ROAS local : relier campagnes drive-to-store et ventes
Mesurer le ROAS local exige de sortir du pilotage média pour relier exposition, visite et achat réel
Le Drive-to-Store a longtemps été évalué avec des indicateurs intermédiaires : impressions géolocalisées, taux de clic, demandes d’itinéraire, coupons activés, visites estimées. Ces signaux restent utiles, mais ils ne répondent pas à la question qui intéresse désormais les directions marketing, retail et finance : combien de chiffre d’affaires incrémental une campagne locale génère-t-elle réellement en point de vente, et à quel coût ? C’est précisément l’ambition du ROAS local, return on ad spend local, ratio entre les ventes attribuées ou incrémentales en magasin et les dépenses publicitaires engagées sur une zone, une audience ou un réseau de points de vente.
Le sujet est plus complexe qu’un simple rapprochement entre budget média et tickets de caisse. Une campagne mobile peut influencer un achat sans générer de clic. Un client peut voir une publicité programmatique, recevoir un SMS, ouvrir Google Maps, visiter le magasin puis acheter avec sa carte de fidélité deux jours plus tard. À l’inverse, une visite observée après exposition n’est pas nécessairement causée par la campagne : une partie des clients serait venue de toute façon. Le ROAS local ne se limite donc pas à une logique d’attribution déclarative ; il suppose une méthode reliant exposition média, identité ou cohorte client, visite magasin, transaction, marge et incrémentalité.
Pour les annonceurs retail, locaux et omnicanaux, l’enjeu est stratégique. Les budgets d’activation locale sont sous pression : hausse des coûts média, fragmentation des audiences mobiles, contraintes de consentement, limites de tracking, arbitrages entre e-commerce et magasin. Dans ce contexte, mesurer le ROAS local permet de dépasser deux biais fréquents. Le premier consiste à survaloriser les campagnes qui génèrent beaucoup de trafic mais peu de ventes profitables. Le second consiste à sous-investir dans des campagnes de considération locale qui contribuent aux ventes sans apparaître dans le dernier clic. Le bon pilotage consiste à construire une chaîne de preuve suffisamment robuste pour décider où investir, quand activer, quelles audiences prioriser et quels magasins soutenir.
Définir le ROAS local : ventes attribuées, ventes incrémentales et marge ne racontent pas la même histoire
Le ROAS classique se calcule simplement : chiffre d’affaires attribué divisé par dépenses publicitaires. Si une campagne coûte 20 000 euros et génère 100 000 euros de chiffre d’affaires attribué, le ROAS est de 5. En local, cette apparente simplicité se heurte à trois questions : quelles ventes sont prises en compte, comment sont-elles reliées à la campagne et quelle part est réellement additionnelle ?
Il faut distinguer le ROAS attribué du ROAS incrémental. Le ROAS attribué mesure les ventes rattachées à une exposition, un clic, un coupon, une visite ou une correspondance CRM selon une règle d’attribution. L’attribution désigne la méthode qui assigne une conversion à un ou plusieurs points de contact marketing. Elle peut être en last click, modèle qui attribue toute la conversion au dernier point de contact, en first touch, en linéaire, en pondération temporelle ou via des modèles algorithmiques. Le ROAS incrémental, lui, cherche à mesurer les ventes qui n’auraient pas eu lieu sans la campagne. C’est le niveau le plus utile pour arbitrer les budgets, mais aussi le plus exigeant méthodologiquement.
Un exemple illustre l’écart. Une enseigne de bricolage investit 50 000 euros en publicité mobile géolocalisée autour de 80 magasins. Les données de caisse montrent 400 000 euros de ventes chez des clients exposés dans les sept jours suivant la campagne. Le ROAS attribué brut est donc de 8. Mais un groupe témoin comparable, non exposé, affiche un niveau de ventes attendu équivalent à 320 000 euros. L’effet incrémental n’est plus de 400 000 euros, mais de 80 000 euros. Le ROAS incrémental tombe à 1,6. Si la marge brute moyenne est de 35 %, la marge incrémentale générée est de 28 000 euros pour 50 000 euros de dépenses média : l’opération peut être positive en trafic, mais négative en profit direct.
