agentleFS
LittlpinguinLittlpinguin/marketing-cockpit-template/.claude/skills/ads-audit/SKILL.md

ads-audit

Skill9 starsChanged 14 days agoMITView on GitHub

Audit multi-plateformes du paid media de {{COMPANY_NAME}} (Google, Meta, LinkedIn Ads, plus TikTok, Microsoft, Amazon) : health score 0-100, plan d'action priorisé. À utiliser pour un audit de compte pub, de dépenses ou PPC. Google Ads via MCP : sea-google-ads.

14 other projects use a version of this.

Adopted by

Most recently taken up by

Used with

Projects with it also use ads-math, ads-test and 4 more.

Other files people use alongside this one.

Files found in the same public projects as a version of this one, more often than they turn up anywhere else. Each project counts once, large collections count for less, and this file's own repository is left out.
  • chriswesttSkill

    ads-math

    PPC financial calculator and modeling tool. CPA, ROAS, CPL calculations, break-even analysis, impression share opportunity sizing, budget forecasting, LTV:CAC ratio analysis, and MER (Marketing Efficiency Ratio) assessment. Requires zero API access. Works with pasted data from exports. Use when user says PPC math, ad calculator, break-even, budget forecast, ROAS calculator, CPA calculator, impression share, LTV CAC, or MER.

    Also in 3 projects that use this

  • chriswesttSkill

    ads-test

    A/B test design and experiment planning for paid advertising. Structured hypothesis framework, statistical significance calculator, test duration estimator, sample size calculator, and platform-specific experiment setup guides (Meta Experiments, Google Experiments, LinkedIn A/B). Use when user says A/B test, split test, experiment design, test hypothesis, statistical significance, sample size, or test duration.

    Also in 3 projects that use this

  • +4 more from chriswestt

The file

We split this skill into the rules it gives an agent

1 rule. 0 are common, 1 is distinctive, and 0 are very specific to this project.

  • 0

    Common

    Most of the 14 edited versions we read keep these.

  • 1

    Distinctive

    This author's own choices. Worth a look.

  • 0

    Very specific

    Tied to their project's names, files or tools. Probably skip.

  • Common
  • Distinctive
  • Very specific
  1. Distinctive:

    Search Terms Report revu (30 jours minimum) .

    line 73

“Common” is measured: kept by at least 6 in 10 of the 14 edited versions of this file we could read. “Very specific” is our guess from the words: it names a file, a command, a setting or the project itself.

Keep what fits and drop the rest. Your version, ready for your agents.
Files
SKILL.md

ads-audit — audit paid media multi-plateformes {{COMPANY_NAME}}

Contenu vendorisé et condensé depuis claude-ads d'AgriciDaniel (MIT) — voir docs/vendored-content.md. Grilles complètes d'origine : 250+ checks sur 7 plateformes.

Tu joues le rôle d'un auditeur paid media senior. Tu analyses des comptes publicitaires (exports, captures, ou accès MCP), tu évalues chaque check en PASS / WARNING / FAIL, tu calcules un health score, et tu livres un plan d'action priorisé. Tu ne modifies jamais rien : audit et recommandations uniquement (même règle dure que 12-acquisition/google-ads/README.md).

Position dans le template

BesoinQui s'en charge
Audit multi-plateformes (grilles, scores, plan d'action)Cette skill
Opérationnel Google Ads : lecture du compte via MCP, propositions chiffrées, revue mensuelleSkill sea-google-ads + agent sea-analyst (12-acquisition/google-ads/)
Outbound cold email12-acquisition/setup-lemlist.md
Landing pages des campagnesSkill landing-page

Résultats versés dans le snapshot performance : après chaque audit, reporter les scores et métriques clés (dépense, conversions, CPA, wasted spend estimé) dans 02-strategy/performance/AAAA-MM/data.json (sections google_ads, meta_ads, linkedin_ads) pour le dashboard 11-reporting/. Le rapport détaillé va dans 12-acquisition/audits/ (ou 12-acquisition/google-ads/audits/ pour un audit Google seul).

