Scaler campagnes Facebook Ads sans tout casser en route, c’est le problème que personne ne sait vraiment résoudre. On augmente le budget, les CPM explosent, le coût d’acquisition triple, et l’algorithme part en vrille. Jean Habasque, Head of Growth chez Pixpay – une fintech qui vend des cartes de paiement pour ados – dépense 50 000 € par mois sur Facebook et il a une réponse qui va à l’encontre de pas mal de ce qu’on entend habituellement.
Ce qui m’a frappé en écoutant l’épisode 49 de No Pay No Play, c’est pas les chiffres. C’est la logique derrière les choix. Jean vient du paid search, pas du social. Il a appris les Facebook Ads en live, avec un vrai budget, sans filet. Et du coup il questionne des trucs que les gens avec plus d’expérience social ne questionnent plus. Comme : est-ce qu’un ciblage très fin est vraiment utile ? Est-ce que l’audience large ne serait pas, en fait, meilleure ?
La réponse qu’il donne – et les données qui la soutiennent – méritent qu’on s’y attarde vraiment.
Deux cibles, un seul compte : la structure qui tient à 50k€
Pixpay a un problème d’acquisition assez unique. Le produit s’adresse aux ados – 10 à 18 ans – mais c’est le parent qui paie. Du coup, Jean se retrouve à gérer deux personas radicalement différents avec des tunnels de conversion qui n’ont rien à voir l’un avec l’autre.
Côté parents, le funnel est court et direct : annonce Facebook, landing page, commande de la carte. Côté ados, c’est plus tordu. L’ado voit la pub, télécharge l’app (enfin, pas directement – Jean a testé, c’était trop brutal), passe par un onboarding web, donne ses infos, et c’est l’app qui ensuite contacte les parents via email et SMS. Deux personnes, deux devices, deux moments différents.
« On réconcilie une famille. Chose qui est quasi impossible. Nous on le fait dans notre BI interne parce qu’on est capable avec les numéros de téléphone de matcher qui est l’enfant de qui, qui est le parent de qui mais sur Facebook, impossible. »
Dit comme ça, ça remet les choses à leur place sur ce que Facebook peut vraiment tracker.
La répartition budgétaire reflète cette réalité : sur 50 000 € mensuels, à peine 2 500 à 5 000 € partent vers les ados. Non pas parce que ça marche moins bien – au contraire, les coûts d’acquisition sont meilleurs sur cette cible – mais parce que l’audience des 13-17 ans en France tourne autour de 5 à 8 millions de personnes. C’est dix fois plus petit que le marché parent.
Et le CPM sur les ados ? Dix fois inférieur à celui des parents. Parce que personne ne cible vraiment cette tranche d’âge. Moins de concurrence, moins cher. Simple, mais encore faut-il y penser. (C’est souvent là que ça coince – les annonceurs ciblent instinctivement l’acheteur, pas le prescripteur.)
Scaler campagnes Facebook Ads : l’audience large gagne
C’est le point qui m’a le plus intéressé dans cet épisode. Et c’est là que Jean contredit un réflexe très répandu.
La logique classique quand on veut scaler campagnes Facebook Ads, c’est de multiplier les adsets, de segmenter à fond les audiences, de créer des ciblages ultra-précis. Femmes 35-45 ans intéressées par la parentalité ET le sport ET la finance personnelle. Ce genre de truc. Jean a testé cette approche : quinze adsets, une quinzaine de ciblages différents, des audiences autour de 100 000 personnes chacune.
Résultat ? Moins bon qu’une seule audience large de 15 à 19 millions de personnes.
« On a des meilleures performances avec des audiences très larges de 1 million de personnes, 500 000 personnes qu’avec des petites audiences de 50 100 000 personnes. Pour deux raisons : les CPM sont plus élevés plus on cible. Et la deuxième raison, c’est que malgré tout Facebook a un algorithme qui fonctionne bien. On le laisse aller chercher ceux qui sont a priori les plus proches de la conversion. »
Voilà. C’est brutal comme conclusion mais les données de Jean le confirment.
