ad-spend-optimizer
À propos
Cette compétence analyse les performances publicitaires sur des plateformes telles que Google Ads et Meta pour recommander des réallocations budgétaires qui maximisent le retour sur les dépenses publicitaires (ROAS) et minimisent le coût d'acquisition client (CAC). Les développeurs peuvent l'utiliser pour la planification trimestrielle, le diagnostic des canaux sous-performants et le rééquilibrage du mix média après des changements de performance. Sa capacité principale est de calculer le ROI marginal pour éclairer des décisions fondées sur les données concernant l'augmentation ou la réduction des dépenses.
Installation rapide
Claude Code
Recommandénpx skills add guia-matthieu/clawfu-skills -a claude-code/plugin add https://github.com/guia-matthieu/clawfu-skillsgit clone https://github.com/guia-matthieu/clawfu-skills.git ~/.claude/skills/ad-spend-optimizerCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
Ad Spend Optimizer
Analyze paid advertising performance across channels and recommend budget reallocation to maximize ROAS and minimize CAC.
When to Use This Skill
- Quarterly budget planning — reallocate spend based on performance data
- Channel mix optimization — find the right balance across platforms
- Performance troubleshooting — diagnose why CAC is rising or ROAS declining
- Scaling decisions — determine if a channel has headroom to scale
- New channel testing — structure test budgets with clear success criteria
Methodology Foundation
| Aspect | Details |
|---|---|
| Source | Marginal ROI optimization + portfolio theory for marketing |
| Core Principle | Allocate each dollar where the marginal return is highest — shift spend from diminishing-returns channels to underspent ones |
| Framework | 70/20/10 — 70% proven channels, 20% optimization tests, 10% new channel experiments |
What Claude Does vs What You Decide
| Claude Does | You Decide |
|---|---|
| Calculates ROAS, CAC, and CPL per channel and campaign | Total budget constraints |
| Identifies diminishing returns and reallocation opportunities | Risk tolerance for new channels |
| Models projected outcomes for different allocation scenarios | Business priorities and brand considerations |
| Creates monitoring dashboards and alert thresholds | Platform selection and creative direction |
Instructions
Step 1: Audit Current Performance
Collect these metrics per channel and campaign:
| Metric | Formula | Healthy Range |
|---|---|---|
| ROAS | Revenue ÷ Ad Spend | >3:1 for most B2B/B2C |
| CAC | Ad Spend ÷ New Customers | <LTV ÷ 3 |
| CPL | Ad Spend ÷ Leads | Varies by industry |
| CTR | Clicks ÷ Impressions | >1% search, >0.5% social |
| Conv Rate | Conversions ÷ Clicks | >2% landing pages |
Validation checkpoint: If data is missing for any channel, flag it — incomplete data leads to wrong reallocations.
Step 2: Attribution Analysis
Choose the model that matches the business:
| Model | Best For | Trade-off |
|---|---|---|
| Last Click | Direct response, short cycles | Ignores awareness |
| First Click | Awareness campaigns | Ignores conversion assist |
| Linear | Balanced multi-touch view | Dilutes signal |
| Time Decay | Shorter sales cycles | Biases toward bottom-funnel |
| Position-Based | Balanced with emphasis | May miss mid-funnel |
| Data-Driven | Sophisticated, enough data | Requires volume |
Step 3: Calculate Marginal ROI
For each channel, answer: Where does the next $1 produce the most return?
| Signal | Meaning | Action |
|---|---|---|
| CAC well below target | Headroom to scale | Increase spend 50%, monitor weekly |
| CAC at target | Optimized | Maintain, test creative |
| CAC above target | Diminishing returns | Reduce spend, reallocate |
| Low volume, good CAC | Underinvested | Scale cautiously (2x) |
| High volume, rising CAC | Hitting ceiling | Cap spend, diversify |
Step 4: Model Reallocation Scenarios
Build 3 scenarios (conservative, moderate, aggressive) showing projected leads, CAC, and ROAS at each budget level. Include:
- Per-channel breakdowns with expected performance
- Warning thresholds — CAC levels that trigger spend cuts
- Implementation timeline — weekly changes, not all at once
Step 5: Implement and Monitor
Weekly monitoring checklist:
- Spend pacing vs. plan
- CAC by channel vs. target
- Lead volume vs. forecast
- Any channel crossing warning threshold?
