Comment mesurer le ROAS omnicanal sans survaloriser le dernier clic

Le ROAS omnicanal ne mesure pas une campagne, il mesure une chaîne de décisions

Le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué ou incrémental et dépenses marketing, reste l’un des indicateurs les plus utilisés pour arbitrer les budgets média, CRM et Drive-to-Store. Mais dans un environnement omnicanal, il devient rapidement ambigu. Un client peut voir une publicité programmatique mobile le lundi, recevoir un email le mercredi, cliquer sur une annonce search le vendredi, consulter le stock dans l’application, puis acheter en magasin le samedi. Si le reporting attribue toute la vente au dernier clic, la campagne search semble porter la performance, alors que la demande a été construite par plusieurs points de contact.

Le problème n’est pas seulement méthodologique. Il est budgétaire. Survaloriser le dernier clic conduit souvent à sous-investir les leviers d’amont, à surexposer les audiences déjà intentionnistes, à réduire les budgets Drive-to-Store moins directement cliquables et à confondre conversion capturée avec conversion créée. Pour les annonceurs retail, locaux et omnicanaux, cette erreur peut déplacer plusieurs centaines de milliers d’euros d’investissement vers les canaux les plus proches de la transaction, sans améliorer la croissance nette.

Le CPA, cost per acquisition, coût nécessaire pour générer une conversion attribuée, souffre de la même limite. Un canal peut afficher un CPA très bas parce qu’il intervient en fin de funnel, parcours allant de l’exposition à la considération, puis à la conversion et à la fidélisation. À l’inverse, une campagne mobile géolocalisée peut avoir un CPA apparent plus élevé tout en générant de la demande incrémentale dans des zones où la marque était sous-considérée. La question n’est donc pas de choisir entre attribution et ROAS, mais de construire une mesure qui distingue trois réalités : ce qui est observé, ce qui est attribué et ce qui est réellement incrémental.

Mesurer correctement le ROAS omnicanal impose de relier les données média, CRM, app, web, magasin et marge. Cela exige aussi d’accepter une idée inconfortable : aucun modèle unique ne dit toute la vérité. Le dernier clic est simple mais biaisé. L’attribution multi-touch est plus riche mais dépendante de données incomplètes. Les tests incrémentaux sont plus causaux mais coûteux et parfois difficiles à généraliser. Le bon dispositif combine ces approches selon leur usage : pilotage opérationnel, arbitrage budgétaire et preuve économique.

Comprendre pourquoi le dernier clic persiste malgré ses biais

Le modèle last click, ou dernier clic, attribue 100 % de la conversion au dernier point de contact cliqué avant l’achat. Sa popularité tient à trois raisons. Il est lisible, facile à implémenter dans les outils analytics et directement relié à une action observable. Dans un tableau de bord, il produit des chiffres nets : tel canal a généré tant de ventes, tel mot-clé affiche tel ROAS, telle campagne sociale a tel CPA. Cette simplicité est séduisante pour piloter rapidement des budgets.

Mais cette simplicité repose sur une hypothèse rarement vraie : le dernier clic serait le déclencheur principal de la conversion. Dans le retail omnicanal, le dernier clic est souvent un point de capture. Un client déjà convaincu tape le nom de la marque sur un moteur de recherche, clique sur une annonce brandée, puis finalise son achat. Le search brand récupère alors la vente, même si l’intention a été créée par une campagne SMS, une vidéo mobile, un prospectus digitalisé, une publicité en RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter automatiquement une impression publicitaire disponible, ou une visite précédente en magasin.

Le biais est particulièrement fort sur les audiences chaudes. Les campagnes de retargeting, les emails de relance panier, les pushs de rappel et les annonces search captent mécaniquement des utilisateurs proches de l’achat. Leur ROAS attribué est donc élevé. Pourtant, une part significative de ces ventes aurait pu se produire sans exposition supplémentaire. C’est le risque de sur-attribution : créditer un canal pour une conversion qu’il n’a pas causée.