Le pilotage local doit donc intégrer la marge, pas seulement le chiffre d’affaires. Une campagne promotionnelle peut afficher un ROAS élevé parce qu’elle attire des volumes importants sur des produits remisés. Mais si elle cannibalise des achats organiques ou dégrade la marge, sa contribution économique réelle est plus faible. À l’inverse, une campagne orientée service, disponibilité produit ou conseil en magasin peut générer moins de visites, mais un panier moyen supérieur et un meilleur taux de réachat. Le ROAS local doit être rapproché du panier, de la marge, du taux de transformation magasin et de la LTV, lifetime value, valeur économique attendue d’un client sur la durée de relation.
Trois niveaux de lecture sont donc nécessaires. Le premier est transactionnel : chiffre d’affaires, tickets, panier moyen, unités vendues. Le deuxième est économique : marge, coût média, coût de production, remises, coût opérationnel en magasin. Le troisième est incrémental : ventes additionnelles, visites additionnelles, nouveaux clients réellement recrutés, réachat après campagne. Sans cette hiérarchie, le ROAS local risque de devenir un indicateur flatteur mais peu décisionnel.
Construire la chaîne de données : de l’impression mobile au ticket de caisse
Relier campagnes Drive-to-Store et ventes suppose une architecture de données plus robuste qu’un reporting média standard. Le Drive-to-Store désigne l’ensemble des stratégies visant à générer du trafic qualifié vers un point de vente physique. Pour en mesurer le ROAS local, il faut connecter au minimum quatre familles de données : données média, données de localisation ou de visite, données CRM et données transactionnelles.
La première couche est média. Elle inclut les impressions, clics, coûts, formats, emplacements, audiences, fréquences, créatifs, horaires de diffusion et zones géographiques. Dans le cas de la publicité programmatique, l’achat peut passer par une DSP, demand-side platform, plateforme permettant aux annonceurs d’acheter des impressions publicitaires de manière automatisée. Le RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression lorsqu’elle devient disponible, permet d’ajuster la diffusion selon audience, contexte, device, localisation probable et valeur attendue. Ces données sont nécessaires pour comprendre où le budget a été investi, mais elles ne suffisent pas à prouver l’impact magasin.
La deuxième couche est géographique. Elle peut inclure les zones de chalandise, la distance au magasin, les isochrones, les signaux GPS consentis, les demandes d’itinéraire, les visites mesurées par partenaires de géolocalisation, ou encore les événements locaux. La précision doit être interrogée. Une visite estimée par signal mobile n’a pas la même valeur qu’un passage caisse identifié. La qualité dépend de la granularité des données, de la durée de présence, de la capacité à distinguer un magasin d’un lieu voisin et de la représentativité des panels. Les visites mesurées sont souvent des proxys, pas des conversions finales.
La troisième couche est CRM, customer relationship management, ensemble des outils et méthodes permettant de gérer la relation client à partir de données, de scénarios et de points de contact. Elle permet de relier certains contacts à des identifiants connus : carte de fidélité, email hashé, numéro de téléphone, identifiant applicatif, consentements, historique d’achat, segment RFM, récence, fréquence, montant, appétence promotionnelle. Cette couche est décisive lorsque l’enseigne dispose d’un programme de fidélité suffisamment utilisé en caisse. Sans identifiant client, la mesure reste possible par zone ou cohorte, mais moins précise au niveau individuel.
La quatrième couche est transactionnelle. Elle regroupe les tickets de caisse, produits achetés, montant, marge, magasin, date, canal, utilisation de coupon, remise, mode de retrait, retours éventuels. C’est cette couche qui permet de passer d’une logique de visite à une logique de ventes. Mais elle introduit aussi des contraintes : délais de remontée, qualité des données caisse, identification partielle des clients, magasins franchisés, systèmes hétérogènes, politiques de confidentialité.
