Optimiseur de performance géographique

Analyse la performance géographique à partir des données Google Ads MCP. Identifie les meilleures et les pires zones géographiques, recommande des ajustements d'enchères par zone et repère les opportunités d'expansion géographique. Se déclenche quand l'utilisateur demande une analyse de performance par localisation, de ciblage géographique ou d'efficacité régionale. Récupère des données en direct via l'action user_location_view.

---
name: optimiseur-de-performance-geographique
description: "Analyse la performance géographique à partir des données Google Ads MCP. Identifie les meilleures et les pires zones géographiques, recommande des ajustements d'enchères par zone et repère les opportunités d'expansion géographique. Se déclenche quand l'utilisateur demande une analyse de performance par localisation, de ciblage géographique ou d'efficacité régionale. Récupère des données en direct via l'action user_location_view."
---
# Optimiseur de performance géographique
Repérez où vos annonces cartonnent et où elles s'effondrent. Optimisez les enchères par localisation pour obtenir plus de conversions avec le même budget.
## Philosophie de base
**La localisation est un levier caché.** La plupart des annonceurs paramètrent leur ciblage géographique une fois puis l'oublient. Les plus malins ajustent en continu leurs enchères selon l'origine réelle des conversions.
**Les questions géo à se poser :**
1. Quelles localisations génèrent des conversions efficaces ?
2. Quelles localisations plombent le budget ?
3. Où faut-il augmenter ou baisser les enchères ?
4. Y a-t-il des zones qui m'échappent ?
---
## Intégration MCP
### Extraction de données requise
Utilisez l'action `user_location_view` du MCP Google Ads avec cette requête GAQL :
```
SELECT
campaign.id,
campaign.name,
user_location_view.country_criterion_id,
user_location_view.targeting_location,
metrics.impressions,
metrics.clicks,
metrics.cost_micros,
metrics.conversions,
metrics.conversions_value,
metrics.ctr,
metrics.average_cpc,
metrics.cost_per_conversion
FROM user_location_view
WHERE segments.date BETWEEN '{start_date}' AND '{end_date}'
AND metrics.impressions > 0
ORDER BY metrics.cost_micros DESC
```
### Requête complémentaire (vue géographique)
Pour une agrégation au niveau pays, récupérez aussi `geographic_view` :
```
SELECT
campaign.id,
campaign.name,
geographic_view.country_criterion_id,
geographic_view.location_type,
metrics.impressions,
metrics.clicks,
metrics.cost_micros,
metrics.conversions
FROM geographic_view
WHERE segments.date BETWEEN '{start_date}' AND '{end_date}'
```
### Données nécessaires
**Depuis la réponse MCP :**
- `user_location_view.targeting_location` : indique si la localisation est ciblée
- `user_location_view.country_criterion_id` : identifiant de la localisation
- `metrics.cost_micros`, `metrics.conversions`, `metrics.clicks`
- `metrics.cost_per_conversion` : CPA par localisation
- `metrics.average_cpc` : CPC moyen par localisation
**À fournir par l'utilisateur :**
- CPA cible ou ROAS
- Période d'analyse (par défaut : 30 derniers jours)
- Contraintes de zone de service (le cas échéant)
- Ajustements d'enchères géo actuels (si connus)
---
## Cadre d'analyse
### Niveau 1 : classement de performance par localisation
**Catégories de performance :**
| Catégorie | CPA vs cible | Volume | Action |
|------|---------------|--------|--------|
| Étoile | <75 % de la cible | Élevé | Augmenter l'enchère de +15 à 25 % |
| Solide | 75-100 % de la cible | Tout | Maintenir ou légère augmentation |
| Moyenne | 100-125 % de la cible | Tout | Surveiller, aucun changement |
| Sous-performante | 125-175 % de la cible | Tout | Baisser l'enchère de -15 à 25 % |
| Hémorragique | >175 % de la cible | Tout | Baisser l'enchère de -30 à 50 % |
| Zone morte | Dépense élevée, 0 conversion | Tout | Exclure ou -50 % d'enchère |
---
### Niveau 2 : analyse pondérée par le volume
**Toutes les localisations ne se valent pas.** Une localisation avec 2 conversions à 40 € de CPA est moins fiable qu'une autre avec 50 conversions à 45 € de CPA.
**Fiabilité statistique :**
| Conversions | Fiabilité | Seuil d'action |
|-------------|------------|------------------|
| 1-2 | Faible | Ne pas ajuster, surveiller |
| 3-5 | Moyenne | Ajuster si la tendance est claire |
| 6-10 | Bonne | Ajustements modérés possibles |
| 11+ | Élevée | Ajustement en pleine confiance |
**Seuil de dépense significative :**
- Minimum 50 € de dépense pour évaluer
- Minimum 200 € de dépense pour un ajustement fiable
- Un volume élevé donne un signal de CPA plus robuste
---
### Niveau 3 : calcul des ajustements d'enchères
**Formule du modificateur d'enchère :**
```
CPA cible : 50 €
CPA de la localisation : 40 €
Ratio d'efficacité = Cible / Réel = 50 / 40 = 1,25 (25 % plus efficace)
Modificateur d'enchère recommandé = +25 %
CPA de la localisation : 75 €
Ratio d'efficacité = 50 / 75 = 0,67 (33 % moins efficace)
Modificateur d'enchère recommandé = -33 %
```
**Plafonds d'ajustement :**
- Augmentation maximale : +50 % (éviter la surdépense avant validation)
- Baisse maximale : -50 % (garder une présence minimale pour continuer à collecter des données)
