Attribution drive-to-store : choisir entre panel et GPS
La mesure drive-to-store ne vaut que si elle distingue présence observée, visite probable et vente réellement incrémentale
Dans une campagne Drive-to-Store, stratégie visant à générer du trafic qualifié vers un point de vente physique, l’attribution est souvent présentée comme une question de technologie : faut-il choisir une mesure par panel ou une mesure GPS ? Cette formulation est trop courte. Le vrai enjeu consiste à déterminer quel niveau de preuve est nécessaire pour relier une exposition publicitaire à une visite magasin, puis éventuellement à une vente. Un annonceur retail n’a pas besoin du même protocole pour comparer deux créations locales, arbitrer un budget national, rémunérer un partenaire média ou défendre un ROAS devant une direction financière.
L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, devient particulièrement délicate en local. Une personne peut voir une impression mobile achetée via une DSP, demand-side platform, plateforme permettant d’acheter des impressions publicitaires de manière automatisée, passer devant un magasin, y entrer sans acheter, revenir deux jours plus tard et finaliser son achat avec sa carte de fidélité. À l’inverse, un client fidèle peut être exposé à une publicité alors qu’il avait déjà prévu de se rendre en magasin. Dans le reporting, ces deux situations peuvent apparaître comme des visites attribuées. En réalité, elles n’ont pas la même valeur incrémentale.
Le panel et le GPS répondent à cette complexité avec deux logiques différentes. Le panel repose sur un échantillon d’utilisateurs consentis, observés dans leurs déplacements et extrapolés à une population plus large. Le GPS, global positioning system, mesure de localisation issue du terminal mobile ou d’environnements applicatifs, cherche à détecter plus directement la présence d’un device dans une zone géographique donnée. Dans les deux cas, la visite mesurée reste un proxy : elle indique une probabilité de présence en point de vente, pas nécessairement un achat, encore moins une vente incrémentale.
Pour les professionnels du marketing mobile, le choix ne doit donc pas être guidé par la promesse commerciale du prestataire, mais par une grille d’évaluation : précision géographique, représentativité, couverture, fraîcheur des données, capacité d’extrapolation, gestion du consentement, coût, compatibilité avec les tests d’incrémentalité et articulation avec les données caisse. Le panel peut être robuste pour analyser une tendance et corriger certains biais de représentativité. Le GPS peut être puissant pour mesurer des signaux fins et contextualisés, à condition de maîtriser les erreurs de géofencing, le bruit de localisation et les limites de consentement. La bonne question n’est pas quelle méthode est la meilleure en absolu, mais laquelle produit une décision plus fiable pour un cas d’usage donné.
Comprendre les deux familles de mesure : le panel extrapole, le GPS observe des signaux de présence
La mesure par panel repose sur un groupe d’individus dont les comportements de mobilité sont observés avec consentement. Ces utilisateurs peuvent être recrutés via des applications partenaires, des programmes de mesure ou des environnements propriétaires. Leurs visites sont ensuite pondérées pour représenter une population cible. L’intérêt principal du panel est méthodologique : il permet d’appliquer des redressements statistiques, d’analyser des comportements récurrents et de comparer des groupes exposés et non exposés lorsque l’échantillon est suffisant.
Un panel bien construit peut par exemple distinguer les visiteurs habituels d’un magasin, les nouveaux visiteurs, les visites répétées et les visites post-exposition. Il peut aussi intégrer une logique de contrôle : comparer la probabilité de visite d’un groupe exposé à celle d’un groupe comparable non exposé. Cette approche aide à limiter l’un des biais majeurs du Drive-to-Store : attribuer à la campagne des visites qui auraient eu lieu sans elle. En revanche, le panel dépend fortement de sa taille effective. Un panel de plusieurs millions d’identifiants annoncés peut se réduire à quelques milliers de profils utiles lorsqu’on filtre par zone de chalandise, consentement valide, exposition média, période de campagne et point de vente spécifique.