Une chaîne de mesure opérationnelle peut prendre plusieurs formes. Pour une campagne CRM mobile, un SMS ou un RCS avec coupon unique permet de relier directement exposition, activation et passage caisse, mais il sous-estime les acheteurs qui viennent sans utiliser le coupon. Pour une campagne programmatique géolocalisée, le matching peut se faire par device ou par cohorte géographique, avec davantage d’incertitude. Pour une application mobile, le deep linking, lien profond vers un écran précis de l’application, peut rapprocher consultation de stock, demande d’itinéraire et achat identifié. Le choix de la méthode dépend du canal, du consentement, du volume, de la précision requise et du niveau de preuve attendu.
Passer du trafic à la vente : le funnel local doit être mesuré étape par étape
Le funnel, parcours allant de l’exposition à la considération, puis à la conversion et à la fidélisation, doit être réinterprété dans un contexte local. Entre une impression mobile et une vente magasin, plusieurs étapes peuvent se produire : attention publicitaire, interaction, intention locale, visite, passage en rayon, achat, réachat. Chaque étape a ses propres frictions. Mesurer uniquement le début ou la fin du parcours conduit à de mauvais diagnostics.
Une campagne peut échouer en haut de funnel si le message n’est pas vu ou compris. Sur mobile, une part importante de l’attention se joue dans les deux à trois premières secondes pour les formats sociaux et vidéo courts. Une création qui met trop longtemps à exposer la localisation, l’offre ou le bénéfice magasin peut obtenir une couverture élevée mais peu d’intention. À ce stade, les métriques d’attention, taux de vue, complétion vidéo, visibilité, fréquence et mémorisation publicitaire restent utiles.
Le deuxième niveau est l’intention locale. Les signaux pertinents sont le clic qualifié, la consultation du stock, l’ajout au wallet, l’activation de coupon, la demande d’itinéraire, l’appel magasin, la réservation de créneau ou la sauvegarde d’offre. Ces micro-conversions sont souvent plus prédictives que le CTR, click-through rate, taux de clic entre impressions et clics. Un CTR élevé sur une promesse très promotionnelle peut produire beaucoup de trafic peu qualifié. Une demande d’itinéraire ou une consultation de stock peut être moins fréquente mais plus proche d’un achat.
Le troisième niveau est la visite magasin. Le coût par visite, parfois appelé CPV local, peut aider à comparer des campagnes, mais il doit être interprété avec prudence. Une visite en point de vente n’a pas la même valeur selon la catégorie, la distance, le moment, l’intention et le taux de transformation. Dans l’alimentaire, une visite peut convertir fortement mais avec un panier modéré. Dans l’ameublement, une visite peut être rare mais associée à un panier élevé et à un cycle de décision long. Dans l’optique, la visite peut être liée à un rendez-vous et à un remboursement différé. Le même coût par visite ne produit donc pas le même ROAS local selon les verticales.
Le quatrième niveau est la vente. Il faut y associer le taux de conversion magasin, le panier moyen, la marge, les catégories achetées et la récurrence. Une campagne Drive-to-Store pour une enseigne de sport peut générer des visites autour d’une promotion running, mais les ventes réelles peuvent se répartir entre chaussures, textile, accessoires et services. Si la mesure ne suit qu’un coupon produit, elle sous-estime peut-être la contribution totale. Si elle attribue tout le panier à la campagne, elle la surestime. L’enjeu est d’appliquer une règle cohérente : panier total, catégories concernées, marge par famille ou contribution pondérée.
Un tableau de bord robuste doit donc articuler les métriques plutôt que les empiler. Le CPA, cost per acquisition, coût nécessaire pour générer une conversion attribuée, peut être calculé au niveau coupon, visite incrémentale ou achat identifié. Le ROAS local doit être décliné en ROAS attribué, ROAS incrémental et ROAS marge. Enfin, les indicateurs relationnels, opt-out SMS, désactivation push, fatigue publicitaire, saturation de fréquence, doivent être intégrés pour éviter de maximiser les ventes court terme au détriment de la base client.
