Push mobile en retail : isoler l’effet visite du bruit CRM
Le push retail ne prouve rien tant qu’il ne distingue pas l’exposition utile de la simple activité CRM
Dans le retail omnicanal, la notification push est souvent considérée comme un levier direct de trafic magasin : elle est peu coûteuse à router, visible sur mobile, actionnable en temps réel et naturellement compatible avec les signaux locaux. Pourtant, une campagne push qui affiche une hausse de visites après envoi ne démontre pas nécessairement que le message a créé ces visites. Elle peut simplement avoir touché des clients déjà proches du point de vente, déjà intentionnistes, déjà engagés dans l’application ou déjà exposés à d’autres sollicitations CRM.
Le sujet central n’est donc pas de savoir si le push génère des ouvertures ou des clics, mais s’il crée un effet visite incrémental. L’incrémentalité désigne la part de visites ou de ventes qui n’aurait pas eu lieu sans l’exposition au message. Cette distinction est critique pour les directions marketing, car le push peut facilement produire un reporting flatteur : taux d’ouverture de 4 % à 12 % selon la qualité de la base et le contexte, clics vers une page magasin, demandes d’itinéraire, coupons ajoutés, puis visites observées dans une fenêtre de 24 à 72 heures. Mais si ces visites proviennent de clients fidèles qui seraient passés de toute façon, le levier ne crée pas de croissance ; il capte une demande existante.
Le 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, amplifie ce risque. Plus une marque connaît ses clients, plus elle sait cibler des profils naturellement susceptibles d’acheter. C’est une force opérationnelle, mais un piège analytique. Une base de clients actifs, opt-in push, utilisateurs récents de l’application, proches d’un magasin et sensibles aux promotions, possède déjà une probabilité de visite supérieure à la moyenne. L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, peut alors confondre corrélation et causalité.
Pour un professionnel du marketing mobile, isoler l’effet visite du bruit CRM revient à répondre à une question précise : combien de visites additionnelles le push a-t-il générées, à quel coût marginal, sur quels segments, et avec quel impact sur la marge ? Sans cette réponse, le CPA, cost per acquisition, coût nécessaire pour générer une conversion attribuée, et le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses marketing, restent des indicateurs incomplets. Ils mesurent une performance rattachée, pas nécessairement une performance causée.
Identifier le bruit CRM : intention préalable, récence, fidélité et pression omnicanale brouillent la lecture
Le bruit CRM regroupe toutes les dynamiques qui peuvent expliquer une visite sans que la notification push en soit la cause principale. Le premier bruit est l’intention préalable. Un client qui vient de consulter une fiche produit, de vérifier un stock local ou d’ajouter un article à son panier est déjà engagé dans le funnel, parcours allant de l’exposition à la considération, puis à la conversion et à la fidélisation. S’il reçoit ensuite un push indiquant que le produit est disponible dans son magasin préféré, la visite qui suit peut être attribuée au push, mais l’effet réel du message peut être limité à un rappel ou à une accélération.
Le deuxième bruit est la récence d’activité. Les utilisateurs actifs dans l’application au cours des 7 derniers jours ouvrent plus souvent les notifications et visitent plus souvent les magasins que les utilisateurs dormants. Dans certains programmes retail, l’écart de probabilité de visite entre un utilisateur actif J-7 et un utilisateur inactif depuis 90 jours peut être multiplié par 3 à 6. Si une campagne push cible prioritairement les actifs, elle maximise mécaniquement les taux observés. Mais elle ne prouve pas que la sollicitation a déplacé un comportement.
Le troisième bruit est la fidélité. Les clients porteurs d’une carte fidélité, ayant acheté plusieurs fois dans les 12 derniers mois, sont plus faciles à convertir. Une notification sur une opération locale peut afficher un taux de visite élevé auprès d’eux, mais une partie importante de cette visite peut être organique. À l’inverse, les clients moins fidèles ou les prospects app installés depuis longtemps peuvent réagir moins fortement en apparence, tout en offrant une meilleure incrémentalité si le message réactive une relation dormante.
