Pourquoi le ciblage dans Account Engagement échoue souvent (et comment le corriger)

Dans Salesforce Marketing Cloud Account Engagement, le ciblage traduit la définition de l’audience en action commerciale concrète. La segmentation détermine quels prospects appartiennent à un groupe pertinent selon leur profil, leur comportement ou leur contexte dans le lifecycle ; le ciblage détermine ensuite si, quand et avec quel message ce groupe doit réellement être approché. Dans de nombreuses implémentations, ces deux étapes sont toutefois pratiquement assimilées. Dès qu’un prospect répond aux critères du segment, la communication démarre automatiquement, comme si le fit avec la cible suffisait à démontrer que le moment et le contexte sont également appropriés.

Dans le B2B enterprise en particulier, cela crée un décalage structurel. Un prospect peut parfaitement correspondre à la cible idéale tout en ne présentant aucune intention d’achat actuelle, tandis qu’un autre contact peut mériter une attention accélérée en raison d’un comportement récent, d’une activité au niveau du compte ou d’un changement de statut Sales. Lorsque le ciblage découle exclusivement de l’appartenance à un segment, Account Engagement continue de fonctionner correctement sur le plan technique, mais le processus commercial réagit trop tard, trop tôt ou aux mauvais signaux. L’organisation observe de l’activité dans les campagnes et les Engagement Programs, tandis que le lien avec le pipeline et la progression Sales devient de plus en plus difficile à expliquer.

Un ciblage mature exige donc davantage que des sélections toujours plus fines. Le cœur du modèle réside dans une logique décisionnelle où le profil, le comportement, le timing, le contexte du compte et le feedback de Sales déterminent ensemble quelle action est justifiée. Le ciblage passe ainsi d’un mécanisme d’exécution à une capacité commerciale maîtrisable : il ne s’agit plus d’atteindre autant de prospects pertinents que possible, mais d’approcher le bon prospect ou le bon buying group au bon moment avec une prochaine étape dont la pertinence peut être démontrée.

Le ciblage échoue lorsque la sélection conduit automatiquement à la communication

La plupart des problèmes de ciblage ne viennent pas d’un manque de données, mais de l’absence d’une étape d’interprétation entre la sélection et l’activation. Un prospect peut par exemple répondre à des critères de secteur, de niveau de responsabilité, de région et d’intérêt produit et être ainsi intégré à une liste dynamique. D’un point de vue technique, la sélection est correcte. Cela ne dit pourtant rien sur le fait que cette personne soit actuellement réceptive au même message que les autres membres du segment, que ses interactions précédentes justifient déjà une autre trajectoire ou que Sales soit peut-être déjà activement engagé avec le compte.

Lorsque ce contexte n’est pas pris en compte, un processus linéaire apparaît : segmenter d’abord, communiquer ensuite, puis mesurer l’engagement. Cette séquence semble logique, mais suppose que la pertinence commerciale reste stable pendant toute la durée d’une campagne ou d’un Engagement Program. En réalité, la situation peut changer en quelques jours. Un lead qui ne consultait que des informations générales la semaine précédente peut désormais examiner des contenus de pricing ou d’implémentation, tandis qu’un autre prospect peut s’être désengagé ou ne plus représenter une priorité en interne. Un ciblage qui ne prend pas en compte cette évolution automatise des hypothèses devenues obsolètes.

La segmentation détermine qui entre en considération ; le ciblage détermine si le moment, le contexte et la prochaine étape souhaitée sont réellement appropriés.

Le ciblage doit donc toujours intégrer une couche décisionnelle supplémentaire. L’appartenance à un segment peut constituer une condition nécessaire, mais rarement suffisante à elle seule. Les interactions récentes, le type de contenu, la fréquence des comportements, le statut du compte, l’activité Sales existante et la phase du lifecycle doivent ensemble pouvoir déterminer si la communication doit être lancée, adaptée, accélérée ou temporairement suspendue. Cette couche supplémentaire ne rend pas le système inutilement complexe ; elle évite que l’automatisation exécute exactement ce qui a été configuré sur le plan technique alors que la situation commerciale exige désormais autre chose.

Le timing n’est pas un paramètre de campagne, mais une interprétation du momentum

Une deuxième erreur structurelle consiste à traiter le timing, dans de nombreux environnements Account Engagement, principalement comme un paramètre technique. Un prospect reçoit un e-mail, attend trois ou cinq jours, reçoit une étape de suivi puis poursuit son parcours selon des règles prédéfinies. Cela crée de la prévisibilité pour le système, mais pas nécessairement de la pertinence pour le prospect. Les processus d’achat B2B ne progressent pas selon une cadence unique, particulièrement lorsque plusieurs stakeholders, la prise de décision interne et les contacts Sales influencent simultanément la vitesse du processus.