Mesurer l’incrémentalité : groupes de contrôle, tests géographiques et modèles hybrides
La mesure incrémentale est le cœur du ROAS local. Elle répond à une question causale : que se serait-il passé sans la campagne ? Le problème est que ce scénario n’est jamais directement observable. Il faut donc le reconstruire avec des méthodes statistiques ou expérimentales. Pour les marketers experts, c’est le passage obligé entre reporting et pilotage économique.
La méthode la plus lisible est le groupe de contrôle individuel. Une population éligible est divisée entre un groupe exposé à la campagne et un groupe témoin comparable non exposé. Si les deux groupes sont correctement randomisés, l’écart de ventes peut être interprété comme l’effet incrémental. Par exemple, sur 500 000 clients opt-in SMS, une enseigne expose 450 000 personnes et garde 50 000 en holdout. Le groupe exposé affiche 9,2 % d’achat en sept jours, le groupe témoin 8,1 %. L’uplift est de 1,1 point. Sur 450 000 exposés, cela représente 4 950 achats incrémentaux. Si le panier moyen incrémental est de 42 euros, les ventes incrémentales atteignent 207 900 euros. Pour un coût de campagne de 35 000 euros, le ROAS incrémental est de 5,94 avant prise en compte de la marge.
Cette méthode fonctionne bien pour les canaux adressés, comme SMS, push, email, RCS ou audiences CRM activées en média. Elle est plus complexe en programmatique ouverte, où l’exposition dépend des enchères, de la disponibilité d’inventaire, du capping et de la probabilité de matching. On peut alors utiliser des tests géographiques. Certaines zones ou magasins sont exposés, d’autres servent de contrôle. La comparaison doit tenir compte de la saisonnalité, des différences de potentiel, de la concurrence locale, de la météo, des promotions nationales et des historiques de ventes. Un test géographique robuste compare idéalement des magasins appariés sur plusieurs semaines avant campagne, puis mesure l’écart pendant et après activation.
Une troisième approche repose sur les modèles économétriques. Le MMM, marketing mix modeling, modélisation statistique qui estime la contribution des leviers marketing aux ventes en tenant compte de variables externes, peut être utilisé à l’échelle régionale ou magasin lorsque les volumes sont suffisants. Il permet d’intégrer la pression média, les prix, la promotion, la météo, les jours fériés, la concurrence et les tendances de fond. Sa limite est la granularité : il est souvent moins précis pour arbitrer un créatif, une audience ou un micro-segment local. En revanche, il peut aider à calibrer les effets à moyen terme et à éviter une sur-attribution du digital.
Dans la pratique, les meilleures organisations combinent plusieurs méthodes. Les coupons et identifiants CRM donnent une mesure directe mais partielle. Les groupes de contrôle donnent une lecture causale sur les bases adressables. Les tests géographiques mesurent l’effet local agrégé. Les modèles économétriques replacent les résultats dans une dynamique commerciale plus large. Cette hybridation est indispensable, car aucune méthode ne couvre parfaitement tout le parcours Drive-to-Store.
Les limites doivent être assumées. Un groupe témoin peut être contaminé par d’autres canaux ou par le bouche-à-oreille. Un test géographique peut être perturbé par une opération concurrente locale. Un matching device-caisse peut introduire des biais de consentement, car les clients mesurables ne représentent pas toujours toute la clientèle. Une fenêtre d’attribution trop courte sous-estime les achats différés ; une fenêtre trop longue surestime l’effet campagne. La rigueur consiste moins à promettre une vérité absolue qu’à documenter les hypothèses, les biais et les intervalles de confiance.
