, les optimisations quotidiennes. Manon ne touche pas à ça tous les jours. Elle pilote la stratégie, elle brief les équipes créatives, elle analyse les performances – mais les micro-décisions opérationnelles sont déléguées à la machine.
Elle garde le gestionnaire natif pour les campagnes de branding. Parce que là, l’objectif est le reach et la fréquence, pas l’optimisation fine à la conversion. Et les fonctionnalités natives suffisent pour ça.
Ce découpage est assez rare à entendre de façon aussi claire. Beaucoup d’annonceurs utilisent soit l’un soit l’autre. Blablacar utilise les deux, pour des objectifs différents. C’est une logique de pragmatisme – pas d’idéologie sur les outils. Pour aller plus loin sur l’automatisation des campagnes Facebook, les mécaniques du machine learning appliqué à la pub sont documentées en détail.
Et pour ceux qui se demandent si changer de stratégie d’enchère – comme la question de Johan dans l’épisode, qui hésite entre le coût le plus bas par conversion et l’optimisation au ROAS – la réponse de Joseph est la bonne : teste en parallèle, garde tes campagnes actuelles, duplique avec le nouveau paramètre, et laisse tourner. Ne coupe pas ce qui fonctionne pour tester quelque chose de nouveau. C’est du bon sens, mais c’est pas ce que tout le monde fait.
Reste une question que l’interview ne résout pas vraiment : est-ce que ces pratiques sont applicables à une échelle plus modeste ? Manon gère huit pays, des dizaines de milliers de trajets dans un catalogue dynamique, des équipes locales dans chaque marché. Le principe de laisser l’algorithme travailler sur des audiences larges – ça, oui, c’est applicable demain matin. Le reste…