Le quatrième bruit est la pression omnicanale. Un même client peut recevoir un email promotionnel, voir une publicité sociale, être retargeté en programmatique, recevoir un SMS, puis une notification push. Si la visite est comptée après le push, le dernier point de contact capte souvent le crédit. Le last click, modèle attribuant toute la conversion au dernier point de contact, est particulièrement trompeur dans ce contexte. Le push arrive fréquemment en bas de parcours, proche de l’action, et peut être surestimé au détriment des leviers qui ont construit l’intention.
Enfin, le bruit local doit être intégré. Une hausse de visites après une campagne peut venir d’un jour de paie, d’une météo favorable, d’un événement local, d’une promotion nationale en cours, d’une baisse de prix concurrente, d’un effet stock ou d’une saisonnalité. Dans le bricolage, la météo du week-end peut expliquer davantage de trafic qu’une notification. Dans la restauration rapide, l’heure d’envoi et la proximité bureau-magasin peuvent dominer l’effet créatif. Dans la mode, un lancement de collection ou une opération commerciale peut créer un trafic naturel élevé, indépendamment du push.
Construire une base de mesure propre : événements, fenêtres, identifiants et qualité du signal magasin
Avant de parler de modèle d’attribution, il faut fiabiliser la matière première. Une mesure push-to-store solide repose sur quatre familles de données : l’exposition push, l’interaction digitale, le signal de visite et la conversion commerciale. L’exposition doit distinguer les messages envoyés, reçus, affichés et ouverts. Selon les systèmes d’exploitation et les SDK, software development kit, ensemble de composants intégrés dans une application pour collecter des événements ou activer des fonctionnalités, tous ces statuts ne sont pas observables avec le même niveau de précision. Un push envoyé n’est pas un push vu ; un push ouvert n’est pas toujours le seul déclencheur de la visite.
Les événements digitaux doivent être horodatés finement : ouverture de notification, clic vers page magasin, consultation stock, ajout au wallet, demande d’itinéraire, activation coupon, session app post-push. Le timing est essentiel. Une visite observée 20 minutes après une demande d’itinéraire a une signification différente d’une visite observée 5 jours après une simple ouverture de notification. Les fenêtres d’analyse doivent donc être adaptées au cas d’usage : 2 à 6 heures pour une offre déjeuner, 24 à 72 heures pour une promotion locale simple, 7 à 14 jours pour un achat impliquant comme l’ameublement, l’optique ou l’équipement de la maison.
Le signal de visite est le point le plus délicat. Il peut venir de la géolocalisation consentie dans l’application, de beacons, du Wi-Fi magasin, d’un scan de carte fidélité, d’un coupon utilisé en caisse, d’un ticket rattaché à un identifiant client ou d’un événement de retrait. Chaque source a ses limites. La géolocalisation peut produire des faux positifs dans les zones denses ou centres commerciaux. Le Wi-Fi ne capte que les utilisateurs connectés ou détectables. Le coupon sous-estime les visites sans usage de l’offre. La caisse mesure mieux la conversion que la visite, mais manque les passages sans achat. Il est donc préférable de distinguer visite estimée, visite qualifiée et achat identifié.
La visite estimée repose sur un signal de présence compatible avec le magasin. La visite qualifiée ajoute des critères de durée, de précision, d’exclusion des passants et de cohérence horaire. Par exemple, une présence de 90 secondes dans un périmètre magasin en centre commercial n’a pas la même valeur qu’une présence de 8 minutes dans un point de vente isolé. L’achat identifié relie la visite à un ticket, une carte fidélité, un compte app ou un coupon. Pour mesurer l’effet business, le ticket est plus robuste ; pour mesurer l’effet trafic, la visite qualifiée est plus large mais plus bruitée.