- Localisations à zéro conversion : -50 % ou exclusion
---
### Niveau 4 : opportunités d'expansion
**Signaux d'expansion géographique :**
- Marchés adjacents aux meilleures localisations
- Profils démographiques similaires
- Zones sous-desservies avec faible concurrence
**Signaux d'exclusion géographique :**
- Zéro conversion constant avec 100 €+ de dépense
- CPA constamment 3x+ la cible
- Hors de la zone de service
---
## Format de restitution
### Résumé exécutif
```
SANTÉ DE LA PERFORMANCE GÉO : 🟢/🟡/🔴
Localisations analysées : XXX
Période : [dates]
Meilleure région : [localisation] (CPA : XX €)
Pire région : [localisation] (CPA : XX €)
Économies mensuelles estimées grâce à l'optimisation : X XXX €
```
---
### Meilleures localisations (augmenter les enchères)
| Rang | Localisation | Dépense | Conv | CPA | vs Cible | Ajust. enchère recommandé |
|------|----------|-------|------|-----|-----------|--------------|
| 1 | [Ville/Région] | X XXX € | XX | XX € | -XX % | +XX % |
| 2 | [Ville/Région] | X XXX € | XX | XX € | -XX % | +XX % |
| 3 | [Ville/Région] | X XXX € | XX | XX € | -XX % | +XX % |
**Pourquoi ces localisations performent :**
- [Observation sur les meilleures localisations]
- [Tendance ou insight démographique]
---
### Localisations sous-performantes (baisser les enchères)
| Rang | Localisation | Dépense | Conv | CPA | vs Cible | Ajust. enchère recommandé |
|------|----------|-------|------|-----|-----------|--------------|
| 1 | [Ville/Région] | X XXX € | X | XXX € | +XX % | -XX % |
| 2 | [Ville/Région] | X XXX € | X | XXX € | +XX % | -XX % |
**Pourquoi ces localisations peinent :**
- [Observation sur les localisations sous-performantes]
- [Raisons possibles : concurrence, décalage d'intention, etc.]
---
### Zones mortes (à exclure ou minimiser)
| Localisation | Dépense | Conv | Clics | Recommandation |
|----------|-------|------|--------|----------------|
| [Ville/Région] | XXX € | 0 | XX | Exclure |
| [Ville/Région] | XXX € | 0 | XX | -50 % d'enchère |
---
### Mise en œuvre des ajustements d'enchères
**Campagne : [Nom de la campagne]**
| Localisation | Ajust. actuel | Recommandé | Changement |
|----------|-------------|-------------|--------|
| [Localisation] | +0 % | +25 % | +25 % |
| [Localisation] | +0 % | -30 % | -30 % |
| [Localisation] | +10 % | +20 % | +10 % |
**À copier-coller pour une édition en masse :**
```
Localisation, Ajustement d'enchère
[Localisation 1], +25 %
[Localisation 2], -30 %
[Localisation 3], +20 %
```
---
### Répartition géographique
```
RÉGION DÉPENSE CONV CPA % DU TOTAL
────────────────────────────────────────────────────
[Région 1] X XXX € XX XX € XX %
[Région 2] X XXX € XX XX € XX %
[Région 3] X XXX € XX XX € XX %
Moyenne nationale X XXX € XX XX € 100 %
```
---
### Recommandations d'expansion
**À envisager d'ajouter :**
- [Localisation] : adjacente à la meilleure localisation [X], démographie similaire
- [Localisation] : marché sous-desservi, signaux de faible concurrence
**À envisager d'exclure :**
- [Localisation] : 0 conversion sur 90 jours, XXX € gaspillés
- [Localisation] : CPA constamment 3x+ la cible
---
### Projection d'impact
**Si toutes les recommandations sont mises en œuvre :**
| Indicateur | Actuel | Projeté | Variation |
|--------|---------|-----------|--------|
| Dépense totale | XX XXX € | XX XXX € | ~stable |
| Conversions | XXX | XXX | +XX % |
| CPA moyen pondéré | XX € | XX € | -XX % |
**Niveau de confiance :** Élevé / Moyen / Faible
**Hypothèses :**
- Les hausses d'enchères n'épuisent pas l'inventaire efficace
- Les tendances de CPA se maintiennent malgré les changements d'enchères
- Aucun bouleversement majeur du marché
---
## Composabilité
**S'enchaîne depuis :**
- `budget-allocation-optimizer` : les insights géo alimentent les décisions budgétaires
**S'enchaîne vers :**
- `scaling-roadmap-builder` : les meilleures zones géo nourrissent la stratégie d'expansion
- MCP `add_location_targeting` : peut mettre en œuvre les changements de ciblage
---
## Limites
**Ce que je peux évaluer :**
- CPA et efficacité au niveau localisation
- Recommandations d'ajustement d'enchères
- Répartition de la dépense par zone géographique
- Candidats à l'expansion ou à l'exclusion
**Ce que je ne peux pas évaluer :**
- Les nuances entre localisation de l'utilisateur et localisation ciblée
- Le paysage concurrentiel local
- L'attribution des conversions hors ligne par localisation
- Les schémas de saisonnalité par région
**Pour une analyse géo plus poussée :**
- Consultez les insights sur les enchères par localisation (interface Google Ads)
- Vérifiez les croisements appareil x localisation
- Validez avec les données de qualité de conversion du back-office
---
## Liste de contrôle qualité
Avant de livrer l'analyse :
- [ ] Localisations classées par efficacité de CPA
- [ ] Volume/fiabilité indiqué pour chaque localisation
- [ ] Ajustements d'enchères calculés selon la formule
- [ ] Zones mortes identifiées avec impact sur la dépense
- [ ] Format copier-coller fourni pour la mise en œuvre
- [ ] Opportunités d'expansion signalées
- [ ] Projection d'impact incluse
*Compétence adaptée en français depuis le dépôt open source [anthropics/skills](https://github.com/anthropics/skills) (licence Apache 2.0).*

