Toutes les bases de boutiques sont mal utilisées de la même façon le premier jour. On choisit une plateforme, on choisit un pays, on clique sur export, et on repart avec douze mille lignes. Six semaines plus tard, on décrète que l’outbound est mort parce qu’un taux de réponse de 1 % s’est révélé être le plafond. C’était bien le plafond — de cette liste-là. Cette liste n’a jamais été une liste de prospects. C’était une liste de boutiques.
Une pile de filtres, c’est autre chose. C’est un ensemble ordonné de contraintes, chacune défendable à voix haute, agencées pour que la dernière contrainte ajoutée soit celle qui rend votre offre évidente. Appliquée correctement à une population de 153 515 boutiques vérifiées, une bonne pile vous laisse entre quatre-vingts et quatre cents lignes. Ce chiffre n’est pas un échec de l’outil. Ce chiffre, c’est tout l’intérêt.
Votre ICP est un levier de prix, pas un exercice de marketing
La chose la plus utile qu’on puisse vous dire sur le ciblage, c’est qu’il fixe votre prix avant même que vous ouvriez la bouche. Le même service, pitché à un segment mal choisi, se fait négocier en trois temps — et le prospect disparaît quand même. Le même service, pitché à un segment où le problème coûte cher et se voit déjà sur son dashboard, passe au premier chiffre annoncé. Rien n’a changé dans le deck. Ce qui a changé, c’est qui le lisait.
Traitez donc la résistance au prix comme un signal de diagnostic sur le fit, pas comme un problème de copywriting. Si vous entendez sans arrêt « c’est beaucoup pour nous », vous ne vendez pas trop cher. Vous visez des entreprises pour qui votre résultat ne vaut pas ce qu’il vous coûte à produire. C’est un problème de filtre, et un filtre coûte moins cher à corriger qu’un positionnement.
C’est pour ça que le travail sur l’ICP passe avant le travail sur le copy, jamais après. Écrire des emails brillants à un segment qui ne peut structurellement pas vous payer, c’est la façon la plus chère d’apprendre une leçon qu’un après-midi avec un query builder suffisait à vous donner.
Commencez par le plancher, pas par les filtres
Avant de toucher au moindre champ, faites le calcul dans l’autre sens. Si votre mission est à 2 000 € par mois et que vous la justifiez par du chiffre d’affaires additionnel, la boutique doit être assez grosse pour qu’un gain plausible vous couvre plusieurs fois. Un marchand qui fait quelques milliers d’euros par mois ne peut pas vous payer avec une amélioration de vingt pour cent, quel que soit votre niveau. Notez la plus petite boutique pour laquelle votre offre tient arithmétiquement. C’est votre plancher.
Il n’existe pas de champ chiffre d’affaires dans une base de boutiques, et méfiez-vous de quiconque prétend le contraire. Ce que vous avez, ce sont des proxys, et de bons proxys suffisent : monthlyTraffic, issu de vraies données Semrush worldwide sur 118 324 boutiques, productCount, organicKeywords sur 80 593 boutiques, le nombre de paymentMethods détectés, et des shippingCarriers qui ressemblent à une vraie logistique plutôt qu’à un transporteur par défaut. Une boutique à 40 000 visites mensuelles, 900 références, trois moyens de paiement et deux transporteurs nommés fait tourner un business. Une boutique à 300 visites et 12 références fait tourner une expérience.
Exprimez le plancher sous forme de requête, pas de ressenti. Quelque chose comme : trafic mensuel au-dessus d’un seuil que vous avez choisi délibérément, nombre de produits au-delà du point où le merchandising devient un métier, au moins un signal de maturité opérationnelle. Chaque filtre suivant rétrécit cette population. Aucun ne doit pouvoir réintroduire des boutiques sous le plancher.
