Le contexte
Le fondateur bootstrappé d’une app fitness est venu me voir avec une demande simple : aidez-nous à scaler avec des publicités payantes.
Sur le papier, tout paraissait prometteur :
- Budget : 1 500 $/jour
- Créatifs : 40+ variantes prêtes à tester
- Objectif : 15 $ de coût par essai
- Fondations : traction organique, unit economics positive, base d’utilisateurs fidèles
L’objectif était clair. Les ressources étaient là. Nous nous sommes mis au travail.
Ce que nous avons fait
Nous avons amélioré le tracking. Conforme iOS 14.5. Des événements de conversion se déclenchant correctement. Nous avons mis en place une mesure blended sur quatre plateformes (Meta, App Store Connect, RevenueCat, Mixpanel). Aucune source unique ne raconte toute la vérité.
Découverte rapide : Meta ne capturait qu’une partie des conversions réelles par rapport aux outils internes. Évidemment. Les trous d’attribution sont bien réels.
Nous avons testé des audiences. Des segments d’âge. Des marchés géographiques (US, UK). Nous avons parcouru méthodiquement des concepts créatifs.
La progression
Ça a fonctionné. En quelque sorte.
Le CPT est tombé de 60-90 $ au lancement à 30-40 $ en quelques semaines. J’en attendais plus.
Puis ça s’est arrêté.
Le mur
30 $ de CPT. C’est là qu’on est resté coincé.
40+ créatifs testés. L’algorithme a concentré 90 % de la dépense sur deux “gagnants”. Aucun n’a atteint notre objectif de 15 $.
Voici ce qu’on a réalisé : à 30 $ de CPT, chaque nouveau test coûte cher.
- Tester correctement un concept créatif ? 300 $+ avant d’obtenir du signal.
- Chaque test prend 7 jours à cause des fenêtres d’essai. La conversion vers le payant est affectée par de nombreux éléments.
- L’algorithme a besoin de 50+ événements par semaine pour apprendre.
On avait pourtant des idées.
Du contenu influenceur. De nouveaux marchés. Des deep-dives par segment d’âge. Une optimisation d’achat direct.
On ne pouvait tout simplement pas se permettre de les tester correctement à ce niveau de CPT.
L’autre problème
En creusant plus profond, on a trouvé quelque chose de plus fondamental qu’une optimisation de campagne.
Deux audiences. Un produit.
Audience A : les passionnés. Déjà compétents. Veulent s’entraîner à la maison et ont besoin du bon équipement. Convertissent bien. Problème : trop petite. Meta ne peut pas les trouver à l’échelle.
Audience B : les débutants. Curieux. Veulent apprendre depuis zéro. Grand marché. Problème : l’expérience produit n’était pas encore construite pour eux.
Nos meilleurs créatifs attiraient l’audience A. Mais A est trop niche pour que l’algorithme de Meta la cible efficacement. L’audience B cliquait, mais churnait ensuite parce que l’app présupposait trop de compétence.
C’est un problème de product-market-marketing fit qui se manifeste dans la performance publicitaire.
La conversation honnête
Jour 25. On s’est assis et on s’est posé la vraie question :
“Doit-on continuer à dépenser ?”
Le CPT était élevé pour nous. Il était aussi élevé par rapport aux benchmarks de l’industrie. De petites retouches créatives n’allaient pas diviser les coûts par deux. Il fallait des changements structurels.
Brûler du budget en espérant des signaux “peut-être” n’avait pas de sens.
Parfois, “pas encore” est la réponse la plus honnête qu’on puisse donner à un fondateur.
Qu’est-ce qu’il aurait fallu ?
On a cartographié ce qu’il aurait fallu pour que Meta fonctionne.
Côté test :
- Des partenariats influenceurs pour du créatif authentique
- De nouveaux marchés avec des CPM plus bas
- Une optimisation par segment d’âge
- Un flux d’achat direct (sauter complètement les essais)
Côté produit :
- Des pages App Store personnalisées pour chaque audience
- Des flux d’onboarding séparés selon le niveau de compétence
- Une expérience de contenu sur mesure
Un produit peut servir deux audiences. Mais pas avec un seul funnel.
Le dénouement
Nous avons mis en pause.
Pas parce que Meta “ne fonctionne pas”. Les conditions pour que ça fonctionne n’étaient pas encore réunies.
Le plan :
- Mettre en pause la dépense Meta. Arrêter l’hémorragie.
- Travail produit. Construire des funnels séparés pour chaque audience.
- Constituer des réserves. Économiser du budget pour un test correct plus tard.
- Revenir dans 6 mois. Avec de la clarté et les ressources pour tester correctement.
5 leçons à en tirer
- Un CPT élevé rend chaque test coûteux. À 30 $ par essai, on ne peut pas itérer vite. La vélocité de test compte.
- Savoir quoi tester est différent de pouvoir se permettre de le tester. On avait les idées. On n’avait pas l’économie pour les valider.
- Les produits de niche font face à des vents contraires algorithmiques. L’algorithme de Meta a besoin de volume. Les petites audiences sont plus difficiles à trouver de façon rentable.
- Les trous produit se manifestent comme des problèmes de performance publicitaire. Si votre produit ne convertit pas les gens que vos publicités attirent, aucune optimisation ne corrige ça.
- Mettre en pause est une stratégie valide. 30 jours de clarté valent mieux que 6 mois de conjecture coûteuse.
Les publicités payantes sont un outil de diagnostic. Elles vous disent, assez rapidement, si votre product-market fit est assez fort pour un ciblage algorithmique.
La mauvaise question : “Est-ce que Meta peut fonctionner pour moi ?” La meilleure question : “Qu’est-ce qui doit être VRAI pour que Meta fonctionne ?”
- Le produit convertit les gens que vos publicités attirent
- Les créatifs filtrent la bonne audience
- Le budget permet de tester à votre CPT réel
On ne peut pas optimiser au-delà de ces conditions.
Cet engagement s’est terminé par une pause. Mais cette pause est venue avec quelque chose de plus précieux : un diagnostic clair et une feuille de route pour ce qu’il faut corriger.
Parfois, le meilleur résultat, c’est de savoir exactement pourquoi on n’est pas encore prêt pour ça, et quoi faire à ce sujet.