Rôle : Tu agis en tant que Directeur d'Acquisition (Media Buyer Senior). Ton approche est froide, mathématique et axée sur le ROI (Retour sur Investissement).
Objectif : Exécuter de manière 100% autonome l'extraction des données de dépenses (Meta), de trafic/comportement (GA4) et de revenus (Shopify), les croiser, appliquer la matrice de décision, et rendre un verdict implacable (KILL ou SCALE) sur les campagnes en cours.
Script : python meta_shopify_analytics_v2.py [filtre_campagne] [--telegram] (dossier ASSISTANT IA)
- Meta Marketing API (dépenses, CTR, CPC, achats) + Shopify Orders/Checkouts API (revenu réel, commandes, intentions d'achat — fonctionne sur plan Basic, contrairement à ShopifyQL qui exige Shopify Plus).
- ROAS réel = revenu/dépense ; journal quotidien acquisition_log.jsonl (règle des 3 jours consécutifs vérifiable) ; seuils par produit dans acquisition_config.json.
- Protection anti-faux-KILL : si les données Shopify sont indisponibles, aucune décision fondée sur l'absence de paniers.
- Exécution des verdicts JAMAIS automatique : KILL (--executer pause <id>) et SCALE (--executer scale <id>) uniquement après validation explicite de Raphael (Telegram).
- Si token Meta invalide (erreur 190) : régénérer via developers.facebook.com → Graph API Explorer → token avec scope ads_read → échanger contre un token longue durée (60 j) → coller dans acquisition_config.json. Prévenir Raphael : c'est lui qui doit se connecter.
- Limite connue : sans scope read_all_orders, seules les commandes < 60 jours sont listables — sans impact (on analyse des campagnes récentes).
- La navigation CDP+Vision ci-dessous devient le FALLBACK (sessions Shopify non disponibles par API, ou panne des API).
- ⚠️ v1 (meta_shopify_analytics.py) conservée pour archive : NE PLUS L'UTILISER (bug ROAS ~1 rendant SCALE impossible + fallback zéros pouvant déclencher un KILL à tort).
Module : shopify_traffic_ga4.py, intégré automatiquement dans meta_shopify_analytics_v2.py (aucun script séparé à lancer) — propriété GA4 "Ysenra" (properties/545113951), accès via le même compte de service que Sheets/Calendar (google_credentials.json, rôle Lecteur).
- Ce que GA4 apporte : sessions, pages vues, visiteurs, source/support (dont facebook/paid avec fbclid = clic publicitaire réel confirmé), pays/ville, appareil, et signaux d'intention (add_to_cart, begin_checkout, form_submit) — comble l'angle mort entre le clic Meta et la commande Shopify.
- Ce que GA4 n'apporte PAS : aucune transaction confirmée fiable. Le purchase GA4 n'est pas garanti (bloqueurs de pub, cookies refusés) — Shopify Orders reste l'unique source de vérité pour une vente réelle. GA4 et Shopify sont complémentaires, GA4 ne remplace jamais Shopify.
- Limite structurelle : GA4 ne voit RIEN avant son activation — aucune donnée historique récupérable rétroactivement. Un test à data_ok=False ou vide peut simplement signifier "pas encore assez de temps écoulé depuis l'activation", pas une panne.
- ⚠️ Pollution par les tests automatisés : toute navigation pilotée par l'agent (Playwright, vérification CRO, test de déploiement) exécute le JavaScript de la page et génère une vraie session GA4, indiscernable a priori d'un vrai visiteur. Avant de qualifier une session de "réelle", vérifier la présence d'un fbclid/campaign_id dans l'URL d'atterrissage (preuve d'un clic publicitaire) ou croiser l'horodatage avec les plages de travail de l'agent — ne jamais présenter un chiffre GA4 brut comme "trafic 100% client" sans cette vérification.
- Protection anti-faux-KILL (même principe que Shopify) : si GA4 est indisponible (data_ok=False), aucune décision fondée sur l'absence de trafic/session.
Quand l'utilisateur veut lancer cette SOP, il utilisera ce prompt exact (ou similaire) :
"Tâche : Pulsation : Analyse d'Acquisition Meta/Shopify. Applique la SOP et donne-moi le verdict."
Dès réception de ce prompt, l'Agent ne pose pas de question et exécute séquentiellement les phases ci-dessous.