À l’inverse, les canaux d’influence sont sous-valorisés. Une campagne programmatique mobile achetée via une DSP, demand-side platform, plateforme permettant aux annonceurs d’acheter automatiquement des impressions publicitaires auprès de multiples sources d’inventaire, peut augmenter la notoriété locale, déclencher des recherches de magasin ou améliorer la probabilité de visite. Mais si l’achat se termine par un clic search ou une ouverture email, le display mobile disparaît du ROAS last click. Le canal a contribué à la demande, mais il n’est pas reconnu par le modèle.

Le dernier clic crée ainsi un effet d’éviction budgétaire. Plus un annonceur optimise sur ce modèle, plus il investit dans les canaux proches de la conversion. À court terme, les tableaux de bord peuvent s’améliorer. À moyen terme, le haut et le milieu de funnel s’assèchent, la conquête diminue, les audiences retargetables se réduisent et le coût marginal de conversion augmente. L’illusion de performance finit par dégrader la performance réelle.

Construire une architecture de mesure unifiée avant de choisir un modèle

Avant de débattre d’attribution, il faut résoudre un problème plus fondamental : la qualité de l’observation. Un ROAS omnicanal fiable suppose de rapprocher les expositions média, les clics, les sessions web, les interactions app, les ouvertures CRM, les visites magasin, les transactions caisse et les retours produits. Sans ce socle, le modèle le plus sophistiqué produit une précision apparente sur des données partielles.

La première étape consiste à définir l’unité d’analyse. Pour un pure player, la transaction e-commerce suffit souvent. Pour une enseigne omnicanale, l’unité pertinente peut être le client, le foyer, le magasin, la zone de chalandise ou le cluster géographique. Un achat click and collect doit-il être attribué au web, au magasin ou aux deux ? Une commande app retirée en boutique doit-elle enrichir le ROAS mobile ou le ROAS retail ? Ces conventions doivent être explicites, sinon chaque équipe optimisera selon sa propre lecture.

La deuxième étape est l’identification. Les données login, carte de fidélité, email hashé, identifiant app, coupon unique ou transaction rattachée permettent de relier une partie des parcours. Mais l’identification reste imparfaite. Les restrictions de tracking, les consentements variables, les achats anonymes en caisse, le partage d’appareil et les changements de navigateur fragmentent la vision. Il faut donc documenter le taux de match. Un ROAS omnicanal calculé sur 35 % des ventes identifiées n’a pas la même portée qu’un ROAS calculé sur 75 % des ventes rattachables.

La troisième étape concerne la fenêtre d’attribution. Une fenêtre de 24 heures peut convenir pour la restauration rapide ou les achats d’impulsion. Elle est trop courte pour l’ameublement, l’optique, l’automobile ou l’équipement de la maison. À l’inverse, une fenêtre de 30 jours sur une promotion alimentaire surestimera l’effet réel. La fenêtre doit refléter le cycle de décision, la catégorie produit, la pression commerciale et le canal. Un SMS promotionnel local peut se mesurer sur 3 à 7 jours ; une campagne vidéo mobile de considération peut nécessiter 14 à 30 jours.

La quatrième étape est la granularité économique. Un ROAS en chiffre d’affaires peut masquer une destruction de marge. Une vente générée avec 25 % de remise, un coût média élevé et un retour produit important n’a pas la même valeur qu’une vente plein tarif en magasin. Le ROAS marge, qui remplace le chiffre d’affaires par la marge brute ou contribution incrémentale, devient donc indispensable pour les arbitrages. Dans les campagnes locales, il faut aussi intégrer le coût de la remise consommée, les frais d’impression éventuels, la pression CRM et l’impact sur les magasins voisins.

Utiliser l’attribution multi-touch comme outil de diagnostic, pas comme preuve causale

L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, peut être enrichie par des modèles multi-touch. Le MTA, multi-touch attribution, approche qui répartit le crédit de conversion entre plusieurs interactions du parcours, cherche à dépasser le dernier clic. Plusieurs règles existent : linéaire, position based, time decay, data-driven. Le modèle linéaire attribue le même poids à chaque contact. Le time decay donne plus de poids aux interactions récentes. Le position based valorise généralement le premier et le dernier contact. Les modèles data-driven utilisent des signaux statistiques pour estimer la contribution relative des points de contact observés.