La gouvernance des identifiants est également déterminante. Un même individu peut exister sous plusieurs identifiants : ID app, email hashé, numéro de fidélité, identifiant publicitaire mobile, device, cookie web, ticket caisse. Plus la réconciliation est incomplète, plus l’attribution devient fragile. La mesure doit expliciter son périmètre : utilisateurs app opt-in push, clients fidélité reconnus, visiteurs géolocalisés consentis, acheteurs identifiés. Une campagne peut sembler peu performante simplement parce que la chaîne d’identification ne capture qu’une fraction des comportements réels.
Ne pas confondre attribution et causalité : les modèles simples surestiment les clients déjà prêts à venir
Le reporting standard d’une campagne push suit souvent une logique simple : nombre de destinataires, taux de réception, taux d’ouverture, taux de clic, visites dans une fenêtre post-exposition, ventes attribuées. Cette lecture est utile pour piloter l’exécution, mais elle ne suffit pas à mesurer la causalité. L’attribution post-exposition suppose implicitement qu’une visite après push est liée au push. Or, dans une base CRM retail, cette hypothèse est rarement vérifiée.
Prenons un cas concret. Une enseigne de sport envoie une notification à 500 000 utilisateurs opt-in pour promouvoir une offre running disponible en magasin. 460 000 notifications sont délivrées, 41 000 sont ouvertes, 18 500 utilisateurs consultent une page magasin, et 12 000 visites sont observées dans les 72 heures. Le coût complet de production, orchestration et mesure est de 18 000 euros. Le CPA visite attribué ressort à 1,50 euro. À première vue, la campagne paraît excellente. Mais l’analyse du groupe témoin montre que 9 200 visites auraient eu lieu sans notification, car la période correspondait à un week-end de forte demande et les destinataires étaient majoritairement des clients actifs. L’uplift réel est donc de 2 800 visites. Le coût par visite incrémentale passe à 6,43 euros.
Ce changement de lecture modifie les arbitrages. À 1,50 euro par visite attribuée, l’équipe peut décider d’augmenter la pression push. À 6,43 euros par visite incrémentale, la décision dépend de la marge, du panier moyen, du taux de transformation en magasin et du coût relationnel. Si le panier moyen est de 48 euros, la marge brute de 38 % et le taux d’achat parmi les visites incrémentales de 45 %, la marge incrémentale estimée est de 2 800 x 45 % x 48 x 38 %, soit environ 22 982 euros. Pour 18 000 euros de coût, l’opération reste positive mais moins spectaculaire que le reporting attribué le suggérait.
Les modèles d’attribution multi-touch peuvent améliorer la lecture en répartissant le crédit entre plusieurs points de contact, mais ils ne résolvent pas automatiquement le problème causal. Un modèle qui attribue 40 % au push, 30 % à l’email et 30 % au social reste fondé sur des règles ou des corrélations si aucun groupe de contrôle n’est utilisé. Les modèles algorithmiques peuvent même renforcer les biais s’ils apprennent que les clients les plus actifs convertissent mieux après push, sans distinguer l’effet du ciblage de l’effet du message.
La bonne pratique consiste à séparer trois niveaux de reporting. Le premier est l’exécution : délivrabilité, ouverture, clic, erreurs SDK, opt-out, désactivation des notifications. Le deuxième est l’attribution opérationnelle : visites et ventes observées après exposition, utiles pour comparer des variantes, des horaires ou des messages. Le troisième est l’incrémentalité : différence entre le comportement exposé et ce qui se serait produit sans exposition. Seul ce troisième niveau permet de décider si le push mérite plus de budget, plus de pression ou un rôle différent dans l’orchestration.
Mettre en place des holdouts robustes : randomisation, stratification et puissance statistique
Le moyen le plus direct d’isoler l’effet visite est le holdout, groupe témoin volontairement non exposé à la campagne alors qu’il est éligible. Si les groupes sont comparables, l’écart de visites entre exposés et témoins mesure l’uplift. La simplicité du principe masque des exigences méthodologiques fortes. Un holdout national de 5 % tiré au hasard peut suffire pour une grande campagne homogène, mais il peut être insuffisant pour une activation locale, segmentée ou magasin par magasin.
