Éditeur SaaS santé : un coût par client deux fois plus bas identifié en passant par le tunnel MQL

Le client

Un éditeur SaaS européen, parmi les leaders de son marché, qui vend des logiciels par abonnement aux professionnels de santé : praticiens libéraux et structures de soins. Ses cibles sont découpées en clusters par spécialité, chacun piloté par son propre responsable. En parallèle, une offre gratuite alimente une large base d’utilisateurs freemium.

Le problème : des coûts d’acquisition que personne ne voyait vraiment

Fin 2024, l’équipe acquisition investissait sur Google Ads, Meta Ads et LinkedIn Ads, surtout pour générer des demandes de démo (SQL). Trois freins :

• Des tableaux de bord faux. Le coût par client était calculé en divisant un budget agrégé par le nombre de ventes. Impossible de savoir quelle régie, quelle campagne ou quel tunnel était rentable.

• Un tracking bridé par les contraintes légales du secteur santé : pas de balise Google, pas de pixel Meta standard, un tag LinkedIn installé mais sans remontée. Une seule conversion hors ligne arrivait jusqu’à Google.

• Une stratégie 100 % conversion : chaque régie demandait une démo à des audiences qui ne connaissaient pas encore le produit, et chaque cluster vivait sur son canal, sans approche multicanale.

Ce que j’ai fait

Un audit complet des trois régies, suivi d’un plan d’actions chiffré et priorisé.

Recalculer les vrais coûts, régie par régie

Plutôt que de repartir des tableaux de bord, j’ai reconstruit le calcul depuis les données brutes : les dépenses de chaque régie, rapprochées campagne par campagne des leads, MQL, SQL et clients du CRM, en requêtes SQL. Pour la première fois, l’équipe avait un coût par MQL, par SQL et par client pour chaque régie et chaque tunnel, sur 13 mois, hors campagnes de marque.

Coûts exprimés en indice pour préserver la confidentialité du client.

• Un client venu du tunnel MQL (un lead nourri avant la vente) coûtait deux fois moins cher qu’un client venu d’une demande de démo directe. Et ce alors que les MQL n’étaient pas nourris et que seuls 40 % étaient travaillés par les commerciaux.

• La qualité des SQL variait fortement d’une régie à l’autre : il fallait environ trois fois plus de SQL venus de Meta pour signer autant de clients qu’avec LinkedIn.

Google Ads : arrêter de payer pour sa propre marque

• Près de la moitié du budget partait sur des campagnes de marque, qui produisaient plus de 5 SQL Google sur 6 : des ventes qui seraient arrivées de toute façon. Recommandation : une posture défensive minimale (ne plus enchérir sur les requêtes grand public, laisser le référencement naturel seul là où la marque n’est pas attaquée, négocier avec les concurrents plutôt que surenchérir). Économie estimée : environ 30 % du budget Google, sans perdre de clients.

• Hors marque, 64 % de la dépense tournait en « Maximiser les clics » pour 30 % des conversions, avec un coût par conversion quatre fois plus élevé qu’en « Maximiser les conversions ».

• Plus de 60 % de la dépense hors marque allait à des mots clés sans aucune conversion, et près de la moitié à des mots clés au niveau de qualité de 3 ou moins.

• Près d’un tiers du budget hors marque arrivait sur des landing pages qui n’avaient jamais converti.

• Des listes de mots clés négatifs éclatées et contradictoires : sur un mois, plus d’un tiers de la dépense sur les termes de recherche concernait des termes exclus après coup.

Parts exprimées en % du total, depuis le début de l’année au moment de l’audit.

Meta Ads : sortir de la demande de démo à froid

• Près de 90 % du budget des campagnes SQL visait des audiences froides, avec une fréquence d’exposition de plus de 9 sur du contenu purement commercial.

• Conséquence : des SQL Meta qui devenaient clients nettement moins souvent que la moyenne des régies payantes.

• Sur Meta, le coût par client via le tunnel MQL était quatre fois plus bas que via les campagnes SQL. Recommandation : basculer une large part du budget SQL vers le MQL et réserver les messages commerciaux aux audiences chaudes (MQL, utilisateurs gratuits, visiteurs).

• Côté créas, le coût par lead variait de 1 à 13 selon la proposition de valeur, et environ 30 % du budget SQL portait sur des messages ou des maquettes sous-optimaux. Les vidéos (en réalité des images animées) coûtaient deux fois plus cher par lead que les images.

LinkedIn Ads : la meilleure qualité, mal exploitée

• LinkedIn produisait les SQL les plus rentables des trois régies, mais 97 % du budget visait des audiences froides, avec une fréquence de plus de 15.

• Plus de 60 % du budget SQL finançait des créas aux messages sous-optimaux. Les annonces qui associent un bénéfice produit et une offre commerciale coûtaient 72 % moins cher par lead que celles qui ne parlent que du bénéfice.

• Les visuels « texte seul » affichaient un coût par lead près de trois fois plus bas que les visuels texte + illustration.

• Des campagnes en diffusion maximale malgré un taux de clic sous 1 % : passage en enchères manuelles recommandé.

Au-delà des régies

• Une structure par cluster et par niveau de conscience (notoriété, acquisition, retargeting) sur les trois régies, à la place d’une structure par produit.

• Un vrai tunnel multicanal. Environ 5 % des acheteurs potentiels sont en phase d’achat à un instant donné (règle 95-5 du B2B Institute de LinkedIn). Les 95 % restants se travaillent avec du contenu, pas avec une demande de démo.

• Exploiter la base freemium et les MQL en retargeting sur les réseaux sociaux, cluster par cluster.

• Renvoyer les ventes aux régies depuis le CRM et ajouter une conversion intermédiaire, dans le respect des contraintes légales, pour nourrir les algorithmes.

• Un processus de test créatif continu : une variable à la fois, des indicateurs fixés avant chaque test, une campagne de test toujours active, et une boucle de retour entre les responsables de cluster et la direction.

Ce que l’audit a chiffré

Chaque constat a été traduit en action, chaque action chiffrée en SQL et en clients supplémentaires par mois, puis priorisée dans un plan remis à l’équipe.

À retenir

• Un tableau de bord faux coûte plus cher qu’un mauvais réglage. Tant que le coût par client n’est pas calculé depuis les données brutes, on finance les mauvais canaux en toute confiance.

• La demande de démo à froid n’est pas le raccourci qu’elle paraît. Le lead nourri coûte plus cher à l’entrée, mais deux fois moins cher à la signature.

• Payer sa marque est rarement rentable. La défendre là où elle est attaquée, pas partout.