Géociblage dans les annonces : cas réels et erreurs

Pourquoi le géociblage ne se résume pas à définir un rayon en kilomètres

Lorsqu’une personne configure une campagne avec un ciblage géographique pour la première fois, elle a tendance à penser qu’il suffit de tracer un cercle autour de son magasin. En pratique, le géociblage publicitaire est une couche de décision qui combine des signaux de localisation (IP, GPS, Wi-Fi, données déclarées dans le profil) avec la structure du compte, le type d’activité et l’entonnoir de conversion. Et c’est là que commencent les nuances qui n’apparaissent qu’une fois que l’on a de vraies campagnes derrière soi.

Selon la documentation officielle des plateformes (Google Ads, Meta Ads, Microsoft Advertising), la localisation de l’utilisateur est déduite, elle n’est pas toujours vérifiée avec précision. Cette différence entre localisation physique, d’intérêt et déclarée est à l’origine de la plupart des erreurs que nous allons voir dans les cas suivants.

Cas 1 : le cabinet dentaire qui payait pour des clics d’une autre province

Un client du secteur de la santé disposait d’une campagne Search avec des mots-clés comme « prix implant dentaire ». Le rapport affichait un volume élevé de clics, mais les appels n’arrivaient pas. En examinant la configuration, la campagne était ciblée sur « Personnes présentes dans ta zone géographique ou qui s’y intéressent ». Résultat : des utilisateurs d’autres provinces cherchant des informations comparatives entraient dans l’annonce et consommaient du budget sans intention de se déplacer.

La correction n’a pas consisté uniquement à passer à « Personnes présentes dans ta zone géographique ». Nous avons ajouté une couche de rayon par code postal dans les groupes d’annonces à plus forte valeur (orthodontie invisible, implants) et laissé le rayon large uniquement pour la campagne de marque. Le CTR a légèrement baissé, mais le taux de conversion en appel a augmenté parce que le trafic était réellement local. Leçon pratique : dans les activités de proximité, l’option « intérêt » n’est presque jamais rentable ; dans le tourisme ou l’ecommerce avec livraison nationale, elle peut en revanche avoir du sens.

Cas 2 : ecommerce avec livraison nationale et le mythe d’exclure les capitales

Une boutique de produits volumineux (meubles) a supposé que les grandes villes généraient plus de retours pour des raisons logistiques et a exclu Madrid et Barcelone de ses campagnes Shopping. Le raisonnement semblait logique, mais les données d’attribution ont montré que ces provinces concentraient le panier moyen le plus élevé et que beaucoup de retours provenaient de zones rurales avec des problèmes de livraison, et non des capitales.

Le géociblage ne devait pas exclure des provinces entières, mais ajuster l’enchère par région où le coût d’expédition était disproportionné. Nous avons appliqué des modificateurs d’enchère négatifs dans les zones avec supplément logistique plutôt que des exclusions totales. C’est une nuance importante : exclure une zone géographique élimine la possibilité de capter la demande ; modifier l’enchère ne fait qu’ajuster la rentabilité. Pour l’ecommerce, l’exclusion totale est rarement la première option.

Cas 3 : service B2B avec ciblage par région métropolitaine

Une entreprise de maintenance industrielle voulait capter des clients dans des zones d’activité précises. Le ciblage par rayon depuis le siège ne fonctionnait pas parce que les zones d’activité se trouvent en périphérie. La solution a été d’utiliser le ciblage par code postal et par « zone géographique personnalisée » avec des polygones dessinés sur la carte. Ici apparaît une limitation réelle : toutes les plateformes ne permettent pas de dessiner des polygones avec la même précision, et sur Meta, le rayon minimum et la manière de déduire la localisation rendent la précision moindre que sur Google Ads.

En pratique, pour le B2B industriel, le ciblage par code postal dans Search a été plus fiable que celui par rayon. Et il convient de vérifier les rapports de zone géographique à intervalles réguliers, car les limites des codes postaux et les zones métropolitaines ne correspondent pas toujours à ce que l’on attend.

Cas 4 : campagne de génération de leads dans plusieurs villes avec un budget limité

Un client franchisé dans cinq villes voulait une campagne unique. La tentation est de cibler les cinq villes dans une seule campagne et de laisser l’algorithme répartir. Le problème : avec un budget limité, le système concentre les dépenses là où le volume de recherche est le plus élevé, laissant les petites villes sans exposition. La solution a été de séparer les campagnes par ville (ou au moins par groupes de taille similaire) pour contrôler le budget par marché.

