ASA Engine

Cofondateur de 14x, un studio de création d'applications. Développé en environ une semaine comme outil interne en parallèle du développement de nos applications. Le système automatise tout le cycle de vie des campagnes Apple Search Ads : recherche, vérification, génération de stratégie, exécution et optimisation. Claude Code se charge de la recherche intensive, tandis qu'un dashboard Next.js présente les décisions pour validation humaine.

Lors du lancement de nos applications chez 14x, nous voulions explorer tous les canaux de distribution, y compris les Apple Search Ads (ASA), sachant que 70 % des visiteurs de l'App Store utilisent la recherche pour trouver des applications.

Les outils de gestion ASA existants (SearchAdsHQ, SplitMetrics, etc.) présentaient trois défauts majeurs : ils étaient chers (des forfaits à plus de 500 $ par mois qui n'ont aucun sens pour un studio indépendant testant un canal), opaques (aucun moyen de vérifier l'exactitude de leurs données de mots-clés ou de leurs recommandations d'enchères), et manuels par défaut (ils nécessitaient encore des heures de travail sur tableur pour créer des campagnes dans plusieurs pays).

Le problème central : je ne pouvais pas faire confiance à des outils qui refusaient de me montrer d'où venaient leurs données. Si je dépense de l'argent en publicités, chaque mot-clé doit être prouvé comme étant réel. Pas estimé, pas "suggéré", mais vérifié directement auprès des systèmes d'Apple.

Un système complet d'automatisation de campagnes qui gère l'intégralité du cycle de vie ASA. Claude Code exécute des playbooks (scrappe les fiches de l'App Store, génère des mots-clés de base par région, interroge l'API d'autocomplétion d'Apple, vérifie la popularité des mots-clés via l'API GraphQL d'Apple). L'interface (un dashboard Next.js) me permet d'examiner les données, de construire des stratégies, d'ajuster les enchères, d'approuver les campagnes et de les lancer via l'API ASA.

Le filtre de vérification : le moteur de stratégie refuse catégoriquement de générer une campagne si un seul mot-clé n'est pas vérifié. Chaque mot-clé doit être évalué via l'API interne de planification de mots-clés d'Apple, pays par pays. C'est ce qui fait la différence. La plupart des annonceurs devinent. Ce système ne génère une campagne que si chaque donnée d'entrée est prouvée.

Pipeline de recherche de mots-clés multi-locale : un pipeline automatisé couvrant 37 régions prises en charge qui génère des mots-clés de base dans chaque langue cible, interroge l'API d'autocomplétion d'Apple avec les identifiants de boutique spécifiques à chaque pays, vérifie les variations de mots-clés, compile les résultats avec un filtrage par pertinence, et vérifie la popularité par boutique via l'API GraphQL d'Apple.

Exécution en un clic : la stratégie approuvée s'exécute via l'API Apple Search Ads v5. Les campagnes, les groupes d'annonces, les mots-clés, les mots-clés à exclure, le ciblage et les enchères sont tous créés de manière programmatique. Une exécution typique lance 40 à 50 opérations API en quelques secondes.

• Canal exploré avec une rigueur maximale : a donné à notre application Signature Maker les meilleures chances possibles sur ASA en éliminant les approximations.
• Conclusion atteinte plus rapidement : a permis de découvrir que la niche était trop compétitive pour ASA en quelques jours, au lieu de mois d'essais et d'erreurs manuels.
• Infrastructure réutilisable : le système est indépendant de l'application, ajouter une nouvelle application ne nécessite qu'une seule commande.
• La campagne pour Signature Maker a prouvé que le secteur était trop compétitif pour notre niveau de budget. C'est une réponse valide et rapide qui a permis d'économiser des mois de dépenses publicitaires inutiles.

• Construire le système de vérification avant le système d'exécution. La partie la plus difficile de l'automatisation publicitaire n'est pas de créer des campagnes. C'est de savoir que l'on crée les bonnes campagnes.
• Les "résultats négatifs" restent des résultats. Le système a prouvé de manière concluante que l'ASA n'était pas viable pour cette niche avec notre budget. C'est une décision prise en quelques jours avec certitude.
• L'IA permet de créer des outils d'expertise métier pour les non-experts. Je ne suis pas un spécialiste ASA. Mais en effectuant des recherches approfondies sur le domaine et en encodant les meilleures pratiques sous forme de playbooks, j'ai construit un système qui suit des pratiques de niveau expert.