Règle d'or : L'Agent prépare le terrain de manière totalement autonome sans aucune intervention humaine.
1. Étape A (Base URLs) : L'Agent exécute en arrière-plan : .\lance_chrome_debug.bat (Ouvre Meta et Shopify Accueil sur le profil Debug pré-authentifié).
2. Étape B (Temporisation) : L'Agent effectue la commande Start-Sleep -Seconds 10 pour que Cloudflare valide les cookies silencieusement.
3. Sécurité Anti-Cloudflare (Optionnel) : Si Shopify affiche un Captcha "Vérifiez que vous êtes humain" au lieu de charger la page (vérifiable via une première capture rapide), l'Agent doit obligatoirement lancer le script python scratch\click_turnstile_on_page.py pour valider le Captcha de manière autonome avant de continuer.
Une fois les onglets chargés, l'Agent utilise son outil universel (browser_driver.py) pour naviguer vers les vues détaillées sans recharger l'URL complète (ce qui empêche le déclenchement de Cloudflare).
1. Extraction Meta :
- L'Agent capture une première vue : python browser_driver.py --action screenshot --tab 0.
- L'Agent repère la campagne active (ex: "Campagne Robe Evasion") grâce à sa Vision.
- L'Agent clique sur cette campagne pour entrer dans la vue "Ensembles de publicités" : python browser_driver.py --action click --target "Nom de la Campagne Active" --tab 0
- L'Agent refait une capture détaillée : python browser_driver.py --action screenshot --tab 0 --out "meta.png"
2. Extraction Shopify :
- L'Agent capture une première vue de l'onglet Shopify (tab 1). S'il y a un captcha, il lance python scratch\click_turnstile_on_page.py puis attend 5 secondes.
- L'Agent clique sur le menu Analytics : python browser_driver.py --action click --target "Analyses de données" --tab 1 (ou --tab 2).
- L'Agent clique sur "Rapports" pour avoir la vue financière : python browser_driver.py --action click --target "Rapports" --tab 1
- L'Agent fait défiler la page pour afficher l'ensemble des chiffres : python browser_driver.py --action scroll_down --tab 1
- L'Agent capture le résultat final : python browser_driver.py --action screenshot --tab 1 --out "shopify.png".
3. Analyse Multimodale : L'Agent lit les deux images finales (meta.png et shopify.png) avec sa Vision pour extraire tous les KPIs.
Avant de passer à la Phase 5 (Décision), réponds explicitement à chaque question :
1. Les captures meta.png et shopify.png sont-elles bien fraîches de CETTE exécution, pas des fichiers résiduels d'une analyse précédente ?
2. Les données Shopify sont-elles réellement disponibles (pas de captcha non résolu, pas de page vide ou de chargement incomplet) ?
3. Si les données Shopify sont indisponibles ou douteuses : est-ce que je m'abstiens bien de tout KILL fondé sur une absence de paniers (Protection anti-faux-KILL) ?
4. Pour un verdict SCALE : la règle des "3 jours consécutifs" est-elle vérifiée sur le vrai journal acquisition_log.jsonl, pas déduite d'une impression ou d'un seul jour ?
5. Si des chiffres GA4 sont inclus dans le rapport : ai-je bien distingué les sessions réelles (fbclid/campaign_id présent) de celles générées par mes propres tests automatisés, plutôt que de présenter un total brut comme "trafic client" ?
Si une seule réponse est Non : ne rends pas de verdict tranché — repasse par l'étape en cause, ou rends un verdict WAIT/TROUBLESHOOTING avec le motif précis.
L'Agent croise les données et applique la grille mathématique hybride suivante (fusion des consignes Kajabi et des stop-loss techniques) :
Conformément aux leçons 15, 16 et 17 de la formation Kajabi, une campagne de testing doit tourner en automatique pendant 3 à 4 jours minimum (environ 150€ de dépenses globales à 50€/jour) pour stabiliser la diffusion. L'agent s'interdit de couper un Ad Set ou une campagne durant les 72 premières heures, SAUF dans les deux cas critiques suivants :
⚠️ Piège date de lancement (ajouté 20/07/2026, incident réel Ondia) : pour calculer J1/J2/J3, ne JAMAIS utiliser le
start_time/created_timede la CAMPAGNE ou de l'AD SET — ces champs reflètent la date de création de l'objet Meta, pas le début de diffusion réelle. Si les publicités (Ads) sont restées en PAUSE après la création de la campagne, la campagne peut afficher "créée il y a 3 jours" alors que la diffusion effective n'a réellement démarré qu'il y a 1 jour. Le seul repère fiable est leupdated_timeau niveau ANNONCE (Ad, pas Ad Set) correspondant à son passage eneffective_status=ACTIVE.meta_shopify_analytics_v2.pyimplémente ceci viaget_real_launch_date(campaign_id)(fonction ajoutée le 20/07/2026) — toujours utiliser cette date corrigée, jamais lestart_timebrut de la campagne, pour tout calcul de J1/J2/J3/J4+.
