Marketing Mania header image

Marketing Mania

≡ Menu

Multipliez les profits de vos pubs FB par x80,5 en 4 semaines : Étude de cas

Cet article décrit les 4 premières semaines de l’optimisation d’une campagne d’acquisition de prospects sur Facebook.

Le but de la campagne est de générer des prospects pour un institut de formation (il m’a été demandé de ne pas révéler le secteur exact du client en question). L’objectif est donc de maximiser le nombre de prospects générés tout en minimisant le coût par prospect.

Pour cela, j’ai utilisé le processus itératif que j’appelle la Boucle AHT  : chaque semaine je lance une nouvelle version de la campagne, et je mesure les résultats.

Voilà le bilan de la rentabilité pour les 4 premières semaines :

renatbilit-eacute--campagnes

Nous sommes donc passé en 4 semaines de :

  • 9 conversions à 50 (+ 456%)
  • un coût / prospect de 7,84€ à 4,79€ (-39%)
  • des profits de 2€ à 161€ / semaine (+ 8 050 %)

Méthode utilisée : la Boucle AHT

Téléchargez gratuitement notre Checklist d’optimisation pour répliquer ces résultats sur vos propres campagnes :

Cliquez ici pour recevoir La Checklist d’optimisation

Statistiques détaillées

Si vous êtes familier avec la gestion de campagnes Facebook, cette section va vous intéresser. Sinon, je vous conseille de sauter cette section pour vous rendre à la section suivante, Tests menés et résultats.

Voilà les statistiques détaillées au cours des 4 itérations de la campagne (chaque itération ayant tourné pendant une semaine) : all versions compared Les éléments importants à noter dans ce tableau :

  • Les différents chiffres montent et descendent à mesure des tests. Ceci n’est pas nécessairement un problème. Le but est d’optimiser pour seulement deux indicateurs : le nombre de conversions et le coût par conversion. En conséquence, seuls ces deux chiffres montrent une amélioration à chaque itération.
  • Les trois premières semaines servent à élargir le public ciblé, avec une augmentation du budget chaque semaine. En revanche, la semaine 4 optimise sur le public de la semaine précédente, et délivre plus de conversions malgré un budget inférieur.
  • ‘Conversion rate’ fait ici référence au taux de conversion de la landing page : quel pourcentage de ceux qui cliquent sont convertis. Il est intéressant de noter que l’augmentation de ce taux de conversion n’est pas dû à une amélioration de la landing page (comme on pourrait s’y attendre), mais à un meilleur ciblage des campagnes sur Facebook (les publics qui ne convertissent pas sont progressivement éliminés).

Tests menés et résultats

Nous allons maintenant voir quelles actions ont été prises chaque semaine pour arriver à ce résultat.

Comme vous pouvez l’apprendre dans la Checklist d’optimisation, chaque itération permet de tester 3 à 5 hypothèses différentes. Je ne me concentre ici que sur les tests les plus concluants.

Semaine 1 : Déterminer le placement gagnant

Une des hypothèses que nous souhaitions déterminer lors cette première itération était celle-ci : « La plupart des gens ne voudront pas remplir un long formulaire sur mobile ».

Pour rappel, il y a 3 types de placement possibles pour vos publicités sur Facebook :

  • Colonne de droite
  • Flux d’actualité sur ordinateur
  • Flux d’actualité sur mobile

En général, la colonne de droite génère un taux de clic largement inférieur, et n’est donc pas idéale pour les premières itérations où nous avons besoin de volume. Dans notre cas, nous commencerons donc par placer nos publicités dans le flux d’actualité.

Il nous reste donc à tester le placement sur ordinateur et sur mobile.

Voici les résultats du test :

desk vs mobile

Le coût par clic est 2x plus élevé sur ordinateur… mais le taux de conversion est 4x plus élevé sur ces clics, ce qui conduit à un coût par conversion 2x plus faible sur ordinateur.

(Notez que le nombre de clic encore faible sur cette campagne demande de prendre les mesures chiffrées avec précaution, mais le résultat du test reste significatif).

Au final, cette première itération est à l’équilibre financier, avec seulement 2€ de profit. Mais ce tableau nous montre que cette moyenne est trompeuse : il y a ici une campagne sur ordinateur déjà largement rentable, et une campagne sur mobile largement déficitaire.