Les onze colonnes qui remplacent votre intuition
Construisez un tableau avec une ligne par ICP et ces colonnes : verticale, zone géographique, plateforme, tranche de taille de catalogue, tranche de trafic, dépendance à l’organique, stack technique présente, stack technique absente, empreinte locale, langue et devise, signal d’achat. Remplissez-le pour exactement une offre. Si vous vendez deux choses, vous avez droit à deux tableaux — pas à un tableau aux cases prudentes.
Un exemple rempli, pour rester concret : soin de la peau et cosmétique, France et Belgique, Shopify, 150 à 1 200 références, 20 000 à 200 000 visites par mois, nombre de mots-clés organiques élevé au regard du trafic (ils se positionnent mais ne convertissent pas ce positionnement), une app d’avis détectée dans le champ apps, aucune automatisation email ou SMS détectée, fiche Google Business rattachée avec une note sous 4,2, langue française et devise EUR, volume d’avis en hausse mais sans réponse. Chacune de ces cases correspond à un champ interrogeable. Aucune n’est un ressenti.
La colonne que tout le monde saute, c’est « stack technique absente », et c’est en général la plus forte du tableau. Ce qui nous amène à ce qui sépare les opérateurs des acheteurs de listes.
L’argent est dans les filtres d’exclusion
Tout le monde construit des filtres d’inclusion. Plateforme égale Shopify. Pays égale France. Comme toutes les autres agences qui écrivent à cette boutique cette semaine, et c’est exactement pour ça que le marchand a appris à supprimer à vue. C’est l’exclusion qui rend votre liste décorrélée de celle des autres.
Le motif qui marche : trouver des boutiques qui ont déjà prouvé qu’elles dépensent sur une brique, et à qui il manque visiblement la brique d’à côté. De l’analytics et du tag management détectés, mais aucun marketing automation. Une app d’abonnement mais aucune app de fidélité. Un gros volume de mots-clés organiques mais un trafic organique plat ou en baisse dans le trend. Une fiche Google Business rattachée avec des centaines de photos mais jamais revendiquée. Des mentions dans le champ aiMentions mais zéro aiCitedPages, autrement dit des modèles qui parlent de la marque sans jamais la citer en lien. Chacune de ces absences est une phrase d’email qu’aucun merge tag ne sait imiter.
Ajoutez une exclusion permanente à chaque pile : tous ceux que vous avez déjà contactés. Une relance en doublon est pire que pas de contact du tout — c’est la preuve la plus nette que vous faites tourner une machine sans regarder. Tenez une liste maîtresse des domaines contactés et soustrayez-la avant chaque export.
Segmentez dur, mais arrêtez-vous avant l’absurde
Il existe un mode de défaillance symétrique. Partez d’un segment large de vingt-deux mille entreprises, ajoutez un filtre de fonction, un pays, une exclusion technologique, une tranche de taille, et vous pouvez atterrir sur cent quatre-vingt-six résultats. Ça donne une impression de précision. C’est en général du sur-apprentissage : vous avez décrit votre dernier bon client plutôt qu’un marché, et vous épuiserez le segment en une seule campagne.
La règle pratique : la segmentation doit être serrée, mais pas au point que le segment ne supporte pas plusieurs campagnes. Classez vos filtres selon ce que chacun coupe. Appliquez d’abord ceux qui ne coûtent rien et qui coupent beaucoup (plateforme, pays, plancher de trafic). Gardez pour la fin ceux qui coûtent cher et coupent peu (une app précise absente, une condition GMB précise). Si vous allez trop loin, retirez la dernière contrainte ajoutée plutôt que de relâcher le plancher — c’est le plancher qui protège votre prix.
Visez une fourchette cible et contrôlez-vous par rapport à elle. Quatre-vingts à quatre cents boutiques par campagne, c’est la plage où vous pouvez encore faire un vrai travail boutique par boutique sur chaque ligne. En dessous de quatre-vingts, une mauvaise semaine suffit à vous laisser sans personne à qui écrire. Au-dessus de quatre cents, vous arrêterez discrètement de personnaliser vers la ligne quatre-vingt-dix.