Un prospect actif qui présente plusieurs interactions ciblées sur une courte période se trouve probablement dans une situation commerciale différente de celle d’une personne effectuant les mêmes actions sur plusieurs mois. Les deux peuvent techniquement atteindre le même engagement score, mais la densité des signaux et le momentum diffèrent fondamentalement. Lorsque la durée d’attente configurée traite les deux prospects de manière identique, le premier est ralenti tandis que le second peut être sollicité de manière trop intensive. Le système optimise alors l’exécution du flow plutôt que son adéquation avec le comportement d’achat.

Un ciblage efficace utilise donc le temps comme une information. La récence, la velocity et la succession des signaux permettent d’évaluer si un comportement reflète probablement un intérêt temporaire, un processus d’exploration prolongé ou un mouvement commercial actuel. Un prospect actif peut ainsi être orienté plus rapidement vers des informations de suivi pertinentes ou vers Sales, tandis qu’un lead moins engagé peut suivre une cadence plus faible ou une autre trajectoire. La valeur ne réside pas dans le fait de communiquer plus vite, mais dans la capacité à reconnaître quand la rapidité est commercialement justifiée.

Cette évolution entraîne une conséquence organisationnelle importante. Le ciblage ne peut plus être conçu exclusivement à partir de la planification des campagnes, car certaines décisions pertinentes apparaissent au cours de l’exécution. Marketing doit définir à l’avance quels signaux peuvent modifier le rythme, quels événements doivent suspendre la communication et dans quelles circonstances un prospect doit suivre une autre trajectoire. Il en résulte un modèle dans lequel l’automatisation ne se contente pas d’exécuter un calendrier, mais réagit aux changements de situation dans des limites clairement définies. Le timing devient ainsi une composante de l’interprétation commerciale plutôt qu’un simple paramètre technique dans Engagement Studio.

Le contexte naît de la combinaison du comportement, du compte et du lifecycle

Le ciblage sans contexte échoue parce que les signaux isolés ont rarement une signification suffisante. Une visite du site web peut correspondre à une exploration générale, un téléchargement peut être effectué dans le cadre d’une recherche pour un collègue et une interaction avec un formulaire peut aller d’un intérêt informel à une demande concrète. Enregistrer uniquement qu’une interaction a eu lieu ne permet pas encore de savoir quelle conclusion commerciale est justifiée. La signification apparaît seulement lorsque le comportement est relié aux interactions antérieures, aux informations de profil, à l’activité du compte et à la phase dans laquelle Marketing et Sales positionnent conjointement ce compte.

Dans le B2B enterprise, la dimension du compte est particulièrement importante. Un contact peut afficher peu d’activité tandis que d’autres personnes du même buying group consultent simultanément des informations produit, de la documentation technique et des pages commerciales. À l’inverse, un utilisateur très actif peut consommer beaucoup de contenu sans qu’un mouvement plus large apparaisse dans le compte. Un ciblage qui réagit uniquement au niveau individuel peut donc sous-estimer des comptes pertinents tout en surestimant l’intérêt d’un individu.

L’organisation doit donc définir explicitement quel contexte rend un signal commercialement pertinent. Il ne s’agit pas de multiplier indéfiniment les règles, mais de retenir un nombre limité de dimensions dont l’influence sur la prochaine étape souhaitée peut être démontrée :

• Fit : la personne et le compte correspondent-ils à la cible commerciale et à l’offre concernée ?
• Comportement : quels contenus et quels types d’interaction révèlent une évolution du besoin d’information ?
• Timing : les signaux sont-ils suffisamment récents et concentrés pour indiquer du momentum ?
• Contexte lifecycle et Sales : où se situe le compte et quelle activité commerciale humaine est déjà en cours ?

Lorsque ces dimensions sont utilisées conjointement, le ciblage peut devenir beaucoup plus sélectif sans perdre en capacité à passer à l’échelle. Un prospect n’a pas automatiquement besoin de recevoir davantage de communication à mesure que son engagement augmente ; le système peut au contraire déterminer qu’une autre trajectoire, une action Sales ou une période de silence est plus appropriée. La pertinence n’est alors plus assimilée à la fréquence. Le point de départ passe de « cette personne correspond à la cible » à « les signaux disponibles justifient cette action précise à ce moment précis ».

Marketing et Sales doivent utiliser les mêmes critères de pertinence commerciale

Le ciblage perd rapidement en crédibilité lorsque Marketing et Sales utilisent des définitions différentes du moment où un suivi devient pertinent. Marketing peut conclure, à partir du fit avec le segment, de l’engagement et du scoring, qu’un prospect est prêt à être transmis, tandis que Sales examine surtout l’urgence, le potentiel du compte, le besoin concret et le contexte d’achat actuel. Lorsque ces deux perspectives ne sont pas explicitement reliées, un schéma apparaît dans lequel Marketing fournit des « leads chauds » et Sales les qualifie de nouveau avant qu’un véritable suivi ne commence.