La mesure GPS fonctionne différemment. Elle s’appuie sur des signaux de localisation collectés par le terminal ou par des applications disposant d’une permission de localisation. Ces signaux sont associés à des coordonnées, puis comparés à des polygones de points de vente, c’est-à-dire des périmètres géographiques représentant l’emprise du magasin. Lorsque le device entre dans le polygone et y reste suffisamment longtemps, une visite peut être inférée. Le dwell time, durée de présence dans une zone, devient alors une variable critique. Une présence de 90 secondes dans un centre commercial ne signifie pas la même chose qu’une présence de 12 minutes dans une boutique isolée.
Le GPS peut offrir une granularité fine, surtout pour des magasins autonomes, des concessions, des grandes surfaces ou des zones commerciales clairement délimitées. Il devient plus fragile dans les environnements denses : centres commerciaux multi-enseignes, rues commerçantes, gares, galeries, zones avec plusieurs points de vente superposés verticalement. Une précision GPS de 5 à 20 mètres peut être suffisante pour identifier une grande surface de bricolage, mais insuffisante pour distinguer deux boutiques voisines dans une galerie marchande. Les signaux Wi-Fi, Bluetooth ou SDK applicatifs peuvent améliorer la précision, mais introduisent d’autres contraintes de couverture, de consentement et de standardisation.
La différence fondamentale est donc la suivante : le panel vise une lecture statistique et extrapolable ; le GPS vise une observation plus directe, mais potentiellement bruitée. Le panel peut être moins granulaire mais plus stable pour certains arbitrages. Le GPS peut être plus actionnable, mais plus sensible aux erreurs locales. Une organisation mature ne choisit pas une technologie pour son apparente sophistication ; elle choisit un protocole adapté à la décision à prendre.
Évaluer la précision : le géofencing ne suffit pas, il faut qualifier la visite
La précision d’une mesure drive-to-store ne se limite pas à la capacité de placer un point sur une carte. Elle dépend de la qualité du géofencing, méthode consistant à définir une zone virtuelle autour d’un lieu physique afin de détecter une entrée, une sortie ou une présence. Un géofence circulaire de 100 mètres autour d’un magasin urbain peut capter des passants, des transports, des salariés voisins ou des clients d’autres enseignes. À l’inverse, un polygone trop strict peut manquer des visiteurs réels si le signal GPS est légèrement décalé ou si l’entrée magasin se situe hors du périmètre cartographié.
La première condition de fiabilité est la qualité des POI, points of interest, base de lieux physiques avec coordonnées, contours, catégories et métadonnées. Une base POI incomplète ou mal nettoyée produit mécaniquement de mauvaises attributions. Les magasins fermés, déplacés, franchisés ou situés dans des centres commerciaux doivent être mis à jour. Les enseignes possédant plusieurs formats, par exemple flagship, corner, outlet, shop-in-shop et drive, doivent distinguer les emprises. Une visite dans un drive automobile, une cour de retrait ou un parking ne doit pas être interprétée de la même manière qu’une entrée dans la surface commerciale.
La deuxième condition est la qualification de la visite. Une visite utile peut être définie par plusieurs critères : présence dans le bon polygone, durée minimale, cohérence horaire avec l’ouverture du magasin, absence de vitesse incompatible avec une visite, exclusion des salariés ou des résidents proches, non-duplication des signaux répétés. Un utilisateur passant en voiture devant une enseigne à 35 km/h ne doit pas être comptabilisé comme visite. Un salarié présent six heures par jour dans une zone commerciale doit être filtré. Un device générant 25 points GPS dans le même magasin sur une heure ne doit pas être transformé en 25 visites.
La troisième condition est la gestion des environnements complexes. Dans un centre commercial, le GPS peut indiquer une présence dans le bâtiment, mais pas toujours dans l’enseigne exacte. Une méthode prudente peut alors raisonner en probabilité : visite probable du centre, visite possible du magasin, confirmation par coupon, Wi-Fi, beacon, ticket caisse ou données CRM. Dans une rue commerçante, la densité des points de vente impose des seuils plus stricts de durée et de précision. Dans une grande surface périphérique, les marges d’erreur sont plus faibles, mais la distinction entre parking, entrée et magasin reste importante.