Comptez avant de chercher
Toute pile de filtres se construit avec des comptages, pas des exports. Demandez combien de boutiques correspondent, ajustez, redemandez. Ça ne coûte presque rien et ça vous évite de cramer un quota de recherche pour découvrir que votre combinaison de cinq filtres renvoie trois lignes. Ça vous oblige aussi à sentir la forme de la population : vous apprenez qu’une coupe plateforme plus pays est énorme, qu’ajouter un plancher de trafic la divise par deux, et qu’ajouter une condition d’app manquante la divise encore par deux.
C’est aussi là qu’un agent branché en MCP gagne son salaire. Donner les outils à un assistant et lui dire « compte les boutiques françaises Shopify en soin de la peau avec plus de 150 produits et aucune automatisation email détectée, puis fais varier le plancher de trafic jusqu’à obtenir entre 150 et 300 » est un travail de deux minutes qui vous en prendrait vingt dans une interface. L’agent itère sur les comptages ; vous validez la requête finale ; ce n’est qu’ensuite que vous tirez les fiches.
La discipline se généralise. Opération pas chère pour explorer, opération chère pour valider. Compter, puis chercher. Chercher, puis enrichir. Enrichir, puis écrire.
Des listes courtes, bien nommées, dédupliquées pour toujours
Cinquante à trois cents boutiques bien choisies rapporteront plus que mille choisies à la louche, et l’écart n’est pas serré. La raison est mécanique, pas mystique : une liste serrée permet à chaque envoi de porter quelque chose de vrai et de précis, et un email précis obtient une réponse. Une liste large vous ramène au copy générique, et le générique est exactement ce que le marchand a été dressé à ignorer.
Nommez chaque liste pour que la pile de filtres reste lisible six semaines plus tard. Une convention du type verticale / plateforme / exclusion / tranche de taille / date donne « soin-peau / shopify / sans-automation-email / 150-1200-refs / 2026-01-06 ». Quand une campagne marche, le nom vous dit quoi construire ensuite. Quand elle échoue, le nom vous dit quelle contrainte changer. Les listes sans nom produisent des résultats non reproductibles.
Gardez ces listes chez vous, pas seulement dans votre outil d’envoi. Domaines contactés, date, campagne, résultat. C’est l’actif qui se cumule. En deuxième année, pouvoir dire « on n’a jamais écrit à cette boutique, et la dernière fois qu’on a écrit à une boutique comme elle, quarante pour cent ont répondu » vaut plus que n’importe quelle campagne isolée.
Transformer la pile en objet reproductible
Dernière étape : arrêter de traiter une pile de filtres comme une requête jetable et commencer à la traiter comme une définition sauvegardée, avec un responsable. Écrivez-la comme une recherche paramétrée : les contraintes fixes, les deux ou trois que vous comptez faire varier, et le plancher qui ne bouge jamais. Lancez-la tous les mois. La population n’est pas figée — les boutiques installent des apps, les courbes de trafic s’infléchissent, des fiches Google Business se font revendiquer — donc la même pile fait remonter de nouvelles lignes à chaque cycle.
Ensuite, une variation à la fois. Même offre, même séquence, un filtre changé : WooCommerce à la place de Shopify, ou la cosmétique à la place du soin de la peau, ou une tranche de trafic au-dessus. Changer deux choses en même temps produit un résultat inattribuable, donc vous n’apprenez rien et vous devez tout recommencer.
L’effet cumulatif est dans la pile, pas dans le volume. La plupart des gens scalent l’outbound en envoyant plus. Ceux chez qui ça marche scalent en resserrant jusqu’à ce que l’offre soit indiscutable, puis en répétant ce resserrement sur les segments voisins. Soixante plateformes distinctes et 153 515 boutiques, ça fait un très grand nombre de segments voisins.