Les conséquences dépassent la simple inefficacité. Dès que Sales applique systématiquement ses propres filtres, un modèle décisionnel parallèle se développe en dehors d’Account Engagement. Marketing continue alors d’optimiser le volume de leads, l’engagement et le score, tandis que Sales détermine à partir de sa propre expérience quels leads méritent réellement de l’attention. Les systèmes restent connectés, mais l’interprétation commerciale se fragmente. Le ciblage n’est alors plus un mécanisme partagé de décision, mais seulement une source de priorisation parmi plusieurs autres qui se concurrencent.

Un modèle mature précise donc quels signaux ont de la valeur pour les deux équipes et comment ils sont pondérés. Le fit du segment peut par exemple démontrer qu’un compte est structurellement intéressant, tandis que des combinaisons récentes de comportements révèlent que le timing évolue. Le feedback de Sales sur les leads acceptés et refusés doit ensuite revenir dans le modèle afin que Marketing puisse vérifier si les signaux sélectionnés sont réellement associés à l’évolution des opportunities. Le ciblage devient ainsi cyclique : il ne s’agit plus seulement de transmettre des leads, mais d’apprendre quelles sélections et quel timing produisent en pratique les meilleurs résultats commerciaux.

La différence entre le ciblage traditionnel et un modèle enterprise mature devient visible lorsque la sélection, le timing et la transmission sont considérés comme une seule chaîne décisionnelle :

Cette interprétation partagée rend également le pipeline plus maîtrisable. Des transmissions moins nombreuses mais plus pertinentes peuvent avoir davantage de valeur commerciale qu’un volume élevé de MQL que Sales doit filtrer de nouveau. La qualité du ciblage ne doit donc pas être mesurée uniquement à partir des taux d’ouverture, des clics ou du nombre de leads, mais aussi à partir de l’acceptation par Sales, de la rapidité du suivi, de la création d’opportunities et des conversions downstream. Le critère de réussite se rapproche ainsi de la progression commerciale réelle.

L’impact sur le pipeline exige une gouvernance et un recalibrage structurel

Même un modèle de ciblage bien conçu ne reste pas automatiquement performant. Les comportements évoluent, les sites web accueillent de nouveaux contenus, les propositions changent et Sales développe d’autres priorités. Des triggers et des règles décisionnelles qui étaient logiques lors de l’implémentation peuvent produire un an plus tard le même résultat technique alors que leur signification commerciale a changé. Sans recalibrage périodique, le problème que l’automatisation devait précisément éviter réapparaît : un système qui agit de manière cohérente sur la base d’hypothèses devenues obsolètes.

La gouvernance doit donc définir qui est responsable des modifications de la logique de ciblage, quelles données font autorité et à quels moments le modèle doit être réévalué. Marketing peut être owner du use case et de l’application commerciale, les équipes Data ou CRM peuvent garantir la fiabilité des informations sources et Sales fournit le feedback sur la qualité downstream. Ces responsabilités n’ont pas besoin d’être réunies dans une seule équipe, mais les decision rights doivent être clairs afin que les améliorations structurelles ne dépendent pas uniquement d’initiatives individuelles.

Le ciblage ne reste fiable que lorsque l’organisation optimise non seulement les campagnes, mais réévalue également périodiquement les hypothèses qui sous-tendent la sélection, le timing et le suivi.

L’évaluation du ciblage doit en outre aller au-delà de la performance superficielle des campagnes. Un modèle qui génère moins d’interactions peut justement mieux fonctionner si les signaux restants sont davantage associés aux leads acceptés par Sales et aux opportunities. À l’inverse, une hausse de l’engagement peut donner une impression de succès alors que la conversion du pipeline reste stable ou se dégrade. Ce n’est qu’en reliant systématiquement l’activité Marketing aux résultats downstream que l’organisation peut déterminer quelles règles créent réellement de la valeur et lesquelles génèrent surtout du volume.

L’optimisation passe ainsi du simple affinage des campagnes à la gestion du modèle. Les tests A/B sur les objets d’e-mail et le contenu restent utiles, mais ne corrigent pas une logique de sélection, de timing ou de transmission inadéquate. Un ciblage mature exige également de tester les hypothèses qui structurent le flow : quels signaux prédisent la progression, quel timing fonctionne le mieux selon le contexte et quels critères se révèlent réellement différenciants pour Sales ? C’est cette boucle de feedback qui permet au ciblage de rester pertinent dans la durée.