---
name: optimiseur-de-performance-geographique
description: "Analyse la performance géographique à partir des données Google Ads MCP. Identifie les meilleures et les pires zones géographiques, recommande des ajustements d'enchères par zone et repère les opportunités d'expansion géographique. Se déclenche quand l'utilisateur demande une analyse de performance par localisation, de ciblage géographique ou d'efficacité régionale. Récupère des données en direct via l'action user_location_view."
---

# Optimiseur de performance géographique

Repérez où vos annonces cartonnent et où elles s'effondrent. Optimisez les enchères par localisation pour obtenir plus de conversions avec le même budget.

## Philosophie de base

**La localisation est un levier caché.** La plupart des annonceurs paramètrent leur ciblage géographique une fois puis l'oublient. Les plus malins ajustent en continu leurs enchères selon l'origine réelle des conversions.

**Les questions géo à se poser :**
1. Quelles localisations génèrent des conversions efficaces ?
2. Quelles localisations plombent le budget ?
3. Où faut-il augmenter ou baisser les enchères ?
4. Y a-t-il des zones qui m'échappent ?

---

## Intégration MCP

### Extraction de données requise

Utilisez l'action `user_location_view` du MCP Google Ads avec cette requête GAQL :

```
SELECT
  campaign.id,
  campaign.name,
  user_location_view.country_criterion_id,
  user_location_view.targeting_location,
  metrics.impressions,
  metrics.clicks,
  metrics.cost_micros,
  metrics.conversions,
  metrics.conversions_value,
  metrics.ctr,
  metrics.average_cpc,
  metrics.cost_per_conversion
FROM user_location_view
WHERE segments.date BETWEEN '{start_date}' AND '{end_date}'
  AND metrics.impressions > 0
ORDER BY metrics.cost_micros DESC
```

### Requête complémentaire (vue géographique)

Pour une agrégation au niveau pays, récupérez aussi `geographic_view` :

```
SELECT
  campaign.id,
  campaign.name,
  geographic_view.country_criterion_id,
  geographic_view.location_type,
  metrics.impressions,
  metrics.clicks,
  metrics.cost_micros,
  metrics.conversions
FROM geographic_view
WHERE segments.date BETWEEN '{start_date}' AND '{end_date}'
```

### Données nécessaires

**Depuis la réponse MCP :**
- `user_location_view.targeting_location` : indique si la localisation est ciblée
- `user_location_view.country_criterion_id` : identifiant de la localisation
- `metrics.cost_micros`, `metrics.conversions`, `metrics.clicks`
- `metrics.cost_per_conversion` : CPA par localisation
- `metrics.average_cpc` : CPC moyen par localisation

**À fournir par l'utilisateur :**
- CPA cible ou ROAS
- Période d'analyse (par défaut : 30 derniers jours)
- Contraintes de zone de service (le cas échéant)
- Ajustements d'enchères géo actuels (si connus)

---

## Cadre d'analyse

### Niveau 1 : classement de performance par localisation

**Catégories de performance :**

| Catégorie | CPA vs cible | Volume | Action |
|------|---------------|--------|--------|
| Étoile | <75 % de la cible | Élevé | Augmenter l'enchère de +15 à 25 % |
| Solide | 75-100 % de la cible | Tout | Maintenir ou légère augmentation |
| Moyenne | 100-125 % de la cible | Tout | Surveiller, aucun changement |
| Sous-performante | 125-175 % de la cible | Tout | Baisser l'enchère de -15 à 25 % |
| Hémorragique | >175 % de la cible | Tout | Baisser l'enchère de -30 à 50 % |
| Zone morte | Dépense élevée, 0 conversion | Tout | Exclure ou -50 % d'enchère |

---

### Niveau 2 : analyse pondérée par le volume

**Toutes les localisations ne se valent pas.** Une localisation avec 2 conversions à 40 € de CPA est moins fiable qu'une autre avec 50 conversions à 45 € de CPA.