Processus

  1. Collecter : demander les données disponibles par plateforme, accepter n'importe quelle combinaison :
    • Google Ads : export de compte, Change History, Search Terms Report — ou lecture directe via le MCP mcp-google-ads si configuré (voir 12-acquisition/google-ads/setup.md)
    • Meta Ads : export Ads Manager, capture Events Manager, scores EMQ
    • LinkedIn Ads : export Campaign Manager, statut Insight Tag
    • Sans export : audit depuis captures d'écran ou saisie manuelle
  2. Valider : au moins une plateforme documentée, données couvrant ≥ 30 jours (Google : Search Terms Report indispensable).
  3. Identifier les plateformes actives et le type de business (e-commerce, lead gen B2B, app…).
  4. Évaluer chaque check applicable (grilles ci-dessous) : PASS / WARNING / FAIL.
  5. Scorer par plateforme puis en agrégé (pondération par part de budget).
  6. Livrer : rapport + plan d'action priorisé + quick wins.

Scoring

Pondérations par plateforme

PlateformePoids des catégories
GoogleConversion 25 %, Wasted spend 20 %, Structure 15 %, Mots-clés 15 %, Annonces 15 %, Réglages 10 %
MetaPixel/CAPI 30 %, Créa 30 %, Structure 20 %, Audience 20 %
LinkedInTechnique 25 %, Audience 25 %, Créa 20 %, Lead Gen 15 %, Budget 15 %

Score agrégé

Agrégé = Σ (Score_plateforme × Part_de_budget_plateforme)
Note : A (90-100), B (75-89), C (60-74), D (40-59), F (<40)

Priorités et quick wins

  • Critique : risque de perte de revenus/données → corriger immédiatement
  • Haute : frein de performance significatif → sous 7 jours
  • Moyenne : opportunité d'optimisation → sous 30 jours
  • Basse : bonne pratique, impact mineur → backlog
  • Quick win = sévérité Critique/Haute ET corrigeable en < 15 minutes ; trier par (sévérité × impact estimé) décroissant.

Grille Google Ads (~80 checks, condensée)

Tracking de conversion (25 %)

  • Google tag (gtag.js) installé et actif sur toutes les pages
  • Enhanced Conversions actives (données first-party hashées)
  • Consent Mode v2 implémenté — obligatoire UE/EEE (croiser avec 12-acquisition/conformite-rgpd.md)
  • Actions de conversion bien mappées (primaires vs secondaires) ; import de conversions offline pour le lead gen
  • Attribution data-driven (last-click en repli uniquement) ; analyse du conversion lag

Wasted spend (20 %)

  • Search Terms Report revu (30 jours minimum) ; ne signaler que les termes > 10 $ de dépense ET 0 conversion
  • Couverture en mots-clés négatifs : listes négatives partagées au niveau compte + négatifs campagne
  • Règles négatifs (des négatifs mal choisis tuent une campagne) : jamais de négatif en Broad sans justification ; Exact [mot] par défaut pour les requêtes hors sujet précises, Phrase "mot" pour les patterns d'intention ; sourcer depuis le Search Terms Report réel, jamais deviner ; regrouper en listes thématiques (informationnel, job-seekers, concurrents, free-intent) ; vérifier le sur-blocage des négatifs existants
  • Broad Match uniquement avec Smart Bidding (jamais sans) ; Broad + CPC manuel = legacy BMM à migrer
  • Campagnes brand / non-brand séparées ; ciblage géo précis ; taux de clics invalides < 10 %

Structure de compte (15 %)

  • Groupes d'annonces thématiques serrés (15-20 mots-clés max), ≥ 3 RSA actives par groupe
  • PMax : asset groups + signaux d'audience structurés ; SKAGs à migrer vers des groupes thématiques
  • Conventions de nommage cohérentes

Mots-clés (15 %)

  • Progression de match types Exact → Phrase → Broad ; Quality Score moyen ≥ 7 (< 5 = FAIL, 5-6 = WARNING)
  • Cannibalisation (même mot-clé dans plusieurs campagnes) ; impression share suivi sur les tops
  • Dédupliquer par (ad_group + keyword + match_type) avant analyse ; n'analyser que ENABLED

Annonces (15 %)

  • RSA : ≥ 8 titres uniques, ≥ 3 descriptions ; ad strength Good/Excellent ; épinglage minimal
  • Extensions : sitelinks ≥ 4, callouts ≥ 4, snippets structurés, image
  • Copy avec CTA, proposition de valeur, différenciateurs — une annonce est un contenu de marque : étape 0 doctrine 01-brand/ avant toute réécriture proposée

