Retargeting mobile : mesurer la pression utile par bassin de vie
La pression utile n’est pas une moyenne nationale : elle dépend du bassin de vie
Le retargeting mobile, dispositif qui consiste à réexposer un utilisateur ayant déjà manifesté un signal d’intérêt, est souvent piloté avec des règles globales : trois impressions par jour, sept jours de fenêtre post-visite, exclusion après achat, enchère majorée sur panier abandonné. Ces règles peuvent sembler rationnelles dans un tableau de bord national. Elles deviennent insuffisantes dès que l’objectif est local : générer du trafic magasin, réactiver une zone de chalandise, soutenir un point de vente en sous-performance ou éviter de saturer une audience déjà très sollicitée.
Le bassin de vie est une unité d’analyse plus pertinente que le ciblage administratif ou le simple rayon kilométrique. Il désigne un territoire où les habitants accomplissent une part significative de leurs activités courantes : achats, travail, services, loisirs, mobilité quotidienne. Pour un annonceur retail, deux magasins situés à 8 kilomètres l’un de l’autre peuvent appartenir à des bassins de vie très différents si les flux domicile-travail, les transports, la concurrence, la densité commerciale ou les habitudes de déplacement divergent. À l’inverse, un même bassin peut couvrir plusieurs communes et plusieurs points de vente en concurrence interne.
Mesurer la pression utile par bassin de vie revient à répondre à une question plus exigeante que le capping classique, limitation de la fréquence d’exposition publicitaire sur une période donnée : combien de contacts mobiles supplémentaires augmentent réellement la probabilité de visite ou d’achat dans ce territoire, avant de générer de la fatigue, de la cannibalisation ou du bruit d’attribution ? Cette pression utile n’est pas le volume maximal d’impressions achetables. C’est le niveau de sollicitation qui maximise la contribution nette : uplift de visites, marge incrémentale, nouveaux clients, réactivation, sans dégrader l’expérience ni surpayer des conversions qui auraient eu lieu.
Le sujet est devenu critique pour trois raisons. Premièrement, les coûts médias mobiles augmentent dans de nombreux inventaires qualifiés, notamment lorsque les annonceurs enchérissent sur les mêmes signaux d’intention. Deuxièmement, la mesure est plus fragmentée : restrictions identifiants, consentement, perte de signal navigateur, parcours hybrides web-app-magasin. Troisièmement, la pression relationnelle est cumulée : un client ne distingue pas toujours un display retargeting, un SMS, un email, un push et une annonce social locale ; il perçoit une marque qui insiste. La performance ne se pilote donc plus uniquement au CPA, cost per acquisition, coût nécessaire pour générer une conversion attribuée, ni au ROAS, return on ad spend, ratio entre chiffre d’affaires attribué ou incrémental et dépenses marketing. Elle doit intégrer le contexte local et la pression totale reçue dans un bassin de vie.
Définir le bassin de vie marketing : flux réels, concurrence et couverture média
La première erreur consiste à assimiler bassin de vie, zone de chalandise et rayon de diffusion. Un rayon de 5 kilomètres autour d’un magasin est facile à paramétrer dans une plateforme, mais il ne capture ni les temps de trajet, ni les barrières physiques, ni les flux domicile-travail, ni les zones concurrentielles. Un bassin de vie marketing doit être construit comme une maille opérationnelle, à mi-chemin entre la géographie commerciale et la capacité d’activation média.
Une approche robuste combine quatre couches. La première est la donnée magasin : chiffre d’affaires, trafic caisse, panier moyen, marge, catégories vendues, stock, historique promotionnel, pression CRM locale. La deuxième est la donnée géographique : temps de trajet, transports, densité de population, zones commerciales, centres-villes, polarités concurrentes, saisonnalité touristique. La troisième est la donnée comportementale : visites web ou app rattachées à un magasin favori, demandes d’itinéraire, consultation de stock, paniers abandonnés, coupons sauvegardés, signaux CRM. La quatrième est la donnée média : couverture adressable, inventaire mobile disponible, coût par mille impressions, reach incrémental, qualité des environnements et taux d’identification.