Pour rendre cette campagne rentable sur la deuxième semaine, nous avons simplement besoin d’éliminer la partie mobile.

Attention ! Ne prenez pas les résultats de ce test pour dire « le desktop convertit mieux que le mobile en génération de prospect ».

Ces résultats dépendent largement du public, du marché et des pages utilisées. Les tests doivent donc être menés pour chaque situation, sans généraliser.

Pour référence, voici une campagne d’acquisition de prospects pour un autre client qui donne des résultats tout à fait différents :

desk vs mobile pea

Semaine 2 : Améliorer les images et la headline

Au cours des deux premières semaines, de nombreux facteurs ont été testés :

  • Niveau d’éducation des cibles
  • Images
  • Headlines
  • Texte

Le niveau d’éducation s’est révélé avoir un impact très faible sur les résultats. C’est une trouvaille surprenante pour un institut de formation, ce qui souligne à nouveau l’importance de tester vos idées pré-conçues.

En revanche, cette deuxième semaine a permis de trouver quelques images et une headline avec des résultats largement supérieurs au reste, et qui expliquent près de 80% de la baisse du coût d’acquisition observé en semaine 2.

Semaine 3 : Élargir l’audience

La campagne s’étant révélée rentable dès la semaine 2, il est temps de commencer à élargir le public ciblé.

Le public touché bondit de 59% pour atteindre 28 459 personnes en semaine 3.

En revanche (comme il fallait s’y attendre), il s’avère qu’une partie de ce nouveau public convertit moind bien, faisant chuter le CTR de 0.2% et faisant doubler le CPC.

Semaine 4 : Éliminer les publics non-rentables

Tirant les leçons de la semaine 3, la semaine 4 élimine des segments entiers de l’audience cible.

En conséquence, le budget diminue, tandis que les conversions continuent d’augmenter.

Résultats des 4 semaines :

  • les profits ont été multipliés par x80,5 et passent de 2€ à 161€/semaine
  • le ROI est passé de 3% à 67%
  • la campagne est passée de 9 prospects à 50 prospects / semaine

Que se passe-t-il après la semaine 4 ?

Bien sûr, l’histoire ne s’arrête pas ici.

A la fin de ces tests, nous avons une campagne qui nous rapporte 167€ à chaque fois que nous investissons 100€.

Le but est de d’élargir les publics cibles tout en continuant à optimiser les résultats.

Au jour au j’écris cet article, les itérations suivantes de cette campagne continuent à tourner avec un budget et des profits qui augmentent au fur et à mesure.

Faites la même chose pour votre entreprise :

29 commentaires… add one
  1. Très sympa l’article !

    « nouveau public convertit moind bien, » => moins 🙂

    Cependant au niveau de la campagne, vous parlez d’optimisation mais du coup derrière cette campagne, tout est dirigé vers une landing page.. qui ne change pas ?
    Pour info, la campagne que vous montrez en exemple, était une campagne sur quoi ?

    Merci par avance
    Romain

    Reply
    1. Merci pour la coquille, c’est corrigé !

      Le but de l’article était de montrer l’optimisation de la campagne FB. En parallèle, la landing page était bien sûr split testée, mais selon un process plus classique et moins intéressant.

      On m’a demandé de ne pas révéler le secteur exact de la campagne (d’où l’anonymisation), mais je peux vous dire qu’il s’agissait de générer des prospects vers un institut de formation professionnelle.

      Reply
  2. Super article qui tombe à pic.
    Très clair et très bien illustré.
    Merci Stanislas !

    Reply
    1. Merci Ingrid 🙂

      Pour aller plus loin sur cette thématique, je te conseille aussi http://guidefb.com/

      Reply
  3. Merci pour l’article, c’est très intéressant. Par contre je ne comprends pas du tout la 3eme semaine.. Tu élargies l’audience donc le cout par clique s’envole on est d’accord, mais en même temps ton taux de conversion double et ça pour moi c’est très inattendu. Théoriquement il devrait rester stable voir pencher un peu à la baisse puisque tu es en train d’élargir, non? J’aimerais savoir à quoi tu attribues cette explosion tu taux de conversion à la 3eme semaine..
    Merci,
    Thomas

    Reply
    1. Hello Thomas,

      J’ai été revoir mes notes sur cette campagne, et j’avais noté que cette variation était en partie dûe à l’élimination d’une headline et d’un certains nombre d’images qui attiraient des « mauvais » clics.