**Fiabilité statistique :**

| Conversions | Fiabilité | Seuil d'action |
|-------------|------------|------------------|
| 1-2 | Faible | Ne pas ajuster, surveiller |
| 3-5 | Moyenne | Ajuster si la tendance est claire |
| 6-10 | Bonne | Ajustements modérés possibles |
| 11+ | Élevée | Ajustement en pleine confiance |

**Seuil de dépense significative :**
- Minimum 50 € de dépense pour évaluer
- Minimum 200 € de dépense pour un ajustement fiable
- Un volume élevé donne un signal de CPA plus robuste

---

### Niveau 3 : calcul des ajustements d'enchères

**Formule du modificateur d'enchère :**

```
CPA cible : 50 €
CPA de la localisation : 40 €

Ratio d'efficacité = Cible / Réel = 50 / 40 = 1,25 (25 % plus efficace)
Modificateur d'enchère recommandé = +25 %

CPA de la localisation : 75 €
Ratio d'efficacité = 50 / 75 = 0,67 (33 % moins efficace)
Modificateur d'enchère recommandé = -33 %
```

**Plafonds d'ajustement :**
- Augmentation maximale : +50 % (éviter la surdépense avant validation)
- Baisse maximale : -50 % (garder une présence minimale pour continuer à collecter des données)
- Localisations à zéro conversion : -50 % ou exclusion

---

### Niveau 4 : opportunités d'expansion

**Signaux d'expansion géographique :**
- Marchés adjacents aux meilleures localisations
- Profils démographiques similaires
- Zones sous-desservies avec faible concurrence

**Signaux d'exclusion géographique :**
- Zéro conversion constant avec 100 €+ de dépense
- CPA constamment 3x+ la cible
- Hors de la zone de service

---

## Format de restitution

### Résumé exécutif

```
SANTÉ DE LA PERFORMANCE GÉO : 🟢/🟡/🔴
Localisations analysées : XXX
Période : [dates]
Meilleure région : [localisation] (CPA : XX €)
Pire région : [localisation] (CPA : XX €)
Économies mensuelles estimées grâce à l'optimisation : X XXX €
```

---

### Meilleures localisations (augmenter les enchères)

| Rang | Localisation | Dépense | Conv | CPA | vs Cible | Ajust. enchère recommandé |
|------|----------|-------|------|-----|-----------|--------------|
| 1 | [Ville/Région] | X XXX € | XX | XX € | -XX % | +XX % |
| 2 | [Ville/Région] | X XXX € | XX | XX € | -XX % | +XX % |
| 3 | [Ville/Région] | X XXX € | XX | XX € | -XX % | +XX % |

**Pourquoi ces localisations performent :**
- [Observation sur les meilleures localisations]
- [Tendance ou insight démographique]

---

### Localisations sous-performantes (baisser les enchères)

| Rang | Localisation | Dépense | Conv | CPA | vs Cible | Ajust. enchère recommandé |
|------|----------|-------|------|-----|-----------|--------------|
| 1 | [Ville/Région] | X XXX € | X | XXX € | +XX % | -XX % |
| 2 | [Ville/Région] | X XXX € | X | XXX € | +XX % | -XX % |

**Pourquoi ces localisations peinent :**
- [Observation sur les localisations sous-performantes]
- [Raisons possibles : concurrence, décalage d'intention, etc.]

---

### Zones mortes (à exclure ou minimiser)

| Localisation | Dépense | Conv | Clics | Recommandation |
|----------|-------|------|--------|----------------|
| [Ville/Région] | XXX € | 0 | XX | Exclure |
| [Ville/Région] | XXX € | 0 | XX | -50 % d'enchère |

---

### Mise en œuvre des ajustements d'enchères

**Campagne : [Nom de la campagne]**

| Localisation | Ajust. actuel | Recommandé | Changement |
|----------|-------------|-------------|--------|
| [Localisation] | +0 % | +25 % | +25 % |
| [Localisation] | +0 % | -30 % | -30 % |
| [Localisation] | +10 % | +20 % | +10 % |

**À copier-coller pour une édition en masse :**
```
Localisation, Ajustement d'enchère
[Localisation 1], +25 %
[Localisation 2], -30 %
[Localisation 3], +20 %
```

---

### Répartition géographique

```
RÉGION          DÉPENSE   CONV    CPA      % DU TOTAL
────────────────────────────────────────────────────
[Région 1]      X XXX €   XX      XX €     XX %
[Région 2]      X XXX €   XX      XX €     XX %
[Région 3]      X XXX €   XX      XX €     XX %
Moyenne nationale  X XXX € XX      XX €     100 %
```

---

### Recommandations d'expansion

**À envisager d'ajouter :**
- [Localisation] : adjacente à la meilleure localisation [X], démographie similaire
- [Localisation] : marché sous-desservi, signaux de faible concurrence

**À envisager d'exclure :**
- [Localisation] : 0 conversion sur 90 jours, XXX € gaspillés
- [Localisation] : CPA constamment 3x+ la cible

---

### Projection d'impact

**Si toutes les recommandations sont mises en œuvre :**

| Indicateur | Actuel | Projeté | Variation |
|--------|---------|-----------|--------|
| Dépense totale | XX XXX € | XX XXX € | ~stable |
| Conversions | XXX | XXX | +XX % |
| CPA moyen pondéré | XX € | XX € | -XX % |

**Niveau de confiance :** Élevé / Moyen / Faible

**Hypothèses :**
- Les hausses d'enchères n'épuisent pas l'inventaire efficace
- Les tendances de CPA se maintiennent malgré les changements d'enchères
- Aucun bouleversement majeur du marché