Ce n’est pas une règle universelle. Si le budget est confortable et les villes homogènes, une campagne unique avec ciblage géographique peut fonctionner. Mais lorsqu’il y a un déséquilibre de volume, la structure séparée évite que certaines villes engloutissent le budget des autres.

Cas 5 : l’erreur de la localisation d’intérêt dans les campagnes de marque

Dans une campagne de marque pour une chaîne de salles de sport, l’équipe a activé « intérêt » pour capter les personnes ayant recherché la marque avant de voyager. Le résultat a été des clics d’utilisateurs qui consultaient depuis une autre ville et ne pouvaient ensuite pas se rendre au centre. Dans les campagnes de marque locale, ce qui fonctionne, c’est de cibler par localisation physique et, le cas échéant, d’utiliser la localisation d’intérêt uniquement dans les campagnes de notoriété, pas dans celles de conversion.

Il convient ici d’être transparent : il n’existe pas de configuration qui garantisse des résultats. La localisation déduite par IP peut échouer sur les réseaux mobiles et les VPN, et les plateformes ne le signalent pas toujours clairement dans l’interface. C’est pourquoi examiner le rapport de zone géographique (pays, région, ville) est une tâche récurrente, et non un réglage ponctuel.

Comment décider de la granularité : rayon, code postal ou région

Le choix dépend du modèle économique plus que de la plateforme :

• Rayon : utile pour les services de proximité avec une zone de captation claire (restauration, garages, cabinets). Attention aux rayons trop larges qui incluent des zones sans intention réelle.
• Code postal : plus précis pour le B2B et pour les services avec suppléments logistiques. Nécessite de vérifier que la plateforme prend en charge le chargement de listes et que les codes sont à jour.
• Région ou pays : adapté à l’ecommerce avec livraison nationale ou aux campagnes de notoriété. Ici, le géociblage sert davantage à exclure les zones non desservies qu’à affiner l’enchère.

Un détail souvent négligé : dans les campagnes Search, le ciblage par zone géographique n’empêche pas l’apparition d’impressions d’utilisateurs qui cherchent depuis une autre zone mais saisissent le nom de la ville. Si l’annonce inclut la ville dans le texte, le filtre géographique et le copy doivent être alignés ; sinon, on génère une expérience confuse et un clic avec une faible probabilité de conversion.

Limites qu’il convient de reconnaître avant de passer à l’échelle

Le géociblage ne résout pas les problèmes d’offre ni de prix. Si le produit ne correspond pas à la zone, un meilleur ciblage n’y remédiera pas. Il ne corrige pas non plus une landing page qui ne mentionne pas la localisation ou qui n’affiche pas les horaires locaux. J’ai vu des campagnes bien ciblées échouer parce que la page de destination était générique et que l’utilisateur ne trouvait pas le magasin le plus proche.

Autre limite : la mesure. L’attribution des conversions par zone géographique présente des délais et ne reflète pas toujours la localisation réelle de l’utilisateur au moment de l’achat. Dans les activités avec un cycle de décision long, le rapport géographique peut mélanger les localisations du premier et du dernier clic. C’est pourquoi croiser les données de la plateforme avec le CRM ou le registre des appels aide à valider si le ciblage capte le bon trafic.

Ce qu’il faut vérifier en pratique avant de lancer

1. Définir si l’activité est de proximité, nationale ou mixte, et si la conversion dépend du déplacement.
2. Choisir l’option de localisation (physique vs. intérêt) selon l’entonnoir, et non par défaut.
3. Vérifier si la plateforme permet les polygones, les codes postaux ou seulement les rayons, et ajuster la granularité à cette capacité.
4. Séparer les campagnes lorsque le volume entre marchés est très inégal.
5. Examiner le rapport de zone géographique à intervalles réguliers et le croiser avec ses propres données de conversion.
6. Éviter les exclusions totales lorsqu’il suffit de modificateurs d’enchère.

Le géociblage publicitaire est une couche de contrôle, pas une garantie de performance. Les cas précédents montrent que la valeur réside dans le fait de décider avec discernement quelle localisation utiliser à chaque étape de l’entonnoir et d’accepter que la précision ait des limites techniques. Ceux qui le comprennent ainsi ajustent généralement mieux leur budget et évitent les deux extrêmes : cibler trop finement et manquer de volume, ou cibler si peu que l’annonce s’affiche auprès de personnes qui ne pourront jamais acheter.