Mesure incrémentale : le vrai défi du géomarketing retail
Le géomarketing retail ne manque pas de données, il manque souvent de causalité
Le géomarketing retail, c’est-à-dire l’utilisation de signaux de localisation, de zones de chalandise, de données magasin et de contextes locaux pour activer des audiences, a profondément modifié le pilotage des campagnes locales. Les annonceurs peuvent aujourd’hui cibler des utilisateurs proches d’un point de vente, adapter une création selon la distance, pousser une offre en fonction de la météo, mesurer des demandes d’itinéraire, observer des visites magasin ou rapprocher certaines expositions média d’achats en caisse. Cette richesse donne une impression de précision. Elle peut pourtant masquer le problème central : mesurer ce qui est réellement incrémental.
L’incrémentalité désigne la part d’un résultat qui n’aurait pas eu lieu sans l’action marketing. Dans une campagne Drive-to-Store, stratégie visant à générer du trafic qualifié vers un point de vente physique, la question n’est donc pas seulement de savoir combien de visites ont suivi une exposition mobile. Elle est de savoir combien de visites supplémentaires ont été causées par l’exposition, par rapport au comportement naturel de la zone, du magasin et de l’audience. La différence est majeure. Un magasin situé dans une gare, un centre commercial ou une rue très passante génère déjà du trafic organique. Une campagne géolocalisée peut facilement capter une partie de ce flux et le présenter comme une performance marketing.
Le risque de surattribution est structurel. Un utilisateur peut voir une bannière mobile, recevoir un SMS, être exposé à une campagne programmatique, chercher l’enseigne sur une application de navigation, passer devant le magasin puis acheter. Si chaque canal revendique la conversion selon sa propre fenêtre d’attribution, les performances additionnées dépassent rapidement la réalité économique. L’attribution, méthode qui consiste à assigner une conversion à un ou plusieurs points de contact marketing, reste utile pour lire les parcours. Mais elle ne prouve pas la causalité. En géomarketing retail, cette distinction doit devenir un réflexe de pilotage.
Pour les professionnels du marketing, l’enjeu n’est pas méthodologique au sens abstrait. Il détermine les arbitrages budgétaires. Une campagne locale peut afficher un CPA, cost per acquisition, c’est-à-dire le coût nécessaire pour générer une conversion attribuée, très compétitif si elle cible des clients déjà proches, fidèles ou intentionnistes. Mais son CPA incrémental peut être beaucoup plus élevé si la majorité des visites auraient eu lieu sans exposition. De même, un ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses marketing, peut sembler excellent en chiffre d’affaires brut et devenir insuffisant une fois calculé en marge incrémentale. Le vrai défi du géomarketing retail est donc de passer d’une logique de comptage post-exposition à une logique de preuve causale.
Pourquoi les visites attribuées surestiment souvent la valeur des campagnes locales
La première source de surestimation tient à la proximité géographique. En ciblant des personnes situées à 300 mètres, 800 mètres ou 2 kilomètres d’un magasin, le marketeur augmente mécaniquement la probabilité d’observer une visite. Mais cette probabilité existe déjà avant la campagne. Un salarié qui travaille dans la zone, un client régulier, un habitant du quartier ou un consommateur déjà en route vers le centre commercial n’a pas le même niveau d’influence marketing qu’un prospect réellement déplacé par le message. Attribuer toute visite post-exposition au média revient à confondre présence locale et effet publicitaire.
La deuxième source de biais vient des fenêtres temporelles. Une fenêtre d’attribution de 7 jours peut être défendable pour un achat impliquant, comme l’équipement de la maison ou l’optique. Elle peut être trop longue pour une offre de restauration rapide ou une promotion valable dans la journée. Plus la fenêtre est large, plus elle absorbe de comportements organiques. À l’inverse, une fenêtre trop courte peut sous-estimer les campagnes de considération. Le choix de la fenêtre ne doit donc pas être laissé au paramétrage standard d’une plateforme. Il doit être relié au cycle de décision réel, à la catégorie, à la distance magasin et au type d’offre.
La troisième source de biais est la qualité du signal de visite. Les technologies de mesure reposent sur différents mécanismes : données GPS issues d’applications consenties, SDK, panels, données opérateurs, rapprochement CRM-caisse, coupons scannés, demandes d’itinéraire ou géofencing. Le géofencing, technique consistant à définir un périmètre virtuel autour d’un lieu, peut être très utile, mais sa précision dépend de la configuration du point de vente. Un magasin de rue, une grande surface, une galerie commerciale, un retail park ou une station-service ne se mesurent pas de la même manière. Un rayon trop large génère des faux positifs ; un rayon trop strict sous-estime certaines visites. La durée minimale de présence, la fréquence des signaux et la densité urbaine doivent être auditées.
