Comment iAdvize a doublé son pipeline SQL en -90 jours
Une machine PPC fragmentée, optimisée sur le mauvais signal
Une architecture paid inefficiente qui empêche l'algorithme d'apprendre
iAdvize, plateforme de commerce conversationnel, investit sur Google Ads et LinkedIn Ads aux US et en Europe. Mais l'architecture est dysfonctionnelle. Trop de campagnes, budgets dispersés (nombreuses campagnes sous 1k€), intentions mélangées entre transactionnel et informationnel, mots-clés trop larges générant du trafic non qualifié. Conséquence directe : les campagnes ne sortent jamais de la phase d'apprentissage, rendant le CPA instable et la qualité des leads imprévisible.
Côté US, le ciblage est trop large. iAdvize adresse "tout l'e-commerce" sans verticalisation, ce qui génère des CPM élevés et un messaging générique qui ne résonne avec aucun segment en particulier. Les prospects "curieux" coûtent aussi cher que les comptes in-market.
Enfin, le parcours de conversion repose exclusivement sur la démo. Pas de contenu intermédiaire, pas de preuve, pas de nurturing. Les prospects qui ne sont pas prêts à booker une démo sortent du funnel sans possibilité de réengagement.
Objectifs et contraintes
Restructurer l'acquisition paid EU et US pour doubler le pipeline SQL.
Sortir l'algorithme de la phase d'apprentissage en consolidant l'architecture. Verticaliser le ciblage US pour réduire le CPM et améliorer la pertinence. Construire un parcours de conversion proof-led et une attribution pipeline fiable.
KPIs suivis : CPM par vertical, coût par SQL, volume de pipeline généré par canal, taux de conversion MQL-to-SQL, attribution multi-touch.
J'ai fait confiance à Tony et aux équipes de Leverage les yeux fermés. Ils ont piloté les sujets tant opérationnels que stratégique avec brio, dans un contexte d'autant plus challengeant. C'était un réel plaisir de collaborer avec eux!
Notre approche en 4 étapes clés
Étape 1 : Verticalisation ICP et recentrage du ciblage
Nous avons remplacé le ciblage "tout e-commerce" par une segmentation par verticales : Beauty, Fashion, Electronics, Home et Specialty Retail. Pour chaque vertical, nous avons défini des signaux de qualification : tech stack (Shopify Plus, Magento, BigCommerce combiné à Braze, Klaviyo ou Segment), taille et complexité (volumétrie trafic, équipe CX, panier moyen), et signaux d'intent (chat legacy, pages support, volume tickets).
Messages, créas et landing pages ont été alignés sur les pains réels de chaque vertical : conversion, panier moyen, coût support, brand safety. Un prospect Fashion ne reçoit plus le même message qu'un prospect Electronics.
Le résultat : un CPM en baisse significative sur les US, et un taux d'engagement qui progresse mécaniquement grâce à la pertinence du messaging.
Étape 2 : Parcours de conversion proof-led
Nous avons remplacé le tunnel "book a demo or nothing" par un parcours multi-étapes fondé sur la preuve. Le premier point de contact propose un contenu à forte valeur ajoutée : benchmark sectoriel, cas client, ROI calculator. Les prospects qui s'engagent entrent dans une séquence de nurturing calibrée par vertical et par niveau d'intent.
Seuls les prospects ayant consommé plusieurs contenus et affichant des signaux d'engagement qualifiés (temps sur site, pages vues, interactions multiples) sont redirigés vers la démo. Ce filtre naturel améliore considérablement le taux de show et la qualité des conversations sales.
Le résultat : un volume de SQLs en hausse avec un coût par SQL en baisse, et des cycles de vente accélérés car les prospects arrivent en démo déjà éduqués.
Étape 3 : Consolidation de l'architecture et attribution pipeline
Nous avons fusionné les campagnes sous-dimensionnées pour concentrer le budget sur des campagnes capables de sortir de la phase d'apprentissage. L'architecture finale distingue trois niveaux : brand protection, intent transactionnel par vertical, et demand gen par segment.
En parallèle, nous avons déployé une attribution multi-touch connectée au CRM, permettant de tracer chaque SQL jusqu'à son premier touchpoint paid. Ce modèle alimente les décisions d'arbitrage budgétaire et permet d'identifier précisément quelles verticales et quels formats génèrent du pipeline réel.
Le résultat : un algorithme stabilisé, une visibilité totale sur la contribution paid au pipeline, et une capacité d'optimisation en continu fondée sur le revenu.
Si vous souhaitez vous aussi être accompagnés par les équipes de Leverage, prenez RDV via ce lien.