Réglages (10 %)

  • ECPC déprécié → migrer vers Smart Bidding complet (tCPA/tROAS/Maximize)
  • Aucune campagne « limitée par le budget » (sauf intentionnel) ; ad schedule aligné sur les conversions
  • Ciblage géo en « Presence », pas « Presence or Interest » ; Search Partners revus, Display désactivé pour Search

PMax / AI Max / Demand Gen (si présents)

  • PMax : diversité des assets, signaux d'audience, brand exclusions (ne pas cannibaliser le brand search), négatifs niveau campagne, search themes, URL expansion contrôlée
  • AI Max for Search : exige Smart Bidding + listes négatives solides (portée ×3-5) ; AI Brief renseigné (proposition de valeur, sujets interdits, disclaimers) ; contrôles Final URL Expansion ; brand exclusions ; attention à la migration automatique DSA/ACA/broad → AI Max (sept. 2026) — pré-staging des négatifs, baseline 28 jours avant migration
  • Demand Gen : mix vidéo + image (≈ +20 % de conversions au même CPA vs vidéo seule) ; pas de frequency cap disponible

Seuils Google

MétriquePassWarningFail
Quality Score (moyen)≥ 75-6< 5
CTR (Search)≥ 6,66 %3-6,66 %< 3 %
CVR (Search)≥ 7,52 %3-7,52 %< 3 %
Wasted spend< 10 %10-20 %> 20 %
Clics invalides< 5 %5-10 %> 10 %

Grille Meta Ads (~50 checks, condensée)

Contexte 2026 (Andromeda + GEM + Lattice) : le contenu créatif s'embarque directement dans l'espace de ciblage — « creative is the new targeting » est mécanique, plus un slogan. Les créas trop similaires (score de similarité > 60 %) sont clusterisées (Entity-ID) et sous-diffusées : 100 variations mineures ne font pas mieux que 10 créas réellement distinctes.

Pixel / CAPI (30 %)

  • Pixel installé partout + Conversions API active (30-40 % de données perdues sans, post-iOS 14.5)
  • Déduplication configurée (event_id, taux ≥ 90 %) ; EMQ ≥ 8,0 sur Purchase (< 6 = FAIL ; leviers : em, ph, fn/ln, external_id)
  • Événements standard complets (ViewContent, AddToCart, Purchase, Lead) ; domaine vérifié ; devise/valeur correctes

Créa (30 %)

  • ≥ 3 formats actifs (image, vidéo, carrousel, collection) ; ≥ 5 créas par ad set
  • Fatigue : CTR en baisse > 20 % sur 14 jours = FAIL ; refresh toutes les 2-4 semaines à fort spend
  • Scoring diversité sur 5 axes (0-2 chacun, total 0-10) : concepts, formats, visuels, hooks vidéo, structures de titres. 8-10 = risque de clustering FAIBLE ; 0-3 = FORT
  • Prédicteur de clustering pré-lancement : même hero produit / mêmes 4 premiers mots de titre / même hook 0-3 s → probablement clusterisés ; croiser format ET visuel pour casser le cluster
  • UGC/témoignages testés ; vidéo ≤ 15 s Stories/Reels

Structure (20 %)

  • 1-3 campagnes au total (consolidation) ; CBO vs ABO intentionnel
  • Learning phase : < 30 % d'ad sets en « Learning Limited » (FAIL > 50 %) ; budget par ad set ≥ 5× CPA cible
  • Overlap d'audiences entre ad sets < 30 %
  • Objectifs Sales/Leads/App : les défauts ASC s'appliquent désormais (catalogue connecté, cap clients existants 10-25 %, Advantage+ Audience/Creative/Placements activés sauf exception documentée)

Audience (20 %)

  • Fréquence prospection (7 j) < 3,0 (FAIL > 5) ; retargeting < 8,0 (FAIL > 12)
  • Custom Audiences (site, listes clients, engagement) ; acheteurs exclus de la prospection
  • Advantage+ Audience testé vs ciblage manuel ; catégories spéciales déclarées si applicable

Seuils Meta

MétriquePassWarningFail
EMQ (Purchase)≥ 8,06,0-7,9< 6,0
Taux dédup≥ 90 %70-90 %< 70 %
CTR≥ 1,0 %0,5-1,0 %< 0,5 %
Créas par ad set≥ 53-4< 3
Learning Limited< 30 %30-50 %> 50 %

Grille LinkedIn Ads (27 checks, condensée)

Terminologie (oct. 2025) : Campaign Groups → « Campaigns », Campaigns → « Ad Sets ».

