Déconstruction d'annonces concurrentes - lisez leur stratégie growth dans leurs ads — Claude Skill

Déconstruction d'annonces concurrentes

Allez plus loin que le monitoring superficiel d'annonces. Prenez un concurrent unique et reverse-engineerez toute sa stratégie paid : ce qu'il lance, où il envoie le trafic, ce qu'il teste, ce qui semble marcher et où il est vulnérable.

Principe clé : le portfolio publicitaire d'un concurrent est une fenêtre sur sa stratégie growth. Les annonces longue durée révèlent ce qui convertit. Les nouvelles annonces révèlent ce qu'il teste. Les landing pages révèlent ses paris de positionnement. Ce skill lit tous ces signaux.

Quand l'utiliser

• « Déconstruis la stratégie ads de [concurrent] »
• « Où [concurrent] dépense-t-il son budget publicitaire ? »
• « Reverse-engineer le entonnoir paid de [concurrent] »
• « Comment [concurrent] se positionne-t-il dans ses annonces ? »
• « Analyse publicitaire concurrentielle approfondie sur [concurrent] »

Phase 0 : collecte

1. Nom + domaine du concurrent — qui déconstruisons-nous ?
2. Votre produit — pour le cadrage comparatif
3. Canaux — Meta, Google ou les deux ? par défaut : les deux
4. Niveau de profondeur :
   • Standard : scrape des annonces + analyse des landing pages
   • Deep : standard + comparaison historique + reconstruction de l'entonnoir
5. Landing pages concurrentes connues ? — URLs déjà vues dans leurs annonces

Phase 1 : collecte des annonces

1A : scrape Meta Ad Library

python3 skills/meta-ad-scraper/scripts/scrape_meta_ads.py \
  --domain <competitor_domain> \
  --output json

Pour chaque annonce, capturez :

• Copy de l'annonce : headline + primary text
• Type visuel : image / vidéo / carousel
• Bouton CTA
• URL de landing page
• Durée active : première vue -> encore active ou arrêtée
• Plateformes : Facebook, Instagram, Audience Network
• Variantes d'annonces : tests A/B, même landing page, créa différente

1B : scrape Google Ads Transparency

python3 skills/google-ad-scraper/scripts/scrape_google_ads.py \
  --domain <competitor_domain> \
  --output json

Pour chaque annonce :

• Variantes de titres
• Lignes de description
• Type d'annonce : Search / Display / YouTube / Shopping
• URL de landing page depuis display URL
• Ciblage géographique si visible

Phase 2 : analyse des landing pages

Pour chaque URL de landing page unique trouvée dans les annonces :

Fetch: [landing_page_url]

Extrayez :

• Hero headline — correspond-elle à la promesse de l'annonce ?
• Subheadline — extension de la proposition de valeur
• CTA principal — quelle action poussent-ils ? démo / essai gratuit / inscription / téléchargement
• Preuve sociale — logos, témoignages, métriques de case study
• Visibilité du pricing — prix affiché ou caché ?
• Champs du formulaire — combien d'informations demandent-ils ?
• Type de page — homepage générale / LP dédiée / page feature / page use case
• Score de message match — la LP tient-elle la promesse de l'annonce ? 1-10

Phase 3 : analyse stratégique

3A : clustering des campagnes

Regroupez toutes les annonces en campagnes logiques par :

• Destination landing page — annonces vers la même URL = même campagne
• Thème de messaging — angles de copy similaires = même pari stratégique
• Signal d'audience — copy différente pour personas différents

3B : analyse par campagne

Pour chaque cluster de campagne :

3C : inférence d'allocation budgétaire

Selon le volume d'annonces et la distribution par plateforme, estimez où ils concentrent la dépense :

3D : comparaison historique, mode Deep

Si des données Web Archive existent pour leurs landing pages :

• Leur positionnement a-t-il changé sur 6-12 mois ?
• Quelles campagnes ont-ils retirées ? pertes possibles
• Quelles campagnes ont-ils scalées ? gagnants possibles

3E : analyse des vulnérabilités

Identifiez les faiblesses de leur stratégie ads :

Phase 4 : format de sortie

# Déconstruction des annonces concurrentes : [Nom du concurrent] — [DATE]

Domaine : [competitor.com]
Canaux analysés : [Meta, Google]
Total annonces trouvées : [N] (Meta : [N], Google : [N])
Landing pages uniques : [N]
Campagnes actives estimées : [N]

---

## Résumé exécutif

[Résumé en 3-5 phrases : que fait ce concurrent avec les paid ads ? qu'est-ce qui marche ? où est-il vulnérable ?]

---

## Décomposition des campagnes

### Campagne 1 : [Nom de campagne inféré]
- **Annonces dans le cluster :** [N]
- **Plateforme(s) :** [Meta / Google / Les deux]
- **Intention stratégique :** [Awareness / Lead gen / Déplacement concurrentiel / etc.]
- **Persona cible :** [Description]
- **Stratégie de hook :** [Type]
- **Landing page :** [URL]
  - Hero : « [texte de headline] »
  - CTA : « [texte du bouton] »
  - Message match : [Score/10]
- **Longévité :** [date de première vue -> statut]
- **Tests A/B détectés :** [Oui/Non — ce qu'ils testent]

**Annonce exemple :**
> **Headline :** [texte]
> **Body :** [texte]
> **CTA :** [bouton]
> **Format :** [Image/Vidéo/Carousel]

**Évaluation :** [1-2 phrases — est-ce que cela marche ? pourquoi ?]

### Campagne 2 : ...

---

## Carte de l'entonnoir

[Ad : Hook/Angle] -> [LP : /landing-page-url] -> [CTA : Book Demo] ↓ [Ad : Angle différent] -> [LP : /same-or-different] -> [CTA : Free Trial]

---

## Estimation d'allocation budgétaire

| Plateforme | Part | Zone de focus |
|----------|-------|-----------|
| [Plateforme] | [X%] | [Intention] |

---

## Ce qui marche, annonces longue durée

| Annonce | Plateforme | Depuis | Pourquoi cela marche probablement |
|----|----------|--------------|-------------------|
| [Extrait de headline] | [Plateforme] | [Date] | [Analyse] |

---

## Rapport de vulnérabilités

### 1. [Vulnérabilité]
**Preuve :** [Ce que nous avons observé]
**Votre opportunité :** [Comment exploiter cet écart]

### 2. ...

---

## Contre-attaques recommandées

### Contre-attaque 1 : [Nom]
- **Faiblesse ciblée :** [Quelle vulnérabilité]
- **Votre angle publicitaire :** [Hook]
- **Plateforme :** [Où le lancer]
- **Stratégie LP :** [Ce que votre landing page doit souligner]

### Contre-attaque 2 : ...

Enregistrez dans clients/<client-name>/ads/competitor-teardown-[competitor]-[YYYY-MM-DD].md.

Coût

Outils requis

• Token API Apify — variable d'environnement APIFY_API_TOKEN
• Skills amont : meta-ad-scraper, google-ad-scraper
• fetch_webpage — pour l'analyse des landing pages

Phrases de déclenchement

• « Déconstruis les ads de [concurrent] »
• « Que lance [concurrent] sur Meta/Google ? »
• « Reverse-engineer le entonnoir paid de [concurrent] »
• « Analyse ads approfondie sur [concurrent] »
• « Trouve les faiblesses de la stratégie ads de [concurrent] »