Dans une logique programmatique, l’achat peut être opéré via une DSP, demand-side platform, plateforme permettant aux annonceurs d’acheter automatiquement des impressions publicitaires sur différents inventaires. Le RTB, real-time bidding, mécanisme d’enchères en temps réel pour acheter une impression disponible, permet de moduler les enchères selon la probabilité de conversion, la localisation, le device, le contexte et la récence du signal. Mais la DSP ne sait pas toujours si deux impressions servies dans des communes voisines relèvent du même bassin de vie commercial. C’est à l’annonceur ou à son partenaire data de définir cette maille et de l’injecter dans les règles d’achat.
Une méthode pragmatique consiste à créer des clusters locaux à partir de trois indicateurs : temps d’accès au magasin, probabilité historique de visite et intensité concurrentielle. Par exemple, une enseigne d’équipement de la maison peut distinguer un bassin urbain dense, où 3 kilomètres représentent déjà un effort de déplacement, d’un bassin périurbain, où 15 minutes de voiture constituent une distance acceptable. La pression mobile ne doit pas être identique dans ces deux cas. Dans le bassin urbain, les audiences sont plus nombreuses mais plus exposées à la concurrence et au bruit publicitaire. Dans le bassin périurbain, le reach est plus limité mais le signal d’intention peut être plus discriminant si le magasin est la destination commerciale principale.
Cette définition locale doit aussi éviter la cannibalisation interne. Si plusieurs magasins d’une même enseigne se disputent le même bassin, une campagne retargeting non gouvernée peut financer des déplacements qui auraient eu lieu dans le réseau, sans augmenter le chiffre d’affaires global. L’arbitrage doit alors se faire entre contribution locale et contribution réseau. Pour un magasin en ouverture, on peut accepter un transfert temporaire depuis un autre point de vente. Pour une campagne de marge, il faut privilégier le bassin où l’uplift est réellement additionnel.
Mesurer la pression : fréquence, récence, séquence et intensité cumulée
La pression utile ne se résume pas au nombre d’impressions. Une impression mobile servie deux heures après une consultation de stock n’a pas la même valeur qu’une impression servie dix jours après une visite de page générique. Un SMS envoyé à un client opt-in proche d’un magasin n’a pas le même poids relationnel qu’une bannière display dans un environnement éditorial. Pour mesurer correctement la pression, il faut distinguer fréquence, récence, séquence et intensité cumulée.
La fréquence correspond au nombre de contacts reçus sur une période. Elle doit être analysée à plusieurs niveaux : par canal, par campagne, par individu, par foyer lorsque c’est possible, et par bassin de vie. Une fréquence moyenne nationale de 5 impressions par semaine peut masquer un bassin exposé à 13 impressions par individu adressable et un autre exposé à 2 impressions. La moyenne rassure le reporting, mais elle ne dit rien de la saturation locale.
La récence mesure le délai entre le signal d’intérêt et la réexposition. Dans le retargeting mobile, la valeur du signal décroît souvent rapidement. Un abandon de panier alimentaire peut perdre une grande partie de sa valeur en 24 à 48 heures. Une consultation automobile ou ameublement peut rester pertinente plusieurs semaines. La pression utile dépend donc du cycle de décision par catégorie. Dans le funnel, parcours allant de l’exposition à la considération, puis à la conversion et à la fidélisation, une pression forte peut être acceptable en bas de funnel sur un signal chaud, mais destructrice en haut de funnel sur un signal faible.