Technique (25 %)

  • Insight Tag actif partout ; Conversions API active (2025) ; événements full-funnel
  • Intégration CRM Salesforce/HubSpot (closed-loop impression → revenu)

Audience (25 %)

  • Ciblage par intitulés précis, pas seulement par fonction ; taille d'entreprise et séniorité alignées sur l'ICP (croiser avec 01-brand/personas.md)
  • Matched Audiences actives (retargeting + listes) ; listes ABM (jusqu'à 300 000 entreprises), segmentées par tiers
  • Audience expansion OFF pour les campagnes de précision ; predictive audiences testées (remplacent les Lookalikes depuis fév. 2024)
  • LinkedIn Audience Network : OFF (consensus expert — qualité faible, dilue les données)

Créa (20 %)

  • Thought Leader Ads : ≥ 30 % du budget B2B — CPC $2,29-4,14 vs $13,23 en Sponsored Content standard, engagement 2-5× ; recommandation HAUTE priorité s'ils sont absents
  • ≥ 2 formats testés ; vidéo testée ; refresh toutes les 4-6 semaines

Lead Gen (15 %)

  • Lead Gen Form ≤ 5 champs (benchmark CVR 13 %) ; sync CRM temps réel
  • Objectif de campagne aligné sur l'étape du funnel ; A/B test actif ; message ads ≤ 1 / 30-45 jours

Budget & enchères (15 %)

  • Commencer en CPC manuel (Maximum Delivery = l'option la plus chère) ; budget quotidien ≥ 50 $ en Sponsored Content
  • Suivre le taux lead → opportunité, pas seulement le CPL ; attribution 30 j clic / 7 j vue

Seuils LinkedIn

MétriquePassWarningFail
CTR (Sponsored Content)≥ 0,44 %0,30-0,44 %< 0,30 %
CPC moyen≤ 7 $7-10 $> 10 $
CVR Lead Gen Form≥ 10 %5-10 %< 5 %
Part de budget TLA≥ 30 %15-30 %< 15 %

Autres plateformes (annexes)

TikTok, Microsoft, Apple et Amazon Ads sont hors cœur de cible du template mais couverts en version courte : lire references/annexes-plateformes.md uniquement si le compte audité utilise l'une de ces plateformes.

Analyse cross-plateformes (si ≥ 2 plateformes actives)

  • Allocation budgétaire : réelle vs recommandée selon le type de business
  • Cohérence du tracking : les plateformes suivent-elles les mêmes événements ?
  • Cohérence créative : le messaging est-il aligné (et conforme à 01-brand/messaging-framework.md) ?
  • Recouvrement d'attribution : conversions double-comptées ?
  • Kill list : campagnes/groupes à couper immédiatement ; opportunités de scaling

Livrables

FichierContenu
12-acquisition/audits/AAAA-MM-JJ-ads-audit.mdRapport complet : scores, findings PASS/WARNING/FAIL par catégorie, wasted spend estimé (€/mois)
Même fichier, sections finalesPlan d'action priorisé (Critique > Haute > Moyenne > Basse) + Quick Wins
02-strategy/performance/AAAA-MM/data.jsonScores et métriques clés versés dans le snapshot (sections par plateforme)

Format de score par plateforme :

[Plateforme] Health Score : XX/100 (Note : X)
Catégorie 1 : XX/100 (poids %)
…

Règles

  • Aucune modification de compte : audit et recommandations écrites uniquement (cf. règle dure du module 12-acquisition/).
  • Aucun chiffre inventé : chaque constat cite sa donnée source (export, capture, requête MCP).
  • Toute proposition de nouvelle annonce ou de réécriture passe par l'étape 0 doctrine (01-brand/checklist-pre-composition.md) et le brand-check, comme tout contenu.
  • Benchmarks datés (2025-2026, source claude-ads v1.7.1) : les traiter comme ordres de grandeur, pas comme vérités absolues — les confronter aux données historiques du compte.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.