---

## Composabilité

**S'enchaîne depuis :**
- `budget-allocation-optimizer` : les insights géo alimentent les décisions budgétaires

**S'enchaîne vers :**
- `scaling-roadmap-builder` : les meilleures zones géo nourrissent la stratégie d'expansion
- MCP `add_location_targeting` : peut mettre en œuvre les changements de ciblage

---

## Limites

**Ce que je peux évaluer :**
- CPA et efficacité au niveau localisation
- Recommandations d'ajustement d'enchères
- Répartition de la dépense par zone géographique
- Candidats à l'expansion ou à l'exclusion

**Ce que je ne peux pas évaluer :**
- Les nuances entre localisation de l'utilisateur et localisation ciblée
- Le paysage concurrentiel local
- L'attribution des conversions hors ligne par localisation
- Les schémas de saisonnalité par région

**Pour une analyse géo plus poussée :**
- Consultez les insights sur les enchères par localisation (interface Google Ads)
- Vérifiez les croisements appareil x localisation
- Validez avec les données de qualité de conversion du back-office

---

## Liste de contrôle qualité

Avant de livrer l'analyse :
- [ ] Localisations classées par efficacité de CPA
- [ ] Volume/fiabilité indiqué pour chaque localisation
- [ ] Ajustements d'enchères calculés selon la formule
- [ ] Zones mortes identifiées avec impact sur la dépense
- [ ] Format copier-coller fourni pour la mise en œuvre
- [ ] Opportunités d'expansion signalées
- [ ] Projection d'impact incluse

*Compétence adaptée en français depuis le dépôt open source [anthropics/skills](https://github.com/anthropics/skills) (licence Apache 2.0).*

SKILL.mdMarkdownUTF-8FR315 lignes

# Comment utiliser cette compétence
J'ai besoin d'utiliser la compétence « Optimiseur de performance géographique ». Peux-tu analyser quelles localisations performent le mieux et me recommander des ajustements d'enchères ?
## Exemples d'invocation
**Exemple 1 : analyse géo complète**
J'ai besoin d'utiliser la compétence « Optimiseur de performance géographique ». Récupère les données de localisation de mon compte Google Ads et montre-moi quelles villes/régions sont les plus efficaces. Mon CPA cible est de 50 €.
**Exemple 2 : repérer la dépense géo gaspillée**
J'ai besoin d'utiliser la compétence « Optimiseur de performance géographique ». Quelles localisations gaspillent mon budget sans générer de conversions ?
**Exemple 3 : recommandations d'ajustement d'enchères**
J'ai besoin d'utiliser la compétence « Optimiseur de performance géographique ». Donne-moi des ajustements d'enchères géo précis à appliquer pour chaque localisation.
**Exemple 4 : analyse d'expansion**
J'ai besoin d'utiliser la compétence « Optimiseur de performance géographique ». D'après mes meilleures localisations, où devrais-je envisager d'étendre mon ciblage ?
## Ce qu'il faut fournir
- Le compte à analyser (sinon je liste les comptes disponibles)
- Le CPA cible ou le ROAS
- La période d'analyse (par défaut : 30 derniers jours)
- Les contraintes de zone de service (quelles régions vous pouvez servir)
- Les ajustements d'enchères géo actuels si vous les connaissez
## Ce que vous obtiendrez
- Les localisations classées par efficacité
- Les meilleures localisations avec opportunité de montée en puissance
- Les localisations sous-performantes et les zones mortes
- Des pourcentages d'ajustement d'enchère précis
- Un format copier-coller pour la mise en œuvre
- Des recommandations d'expansion et d'exclusion
- Une projection d'impact
## Données MCP utilisées
Cette compétence récupère des données en direct depuis Google Ads via :
- L'action `user_location_view` : performance réelle par localisation de l'utilisateur
- L'action `geographic_view` (optionnelle) : vue du ciblage géographique
- Métriques : impressions, clics, coût, conversions, CPA par localisation

# Comment utiliser cette compétence

J'ai besoin d'utiliser la compétence « Optimiseur de performance géographique ». Peux-tu analyser quelles localisations performent le mieux et me recommander des ajustements d'enchères ?

## Exemples d'invocation

**Exemple 1 : analyse géo complète**
J'ai besoin d'utiliser la compétence « Optimiseur de performance géographique ». Récupère les données de localisation de mon compte Google Ads et montre-moi quelles villes/régions sont les plus efficaces. Mon CPA cible est de 50 €.

**Exemple 2 : repérer la dépense géo gaspillée**
J'ai besoin d'utiliser la compétence « Optimiseur de performance géographique ». Quelles localisations gaspillent mon budget sans générer de conversions ?

**Exemple 3 : recommandations d'ajustement d'enchères**
J'ai besoin d'utiliser la compétence « Optimiseur de performance géographique ». Donne-moi des ajustements d'enchères géo précis à appliquer pour chaque localisation.

**Exemple 4 : analyse d'expansion**
J'ai besoin d'utiliser la compétence « Optimiseur de performance géographique ». D'après mes meilleures localisations, où devrais-je envisager d'étendre mon ciblage ?