Enfin, les plateformes média ont parfois intérêt à présenter une lecture favorable. Une DSP, demand-side platform, plateforme permettant aux annonceurs d’acheter automatiquement des impressions publicitaires, peut optimiser la diffusion vers des profils plus susceptibles de visiter naturellement. Le RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression lorsqu’elle devient disponible, permet d’ajuster les achats selon contexte, device, audience ou localisation. Mais l’efficacité algorithmique peut aussi renforcer un biais : cibler ceux qui allaient déjà venir. Une performance attribuée élevée peut alors traduire une bonne capacité à trouver des clients chauds, pas nécessairement une capacité à créer du trafic additionnel.
Construire le contrefactuel : la condition minimale d’une mesure incrémentale robuste
Mesurer l’incrémental suppose de comparer le résultat observé à un scénario non observé : ce qui se serait produit sans campagne. Ce scénario est appelé contrefactuel. Comme il n’est jamais directement observable, il doit être estimé. Toute mesure incrémentale sérieuse repose sur la qualité de cette estimation. En géomarketing retail, trois approches dominent : le holdout individuel, le test géographique et la double différence.
Le holdout consiste à conserver une partie de l’audience éligible non exposée à la campagne. La randomisation, attribution aléatoire des individus entre groupe exposé et groupe témoin, permet de réduire les biais de sélection. Par exemple, une enseigne de sport cible 500 000 mobinautes dans les zones de chalandise de 120 magasins. Elle expose 90 % de l’audience et garde 10 % en groupe témoin. Si le groupe exposé affiche un taux de visite de 6,4 % et le groupe témoin de 5,6 %, l’uplift, écart de performance entre exposés et non exposés, est de 0,8 point. Sur 450 000 exposés, cela représente 3 600 visites incrémentales. Si la plateforme déclarait 28 800 visites post-exposition, l’écart de lecture est considérable.
Le test géographique est souvent plus adapté lorsque l’exposition individuelle est difficile à contrôler ou lorsque la campagne est activée par zone. Il consiste à comparer des magasins ou zones test avec des magasins ou zones contrôle comparables. La comparabilité doit être construite sur des variables tangibles : chiffre d’affaires historique, trafic magasin, typologie urbaine, saisonnalité, pression concurrentielle, météo, calendrier promotionnel, stock disponible et maturité locale de la marque. Sélectionner les magasins test parmi les meilleurs points de vente biaise immédiatement la mesure.
La méthode de double différence, ou difference-in-differences, compare l’évolution avant-après du groupe test à l’évolution avant-après du groupe contrôle. Supposons que les magasins test progressent de 11 % pendant la campagne, tandis que les magasins contrôle progressent de 6 % sur la même période. L’effet estimé est de 5 points, à condition que les deux groupes aient suivi des tendances parallèles avant le test. Cette condition est essentielle. Si les magasins test étaient déjà en accélération avant la campagne, l’effet peut être surestimé.
Le dimensionnement statistique est également critique. Un groupe témoin trop petit produit des résultats instables. La taille nécessaire dépend du taux de visite ou d’achat attendu, de l’effet minimal détectable et du niveau de confiance souhaité. Dans le retail, les effets incrémentaux réels peuvent être faibles en points de pourcentage mais importants en valeur absolue. Une hausse de 0,4 point de visite sur une audience de 2 millions de personnes peut représenter 8 000 visites additionnelles. Encore faut-il que le dispositif soit capable de distinguer cet effet du bruit naturel.
Relier la visite incrémentale à la marge, pas seulement au trafic
Une visite incrémentale n’est pas une fin en soi. Elle doit être reliée à l’économie du point de vente : taux de conversion magasin, panier moyen, marge, coût de la remise, coût média, capacité opérationnelle et probabilité de réachat. Un pilotage limité au coût par visite peut conduire à des décisions contre-productives. Certaines campagnes génèrent beaucoup de trafic peu qualifié. D’autres génèrent moins de visites, mais des clients plus rentables ou plus fidèles.
Un exemple permet de clarifier l’arbitrage. Une enseigne de bricolage investit 80 000 euros dans une campagne mobile géolocalisée avant un week-end de printemps. La mesure post-exposition indique 40 000 visites attribuées, soit 2 euros par visite attribuée. Un test géographique montre cependant que seules 9 500 visites sont incrémentales. Le coût par visite incrémentale est donc de 8,42 euros. Si 38 % de ces visiteurs achètent, avec une marge nette moyenne de 22 euros, la marge incrémentale générée est d’environ 79 420 euros. La campagne couvre presque son coût média, mais seulement avant prise en compte des frais de création, de données et d’éventuelles remises. L’analyse en visites attribuées aurait conclu à une performance exceptionnelle ; l’analyse en marge incrémentale invite à optimiser.