La mécanique derrière est logique une fois qu’on y pense. Quand tu cibles une audience de 80 000 personnes, tu paies un CPM élevé parce que tu es en compétition avec d’autres annonceurs qui ciblent exactement les mêmes profils. Et tu pousses l’algorithme dans un coin – il n’a pas la place de chercher les meilleurs convertisseurs dans cet espace restreint. À l’inverse, sur une audience de 15 millions de personnes, les CPM sont moins élevés et Facebook peut parcourir un espace bien plus grand pour trouver les gens qui vont vraiment convertir. C’est contre-intuitif mais c’est cohérent avec ce que les bonnes pratiques de ciblage Facebook recommandent de plus en plus.
La nuance importante : Jean travaille quand même avec des look-alike à 1 % en parallèle. En France, ça représente environ 400 000 personnes. Ces audiences ont des taux de conversion plus élevés parce qu’il a « maché le travail pour Facebook » – il oriente l’algo vers les bons profils. Mais c’est l’All Target qui génère le plus gros volume de conversions.
Quand le search ne suffit plus : pourquoi Facebook s’est imposé
Jean vient du paid search. Pendant sept ans, il a géré des budgets Google pour du e-commerce et des classified ads. Le social était marginal dans son expérience. Pixpay a tout changé.
La raison est simple : Pixpay opère sur un marché à évangéliser. Personne ne cherche sur Google « carte de paiement pour ado avec app de contrôle parental ». Le volume de recherche est quasi inexistant. Du coup, impossible de capter une demande qui n’existe pas encore – il faut aller créer cette demande ailleurs. Et le seul canal qui permet de cibler précisément des parents d’ados en France avec une audience suffisante, c’est Facebook.
Ce contexte explique aussi pourquoi Jean a rapidement écarté les campagnes d’awareness. L’idée de départ était classique : campagne de notoriété (vues de vidéo ou trafic) pour chauffer l’audience, puis retargeting en conversion. En théorie, ça fait sens. En pratique, les coûts de diffusion pour l’awareness sont déjà élevés, et rajouter une couche de campagnes de conversion en retargeting multiplie le coût global.
« Le ROI global de cette mécanique n’était pas satisfaisant. On avait des coûts d’acquisition qui étaient trois quatre fois supérieur à notre cible. Donc on a décidé de ne faire que de la conversion. »
Ce que j’aurais voulu qu’on me dise – enfin, ce que beaucoup d’annonceurs apprennent à leurs frais – c’est que les campagnes de conversion génèrent quand même du trafic et de la vue de vidéo. Tu te prives de rien. Tu fais juste tourner un seul objectif au lieu de deux, et tu retargètes les abandonnistes dans la foulée. Plus simple, plus lisible, moins cher.
Pour aller plus loin sur la question du tracking et de l’attribution dans ce contexte, l’épisode sur les changements de fenêtre d’attribution Facebook donne un éclairage utile sur ce que tu peux réellement mesurer.
L’enjeu iOS 14 que tout le monde a sous-estimé
Dans la partie actualité de l’épisode – enregistré en mars 2021 – Joseph Donia aborde la question iOS 14.3 et ses conséquences sur les fenêtres d’attribution. Et c’est toujours pertinent aujourd’hui parce que la logique de fond n’a pas changé.
Pour les utilisateurs ayant refusé le tracking Apple, l’attribution chute à 1 jour post-clic. On était déjà passé de 28 jours à 7 jours post-clic avec les changements iOS 14. Là on parle d’un jour. Ce qui veut dire que pour des produits avec un cycle d’achat long – et Pixpay avec son double tunnel parent/ado en est un bon exemple – une partie des conversions devient invisible dans Facebook Ads Manager.
La vraie conséquence pour quelqu’un comme Jean ? Il ne peut pas optimiser ses campagnes ados sur l’événement de commande parent. Le délai entre l’inscription de l’ado et la commande du parent peut être long, et la réconciliation entre les deux devices est impossible côté Facebook. Il optimise donc sur l’inscription de l’ado d’un côté, et sur la commande de la carte côté parent de l’autre. Deux événements de conversion distincts, deux campagnes distinctes.
L’impact iOS sur la mesure des campagnes est traité en détail dans l’épisode iOS 14 et Facebook Ads – si tu gères des campagnes avec des tunnels longs, ça vaut la lecture.