Un exemple illustre l’enjeu. Une enseigne de prêt-à-porter mesure une campagne mobile autour de 40 boutiques, dont 25 situées en centres commerciaux. Le prestataire A applique un rayon standard de 80 mètres et annonce 18 000 visites post-exposition. Le prestataire B utilise des polygones de boutique, un dwell time minimal de 6 minutes et un filtre d’ouverture magasin ; il annonce 7 400 visites. Le premier chiffre est plus flatteur, mais probablement gonflé par du trafic de galerie. Le second est moins spectaculaire, mais plus exploitable pour calculer un CPA, cost per acquisition, coût nécessaire pour générer une conversion attribuée, ou pour rapprocher les visites des tickets de caisse. En attribution locale, la qualité du dénominateur est aussi importante que le volume affiché.
Comparer représentativité et couverture : un grand volume de signaux n’est pas toujours une mesure robuste
La couverture est souvent utilisée comme argument commercial : nombre de devices observés, volume de signaux GPS, taille du panel, nombre d’applications partenaires. Mais un volume brut ne dit pas grand-chose sans analyse de représentativité. Une base GPS peut surreprésenter certains profils : utilisateurs Android, personnes ayant accepté la localisation en arrière-plan, mobinautes intensifs, consommateurs d’applications météo, navigation ou shopping. Un panel peut surreprésenter des utilisateurs motivés par des incentives ou des profils plus enclins à partager leurs données. Ces biais ne rendent pas la mesure inutile, mais ils doivent être identifiés, pondérés et documentés.
La représentativité doit être évaluée à plusieurs niveaux. D’abord au niveau géographique : la base couvre-t-elle correctement les zones rurales, périurbaines, centres-villes, zones commerciales et bassins de vie ? Ensuite au niveau temporel : les signaux sont-ils disponibles en semaine, le week-end, le soir, pendant les périodes de vacances et les temps forts promotionnels ? Enfin au niveau socio-comportemental : les utilisateurs mesurables ressemblent-ils aux clients de l’enseigne ? Une enseigne de luxe, une chaîne de restauration rapide, un réseau automobile et un retailer alimentaire n’ont pas les mêmes profils de mobilité ni les mêmes cycles de visite.
Le panel possède un avantage lorsque le fournisseur applique des méthodes de redressement sérieuses. La pondération peut corriger certains déséquilibres par âge, sexe, région, type de zone ou intensité de mobilité. Mais cette correction suppose des variables de référence fiables. Elle devient fragile lorsque l’on descend à un niveau très local, par exemple un magasin isolé ou une audience CRM spécifique. Le GPS, de son côté, peut produire plus de granularité, mais ne corrige pas automatiquement les biais de consentement. Si seuls 8 % à 15 % des clients potentiels sont observables avec une localisation exploitable, les extrapolations doivent être maniées avec prudence.
Les benchmarks de marché montrent généralement des écarts importants entre visites observées et visites extrapolées. Une campagne peut générer 10 000 visites observées dans une base mesurable, puis être extrapolée à 80 000 visites estimées après pondération. Ce facteur d’extrapolation n’est pas problématique en soi, mais il doit être transparent. Un multiplicateur de 2 à 4 peut être raisonnable selon le marché et la couverture ; un multiplicateur de 15 ou 20 exige une justification forte, notamment si les magasins analysés ont des tailles d’audience faibles.
La bonne pratique consiste à demander trois informations au prestataire : le volume observé avant extrapolation, la méthode de pondération et l’intervalle de confiance. L’intervalle de confiance indique la marge d’incertitude statistique autour d’une estimation. Une campagne affichant 12 000 visites incrémentales avec une marge de plus ou moins 25 % ne se pilote pas comme une campagne mesurée à plus ou moins 5 %. Pour arbitrer des budgets importants, cette incertitude doit être intégrée dans le calcul du ROAS, return on ad spend, ratio entre chiffre d’affaires attribué ou incrémental et dépenses publicitaires.