La distinction entre chiffre d’affaires incrémental et marge incrémentale est décisive. Une offre à -30 % peut générer une forte visite incrémentale mais dégrader la marge. À l’inverse, une campagne centrée sur la disponibilité locale, le conseil en magasin ou un service de retrait peut générer un CTR, click-through rate, taux de clic entre impressions et clics, plus faible, mais une valeur par visite supérieure. Pour un distributeur spécialisé, un message indiquant “produit disponible à 900 m, démonstration aujourd’hui” peut être plus rentable qu’une mécanique promotionnelle agressive, même si son volume de clics initial est inférieur.
La LTV, lifetime value, valeur économique attendue d’un client sur la durée de relation, doit aussi être intégrée avec prudence. Elle est pertinente si la campagne recrute ou réactive des clients susceptibles de revenir. Mais elle ne doit pas servir de justification automatique à une campagne non rentable à court terme. Une bonne pratique consiste à distinguer trois niveaux de valeur : marge immédiate, réachat mesuré à 30 ou 90 jours, et valeur projetée. Les deux premiers niveaux doivent être observés autant que possible ; le troisième doit être modélisé et documenté.
La capacité magasin est un autre angle souvent négligé. Générer des visites incrémentales dans un point de vente déjà saturé peut dégrader l’expérience et déplacer des ventes plutôt qu’en créer. À l’inverse, un magasin sous-fréquenté avec du stock disponible peut absorber du trafic additionnel à coût marginal faible. La mesure incrémentale doit donc être lue au niveau magasin ou cluster de magasins, pas uniquement au niveau national.
Segmenter l’uplift : tous les clients proches ne sont pas également influençables
Le géomarketing retail gagne en précision lorsqu’il ne cherche pas seulement les clients les plus proches, mais les clients les plus influençables. Cette nuance est fondamentale. Un client fidèle situé à 400 mètres du magasin peut avoir une forte probabilité d’achat naturelle. Un prospect occasionnel situé à 1,8 kilomètre peut être plus difficile à convertir, mais son achat peut être beaucoup plus incrémental. Le pilotage doit donc dépasser la propension à acheter pour intégrer la propension à être influencé.
Les modèles d’uplift modeling, techniques statistiques ou machine learning visant à prédire l’effet causal d’une action marketing sur un individu, répondent à cette logique. Ils cherchent à distinguer quatre catégories. Les sure things achètent même sans exposition. Les lost causes n’achètent pas malgré l’exposition. Les persuadables achètent grâce à l’exposition. Les sleeping dogs peuvent réagir négativement, par exemple en se désabonnant ou en percevant une sollicitation comme intrusive. Pour le géomarketing retail, la valeur se trouve surtout dans les persuadables, pas dans les clients qui auraient visité naturellement.
La segmentation RFM, récence, fréquence, montant, méthode classant les clients selon la date du dernier achat, la fréquence d’achat et la valeur dépensée, reste une base utile. Mais elle doit être croisée avec des variables locales : distance au magasin, temps de trajet, magasin préféré, historique de visites, densité concurrentielle, exposition média récente, disponibilité du stock, catégorie d’intérêt et contexte temporel. Un client dormant à forte valeur situé à 2 kilomètres d’un magasin avec un produit en stock peut justifier un SMS ou une notification push. Un client très fréquent dans la même zone peut être exclu d’une campagne média payante et traité via un message de fidélité moins coûteux.
La distance elle-même doit être interprétée comme une variable non linéaire. À moins de 500 mètres, le message doit souvent privilégier l’action immédiate : itinéraire, disponibilité, coupon valable aujourd’hui. Entre 1 et 5 kilomètres, il doit justifier le déplacement : avantage prix, service, rendez-vous, exclusivité locale. Au-delà, la campagne relève davantage de la considération ou de la préparation de visite. Un même KPI de visite ne peut pas être lu de manière identique selon ces cercles de distance. Un uplift faible à 4 kilomètres peut être plus stratégique qu’un uplift élevé à 200 mètres si la zone proche est déjà saturée de clients naturels.
La pression commerciale doit enfin être intégrée. Les canaux mobiles locaux, notamment SMS et push, peuvent améliorer fortement l’action à court terme, mais ils consomment de la permission. Un taux d’opt-out SMS de 0,3 % peut sembler faible sur une campagne, mais représenter des milliers de contacts perdus si la base est importante. La mesure de l’uplift doit donc inclure des KPI, key performance indicators, indicateurs clés de performance, relationnels : désabonnement, désactivation push, fréquence d’exposition, masquage publicitaire, plaintes, baisse d’engagement applicatif.
