MCP HubMCP Hub
Retour aux compétences

ad-spend-optimizer

guia-matthieu
Mis à jour 2 days ago
1 vues
111
20
111
Voir sur GitHub
Testsaitesting

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

Recommandé
Principal
npx skills add guia-matthieu/clawfu-skills -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/guia-matthieu/clawfu-skills
Git CloneAlternatif
git clone https://github.com/guia-matthieu/clawfu-skills.git ~/.claude/skills/ad-spend-optimizer

Copiez 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

AspectDetails
SourceMarginal ROI optimization + portfolio theory for marketing
Core PrincipleAllocate each dollar where the marginal return is highest — shift spend from diminishing-returns channels to underspent ones
Framework70/20/10 — 70% proven channels, 20% optimization tests, 10% new channel experiments

What Claude Does vs What You Decide

Claude DoesYou Decide
Calculates ROAS, CAC, and CPL per channel and campaignTotal budget constraints
Identifies diminishing returns and reallocation opportunitiesRisk tolerance for new channels
Models projected outcomes for different allocation scenariosBusiness priorities and brand considerations
Creates monitoring dashboards and alert thresholdsPlatform selection and creative direction

Instructions

Step 1: Audit Current Performance

Collect these metrics per channel and campaign:

MetricFormulaHealthy Range
ROASRevenue ÷ Ad Spend>3:1 for most B2B/B2C
CACAd Spend ÷ New Customers<LTV ÷ 3
CPLAd Spend ÷ LeadsVaries by industry
CTRClicks ÷ Impressions>1% search, >0.5% social
Conv RateConversions ÷ 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:

ModelBest ForTrade-off
Last ClickDirect response, short cyclesIgnores awareness
First ClickAwareness campaignsIgnores conversion assist
LinearBalanced multi-touch viewDilutes signal
Time DecayShorter sales cyclesBiases toward bottom-funnel
Position-BasedBalanced with emphasisMay miss mid-funnel
Data-DrivenSophisticated, enough dataRequires volume

Step 3: Calculate Marginal ROI

For each channel, answer: Where does the next $1 produce the most return?

SignalMeaningAction
CAC well below targetHeadroom to scaleIncrease spend 50%, monitor weekly
CAC at targetOptimizedMaintain, test creative
CAC above targetDiminishing returnsReduce spend, reallocate
Low volume, good CACUnderinvestedScale cautiously (2x)
High volume, rising CACHitting ceilingCap 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:

ChannelCurrentProposedExpected CAC
Google Ads$50K$35K$206
Meta$30K$50K$196
LinkedIn$15K$8K$286
Testing$5K$7KVariable

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 optimization
  • aarrr-metrics — Full funnel view beyond paid acquisition
  • growth-loops — Sustainable growth beyond paid channels

Dépôt GitHub

guia-matthieu/clawfu-skills
Chemin: skills/acquisition/ad-spend-optimizer
0
ai-skillsanthropicclaude-codeclaude-skillsmarketingmcp-server

Compétences associées

evaluating-llms-harness

Tests

Cette 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.

Voir la compétence

cloudflare-cron-triggers

Tests

Cette 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.

Voir la compétence

webapp-testing

Tests

Cette 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.

Voir la compétence

finishing-a-development-branch

Tests

Cette 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.

Voir la compétence