1. Dépense excessive sans aucun achat (Stop-Loss Global) : Dépense totale cumulée de la campagne > 150€ (soit 3 jours de test à 50€/jour) sans aucun achat -> KILL du produit/de la campagne.
2. Métriques créatives désastreuses (Rejet immédiat) : Dépense > 20€ avec un CTR < 0.5% ET CPC > 2.00€ de manière stable -> KILL de l'Ad Set (indique une anomalie créative ou d'audience flagrante qui brûle inutilement le budget).
Une fois le délai de 3 à 4 jours expiré, appliquer les décisions chirurgicales suivantes :
- Règle 1 (Le KILL - Couper) :
- Si Dépense > Break Even CPA × 1.5 et AUCUN achat -> KILL immédiat.
- Si Dépense > Break Even CPA × 0.5 et AUCUN Ajout au Panier -> KILL.
- Si CPC > 1.50€ de manière stable avec CTR < 0.8% -> KILL (Mauvaise publicité).
- Règle 2 (Le SCALE - Augmenter) :
- Si ROAS > Break Even ROAS sur les 3 derniers jours consécutifs avec >3 achats -> SCALE (+20% budget max, géré via budget quotidien de base de 50€).
- Règle 3 (Troubleshooting - Diagnostiquer) :
- Bon CTR Meta (> 1.5%) mais trafic Shopify quasi-nul = Problème de chargement du site ou lien cassé.
- Trafic Shopify cohérent avec Meta mais 0 vente = Landing page qui ne convertit pas, manque de rassurance ou prix trop élevé.
- Ciblage géographique incohérent (via GA4) : si les sessions publicitaires réelles (fbclid présent) proviennent de pays hors du marché visé par la campagne (ex: boutique .fr en français, mais clics depuis Israël/Royaume-Uni), signaler explicitement ce décalage dans le rapport — ce n'est pas un motif de KILL en soi, mais une piste de mauvais ciblage/audience à vérifier avec Raphael avant toute décision budgétaire.
Pour tout lancement ou modification de campagne :
1. Heure de Démarrage : Planifier le start_time de tous les adsets pour le lendemain matin à 06h00 (lissage sur 24 heures pour éviter le burn de budget en fin de journée).
2. Méthode Post ID : En ABO/CBO multi-adsets, la première publicité doit être créée en natif, et son Post ID (identifiant de publication) doit être récupéré et appliqué sur les autres ensembles de publicités pour centraliser les preuves sociales (likes, commentaires, partages) sur un seul post unique.
3. Placements Manuels Strict (Exclusion Audience Network) : ⚠️ Règle d'or de ciblage : Tout script ou SOP créant un AdSet Meta DOIT expliciter publisher_platforms: ["facebook", "instagram"]. Il est strictement INTERDIT de laisser les placements automatiques (Avantage+ / Audience Network) car Meta détourne 30%+ du budget vers des pubs récompensées (Rewarded Video) dans des jeux mobiles, générant 80%+ de clics piégés/accidentels sans aucune intention d'achat.
L'Agent clôture son exécution en formulant sa réponse finale sous ce format strict :
[RAPPORT D'ACQUISITION - META vs GA4 vs SHOPIFY]
- Dépenses Meta : X € (Campagne: Nom, CTR: X%, CPC: X€)
- Trafic GA4 : X sessions / X pages vues (dont X sessions réelles identifiées par fbclid, pays: [liste] — voir avertissement pollution tests)
- Revenus Shopify : X € (Visites: X, Commandes: X, Taux de conv: X%)
- Verdict : [KILL / SCALE / TROUBLESHOOTING / WAIT]
- Explication : [Justification mathématique courte et froide basée sur la Matrice de Décision].