La randomisation doit être stratifiée. Stratifier signifie répartir exposés et témoins à l’intérieur de sous-groupes importants : magasin de rattachement, zone géographique, niveau de fidélité, récence d’activité app, intention récente, valeur client, canal déjà reçu, distance au point de vente. Sans stratification, le groupe témoin peut contenir trop de clients dormants, trop d’urbains, trop de clients éloignés ou trop peu d’utilisateurs intentionnistes. L’uplift devient alors instable ou biaisé.
Un protocole robuste peut fonctionner ainsi. Avant l’envoi, l’annonceur construit une population éligible de 300 000 utilisateurs opt-in push. Il exclut les clients ayant déjà acheté le produit promu, les utilisateurs sollicités par SMS dans les 48 heures et les magasins avec stock insuffisant. La population restante est segmentée par magasin, distance, récence app et valeur client. Dans chaque strate, 90 % des utilisateurs sont assignés au groupe exposé et 10 % au holdout. Les deux groupes sont ensuite suivis sur une fenêtre de 72 heures pour les visites et de 7 jours pour les achats.
La taille d’échantillon doit être anticipée. Si le taux de visite naturel est de 3 % et que l’on cherche à détecter un uplift de 0,3 point, il faut une base beaucoup plus importante que pour détecter un uplift de 2 points. Le minimum detectable effect, effet minimum détectable, correspond à la plus petite variation que le test peut identifier avec une puissance statistique acceptable. Si une campagne locale n’a que 8 000 utilisateurs éligibles sur une zone, un holdout de 10 % peut ne contenir que 800 personnes, insuffisant pour conclure si les visites sont rares. Dans ce cas, il faut agréger plusieurs zones comparables, prolonger la fenêtre ou accepter que le test mesure seulement des effets importants.
Les holdouts doivent aussi gérer la contamination. Un utilisateur du groupe témoin peut recevoir un email, voir une publicité sociale ou être exposé à une campagne programmatique achetée via une DSP, demand-side platform, plateforme permettant d’acheter automatiquement des impressions publicitaires. Le RTB, real-time bidding, mécanisme d’enchères en temps réel pour acheter une impression disponible, peut même toucher les mêmes profils dans la même zone. Si le témoin reçoit d’autres stimuli, l’écart entre groupes se réduit et l’effet du push est sous-estimé. À l’inverse, si les exposés reçoivent davantage de pression omnicanale, l’effet du push est surestimé. La mesure incrémentale doit donc documenter l’exposition aux autres canaux ou appliquer des règles d’exclusion.
Enfin, il faut décider ce que le holdout empêche réellement. Un holdout de push uniquement laisse passer les autres canaux. Un holdout CRM global bloque email, SMS, push et parfois audience média. Le premier mesure l’effet marginal du push dans l’orchestration existante. Le second mesure l’effet de toute la pression CRM. Les deux questions sont utiles, mais elles ne répondent pas au même arbitrage. Pour isoler l’effet visite du push, il faut généralement commencer par un holdout push stratifié, puis compléter par des tests CRM globaux sur les opérations majeures.
Analyser l’effet par segment : le push ne crée pas la même valeur chez les proches, les fidèles et les dormants
Une moyenne d’uplift peut masquer des effets opposés. Le push retail doit être analysé par segment, car l’effet visite dépend fortement de la distance, de l’intention, de la valeur client et de la pression récente. Un client situé à moins de 800 mètres d’un magasin, ayant consulté un stock dans les 24 heures, peut réagir à un message très direct. Un client éloigné de 15 kilomètres, sans activité récente, a besoin d’une raison plus forte de déplacement. Un client fidèle peut présenter un taux de visite élevé mais une incrémentalité faible. Un dormant peut présenter un taux absolu faible mais un uplift rentable si le message réactive une relation.