La séquence décrit l’ordre des contacts. Une exposition média locale, suivie d’un email de réassurance, puis d’un push avec stock disponible, peut être cohérente. Trois messages quasi identiques sur trois canaux en vingt-quatre heures peuvent produire le même volume attribué mais une perception plus agressive. Le retargeting mobile doit être orchestré avec les canaux CRM, pas empilé sur eux. L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, favorise souvent le dernier contact ; elle peut donc encourager une surpression mobile si l’organisation ne mesure pas l’effet marginal de chaque contact.
L’intensité cumulée agrège la pression selon le poids du canal. Une impression display n’a pas le même coût attentionnel qu’un SMS. Une notification push peut être peu coûteuse en média, mais coûteuse en capital relationnel si elle déclenche des désactivations. Une grille de pondération peut aider. Par exemple, une impression display vaut 1 point de pression, une impression social retargeting 2 points, un push commercial 5 points, un SMS 8 points, un appel sortant 15 points. Ces coefficients doivent être calibrés par l’observation : taux d’ouverture, taux de clic, opt-out, désinstallation, plainte, baisse d’engagement, conversion incrémentale. L’objectif n’est pas de créer une vérité universelle, mais un langage commun pour arbitrer la pression par bassin.
Identifier le seuil de saturation : courbes de réponse, uplift marginal et coût relationnel
Le cœur analytique du sujet consiste à trouver le point où une impression supplémentaire cesse de créer de la valeur. Les courbes de réponse publicitaire, souvent inspirées des modèles d’adstock et de saturation utilisés en marketing mix modeling, montrent généralement trois phases. La première est la phase d’apprentissage : la pression est trop faible pour produire un effet mesurable. La deuxième est la phase productive : chaque contact supplémentaire augmente la probabilité de conversion. La troisième est la phase de saturation : le gain marginal diminue, puis peut devenir nul ou négatif.
Dans un bassin de vie, cette courbe dépend de la taille de l’audience adressable, de la densité concurrentielle, de l’intention initiale, de la saisonnalité et de la disponibilité magasin. Un bassin avec 40 000 utilisateurs retargetables et un magasin sous-fréquenté peut supporter une montée en fréquence plus forte qu’un bassin de 8 000 utilisateurs déjà exposés à plusieurs campagnes CRM. La règle doit donc être locale : plafonner à 6 impressions hebdomadaires partout peut être trop peu dans un bassin en conquête et trop élevé dans un bassin mature.
Un exemple chiffré permet de clarifier. Une enseigne de mode dispose de 70 magasins et lance une campagne mobile sur des visiteurs ayant consulté des produits sans achat. Dans le bassin A, urbain et concurrentiel, la fréquence moyenne passe de 2 à 8 impressions par semaine. Le taux de visite attribué augmente de 2,1 % à 3,0 %, mais le groupe témoin non exposé progresse déjà à 2,6 % sur la période en raison d’un temps fort promotionnel. L’uplift incrémental réel est donc limité à 0,4 point. Dans le bassin B, périurbain, la fréquence passe de 2 à 6 impressions. Le taux de visite attribué augmente de 1,4 % à 2,5 %, contre 1,6 % dans le témoin. L’uplift est de 0,9 point. À coût média comparable, le bassin B absorbe mieux la pression.
Le raisonnement doit intégrer le coût relationnel. Supposons que, dans le bassin A, le renforcement de pression augmente les opt-out push de 0,25 point et les désabonnements email de 0,12 point, tandis que le bassin B reste stable. Même si le ROAS attribué du bassin A paraît élevé grâce à une audience plus active, sa contribution nette peut être inférieure. Un contact perdu dans un bassin dense, où le recrutement coûte cher, peut avoir une valeur future significative. La pression utile doit donc être mesurée en marge incrémentale nette, pas seulement en chiffre d’affaires attribué.