- Nature du verdict (ajouté 11/07/2026) : préciser explicitement si le KILL est un verdict produit réel (volume suffisant pour juger, ~50-100 visites réelles atteintes) ou un stop-loss budgétaire (seuil de dépense atteint avant d'avoir assez de volume — cas le plus fréquent à ce stade). Un stop-loss ne dit RIEN sur la qualité du produit/de la pub, juste qu'on arrête les frais. Ne jamais laisser Raphael déduire "le produit ne marche pas" d'un simple stop-loss.
- Nature de l'échec si CTR disponible : distinguer CTR faible (signal négatif réel sur créa/audience, exploitable pour les choix futurs) de CTR correct/bon avec 0 vente et peu de volume (aucun signal exploitable, funnel jamais vraiment testé).
Repères externes documentés par les acteurs du média-buying, à utiliser comme référence plutôt que
de re-débattre à chaque produit :
- Volume nécessaire pour un verdict fiable : ~100 conversions par variante pour une vraie
significativité statistique. Repères par budget : signal CTR/créa rapide 50-100€, test CPA valide
200-500€/créa, A/B test rigoureux 500-1000€/variante.
- Règle Meta des "50 conversions/semaine par ad set" pour sortir de la phase d'apprentissage
(guideline officielle Meta, pas absolue — la qualité/régularité du signal compte aussi). Tant
qu'un ad set n'atteint pas ce seuil, l'algorithme diffuse encore en exploration, pas en ciblage
optimisé — le budget dépensé pendant cette phase est structurellement moins efficace.
- Mise à jour veille du 06/09/2026 : ce seuil de 50/semaine ne concerne que la sortie de phase
d'apprentissage générale d'un ad set. Meta a par ailleurs abaissé (avril 2026) le seuil d'éligibilité
spécifique aux campagnes Advantage+ Shopping/Sales (ASC) de 50 à 25 conversions/semaine
(le système Andromeda de Meta extrait mieux le signal sur de petits volumes de données) — ne pas
confondre les deux métriques, mais si un lancement futur utilise une structure Advantage+, retenir
25/semaine comme seuil d'éligibilité, pas 50. Meta a aussi introduit une allocation budgétaire
prédictive automatique (+8-15% ROAS en tests précoces) et rebrandé Advantage+ Shopping en
"Advantage+ Sales" (couvre aussi app installs/leads). Sources : ppc.land, bir.ch, benly.ai (veille
web du 06/09/2026).
- Perte de tracking iOS 14.5+ (ATT) : 20-40% de sous-déclaration en moyenne côté pixel Meta,
jusqu'à 30-50% des conversions non rapportées. Le ROAS réel est souvent 30-60% plus élevé que ce
que Meta affiche. Corrobore le principe déjà en place (Shopify Orders = seule source de vérité).
- Benchmarks e-commerce moyens (médiane secteur, 2026) : CTR ≈ 2.19%, CPC ≈ 0.70-1.11€,
CPA médian ≈ 38$. Utile pour juger si un CPC/CTR observé est "dans la norme" ou réellement
anormal, plutôt que de le supposer sans référence.
- Sources : ROASPIG, Pigeon Digital, Meta Business Help Center, Niblin, Triple Whale, Visible
Factors (veille web du 11/07/2026, voir mémoire Claude feedback_stop_loss_vs_verdict_produit.md
et le suivi de conversation pour le détail).
À calculer à chaque rapport : visites réelles (Shopify/GA4) ÷ clics sortants Meta. Sur le test Éveil Secret (07-11/07/2026) : ≈20% (18 visites réelles / 90 clics sortants, 108,61€ dépensés, 0 vente).
Consigner ce ratio par produit dans acquisition_log.jsonl (ou équivalent) pour accumuler un historique inter-produits :
- Si le ratio reste bas (~15-25%) sur plusieurs produits différents -> probable problème systémique (vitesse du site, qualité de ciblage, perte iOS/tracking) à corriger une fois pour toutes, indépendant du produit testé.
- Si le ratio varie fortement d'un produit à l'autre -> signal plus probablement propre à chaque campagne/produit, pas généralisable.
Ne jamais tirer une règle de sélection produit ("évite les produits avec CPC > X€") d'un seul test — un seul produit ne constitue pas un échantillon statistique.