Optimiser le ROAS local : audience, distance, créatif, offre et pression média
Une fois la mesure en place, le ROAS local devient un outil d’optimisation. Il permet de comprendre quelles combinaisons d’audience, de contexte, de magasin, de créatif et d’offre créent réellement de la valeur. Le premier levier est l’audience. Tous les clients exposables ne valent pas le même investissement. Un client actif, proche d’un magasin, ayant consulté une catégorie et présentant une fréquence d’achat élevée, justifie un coût de contact supérieur à un prospect froid éloigné de la zone de chalandise. La segmentation RFM, récence, fréquence, montant, reste utile, mais elle doit être enrichie par l’intention récente et la distance au point de vente.
La distance est l’un des paramètres les plus déterminants. À moins de 500 mètres, un message peut viser l’action immédiate : itinéraire, coupon valable aujourd’hui, stock disponible, retrait en deux heures. Entre 1 et 5 kilomètres, il faut davantage justifier le déplacement : assortiment, prix, service, événement, conseil, exclusivité. Au-delà, la campagne relève souvent davantage de la considération locale ou de la préparation de visite. Un même budget peut donc produire des ROAS très différents selon les rayons de ciblage. Trop étroit, le ciblage manque de volume ; trop large, il dilue la probabilité de visite.
Le créatif influence aussi fortement le ROAS local. Une bannière indiquant simplement une promotion nationale n’exploite pas la valeur du contexte local. Un message intégrant magasin le plus proche, disponibilité produit, temps de trajet, preuve de stock ou service différenciant réduit la friction. Mais la personnalisation doit être fiable. Afficher un produit comme disponible alors qu’il est en rupture crée une perte de confiance et dégrade la conversion réelle. La création locale performante n’est pas seulement persuasive ; elle est opérationnellement vraie.
L’offre doit être analysée au regard de la marge. Une remise forte améliore souvent le trafic et le taux de conversion, mais elle peut réduire le ROAS marge. Une offre de service, diagnostic gratuit, retrait prioritaire, essai en magasin, rendez-vous avec conseiller, peut générer moins de volume mais attirer des clients plus intentionnistes. L’arbitrage dépend de l’objectif : déstockage, recrutement, activation d’un magasin sous-performant, lancement de catégorie, réactivation CRM ou développement de panier.
La pression média doit enfin être pilotée finement. En programmatique, augmenter la fréquence peut accroître la mémorisation jusqu’à un certain seuil, puis générer de la saturation. En CRM mobile, multiplier SMS et push peut améliorer les ventes court terme, mais augmenter les désabonnements. Le capping, limitation de la fréquence d’exposition ou de sollicitation sur une période donnée, doit être défini par canal, par audience et par objectif. Un bon ROAS local peut se dégrader si l’on étend trop vite la pression à des segments moins réactifs.
Cas concret : comparer deux campagnes locales au-delà du ROAS apparent
Prenons le cas d’une enseigne d’équipement de la maison disposant de 120 magasins. Elle teste deux approches pendant trois semaines autour d’un temps fort jardin. La campagne A est une activation promotionnelle large : ciblage mobile dans un rayon de 10 kilomètres autour des magasins, message centré sur -25 % sur une sélection extérieure, diffusion display et social mobile. Budget : 90 000 euros. Ventes attribuées post-exposition : 720 000 euros. ROAS attribué : 8.
La campagne B est plus sélective : ciblage des clients CRM ayant acheté jardin ou bricolage dans les 18 derniers mois, exclusion des acheteurs récents, rayon modulé selon densité urbaine, création intégrant stock local et retrait en deux heures, SMS réservé aux clients à forte valeur, display programmatique pour compléter la couverture. Budget : 70 000 euros. Ventes attribuées : 490 000 euros. ROAS attribué : 7.
À première vue, la campagne A semble supérieure. Mais l’analyse incrémentale donne une autre lecture. Les magasins exposés à la campagne A montrent un uplift de ventes de 95 000 euros par rapport aux magasins témoins, avec une marge moyenne de 28 % en raison de la remise. La marge incrémentale est donc de 26 600 euros, inférieure au budget média. La campagne B génère 120 000 euros de ventes incrémentales, avec une marge moyenne de 41 % grâce à un mix produit moins remisé. La marge incrémentale atteint 49 200 euros pour 70 000 euros de budget. Elle reste déficitaire en profit direct immédiat, mais elle recrute aussi 2 800 clients réactivés, dont le taux de réachat à 60 jours est supérieur de 18 % au groupe témoin.