      (il y avait également des optimisations sur la landing page en parallèle, mais ils n’ont pas eu d’impact significatif malheureusement)

      Par contre, tu as l’oeil en effet : ce taux est en partie une anomalie – comme tu peux le voir à la semaine suivante, où il retombe à 9.3%.

      L’explication pour cela est assez simple : c’est une variation aléatoire dûe au volume (relativement) faible de conversions. Cf cette discussion sur les intervalles de confiance : http://stats.stackexchange.com/questions/30282/calculating-confidence-for-a-web-app-conversion-rate

      Reply
      1. Justement ce que j’aime c’est que tu mènes une itération sur la base de chiffres très petits. Et que ça a du sens, même si la fiabilité des stats peut en prendre un coup.

        Reply
        1. En l’occurence oui, mais ça demande d’être prudent (il faut recalculer la significance statistique de tes résultats).

          Il faut quand même garder en tête que chaque campagne fait entre 18k et 45k impressions – ce qui est largement suffisant pour tirer des conclusions. Mais sur les plus petits segments (et sur le taux de conversion de la LP), il faut faire attention à ne pas avoir de faux positif.(Un outil qui permet de faire un calcul rapide par exemple : http://getdatadriven.com/ab-significance-test )

          Reply
          1. La semaine 3 voit simultanément une grande perte d’intérêt pour l’annonce et un engouement à la conversion! Les faux positifs font plaisirs au client, et puis c’est pas complètement faux dans le sens ou ça veut tout de même dire que tu convertis bien, même si pas autant.
            Merci pour tes réponses.

  4. Stanislas,
    D’abord merci pour cette étude de cas. Dommage que l’organisme de formation n’ai pas voulu dévoilé plus de chose, la pub en elle même est absente du coup, bien que ça soit pas le sujet central.

    Sinon y’a un point qui je suis pas certain de savoir bien reproduire, c’est au niveau de la deuxième semaine où tu teste de nombreux facteurs( Niveau d’éducation des cibles, Images, Headlines, Texte)
    Si je reprends tes conseils, il faut tester 15 à 40 images au départ, et peut être autant de textes, headlines? On teste un facteur à la fois ou on fait par combinaison? (ca fait énormément de campagne différente à tester) A 35$/semaine chaque test je voudrais pas me planter d’un zéro dans le nombre de mes tests 🙂 Du coup, combien as tu lancé de test en semaine 2? Comment c’était organisé? Est-ce qu’il faut reprendre la pub de la semaine 1 puis changer un élément à chaque fois (exemple: 15 tests image, puis 15 headlines, puis 15 texte, puis 5 niveau d’éducation = 50 campagne différentes?). Ou c’est pas du tout ça?

    Reply
    1. Plusieurs points :

      1. Tous les éléments sont testés au sein de la même campagne.

      2. Tu sépares les audiences cibles testées via des adsets au sein de la campagne

      3. Tu crées des variation de tes pubs au sein de chaque adset

      4. Il ne m’arrive jamais de tester plus de 3 headlines ou 2 textes. Par contre les images je peux en avoir une dizaine (ou plus, si tu as le budget).

      5. Faire plus de tests que ton budget ne le permet est contre productif, car tu n’auras aucun résultat significatif

      Sur une campagne simple tu aurais par exemple :

      – de 2 à 6 ad sets (correspondant aux segments cibles)

      – Au sein de chaque ad set, de 12 à 40 pubs (2-3 headlines * 1-2 textes * 5-10 images)

      Il faut en effet créer toutes les permutations. J’ai un outil qui me permet de le faire automatiquement. (J’en parlerai bientôt si tu es sur ma liste email)

      Reply
      1. Merci pour ta réponse.
        J’ai vu que adespresso le faisait. Sinon oui je suis sur ta liste. Dans l’attente de te lire. Bonne continuation. 🙂

        Reply
      2. Salut Stanislas,

        Petite question supplémentaire. Est-ce que tu lances toutes les permutations simultanément au jour 1 de ta campagne ou au contraire est-ce que tu échelonnes tes permutations au cours de la semaine ?

        Reply
        1. Il faut tout lancer en même temps, sinon tu fausses tes données (pour des raisons de saturation des audiences, entres autres).