Relier exposition média et visite : l’attribution dépend autant du protocole que de la donnée de localisation
Le choix entre panel et GPS ne règle pas à lui seul la question de l’attribution. Il faut aussi relier l’exposition média à la visite. Dans une campagne programmatique achetée en RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression disponible, l’exposition peut être connue au niveau device, identifiant publicitaire, cohorte ou segment. Mais cette donnée est de plus en plus contrainte par le consentement, les environnements fermés, la limitation des identifiants publicitaires et les politiques des systèmes d’exploitation.
Lorsque l’identifiant média et l’identifiant de localisation peuvent être rapprochés avec consentement, la mesure est relativement directe : exposé, non exposé, visite post-exposition, délai entre exposition et visite, fréquence, canal, création. Mais cette situation n’est pas toujours disponible à grande échelle. Dans d’autres cas, l’analyse se fait par cohortes : zones exposées contre zones témoins, magasins activés contre magasins non activés, audiences comparables selon leur probabilité d’exposition. La robustesse dépend alors de la qualité du design expérimental.
Le principal risque est le biais de sélection. Les utilisateurs exposés à une campagne locale ne sont pas aléatoires. Ils peuvent être plus proches du magasin, plus mobiles, plus connectés, déjà intentionnistes ou plus présents dans les applications où la publicité est diffusée. Si ces utilisateurs visitent davantage, la campagne n’est pas nécessairement la cause. C’est pourquoi une mesure sérieuse doit intégrer un groupe de contrôle. Le groupe de contrôle désigne une population comparable non exposée, ou exposée à une pression différente, permettant d’estimer ce qui se serait produit sans campagne.
Un protocole simple peut fonctionner sur une campagne CRM mobile. Une enseigne dispose de 600 000 clients opt-in. Elle expose 540 000 clients à une campagne SMS et push locale, et conserve 60 000 clients en holdout, c’est-à-dire volontairement non exposés. Dans les sept jours, 8,6 % du groupe exposé visite un magasin contre 7,8 % du groupe témoin. L’uplift est de 0,8 point. Sur 540 000 exposés, cela représente 4 320 visites incrémentales. Si le budget total est de 32 000 euros, le coût par visite incrémentale est de 7,41 euros. Si le taux de transformation caisse est de 38 % et la marge moyenne par achat de 18 euros, la marge incrémentale estimée est de 29 549 euros. Le ROAS chiffre d’affaires peut paraître favorable, mais la contribution marge reste proche du seuil de rentabilité.
Dans une campagne média ouverte, le protocole peut reposer sur des tests géographiques. On compare des zones ou magasins exposés à des zones comparables non exposées. Le design doit tenir compte des historiques de ventes, de la météo, de la pression concurrentielle, des promotions nationales, des jours fériés, de la taille des magasins et de la maturité locale de la marque. Un test géographique mal apparié peut attribuer à la campagne un effet causé par une météo favorable ou un événement local. Les modèles de différence-en-différences, qui comparent l’évolution avant-après entre groupe test et groupe contrôle, sont souvent plus robustes qu’une simple comparaison post-campagne.
Le panel peut faciliter cette approche en fournissant une lecture homogène des comportements avant et après campagne. Le GPS peut enrichir l’analyse par des signaux plus fréquents et plus fins. Mais dans les deux cas, le protocole d’attribution est le cœur de la preuve. Une mauvaise méthode appliquée à une donnée précise produit une mauvaise décision avec une apparence de rigueur.
Choisir selon le cas d’usage : pilotage tactique, preuve financière ou optimisation média ne demandent pas la même méthode
Le panel et le GPS doivent être évalués selon le cas d’usage métier. Pour un pilotage tactique de campagne, par exemple comparer deux créations ou deux rayons de ciblage, le GPS peut être très utile. Il permet d’observer rapidement des différences de visites selon zone, heure, fréquence ou distance. Une enseigne de restauration rapide peut ainsi mesurer si un ciblage à 800 mètres autour des restaurants performe mieux qu’un ciblage à 2 kilomètres pendant les créneaux déjeuner. La granularité et la fraîcheur de la donnée priment alors sur la représentativité parfaite.