La bonne métrique est l’uplift marginal par point de pression. Elle consiste à comparer le gain incrémental de visites, ventes ou marge lorsque l’on augmente la pression d’un palier. Par exemple : de 0 à 2 contacts, de 3 à 5, de 6 à 8, puis au-delà. Si le palier 3 à 5 génère 1,20 euro de marge incrémentale par contact et le palier 6 à 8 seulement 0,18 euro, alors que le coût média et relationnel est de 0,25 euro, le seuil utile se situe avant le troisième palier. Ce calcul doit être répété par bassin, segment et catégorie.
Construire un framework de pilotage : du capping uniforme au budget local dynamique
Passer d’un retargeting uniforme à une pression utile par bassin de vie nécessite une gouvernance en cinq étapes. La première est la qualification des signaux. Tous les signaux ne méritent pas la même pression : panier abandonné, consultation de stock local, demande d’itinéraire, ajout à une wishlist, visite d’une page promotionnelle, ouverture d’email ou simple exposition publicitaire ne traduisent pas la même intention. Le score d’intention doit être localisé : un utilisateur ayant consulté le stock d’un magasin précis dans son bassin vaut plus qu’un visiteur générique du site national.
La deuxième étape est la création d’un score de pression. Ce score consolide les contacts médias et CRM sur une fenêtre donnée, par exemple 7, 14 ou 30 jours. Il doit intégrer la fréquence, la récence, le canal, le format, le niveau de personnalisation et le statut du client. Un client fidèle opt-in push peut accepter plus de messages de service qu’un prospect froid. Un dormant réactivé après douze mois doit être protégé contre une pression excessive juste après son retour.
La troisième étape est la définition de seuils par bassin. Ces seuils ne doivent pas être figés uniquement par intuition. Ils peuvent être initialisés par la taille d’audience, le taux de conversion historique, le coût média, la pression concurrentielle et l’objectif business. Un bassin en conquête peut recevoir un seuil d’exposition plus haut en haut de funnel. Un bassin saturé peut être réservé aux signaux bas de funnel. Un bassin où le magasin manque de stock doit réduire la pression, même si l’audience média est disponible.
La quatrième étape est le budget dynamique. Dans une DSP ou une plateforme social ads, il est possible de moduler les enchères, la fréquence et les exclusions selon le bassin de vie. Les budgets doivent migrer vers les bassins où le coût par visite incrémentale ou la marge incrémentale par euro investi sont les meilleurs, pas vers ceux qui génèrent le plus de conversions attribuées. Cela suppose d’accepter qu’un bassin très visible dans le reporting national puisse être désinvesti s’il capte surtout de la demande organique.
La cinquième étape est l’orchestration omnicanale. Le retargeting mobile doit recevoir les signaux CRM : achat récent, coupon utilisé, push désactivé, SMS envoyé, email cliqué, passage caisse, retour produit, réclamation. Sans cette consolidation, la marque risque de continuer à retargeter un client qui a déjà acheté en magasin ou qui a exprimé un signal négatif. Le server-side tagging, méthode qui consiste à faire transiter une partie des événements de mesure par un serveur contrôlé par l’annonceur, peut améliorer la qualité de collecte, sous réserve de consentement. Les clean rooms, environnements sécurisés permettant de rapprocher des données sans exposer les identités individuelles, peuvent aussi aider à relier exposition média et données transactionnelles lorsque les volumes sont suffisants.
Tester l’incrémentalité localement : holdouts, géo-expériences et fenêtres d’attribution
La mesure de la pression utile exige un contrefactuel. Sans groupe témoin, une hausse de visites après retargeting peut simplement refléter une promotion nationale, une météo favorable, une saisonnalité ou une intention préexistante. L’incrémentalité désigne l’effet additionnel réellement causé par une action marketing par rapport à ce qui se serait produit sans elle. Pour le retargeting mobile local, elle doit être mesurée à la fois au niveau individu et au niveau bassin.