Une matrice utile croise intention et proximité. Le segment proche avec intention forte peut recevoir un push actionnable : produit disponible, retrait aujourd’hui, offre limitée, itinéraire. Le segment proche avec intention faible doit être traité avec prudence : la proximité seule ne justifie pas une sollicitation fréquente. Le segment éloigné avec intention forte peut être pertinent si la valeur produit ou service compense la friction de déplacement : rendez-vous, stock rare, conseil, exclusivité. Le segment éloigné avec intention faible doit souvent être exclu ou basculé vers un canal moins intrusif.
Un exemple illustre l’intérêt de cette lecture. Une enseigne beauté teste une notification sur une offre magasin. Le taux de visite attribué global est de 4,8 %. Par segment, les clients actifs J-30 proches du magasin atteignent 8,5 %, les clients actifs éloignés 3,2 %, les dormants proches 2,6 %, les dormants éloignés 0,9 %. Le reporting brut inciterait à concentrer les pushs sur les actifs proches. Mais le holdout montre un uplift de seulement 0,7 point sur les actifs proches, contre 1,1 point sur les dormants proches. Les actifs proches visitaient déjà beaucoup. Les dormants proches visitaient peu, mais le push a davantage modifié leur comportement. Si la marge par achat est comparable, le segment dormant proche peut être plus stratégique malgré son taux absolu plus faible.
La fréquence doit également être segmentée. Un utilisateur intentionniste peut recevoir deux notifications dans une courte fenêtre si le scénario progresse : rappel de stock, puis incitation rendez-vous ou coupon. Un utilisateur froid ne devrait pas être relancé simplement parce qu’il n’a pas ouvert. L’absence d’ouverture est souvent un signal de faible pertinence, pas une invitation à répéter. Le capping, limitation de la fréquence d’exposition ou de sollicitation sur une période donnée, doit donc intégrer la réponse observée, le canal utilisé et le niveau d’intention.
Les métriques négatives doivent être intégrées au bilan segmenté : opt-out push, désactivation des notifications, baisse d’ouverture future, désinstallation app, baisse d’engagement in-app. Une campagne peut générer des visites additionnelles à court terme tout en dégradant la permission mobile. Pour les clients à forte valeur, ce coût relationnel est particulièrement sensible. Un push qui crée 500 visites incrémentales mais provoque 1 200 désactivations chez des clients VIP peut être destructeur à moyen terme.
Relier visite et valeur : marge incrémentale, panier, cannibalisation et rôle du magasin
Isoler l’effet visite ne suffit pas. Une visite incrémentale doit être reliée à une valeur économique. Dans le retail, toutes les visites ne se valent pas : certaines génèrent un achat immédiat, d’autres un retrait déjà acquis, d’autres une interaction de service, d’autres encore une visite sans conversion. L’objectif de la campagne détermine l’indicateur principal. Pour une opération promotionnelle, la marge incrémentale est centrale. Pour un lancement de produit, la découverte et le recrutement peuvent justifier une valeur plus longue. Pour un rendez-vous en magasin, la venue effective et le taux de transformation sont essentiels.
La marge doit primer sur le chiffre d’affaires attribué lorsque des remises sont impliquées. Un push annonçant moins 30 % peut augmenter fortement le trafic, mais attirer des clients qui auraient acheté à prix plein ou déplacer des achats déjà prévus. Il faut donc comparer la marge incrémentale nette : chiffre d’affaires additionnel, marge brute, coût de remise, coût opérationnel, coût de routage et coût relationnel. Une campagne avec un ROAS chiffre d’affaires de 12 peut être moins rentable qu’une campagne avec un ROAS de 6 si la première repose sur des produits fortement remisés et peu incrémentaux.