Ces approches sont utiles pour comprendre les séquences. Elles peuvent montrer que les campagnes push interviennent surtout en relance, que le programmatique mobile initie des parcours, que l’email soutient la considération ou que le search brand capte la demande finale. Elles permettent aussi de repérer les redondances : un client exposé à trois relances CRM en 48 heures n’a peut-être pas besoin d’un quatrième contact média.

Mais l’attribution multi-touch ne doit pas être confondue avec l’incrémentalité. Répartir le crédit entre plusieurs contacts ne prouve pas que ces contacts ont causé la vente. Si un client fidèle consulte naturellement l’application, reçoit un push et achète comme il l’aurait fait de toute façon, le MTA attribuera une part de crédit au push. La vente est observée après exposition, mais l’effet causal peut être faible.

Le MTA est également vulnérable aux trous de données. Les impressions non vues, les expositions non trackées, les visites magasin anonymes, les interactions offline et les restrictions de consentement créent des parcours incomplets. Un modèle data-driven peut sembler objectif, mais il apprend sur ce qui est mesuré, pas sur l’ensemble réel du parcours. Les canaux très traçables sont souvent favorisés par rapport aux canaux moins observables.

La bonne pratique consiste à utiliser le MTA pour le pilotage tactique : ajuster la fréquence, comprendre les chemins, détecter les chevauchements d’audience, comparer les rôles de canaux dans un périmètre donné. Mais les décisions budgétaires majeures doivent être validées par des tests incrémentaux ou des modèles économétriques. Autrement dit, le MTA répond à la question : quels points de contact sont associés aux conversions ? Il ne répond pas toujours à la question : quelles conversions disparaîtraient si l’on coupait ce levier ?

Mesurer l’incrémentalité avec des groupes de contrôle et des tests géographiques

L’incrémentalité désigne l’effet additionnel causé par une action marketing par rapport à ce qui se serait produit sans cette action. C’est le cœur d’un ROAS omnicanal robuste. Pour l’estimer, il faut construire un contrefactuel : une population ou une zone comparable qui ne reçoit pas l’activation.

Sur les canaux adressés comme SMS, email, push ou RCS, Rich Communication Services, protocole de messagerie enrichie permettant d’intégrer images, boutons et interactions dans la messagerie native, le groupe de contrôle individuel est souvent la méthode la plus directe. Une partie de l’audience éligible, par exemple 5 % à 10 %, est volontairement exclue de l’envoi. On compare ensuite les comportements des exposés et des non-exposés : achats web, achats magasin, visites, panier moyen, marge, désabonnements. Si 100 000 clients exposés génèrent 7,2 % d’achat et que 10 000 clients en holdout, groupe témoin non exposé, génèrent 6,1 %, l’uplift est de 1,1 point. Sur les exposés, cela représente 1 100 achats incrémentaux pour 100 000 contacts.

Un exemple chiffré illustre l’écart entre ROAS attribué et ROAS incrémental. Une enseigne de sport envoie un SMS local à 300 000 clients dormants avec un coupon de 10 euros dès 70 euros d’achat. Le reporting attribué indique 18 000 achats et 1,26 million d’euros de chiffre d’affaires, soit un panier moyen de 70 euros. Le coût campagne est de 45 000 euros, remise consommée incluse. Le ROAS attribué est donc de 28. Mais le holdout révèle que 4,8 % des clients non exposés auraient acheté sans SMS, contre 6 % chez les exposés. L’uplift réel est de 1,2 point, soit 3 600 achats incrémentaux. Le chiffre d’affaires incrémental est de 252 000 euros. Avec une marge brute de 38 %, la marge incrémentale est de 95 760 euros. Après coût campagne, la contribution nette est de 50 760 euros. La campagne reste rentable, mais elle n’a pas le niveau de performance spectaculaire suggéré par le ROAS attribué.

Pour les campagnes média non adressées, les tests géographiques sont souvent plus adaptés. L’annonceur sélectionne des zones test et des zones contrôle comparables sur les ventes historiques, la densité concurrentielle, la saisonnalité, la météo, le profil socio-démographique et la structure magasin. La campagne est activée dans les zones test, pas dans les zones contrôle. La méthode difference-in-differences, approche statistique comparant l’évolution avant-après d’un groupe exposé à celle d’un groupe témoin, permet d’estimer l’effet net. Si les zones test progressent de 9 % pendant l’activation et les zones contrôle de 4 %, l’effet estimé est de 5 points, sous réserve de comparabilité.