          Reply
          1. OK, merci pour ta réponse!

  5. Bonjour Stanislas,
    Une question : dans ton tableau « Rentabilité des campagnes », la ligne budget correspond bien au budget publicitaire investi dans la bub Facebook ?
    Merci pour ta réponse,
    Matt

    Reply
    1. Exactement !

      Reply
  6. Ok, alors je ne comprends pas bien tes résultats. Tu compares des choses pas comparables puisque les budgets sont différents. Si on met le même budget en semaine 1 qu’en semaine 4, c’est à dire 3,4143 fois le budget de la semaine 1 (pour que la comparaison tienne la route) on obtient 9 prospects X 3,4143 = 30,7 soit 31 prospects, disons 30. Donc passer de 30 à 50 prospects ça ne fait pas (456%) on en est loin. Le bénéfice de la première semaine serait aussi 2 € X 3,4143 = 6,82 €. La encore l’évolution n’est pas de 8050 % !. Globalement l’amélioration est significative mais sauf erreur de ma part, elle ne correspond pas aux chiffres que tu annonces. Merci de m’éclairer…

    Reply
    1. Tu supposes qu’il suffit de multiplier le budget d’une campagne pour multiplier les résultats, ce qui n’est pas le cas.

      (Sinon il suffirait de rajouter encore et encore du budget sur une campagne rentable pour faire fortune… ça n’est pas si facile malheureusement).

      Selon mon objectif (c’est à dire maximiser les profits), les metrics que je choisis sont cohérentes. Le pro-rata ne m’intéresse pas tellement, dans la mesure où c’est un résultat impossible à accomplir dans la réalité.

      Reply
      1. Exprimé de façon différente : la capacité à augmenter le budget fait partie des améliorations apportées à la campagne.

        Reply
  7. Non, je ne suppose pas çà du tout. Mais si le budget de la première semaine avait été celui de la 4° il y aurait eu plus ou moins 30 prospect (de 27 à 33 peut-être) c’est une évidence !… et en aucun cas 9 puisqu’un budget de 70€ s’est avéré suffisant…
    Globalement l’amélioration est significative je répète et je suis Ok là dessus mais en aucun cas tu ne peux affirmer qu’il y plus 456% de conversion 😉

    Reply
    1. Je suis d’accord avec Matt, le critères mis en avant ne sont pas objectifs dans le sens où il sont corrélés ( certes pas de façon linéaire ) au budget pub.
      Des critère intrinsèques seraient le CPA et le ROI qui sont effectivement réduits de moitié

      Reply
      1. Question :

        Est-il préférable d’avoir une campagne avec 100€ de budget et un ROI de 100%, ou une campagne avec 2000€ de budget et un ROI de 40 % ?

        Dans la pratique, ce qu’on cherche à faire est de maximiser le profit total. C’est pour ça que c’est la mesure choisie dans le titre.

        Reply
        1. Si l’audience est suffisante: ROI 100% avec budget de 2000€ 😉

          Reply
          1. Et le sourire de la crémière 😉

  8. Merci beaucoup 🙂

    Reply
  9. Bonjour Stan,

    Merci beaucoup pour cet article.

    Amitiés

    Théo

    Reply
  10. petite question toutefois:

    En semaine 4 tu mets : « eliminer les segments entiers de l’audience cible.
    Comment fais tu concrètement ? Comment les sélectionnes-tu?

    Merci

    Reply
    1. Hello Théo,

      Les audiences sont séparées par Ad Sets. En l’occurrence il me semble qu’on avait des tranches d’âges.

      Tu peux évaluer tes segments par CPA, et le but est d’éliminer tous les segments qui ne sont pas rentables (ici on a un objectif très clair pour le CPA : 10€).

      Sur la question de comment choisir les critères de segmentation, il faut tester différentes choses pour identifier les critères pertinents. Par exemple, ici on avait commencé par segmenter par Education mais ça ne donnait pas de différence de résultat significative.

      D’autres options est de mesurer l’impact de différents intérêts, différentes tailles de Lookalike, etc… l’idée étant de séparer afin d’identifier les segments perdants que tu peux éliminer (alors que si tout est mélangé, tu ne connais que la moyenne sur la campagne, ce qui ne te permet pas d’optimiser).

      Reply

Laisser un commentaire