Si l’indicateur de décision est le chiffre d’affaires attribué, A gagne. Si l’indicateur est le ROAS incrémental, B se rapproche. Si l’indicateur est la contribution marge et la valeur client, B devient potentiellement plus stratégique. Ce type d’analyse montre pourquoi le ROAS local doit être décliné selon les objectifs. Une campagne de déstockage ne sera pas évaluée comme une campagne de recrutement. Une campagne de soutien à magasins sous-fréquentés ne sera pas évaluée comme une campagne nationale rentable à court terme.
Le cas met aussi en évidence l’importance des exclusions. La campagne A touche de nombreux clients déjà intentionnistes qui auraient probablement acheté pendant le temps fort. La campagne B renonce à une partie du volume pour concentrer l’investissement sur des segments où la probabilité d’uplift est plus élevée. En Drive-to-Store, optimiser ne signifie pas toujours élargir la couverture ; cela signifie souvent identifier les contacts dont le comportement peut réellement être modifié.
Conclusion : faire du ROAS local un système de décision, pas un indicateur de reporting
Relier campagnes Drive-to-Store et ventes impose de traiter le ROAS local comme un système de décision complet. L’indicateur n’a de valeur que s’il relie correctement exposition, intention, visite, transaction, marge et incrémentalité. Un ROAS attribué peut aider à suivre les performances opérationnelles, mais il ne doit pas être confondu avec une preuve causale. Le ROAS incrémental, complété par la marge et la valeur client, est le meilleur socle pour arbitrer les budgets entre magasins, canaux, audiences et offres.
Une feuille de route actionnable peut se structurer en huit étapes. Premièrement, définir le périmètre de mesure : ventes totales, catégories concernées, tickets identifiés, marge, période et magasins. Deuxièmement, connecter les données média, géographiques, CRM et transactionnelles avec des règles de confidentialité solides. Troisièmement, distinguer les indicateurs d’attention, d’intention locale, de visite, d’achat et de réachat. Quatrièmement, choisir une méthode d’attribution adaptée au canal, sans la présenter comme une mesure incrémentale si elle ne l’est pas. Cinquièmement, mettre en place des groupes de contrôle ou des tests géographiques pour estimer l’uplift réel. Sixièmement, calculer séparément ROAS attribué, ROAS incrémental et ROAS marge. Septièmement, analyser les performances par audience, distance, magasin, créatif, offre et fréquence. Huitièmement, réinjecter ces enseignements dans le media buying, la pression CRM, les stocks locaux et les opérations magasins.
Le point critique est l’arbitrage. Une campagne très visible peut produire un excellent reporting média et une faible contribution économique. Une activation plus ciblée peut générer moins de volume mais davantage de ventes additionnelles. Une remise peut améliorer le ROAS chiffre d’affaires tout en dégradant le ROAS marge. Un ciblage local trop précis peut améliorer la conversion mais limiter l’échelle. Le rôle du marketing n’est pas de chercher un ROAS unique et universel, mais de construire une lecture cohérente avec l’objectif business.
Pour les annonceurs omnicanaux, le ROAS local devient ainsi un langage commun entre marketing, retail, data et finance. Il oblige à poser les bonnes questions : quels magasins ont réellement besoin d’activation ? Quels clients changent de comportement sous l’effet d’une campagne ? Quelle part du trafic est additionnelle ? Quelle marge reste après remise et coût média ? Quels scénarios augmentent aussi la fidélité ? À cette condition, le Drive-to-Store cesse d’être un simple levier de trafic magasin pour devenir un outil de croissance mesurable, piloté par la valeur réelle plutôt que par le volume apparent.