## Ce qu'il faut fournir

- Le compte à analyser (sinon je liste les comptes disponibles)
- Le CPA cible ou le ROAS
- La période d'analyse (par défaut : 30 derniers jours)
- Les contraintes de zone de service (quelles régions vous pouvez servir)
- Les ajustements d'enchères géo actuels si vous les connaissez

## Ce que vous obtiendrez

- Les localisations classées par efficacité
- Les meilleures localisations avec opportunité de montée en puissance
- Les localisations sous-performantes et les zones mortes
- Des pourcentages d'ajustement d'enchère précis
- Un format copier-coller pour la mise en œuvre
- Des recommandations d'expansion et d'exclusion
- Une projection d'impact

## Données MCP utilisées

Cette compétence récupère des données en direct depuis Google Ads via :
- L'action `user_location_view` : performance réelle par localisation de l'utilisateur
- L'action `geographic_view` (optionnelle) : vue du ciblage géographique
- Métriques : impressions, clics, coût, conversions, CPA par localisation

UTILISATION.mdMarkdownUTF-8FR42 lignes

{
"workspace_id": 101,
"brand_id": 69,
"account_id": "9382431689",
"date_range": {
"start_date": "2025-01-01",
"end_date": "2025-01-31"
},
"target_cpa": 50,
"service_area": ["Georgia", "Florida", "Alabama", "South Carolina"],
"mcp_response": {
"status": "success",
"data": [
{
"campaign": {"id": "123", "name": "Campagne de marque"},
"user_location_view": {
"country_criterion_id": "2840",
"targeting_location": true
},
"location_name": "Atlanta, Georgia",
"metrics": {
"impressions": 15000,
"clicks": 450,
"cost_micros": 9000000000,
"conversions": 25,
"conversions_value": 5000,
"ctr": 0.03,
"average_cpc": 2000000,
"cost_per_conversion": 36000000
}
},
{
"campaign": {"id": "123", "name": "Campagne de marque"},
"user_location_view": {
"country_criterion_id": "2840",
"targeting_location": true
},
"location_name": "Miami, Florida",
"metrics": {
"impressions": 12000,
"clicks": 360,
"cost_micros": 7200000000,
"conversions": 8,
"conversions_value": 1600,
"ctr": 0.03,
"average_cpc": 2000000,
"cost_per_conversion": 90000000
}
},
{
"campaign": {"id": "123", "name": "Campagne de marque"},
"user_location_view": {
"country_criterion_id": "2840",
"targeting_location": true
},
"location_name": "Birmingham, Alabama",
"metrics": {
"impressions": 5000,
"clicks": 150,
"cost_micros": 3000000000,
"conversions": 0,
"conversions_value": 0,
"ctr": 0.03,
"average_cpc": 2000000,
"cost_per_conversion": 0
}
},
{
"campaign": {"id": "123", "name": "Campagne de marque"},
"user_location_view": {
"country_criterion_id": "2840",
"targeting_location": true
},
"location_name": "Savannah, Georgia",
"metrics": {
"impressions": 3000,
"clicks": 90,
"cost_micros": 1800000000,
"conversions": 5,
"conversions_value": 1000,
"ctr": 0.03,
"average_cpc": 2000000,
"cost_per_conversion": 36000000
}
}
]
}
}

{
  "workspace_id": 101,
  "brand_id": 69,
  "account_id": "9382431689",
  "date_range": {
    "start_date": "2025-01-01",
    "end_date": "2025-01-31"
  },
  "target_cpa": 50,
  "service_area": ["Georgia", "Florida", "Alabama", "South Carolina"],
  "mcp_response": {
    "status": "success",
    "data": [
      {
        "campaign": {"id": "123", "name": "Campagne de marque"},
        "user_location_view": {
          "country_criterion_id": "2840",
          "targeting_location": true
        },
        "location_name": "Atlanta, Georgia",
        "metrics": {
          "impressions": 15000,
          "clicks": 450,
          "cost_micros": 9000000000,
          "conversions": 25,
          "conversions_value": 5000,
          "ctr": 0.03,
          "average_cpc": 2000000,
          "cost_per_conversion": 36000000
        }
      },
      {
        "campaign": {"id": "123", "name": "Campagne de marque"},
        "user_location_view": {
          "country_criterion_id": "2840",
          "targeting_location": true
        },
        "location_name": "Miami, Florida",
        "metrics": {
          "impressions": 12000,
          "clicks": 360,
          "cost_micros": 7200000000,
          "conversions": 8,
          "conversions_value": 1600,
          "ctr": 0.03,
          "average_cpc": 2000000,
          "cost_per_conversion": 90000000
        }
      },
      {
        "campaign": {"id": "123", "name": "Campagne de marque"},
        "user_location_view": {
          "country_criterion_id": "2840",
          "targeting_location": true
        },
        "location_name": "Birmingham, Alabama",
        "metrics": {
          "impressions": 5000,
          "clicks": 150,
          "cost_micros": 3000000000,
          "conversions": 0,
          "conversions_value": 0,
          "ctr": 0.03,
          "average_cpc": 2000000,
          "cost_per_conversion": 0
        }
      },
      {
        "campaign": {"id": "123", "name": "Campagne de marque"},
        "user_location_view": {
          "country_criterion_id": "2840",
          "targeting_location": true
        },
        "location_name": "Savannah, Georgia",
        "metrics": {
          "impressions": 3000,
          "clicks": 90,
          "cost_micros": 1800000000,
          "conversions": 5,
          "conversions_value": 1000,
          "ctr": 0.03,
          "average_cpc": 2000000,
          "cost_per_conversion": 36000000
        }
      }
    ]
  }
}