Le ciblage international exige des cadres centraux et une interprétation locale maîtrisée

Pour les multinationales, le ciblage devient plus complexe parce que le contexte pertinent peut varier d’un marché à l’autre. Un canal particulier peut constituer un signal commercial fort dans une région et n’avoir presque aucune signification ailleurs. Les cycles Sales, la réglementation, le positionnement produit et les comportements d’achat locaux diffèrent également. Lorsque chaque marché construit de manière entièrement autonome ses propres règles de ciblage, un environnement apparaît rapidement dans lequel les campagnes sont techniquement optimisées localement alors que les définitions centrales, le reporting et la comparabilité commencent à diverger.

Une standardisation complète n’est toutefois pas davantage souhaitable. Un modèle central qui ignore les différences locales peut produire un ciblage uniforme partout mais réellement pertinent nulle part. La solution mature repose sur un noyau central de définitions, de principes de données et de decision rights, complété par un espace maîtrisé pour l’interprétation locale. Le fit, le lifecycle et les critères de base pour la transmission peuvent par exemple rester stables à l’échelle de l’organisation, tandis que certains signaux comportementaux, parcours de contenu ou règles de timing peuvent varier selon le marché lorsqu’une raison commerciale ou juridique claire le justifie.

Cette approche exige également de la transparence concernant les exceptions. Une dérogation locale ne doit pas seulement être techniquement possible, mais également rester explicable : pourquoi existe-t-elle, qui l’a approuvée, quelles données utilise-t-elle et quand sera-t-il réévalué si elle reste nécessaire ? Sans cette discipline, un environnement Account Engagement international se transforme progressivement en un ensemble de logiques locales comprises uniquement par des équipes distinctes. Cela rend non seulement la gestion plus difficile, mais fragilise également la fiabilité du reporting central et de l’optimisation à l’échelle enterprise.

Pour la direction, la valeur réside précisément dans un modèle où pertinence locale et maîtrise centrale ne s’excluent pas. Le ciblage doit être suffisamment spécifique au marché pour interpréter correctement les comportements, tout en restant assez cohérent pour permettre la comparaison des résultats commerciaux entre régions. Cela exige moins de campagnes uniformes que de principes décisionnels uniformes : les mêmes questions autour du fit, de l’intention, du timing et de l’ownership, appliquées avec une marge pour les différences locales démontrables.

Le ciblage devient mature lorsque la pertinence détermine la décision commerciale

L’étape suivante de maturité ne consiste donc pas à sélectionner encore plus finement, mais à relier le ciblage à une prise de décision explicite. L’organisation doit savoir quelles informations suffisent pour lancer une communication, quand un comportement justifie une autre trajectoire, dans quelles circonstances Sales doit prendre le relais et quand l’absence d’action constitue précisément le meilleur choix. Tant que ces décisions restent implicites, le ciblage demeure un mécanisme d’exécution qui distribue les campagnes avec davantage de précision sans nécessairement produire de meilleures décisions commerciales.

La pertinence naît de la cohérence. L’identité du prospect, ce qui s’est produit récemment, l’évolution du compte, l’activité Sales déjà en cours et le point atteint dans le lifecycle déterminent ensemble quelle prochaine étape est logique. Account Engagement peut enregistrer ces informations et automatiser les processus qui en découlent, mais la plateforme ne peut pas déterminer seule quelle signification l’organisation doit attribuer à chaque signal. Cela reste une question de conception et de gouvernance.

Les organisations qui gèrent le ciblage à ce niveau évaluent donc la performance différemment. Elles accordent moins d’importance à la portée et aux métriques d’engagement isolées et davantage à la qualité de la progression, à l’acceptation par Sales, à l’évolution des opportunities et à la prévisibilité du pipeline. Une campagne générant moins de réponses peut être stratégiquement plus performante si les interactions sont plus pertinentes et conduisent plus souvent à une progression commerciale concrète. L’efficacité du ciblage est alors déterminée par la qualité des décisions et non par le volume d’activité produit par le système.

Lorsque le profil, le comportement, le timing, le contexte du compte et le feedback de Sales sont réunis dans un même modèle maîtrisable, le ciblage change fondamentalement de nature. Il n’est plus la dernière étape après la segmentation, mais une couche continue d’interprétation entre les données et l’action commerciale. Salesforce Marketing Cloud Account Engagement devient ainsi moins un système qui approche efficacement des audiences présélectionnées qu’une plateforme aidant à déterminer quand une communication, un nurturing ou un suivi Sales est réellement justifié. C’est précisément là que se crée la valeur enterprise : non pas une précision maximale de la sélection, mais des décisions manifestement meilleures en matière de pertinence, de timing et de priorité commerciale.