Pour une preuve financière à destination d’une direction générale ou finance, la priorité change. Il faut réduire le risque de sur-attribution, documenter les biais et relier les visites à la vente. Le panel, combiné à des groupes de contrôle et à des données caisse, peut être plus défendable si l’échantillon est suffisant. Mais un GPS bien qualifié, avec polygones précis, holdout, rapprochement CRM et intervalle de confiance, peut également produire une mesure solide. La méthode importe plus que l’étiquette.
Pour l’optimisation média, la question porte souvent sur le niveau de granularité. Faut-il augmenter les enchères autour de certains magasins ? Réduire la fréquence sur les audiences proches mais peu réactives ? Exclure les visiteurs récents ? Ajuster les créatifs selon la distance ? Ici, les signaux GPS peuvent alimenter des boucles d’optimisation plus rapides. Le capping, limitation de la fréquence d’exposition ou de sollicitation sur une période donnée, peut être ajusté si l’on observe que la probabilité de visite plafonne après trois impressions. Le CPA local peut être calculé par zone, segment ou créatif, même si la lecture incrémentale reste à confirmer par tests.
Pour l’analyse stratégique du réseau, le panel peut apporter une lecture plus stable. Il permet d’observer des patterns de mobilité, des zones de chalandise réelles, des croisements avec la concurrence ou des comportements de visite avant même la campagne. Une enseigne peut découvrir que certains magasins captent principalement des clients situés dans un isochrone de 12 minutes plutôt que dans un rayon de 5 kilomètres. Cette information influence le géomarketing, discipline consistant à exploiter des données géographiques, comportementales et commerciales pour adapter les actions marketing à un territoire ou à une zone de chalandise.
On peut synthétiser l’arbitrage avec une matrice en quatre critères : précision locale, représentativité, rapidité d’activation et niveau de preuve. Le GPS est souvent fort en précision apparente et en rapidité, mais demande un nettoyage rigoureux. Le panel est souvent fort en lecture statistique et en comparabilité, mais peut manquer de volume local. Lorsque le budget est limité et l’objectif tactique, un GPS qualifié peut suffire. Lorsque l’enjeu est budgétaire, national ou contractuel, une combinaison panel, GPS, groupe de contrôle et données transactionnelles devient préférable.
Intégrer les ventes : sans données caisse, la visite reste un indicateur intermédiaire
Le débat panel versus GPS ne doit pas masquer une limite centrale : une visite n’est pas une vente. Un magasin peut générer beaucoup de trafic post-campagne avec un taux de transformation faible. À l’inverse, une campagne peut générer peu de visites mais attirer des clients à fort panier. Le ROAS local doit donc intégrer les tickets de caisse, les coupons, les identifiants CRM ou au minimum des modèles de conversion magasin par catégorie.
La donnée transactionnelle peut être reliée de plusieurs manières. Le coupon unique est la méthode la plus directe : l’utilisateur exposé reçoit un code ou une offre scannable en caisse. Elle facilite la mesure, mais sous-estime souvent l’impact réel, car certains clients achètent sans utiliser le coupon. La carte de fidélité permet un rapprochement plus large, à condition que le taux d’identification caisse soit élevé. Dans certains réseaux, 60 % à 80 % des tickets peuvent être associés à un client connu ; dans d’autres, le taux tombe sous 25 %, ce qui limite l’analyse individuelle. Le matching par identifiants hashés, c’est-à-dire transformés de manière pseudonymisée, peut compléter l’approche, dans le respect des consentements.