Ces tests doivent être conçus avant la campagne. Il faut définir les KPI, la durée, les exclusions, la taille minimale, les règles de contamination et la période post-campagne. Un test trop court peut manquer les effets retardés. Un test sur des zones trop différentes produit des conclusions fragiles. Un holdout trop petit manque de puissance statistique. La rigueur expérimentale n’est pas un luxe analytique : c’est la condition pour ne pas confondre corrélation et effet marketing.

Réconcilier ROAS média, ROAS CRM, ROAS magasin et ROAS marge

Le ROAS omnicanal doit être décliné plutôt que résumé dans un chiffre unique. Un tableau de bord utile distingue au minimum quatre niveaux. Le ROAS média mesure les ventes attribuées ou incrémentales liées aux investissements publicitaires. Le ROAS CRM mesure l’effet des canaux adressés : email, SMS, push, RCS. Le ROAS magasin mesure l’impact sur les transactions en point de vente, idéalement par zone et par cluster. Le ROAS marge mesure la contribution économique après prise en compte de la marge produit, des remises, des coûts média et des coûts opérationnels.

Cette distinction évite des arbitrages trompeurs. Une campagne Drive-to-Store peut avoir un ROAS e-commerce faible mais un fort impact caisse. Une campagne search peut afficher un excellent ROAS digital tout en captant des ventes qui auraient été réalisées en magasin. Une activation push peut générer peu de chiffre d’affaires immédiat mais augmenter la récurrence de visite app et la valeur future. Tout dépend de l’objectif et du périmètre de mesure.

Le cas du click and collect est particulièrement révélateur. Si le coût média est imputé au digital et la vente au magasin, le ROAS digital semble mauvais. Si toute la vente est imputée au digital, le magasin perd sa contribution dans le reporting. Une convention plus robuste consiste à distinguer le canal de commande, le canal de retrait, le canal d’influence et le centre de marge. Le reporting peut ensuite attribuer la transaction à plusieurs vues sans mélanger les usages : pilotage e-commerce, pilotage magasin, pilotage média et pilotage financier.

Il faut aussi gérer les effets de cannibalisation. Une campagne mobile locale peut augmenter les ventes d’un magasin ciblé mais réduire celles d’un magasin voisin de la même enseigne. Le ROAS magasin cible est positif, mais le ROAS réseau peut être neutre. La mesure doit donc intégrer des clusters de magasins substituables, surtout en zones urbaines ou périurbaines denses. Le bon KPI n’est pas seulement le chiffre d’affaires du point activé, mais la contribution consolidée du bassin.

Enfin, la lecture doit intégrer la valeur client. Une vente de réactivation d’un client dormant peut valoir plus qu’une vente supplémentaire d’un client déjà fidèle si elle relance un cycle d’achat. À l’inverse, accorder une remise à un client à forte intention peut détruire de la marge sans modifier le comportement. Le ROAS par segment, croisant RFM, récence, fréquence, montant, méthode de segmentation classant les clients selon leur dernier achat, leur fréquence d’achat et leur valeur dépensée, avec l’intention récente et la sensibilité promotionnelle, donne une lecture beaucoup plus décisionnelle qu’un ROAS moyen.

Combiner modèles d’attribution, MMM et expérimentation pour arbitrer les budgets

Aucun outil ne suffit seul. Une architecture mature combine trois familles de mesure. La première est l’attribution utilisateur, utile pour piloter les parcours observables à court terme. La deuxième est l’expérimentation, utile pour mesurer la causalité sur des campagnes ou segments précis. La troisième est le MMM, marketing mix modeling, modèle économétrique qui estime la contribution des leviers marketing et facteurs externes aux ventes agrégées dans le temps.

Le MMM est particulièrement utile lorsque les parcours individuels sont incomplets. Il intègre des séries temporelles de ventes, dépenses média, promotions, prix, distribution, météo, saisonnalité, concurrence et événements locaux. Il peut estimer l’effet marginal d’un canal même lorsque les données utilisateur sont limitées. Par exemple, un MMM peut montrer qu’une hausse de 100 000 euros en vidéo mobile dans certaines périodes génère en moyenne 420 000 euros de ventes incrémentales réseau, avec un intervalle de confiance donné. Il peut également mesurer la saturation : au-delà d’un certain niveau d’investissement, le ROAS marginal baisse.