Le holdout individuel est la méthode la plus lisible lorsque l’audience est adressable. On réserve aléatoirement une fraction des utilisateurs éligibles, par exemple 5 % à 10 %, qui ne recevront pas le retargeting pendant la période test. La randomisation doit être stratifiée par bassin de vie, score d’intention, segment client, distance au magasin et récence du signal. Si le holdout contient trop de clients faibles dans un bassin et trop de clients forts dans un autre, l’uplift sera biaisé.
La géo-expérimentation est utile lorsque les plateformes ne permettent pas un contrôle individuel fiable ou lorsque l’on veut mesurer les effets réseau. Elle consiste à comparer des bassins exposés et des bassins témoins similaires. La méthode de difference-in-differences, approche statistique comparant l’évolution d’un groupe exposé et d’un groupe témoin avant et après intervention, permet d’isoler une partie de l’effet causal, à condition que les tendances pré-campagne soient comparables. Un bassin test qui progressait déjà plus vite avant la campagne ne doit pas être interprété comme une preuve de performance.
Les fenêtres d’attribution doivent être adaptées au cycle local. Pour une enseigne de restauration rapide, une visite dans les 24 à 72 heures peut être pertinente. Pour l’ameublement, l’optique ou le bricolage, une fenêtre de 7 à 21 jours peut se justifier. Mais plus la fenêtre est longue, plus le risque de capturer du comportement organique augmente. La courbe de latence est indispensable : quelle part des visites incrémentales intervient à J0, J1, J3, J7 ? Si la visite attribuée continue d’augmenter après deux semaines sans différence avec le témoin, la fenêtre est probablement trop généreuse.
Un protocole opérationnel peut tester trois niveaux de pression dans plusieurs bassins comparables. Groupe 1 : pression légère, 2 contacts maximum sur 7 jours. Groupe 2 : pression standard, 5 contacts maximum. Groupe 3 : pression forte, 9 contacts maximum avec formats plus visibles. Un holdout non exposé est conservé dans chaque bassin. Les KPI doivent inclure visites observées, ventes caisse rattachées, marge, nouveaux clients, opt-out, désinstallations, coût média, fréquence effective et reach incrémental. Le résultat attendu n’est pas forcément de choisir un niveau unique, mais d’identifier les bassins où la pression forte est rentable, ceux où elle sature, et ceux où seule une pression bas de funnel est défendable.
Cas concret : réduire la pression nationale pour augmenter la marge locale
Prenons une enseigne de décoration disposant de 110 magasins, d’un site e-commerce et d’une application. Son retargeting mobile national cible les visiteurs web ayant consulté une catégorie sans acheter. La règle initiale est simple : jusqu’à 8 impressions display et social en 7 jours, fenêtre d’attribution de 14 jours, enchère majorée de 40 % pour les paniers abandonnés. Le reporting indique un ROAS attribué de 6,1 et un coût par visite magasin estimé de 3,80 euros. La campagne semble performante.
L’analyse par bassin de vie révèle pourtant trois profils. Dans les bassins métropolitains, la fréquence effective atteint 11 impressions par semaine sur les audiences les plus intentionnistes, car plusieurs plateformes cumulent leur propre capping. Les visites attribuées sont nombreuses, mais le taux de nouveaux clients est faible et le groupe témoin convertit déjà fortement. Dans les bassins périurbains, la fréquence moyenne est de 5 impressions, avec un meilleur uplift de visites. Dans les bassins ruraux, la fréquence est faible car l’inventaire mobile qualifié est limité, mais les utilisateurs exposés ont un panier magasin plus élevé.
L’enseigne met en place un score de pression consolidé et trois règles. Premièrement, dans les bassins métropolitains, le retargeting haut de funnel est réduit ; seules les intentions fortes, comme panier abandonné, stock consulté ou coupon sauvegardé, restent éligibles à une pression élevée. Deuxièmement, dans les bassins périurbains, le budget est augmenté de 25 % avec des créations orientées magasin, disponibilité et retrait. Troisièmement, dans les bassins ruraux, la pression média est complétée par email et SMS uniquement sur les clients opt-in à forte valeur, avec une fenêtre plus longue mais une fréquence limitée.