Scaling rule: If CAC stays 15%+ below target for 2 consecutive weeks, increase spend by 25%. If CAC exceeds target for 2 weeks, reduce by 25%.
Examples
Example: B2B SaaS Budget Reallocation
Input: $100K/month — Google ($50K), Meta ($30K), LinkedIn ($15K), Other ($5K). Target: $200 CAC, 500 leads/month. Current: 395 leads, $253 CAC.
Diagnosis:
- Google Display ($15K → 30 leads, $500 CAC) — cut entirely
- Meta Lookalike ($15K → 85 leads, $176 CAC) — star performer, scale
- LinkedIn Lead Gen ($5K → 10 leads, $500 CAC) — cut
Proposed reallocation:
| Channel | Current | Proposed | Expected CAC |
|---|---|---|---|
| Google Ads | $50K | $35K | $206 |
| Meta | $30K | $50K | $196 |
| $15K | $8K | $286 | |
| Testing | $5K | $7K | Variable |
Projected result: 473 leads (+20%), $211 CAC (-17%).
Skill Boundaries
What This Skill Does Well
- Analyzing multi-channel ad performance from provided data
- Recommending budget shifts based on marginal ROI
- Modeling reallocation scenarios with projected outcomes
- Creating monitoring frameworks with alert thresholds
What This Skill Cannot Do
- Access ad platform accounts or pull live data
- Make real-time bid adjustments or campaign changes
- Evaluate creative quality (headlines, images, video)
- Account for brand lift or offline conversion effects
References
- Google Ads Optimization Guide
- Meta Business Suite Best Practices
- LinkedIn Marketing Solutions
- Common Thread Collective — ad spend allocation methodology
Related Skills
google-ads-expert— Google-specific campaign optimizationaarrr-metrics— Full funnel view beyond paid acquisitiongrowth-loops— Sustainable growth beyond paid channels
Dépôt GitHub
Compétences associées
evaluating-llms-harness
TestsCette compétence Claude exécute le lm-evaluation-harness pour évaluer les modèles de langage sur plus de 60 tâches académiques standardisées telles que MMLU et GSM8K. Elle est conçue pour permettre aux développeurs de comparer la qualité des modèles, de suivre les progrès de l'entraînement ou de rapporter des résultats académiques. L'outil prend en charge différents backends, incluant les modèles HuggingFace et vLLM.
cloudflare-cron-triggers
TestsCette compétence fournit une connaissance complète pour la mise en œuvre de Déclencheurs Cron Cloudflare afin de planifier des Workers à l'aide d'expressions cron. Elle couvre la configuration de tâches périodiques, de travaux de maintenance et de flux de travail automatisés, tout en traitant des problèmes courants tels que les expressions cron non valides et les problèmes de fuseau horaire. Les développeurs peuvent l'utiliser pour configurer des gestionnaires planifiés, tester des déclencheurs cron et intégrer avec Workflows et Green Compute.
webapp-testing
TestsCette Compétence Claude fournit une boîte à outils basée sur Playwright pour tester des applications web locales via des scripts Python. Elle permet la vérification frontend, le débogage d'interface utilisateur, la capture d'écrans et la consultation des journaux, tout en gérant les cycles de vie du serveur. Utilisez-la pour les tâches d'automatisation de navigateur, mais exécutez les scripts directement plutôt que de lire leur code source pour éviter la pollution du contexte.
finishing-a-development-branch
TestsCette compétence aide les développeurs à finaliser leur travail en vérifiant que les tests passent, puis en présentant des options d'intégration structurées. Elle guide le processus de fusion, de création de PRs ou de nettoyage des branches une fois l'implémentation terminée. Utilisez-la lorsque votre code est prêt et testé pour finaliser systématiquement le cycle de développement.