sample_input.jsonJSONUTF-8FR88 lignes

{
"executive_summary": {
"health_score": "jaune",
"locations_analyzed": 4,
"period": "2025-01-01 to 2025-01-31",
"top_performer": {
"location": "Atlanta, Georgia",
"cpa": 36
},
"worst_performer": {
"location": "Miami, Florida",
"cpa": 90
},
"estimated_monthly_savings": 516
},
"top_performers": [
{
"rank": 1,
"location": "Atlanta, Georgia",
"spend": 900,
"conversions": 25,
"cpa": 36,
"vs_target": "-28%",
"recommended_bid_adjustment": "+25%",
"confidence": "élevée"
},
{
"rank": 2,
"location": "Savannah, Georgia",
"spend": 180,
"conversions": 5,
"cpa": 36,
"vs_target": "-28%",
"recommended_bid_adjustment": "+20%",
"confidence": "moyenne"
}
],
"underperformers": [
{
"rank": 1,
"location": "Miami, Florida",
"spend": 720,
"conversions": 8,
"cpa": 90,
"vs_target": "+80%",
"recommended_bid_adjustment": "-35%",
"confidence": "bonne"
}
],
"dead_zones": [
{
"location": "Birmingham, Alabama",
"spend": 300,
"conversions": 0,
"clicks": 150,
"recommendation": "Réduire l'enchère de -50 % ou exclure"
}
],
"bid_adjustments": {
"campaign": "Campagne de marque",
"adjustments": [
{"location": "Atlanta, Georgia", "current": "+0%", "recommended": "+25%", "change": "+25%"},
{"location": "Savannah, Georgia", "current": "+0%", "recommended": "+20%", "change": "+20%"},
{"location": "Miami, Florida", "current": "+0%", "recommended": "-35%", "change": "-35%"},
{"location": "Birmingham, Alabama", "current": "+0%", "recommended": "-50%", "change": "-50%"}
]
},
"geographic_distribution": [
{"region": "Atlanta, Georgia", "spend": 900, "conversions": 25, "cpa": 36, "percent_of_total": "43%"},
{"region": "Miami, Florida", "spend": 720, "conversions": 8, "cpa": 90, "percent_of_total": "34%"},
{"region": "Birmingham, Alabama", "spend": 300, "conversions": 0, "cpa": null, "percent_of_total": "14%"},
{"region": "Savannah, Georgia", "spend": 180, "conversions": 5, "cpa": 36, "percent_of_total": "9%"}
],
"expansion_recommendations": {
"consider_adding": [
"Augusta, Georgia : marché similaire, adjacent au succès d'Atlanta",
"Charleston, South Carolina : dans la zone de service, sous-exploitée"
],
"consider_excluding": [
"Birmingham, Alabama : 0 conversion pour 300 $ de dépense"
]
},
"impact_projection": {
"current": {
"total_spend": 2100,
"conversions": 38,
"blended_cpa": 55.26
},
"projected": {
"total_spend": 2100,
"conversions": 43,
"blended_cpa": 48.84
},
"change": {
"conversions": "+13%",
"cpa": "-12%"
},
"confidence": "moyenne"
}
}

{
  "executive_summary": {
    "health_score": "jaune",
    "locations_analyzed": 4,
    "period": "2025-01-01 to 2025-01-31",
    "top_performer": {
      "location": "Atlanta, Georgia",
      "cpa": 36
    },
    "worst_performer": {
      "location": "Miami, Florida",
      "cpa": 90
    },
    "estimated_monthly_savings": 516
  },
  "top_performers": [
    {
      "rank": 1,
      "location": "Atlanta, Georgia",
      "spend": 900,
      "conversions": 25,
      "cpa": 36,
      "vs_target": "-28%",
      "recommended_bid_adjustment": "+25%",
      "confidence": "élevée"
    },
    {
      "rank": 2,
      "location": "Savannah, Georgia",
      "spend": 180,
      "conversions": 5,
      "cpa": 36,
      "vs_target": "-28%",
      "recommended_bid_adjustment": "+20%",
      "confidence": "moyenne"
    }
  ],
  "underperformers": [
    {
      "rank": 1,
      "location": "Miami, Florida",
      "spend": 720,
      "conversions": 8,
      "cpa": 90,
      "vs_target": "+80%",
      "recommended_bid_adjustment": "-35%",
      "confidence": "bonne"
    }
  ],
  "dead_zones": [
    {
      "location": "Birmingham, Alabama",
      "spend": 300,
      "conversions": 0,
      "clicks": 150,
      "recommendation": "Réduire l'enchère de -50 % ou exclure"
    }
  ],
  "bid_adjustments": {
    "campaign": "Campagne de marque",
    "adjustments": [
      {"location": "Atlanta, Georgia", "current": "+0%", "recommended": "+25%", "change": "+25%"},
      {"location": "Savannah, Georgia", "current": "+0%", "recommended": "+20%", "change": "+20%"},
      {"location": "Miami, Florida", "current": "+0%", "recommended": "-35%", "change": "-35%"},
      {"location": "Birmingham, Alabama", "current": "+0%", "recommended": "-50%", "change": "-50%"}
    ]
  },
  "geographic_distribution": [
    {"region": "Atlanta, Georgia", "spend": 900, "conversions": 25, "cpa": 36, "percent_of_total": "43%"},
    {"region": "Miami, Florida", "spend": 720, "conversions": 8, "cpa": 90, "percent_of_total": "34%"},
    {"region": "Birmingham, Alabama", "spend": 300, "conversions": 0, "cpa": null, "percent_of_total": "14%"},
    {"region": "Savannah, Georgia", "spend": 180, "conversions": 5, "cpa": 36, "percent_of_total": "9%"}
  ],
  "expansion_recommendations": {
    "consider_adding": [
      "Augusta, Georgia : marché similaire, adjacent au succès d'Atlanta",
      "Charleston, South Carolina : dans la zone de service, sous-exploitée"
    ],
    "consider_excluding": [
      "Birmingham, Alabama : 0 conversion pour 300 $ de dépense"
    ]
  },
  "impact_projection": {
    "current": {
      "total_spend": 2100,
      "conversions": 38,
      "blended_cpa": 55.26
    },
    "projected": {
      "total_spend": 2100,
      "conversions": 43,
      "blended_cpa": 48.84
    },
    "change": {
      "conversions": "+13%",
      "cpa": "-12%"
    },
    "confidence": "moyenne"
  }
}