Mettre en place une gouvernance de mesure entre média, CRM et magasin
La mesure incrémentale ne se résume pas à un rapport post-campagne. Elle suppose une gouvernance en amont. Les équipes média, CRM, data, retail et opérations doivent s’accorder sur la définition de la visite, la fenêtre d’observation, les groupes de contrôle, les règles de déduplication, les coûts intégrés et les indicateurs de décision. Sans cette gouvernance, chaque acteur optimise son périmètre et la lecture globale devient incohérente.
La déduplication est un sujet central. Une visite peut être précédée d’une impression programmatique, d’un SMS, d’un push, d’une ouverture d’application et d’une recherche locale. Additionner les contributions de chaque canal crée une performance fictive. Deux approches sont possibles. La première consiste à mesurer l’incrémentalité globale d’un dispositif combiné, puis à analyser les contributions marginales par tests séparés. La seconde consiste à construire des cellules expérimentales : média seul, CRM seul, média plus CRM, groupe témoin. Cette architecture permet de mesurer les synergies sans additionner artificiellement les effets.
Les coûts doivent être complets. Une campagne géomarketing ne coûte pas seulement le média. Il faut intégrer les frais de données, la technologie, la création, l’enrichissement local, les remises, le routage SMS ou RCS, les coûts d’agence éventuels et parfois les coûts opérationnels magasin. Le coût par visite incrémentale peut être très différent du coût par visite attribuée, mais aussi du coût par visite profitable. La bonne question n’est pas “combien de visites avons-nous générées ?”, mais “combien de visites rentables et additionnelles avons-nous créées, dans quels magasins et sur quels segments ?”.
Les équipes magasin doivent être associées. Une campagne locale promet une action concrète : disponibilité, offre, retrait, rendez-vous, service. Si le stock n’est pas fiable, si les vendeurs ne connaissent pas l’offre, si le coupon ne scanne pas correctement ou si les horaires sont erronés, la performance réelle se dégrade. Le géomarketing dépend donc de la donnée locale, mais aussi de l’exécution locale. Une mesure incrémentale sérieuse doit documenter les ruptures, les anomalies magasin et les différences d’expérience entre points de vente.
Enfin, la mesure doit s’inscrire dans un apprentissage continu. Un test isolé donne une photographie. Un programme de tests construit une mémoire. Les annonceurs les plus avancés maintiennent des holdouts récurrents, comparent les zones, analysent les uplifts par distance, catégorie et segment CRM, puis réinjectent ces enseignements dans les règles d’achat média et de pression relationnelle. Cette boucle permet de déplacer les budgets des audiences simplement faciles à convertir vers les scénarios réellement créateurs de valeur.
Conclusion : faire de l’incrémentalité un principe de décision, pas un audit ponctuel
Le vrai défi du géomarketing retail n’est pas de prouver qu’une campagne a précédé des visites. Les outils savent déjà produire ce type de lecture. Le défi est de démontrer que ces visites, ces achats ou cette marge n’auraient pas existé sans l’activation. Cette exigence change la manière de concevoir, d’acheter, de mesurer et d’optimiser les campagnes locales. Elle impose de traiter la localisation non comme une preuve de performance, mais comme une variable de contexte à contrôler.
Une feuille de route actionnable peut se structurer en huit étapes. Premièrement, définir avant campagne l’objectif incrémental : visite, achat, marge, réactivation, réachat ou LTV. Deuxièmement, choisir une fenêtre d’attribution cohérente avec le cycle de décision et la catégorie. Troisièmement, mettre en place un contrefactuel robuste via holdout individuel, test géographique ou double différence. Quatrièmement, auditer la qualité du signal de visite : géofencing, durée de présence, faux positifs, configuration magasin. Cinquièmement, calculer les coûts et résultats en version incrémentale, idéalement en marge plutôt qu’en chiffre d’affaires brut. Sixièmement, segmenter l’uplift par distance, statut CRM, fréquence d’achat, catégorie et magasin. Septièmement, dédupliquer les contributions entre programmatique, SMS, push, application et trafic organique. Huitièmement, intégrer les enseignements dans les règles de ciblage, de capping et d’allocation budgétaire.
Cette discipline peut réduire certaines performances affichées dans les dashboards historiques. C’est précisément son intérêt. Elle permet de distinguer les campagnes qui captent une demande existante de celles qui créent réellement du trafic, de la marge et de la valeur client. Dans un contexte où les budgets retail sont arbitrés au plus près, où les identifiants deviennent moins disponibles et où la pression commerciale mobile doit être maîtrisée, l’incrémentalité n’est plus un luxe méthodologique. C’est le socle d’un géomarketing retail durable, capable de relier précision locale et performance économique réelle.