Ce que personne ne dit sur scaler campagnes Facebook Ads sans casser l’algo
Le vrai sujet de l’épisode, c’est ça : comment tu augmentes tes dépenses sans tout faire exploser ? Parce que c’est le mur que tout annonceur rencontre. Tu as une campagne qui marche. Tu doubles le budget. Et ça casse.
Jean gère 50 000 € par mois et il prévoit d’augmenter significativement en 2021. Sa logique pour scaler campagnes Facebook Ads sans tout casser repose sur quelques principes qui sortent de la doxa habituelle.
Premier point : ne pas toucher ce qui marche trop vite. L’algorithme de Facebook a besoin d’une phase d’apprentissage stable. Chaque modification significative – budget, ciblage, créa – relance une phase d’apprentissage. Et pendant cette phase, les performances sont erratiques. Jean a une expérience inhabituelle de cette phase, que Joseph Donia mentionne comme « allant un peu à l’encontre de ce qu’on dit habituellement » – mais la transcription disponible ne détaille pas cette partie de l’interview. C’est frustrant. (Et c’est souvent les meilleurs morceaux qui sont dans la deuxième moitié des épisodes.)
Deuxième point : la preuve sociale sur les publicités. Jean y accorde une importance particulière. Une pub avec des centaines de commentaires positifs et des partages convertit mieux qu’une pub fraîche, même si le message est identique. C’est documenté, c’est logique – les gens font confiance à ce que d’autres ont validé avant eux. Pour aller plus loin sur ce sujet spécifique, l’épisode sur la preuve sociale sur les publicités Facebook rentre dans le détail.
Troisième point – et c’est celui qui m’a le plus surpris : la vidéo filmée au téléphone par un vrai client surpasse la vidéo produite par une agence. Jean cite un exemple direct : une vidéo scénarisée, tournée avec un budget et une équipe, comparée à une vidéo UGC (user generated content) filmée par un ado Pixpay sur son téléphone. La vidéo UGC gagne. Clairement. Ce n’est pas un phénomène propre à Pixpay – c’est une tendance qui s’accélère sur Facebook et Instagram depuis quelques années, mais ça reste contre-intuitif pour des marques qui ont investi dans la production de contenu.
Mais bon – la question qui reste ouverte, c’est comment tu produis du contenu UGC à grande échelle quand tu as besoin de renouveler tes créas toutes les deux à trois semaines ? Jean n’y répond pas vraiment dans cette partie de la transcription.
Le scandale de la portée gonflée : Facebook savait
Un aparté sur l’actualité de l’épisode, parce que cette histoire mérite d’être rappelée.
En mars 2021, des documents internes sortis dans le cadre d’une procédure judiciaire révèlent que Facebook savait depuis des années que ses chiffres de portée potentielle étaient surestimés. Des faux profils, des comptes dupliqués – et Facebook n’a rien corrigé. La raison invoquée dans ces documents : la peur que des chiffres plus petits freinent les annonceurs et impactent le chiffre d’affaires.
Ce n’est pas la première fois. En 2016, des agences avaient déjà attaqué Facebook pour avoir gonflé les durées de visionnage de vidéos. Facebook avait versé 40 millions de dollars d’indemnités pour clore le dossier. En 2018, le Wall Street Journal révèle le problème de portée surestimée. Et en 2021, les documents internes confirment que c’était délibéré.
Concrètement pour toi qui gères des campagnes : le chiffre de « portée potentielle » affiché dans ton adset quand tu définis ton ciblage n’est pas fiable. Il ne l’a jamais été vraiment. Ce qui compte, c’est ce que tu dépenses et ce que tu convertis – pas l’estimation de portée. Et pour suivre les bons indicateurs sur tes campagnes, les 13 indicateurs Facebook Ads à surveiller de près donnent un cadre de lecture utile.
Scaler campagnes Facebook Ads dans ce contexte – avec des données de portée potentiellement faussées, une attribution qui se réduit avec iOS, et un algorithme qu’on comprend qu’à moitié – ça demande de travailler avec des données de performance réelles, pas avec les estimations de la plateforme. Jean Habasque a appris ça à 50 000 € par mois. C’est une école chère mais efficace.