Il faut également décider quelle vente attribuer. Si une campagne met en avant une gamme running, faut-il compter uniquement les chaussures, toute la catégorie sport, ou le panier complet ? La réponse dépend de l’objectif. Pour un lancement produit, la catégorie promue est plus pertinente. Pour une campagne de trafic magasin, le panier complet peut être défendable, mais il faut éviter d’attribuer à la campagne des achats sans lien plausible. Une règle pondérée peut être utile : 100 % des ventes de la catégorie promue, 50 % des ventes de catégories adjacentes, 0 % des achats manifestement non liés. Cette pondération doit être définie avant campagne, pas après lecture des résultats.
La marge est indispensable. Une campagne peut afficher un ROAS de 6 en chiffre d’affaires attribué et être destructrice de valeur si elle repose sur une remise agressive et attire des achats cannibalisés. Le ROAS marge, ratio entre marge incrémentale et dépenses marketing, est plus exigeant mais plus utile. Dans le retail, une visite supplémentaire n’a de valeur que si elle génère une contribution nette ou un effet stratégique mesurable : recrutement de nouveaux clients, réactivation, hausse de fréquence, augmentation de panier, défense de part de marché locale.
Un cas concret montre l’écart. Une enseigne automobile mesure une campagne locale pour des essais en concession. La mesure GPS indique 3 200 visites post-exposition. Après qualification CRM, seules 620 correspondent à des prospects ou clients identifiables. Parmi eux, 180 essais sont enregistrés, 42 devis sont émis et 11 ventes sont conclues dans les 45 jours. Si l’on s’arrête aux visites, le CPA semble faible. Si l’on descend dans le funnel, parcours allant de l’exposition à la considération, puis à la conversion et à la fidélisation, le coût par vente devient l’indicateur clé. Pour un cycle long, la visite est un signal d’intention, pas une conversion finale.
Conclusion : choisir une méthode d’attribution revient à choisir un niveau de preuve, pas un simple prestataire
Le choix entre panel et GPS en attribution drive-to-store ne doit pas être tranché par une opposition simpliste. Le panel apporte une logique d’échantillonnage, de redressement et de comparaison statistique. Le GPS apporte une observation fine des signaux de présence et une capacité d’optimisation locale. Aucun des deux ne prouve mécaniquement l’incrémentalité. Aucun des deux ne remplace les données transactionnelles. Leur valeur dépend du protocole, de la qualité des lieux, du traitement des biais, de la présence d’un groupe de contrôle et de l’articulation avec les ventes.
Une feuille de route actionnable peut se structurer en huit étapes. Premièrement, définir la décision à prendre : optimisation tactique, arbitrage budgétaire, preuve financière, benchmark réseau ou mesure de campagne. Deuxièmement, qualifier les points de vente : polygones, horaires, formats, centres commerciaux, parkings, zones voisines. Troisièmement, exiger les volumes observés avant extrapolation, les méthodes de pondération et les intervalles de confiance. Quatrièmement, distinguer visite observée, visite probable, visite incrémentale et achat. Cinquièmement, mettre en place un groupe de contrôle individuel ou géographique lorsque l’enjeu budgétaire le justifie. Sixièmement, rapprocher les visites des données caisse, CRM, coupons ou rendez-vous. Septièmement, calculer séparément CPA visite, CPA achat, ROAS attribué, ROAS incrémental et ROAS marge. Huitièmement, documenter les biais plutôt que promettre une précision absolue.
Le bon arbitrage est souvent hybride. Un GPS qualifié peut piloter la campagne au quotidien : zones, fréquences, horaires, créations, distances. Un panel peut valider des tendances, corriger des biais et fournir une lecture plus robuste sur des populations larges. Les données caisse transforment ensuite la visite en contribution économique. Pour un annonceur omnicanal, la maturité ne consiste pas à choisir l’outil le plus sophistiqué, mais à aligner la méthode de mesure sur le risque de décision. Plus le budget, le réseau ou la promesse de ROI sont importants, plus le niveau de preuve doit être élevé.
En Drive-to-Store, la mesure parfaite n’existe pas. Mais une mesure utile existe : transparente, suffisamment précise, testable, reliée aux ventes et consciente de ses limites. C’est cette discipline qui permet de passer d’un reporting de visites séduisant à un pilotage local réellement économique.