Après six semaines de test, le volume total d’impressions baisse de 18 %. Le ROAS attribué national recule légèrement, de 6,1 à 5,7, ce qui aurait pu être interprété comme une dégradation. Mais les holdouts montrent une hausse de 22 % de la marge incrémentale, portée par les bassins périurbains et ruraux. Les opt-out CRM diminuent de 9 % dans les bassins métropolitains. Le coût par visite attribuée augmente, mais le coût par visite incrémentale baisse. Le diagnostic est clair : l’ancien pilotage maximisait le volume visible dans les zones denses ; le nouveau pilotage réduit la pression inutile et déplace le budget vers les territoires où le contact modifie réellement le comportement.
Ce cas illustre une règle fréquente : optimiser le retargeting mobile au niveau national favorise les bassins où les signaux sont les plus nombreux, pas nécessairement ceux où la publicité est la plus causale. Les bassins denses produisent plus de clics, plus de visites attribuées et plus de conversions last click, modèle attribuant toute la conversion au dernier point de contact. Mais les bassins moins visibles peuvent générer une meilleure contribution marginale si la pression y rencontre une intention moins saturée.
Conclusion : faire de la pression utile un indicateur de gouvernance locale
Mesurer la pression utile par bassin de vie transforme le retargeting mobile en discipline d’arbitrage, plutôt qu’en mécanique automatique de réexposition. La question n’est pas de savoir combien d’impressions une audience peut recevoir sans dépasser un plafond technique. Elle est de savoir combien de contacts supplémentaires créent de la valeur dans un territoire donné, pour un segment donné, à un moment donné, sans surpayer l’intention existante ni détériorer la relation.
Une feuille de route actionnable peut se structurer en huit étapes. Premièrement, définir les bassins de vie marketing à partir des flux réels, temps de trajet, performances magasins, concurrence et données comportementales. Deuxièmement, qualifier les signaux d’intention selon leur valeur locale : stock consulté, panier, itinéraire, coupon, page magasin, engagement app. Troisièmement, consolider la pression omnicanale, en pondérant display, social, push, SMS, email et in-app selon leur poids relationnel. Quatrièmement, fixer des seuils de fréquence par bassin, segment et catégorie, plutôt qu’un capping uniforme. Cinquièmement, moduler les budgets et enchères selon l’uplift marginal, la marge et le coût relationnel, pas seulement le ROAS attribué. Sixièmement, intégrer les contraintes opérationnelles : stock, affluence, horaires, capacité de service, cannibalisation réseau. Septièmement, tester l’incrémentalité avec holdouts et géo-expériences stratifiés. Huitièmement, documenter les apprentissages localement afin d’ajuster les règles de pression à chaque cycle commercial.
Les limites doivent rester visibles. La donnée de localisation est partielle et dépendante du consentement. Les bassins de vie évoluent avec les mobilités, les saisons, les travaux, les ouvertures concurrentes et les routines de travail. Les plateformes média ne partagent pas toujours les mêmes identifiants ni les mêmes règles de capping. Les conversions magasin restent imparfaitement rattachées. Mais ces limites ne justifient pas un pilotage national indifférencié. Elles imposent au contraire une mesure plus humble, plus expérimentale et plus proche du terrain.
Pour les annonceurs retail et omnicanaux, le retargeting mobile performant n’est pas celui qui poursuit le plus longtemps les utilisateurs. C’est celui qui sait augmenter la pression là où elle est encore productive, la réduire là où l’audience est saturée, et l’arrêter lorsque l’intention a été convertie ou perdue. À l’échelle d’un bassin de vie, cette discipline permet de réconcilier média, CRM, géomarketing et point de vente autour d’un même objectif : moins de contacts inutiles, davantage de visites réellement incrémentales et une relation mobile mieux maîtrisée.