La cannibalisation doit être surveillée. Une notification orientée magasin peut déplacer un achat e-commerce vers le point de vente sans créer de chiffre d’affaires additionnel. Ce déplacement peut être positif si le magasin dispose de stock à écouler, si le panier en point de vente est plus élevé ou si la visite favorise des ventes complémentaires. Il peut être négatif si le coût opérationnel magasin est plus élevé ou si la vente aurait eu lieu en ligne avec une meilleure marge. L’analyse doit donc distinguer ventes additionnelles, ventes déplacées entre canaux et ventes anticipées.
Le rôle du magasin compte également. Un push ne peut pas compenser une promesse locale non tenue : stock absent, offre mal relayée, horaires erronés, équipe non informée, file d’attente excessive, coupon non reconnu en caisse. Dans ces cas, le push peut créer une visite mais dégrader l’expérience et la confiance. Les campagnes drive-to-store doivent donc intégrer des règles opérationnelles : exclure les magasins à stock faible, adapter l’offre aux horaires, synchroniser la caisse, former les équipes et vérifier la page magasin avant envoi.
Une approche mature relie trois niveaux : l’effet visite incrémental, le taux de transformation magasin et la valeur client future. Certaines visites ne génèrent pas d’achat immédiat mais contribuent à la fidélité ou à la découverte produit. D’autres génèrent un achat opportuniste sans réachat. Pour trancher, il faut suivre les cohortes exposées et témoins au-delà de la fenêtre courte : réachat à 30 ou 60 jours, évolution du panier, activation fidélité, usage de l’application, opt-in maintenu. Le push n’est pas seulement un levier de trafic ; c’est un actif relationnel dont la valeur se mesure dans le temps.
Conclusion : une méthode en huit étapes pour transformer le push en levier de trafic prouvé
Le push mobile en retail peut être un excellent levier de trafic magasin, mais seulement si sa contribution est isolée du bruit CRM. La proximité, la fidélité, l’activité app, la pression omnicanale et la saisonnalité produisent naturellement des visites. Sans méthode incrémentale, le risque est de survaloriser les notifications envoyées aux clients déjà prêts à venir, puis d’augmenter une pression qui améliore le reporting sans créer de valeur nette.
Une feuille de route actionnable peut se structurer en huit étapes. Premièrement, définir l’objectif réel de la campagne : visite qualifiée, achat magasin, retrait, rendez-vous, déstockage, réactivation ou fidélisation. Deuxièmement, fiabiliser les événements : push envoyé, délivré, affiché, ouvert, clic, consultation stock, itinéraire, coupon, visite, ticket. Troisièmement, qualifier le signal magasin en distinguant visite estimée, visite qualifiée et achat identifié. Quatrièmement, construire un holdout stratifié par magasin, distance, récence, valeur client et intention récente. Cinquièmement, mesurer l’uplift sur une fenêtre adaptée au cycle d’achat, puis comparer les résultats aux visites attribuées. Sixièmement, analyser l’effet par segment pour éviter que les actifs proches masquent les dormants réactivables ou les zones réellement incrémentales. Septièmement, relier les visites à la marge, au panier, à la cannibalisation canal et au réachat. Huitièmement, intégrer les signaux négatifs : opt-out, désactivation push, désinstallation et fatigue relationnelle.
Le point clé est de piloter le push comme un canal de décision, pas comme un simple canal de rappel. Une notification ne doit pas être envoyée parce qu’un client est joignable, mais parce qu’il existe une hypothèse testable : ce message, à ce moment, pour ce segment, peut modifier la probabilité de visite et créer une valeur supérieure au coût économique et relationnel. Cette hypothèse doit être mesurée contre un contrefactuel, pas seulement observée dans un tableau d’attribution.
Pour les équipes marketing, CRM, data et retail, la discipline consiste à accepter que certaines campagnes très performantes en apparence créent peu d’incrémentalité, tandis que des segments plus modestes en volume peuvent générer plus de valeur additionnelle. C’est précisément cette nuance qui transforme le push mobile en levier stratégique. Moins de bruit CRM, plus de causalité mesurée, et une pression mobile réservée aux moments où elle change réellement le comportement magasin.