Mais le MMM a ses limites. Il travaille souvent à une granularité hebdomadaire ou géographique agrégée. Il est moins adapté aux décisions fines de créatif, de capping ou de séquence CRM. Il dépend de la qualité historique des données et peut confondre certains leviers corrélés si les plans média ne varient pas suffisamment. Le MMM répond mieux aux questions de budget global qu’aux questions de parcours individuel.

L’expérimentation sert alors de point d’ancrage. Les résultats de holdouts et tests géographiques peuvent calibrer les modèles d’attribution et nourrir le MMM. Si le last click attribue 40 % des ventes à un levier mais que les tests montrent un faible uplift, le modèle doit être corrigé. Si un canal d’amont est peu crédité par l’attribution mais présente un effet incrémental positif en géotest, il mérite d’être défendu dans l’allocation budgétaire.

Un framework pragmatique consiste à associer chaque niveau de décision à une méthode dominante. Pour l’optimisation quotidienne des enchères et créatifs : attribution et signaux de parcours. Pour les arbitrages mensuels entre canaux : tests incrémentaux et ROAS marge par segment. Pour les arbitrages trimestriels ou annuels : MMM, contribution réseau et saturation. Cette hiérarchie limite le risque d’utiliser un outil pour une question qu’il ne sait pas résoudre.

Conclusion : passer d’un ROAS de capture à un ROAS de contribution

Mesurer le ROAS omnicanal sans survaloriser le dernier clic revient à changer de logique. Il ne s’agit plus de récompenser le point de contact qui ferme la transaction, mais d’identifier les leviers qui créent réellement de la valeur additionnelle. Le dernier clic peut rester utile pour certaines optimisations opérationnelles, mais il ne doit pas piloter seul les budgets d’une enseigne omnicanale.

Une feuille de route actionnable peut se structurer en huit étapes. Premièrement, définir précisément le périmètre du ROAS : chiffre d’affaires, marge, ventes web, ventes magasin, ventes réseau ou valeur client. Deuxièmement, documenter les conventions d’attribution pour le click and collect, l’app, le CRM et les transactions caisse. Troisièmement, mesurer le taux de match entre expositions, identifiants et ventes afin de connaître les angles morts. Quatrièmement, utiliser l’attribution multi-touch comme diagnostic de parcours, sans la confondre avec une preuve causale. Cinquièmement, mettre en place des holdouts sur les canaux adressés et des tests géographiques sur les médias locaux. Sixièmement, calculer systématiquement le ROAS incrémental et le ROAS marge, pas seulement le ROAS attribué. Septièmement, analyser les résultats par segment client, catégorie, magasin et zone de chalandise pour détecter cannibalisation et saturation. Huitièmement, combiner attribution, expérimentation et MMM pour aligner pilotage court terme et allocation budgétaire long terme.

Le point critique est culturel autant que technique. Les équipes doivent accepter que le canal avec le meilleur ROAS attribué n’est pas toujours celui qui crée le plus de croissance. Un canal proche de la conversion peut être excellent pour capter une intention existante. Un canal mobile local peut être indispensable pour créer de la considération et générer des visites additionnelles. Un push peut être rentable sur un segment intentionniste mais destructeur si la pression augmente les désactivations. Le rôle de la mesure n’est pas de produire un classement simpliste des canaux, mais de révéler leur contribution marginale dans le système omnicanal.

Dans un contexte de pression budgétaire, cette rigueur devient un avantage concurrentiel. Les annonceurs qui continuent à piloter au dernier clic risquent d’optimiser la fin du parcours au détriment de la demande future. Ceux qui construisent un ROAS de contribution, fondé sur l’incrémentalité, la marge et la lecture réseau, peuvent arbitrer plus finement entre acquisition, réactivation, fidélisation et trafic magasin. La performance omnicanale ne se mesure pas au dernier clic capturé, mais à la valeur additionnelle que chaque euro média ou CRM permet réellement de créer.