expected_output.jsonJSONUTF-8FR100 lignes

Questions

Questions fréquentes

Faut-il vraiment ajuster mes enchères par ville ou région, ou le ciblage géo par défaut suffit-il ?

Le ciblage géo par défaut ne suffit presque jamais : la plupart des annonceurs le paramètrent une fois puis l'oublient, alors que le CPA réel varie souvent du simple au triple selon les zones. Sur un compte type, on trouve généralement quelques localisations « étoiles » à moins de 75 % du CPA cible qui méritent +15 à 25 % d'enchère, et à l'inverse des zones qui tournent à plus de 175 % du CPA cible et plombent le budget. Sans cet arbitrage, vous payez le même prix pour un clic performant à Lyon et un clic hémorragique ailleurs.

À quelle fréquence dois-je analyser la performance géographique de mes campagnes ?

Une analyse tous les 30 jours est le bon rythme pour la plupart des PME, en s'appuyant sur les vues `user_location_view` et `geographic_view` de Google Ads. En dessous d'un mois, la plupart des localisations n'ont pas assez de volume pour être fiables ; au-delà, vous laissez filer du budget sur des zones sous-performantes plus longtemps que nécessaire. Sur des comptes à gros volume ou en période de lancement de campagne, un contrôle toutes les deux semaines est justifié le temps que les tendances se stabilisent.

Quelle est l'erreur la plus fréquente quand on ajuste ses enchères par localisation ?

L'erreur classique est de réagir sur une localisation avec seulement 1 ou 2 conversions : le CPA affiché peut être excellent ou catastrophique par pur hasard statistique, donc la bonne pratique est de ne pas toucher aux enchères en dessous de 3 conversions et d'attendre 6 à 10 conversions pour un ajustement modéré, 11 et plus pour agir en pleine confiance. Deuxième piège fréquent : couper à 100 % une zone à zéro conversion au lieu de la baisser de 50 % ou de l'exclure, ce qui empêche de continuer à collecter du signal si le marché évolue. Enfin, il faut au moins 50 € de dépense pour évaluer une zone et 200 € pour un ajustement fiable, sinon vous décidez sur du bruit.

Comment calculer concrètement le pourcentage d'ajustement d'enchère à appliquer par zone ?

La formule est simple : ratio d'efficacité = CPA cible / CPA réel de la localisation. Avec un CPA cible de 50 € et une zone à 40 €, le ratio est de 1,25, soit +25 % d'enchère recommandé ; à l'inverse une zone à 75 € donne un ratio de 0,67, soit -33 %. Pour éviter de sur-corriger avant validation des résultats, plafonnez toujours les mouvements à +50 % maximum à la hausse et -50 % à la baisse, quitte à réitérer l'ajustement le mois suivant si la tendance se confirme.

Combien peut-on économiser en optimisant le ciblage géographique, et comment le mesurer ?

Sur un compte jamais retouché au niveau géo, il n'est pas rare de repérer des « zones mortes » qui ont englouti plusieurs centaines d'euros pour zéro conversion sur 90 jours : les identifier et les exclure est souvent le gain le plus rapide et le plus sûr. Le calcul d'impact se fait en projetant la dépense totale (qui reste stable), les conversions attendues (en hausse grâce aux zones renforcées) et le CPA moyen pondéré (en baisse), avec un niveau de confiance explicite (élevé, moyen, faible) selon le volume de données disponible. En pratique, viser une baisse de 10 à 20 % du CPA moyen pondéré sur 60 à 90 jours est un objectif réaliste pour un premier passage d'optimisation géo sérieux.

Cartographe de chevauchement d'audiences

Concepteur de séquences de retargeting

Feuille de route de montée en puissance