Mesurer l’incrémentalité omnicanale au-delà des visites magasin

L’incrémentalité omnicanale ne se résume pas à compter des visites : elle mesure ce que le marketing a réellement changé

Dans les dispositifs drive-to-store, la visite magasin a longtemps joué le rôle de preuve centrale. Une campagne mobile est diffusée, un volume d’utilisateurs exposés est rapproché d’un signal de présence en point de vente, puis un coût par visite est calculé. Cette lecture a permis de sortir d’une vision strictement digitale du marketing local. Mais elle devient insuffisante dès que l’annonceur cherche à piloter une performance omnicanale réelle : chiffre d’affaires incrémental, marge, nouveaux clients, réachat, arbitrage e-commerce versus magasin, effet sur le panier, opt-out CRM, saturation média et valeur future.

L’incrémentalité désigne la part d’un résultat qui n’aurait pas eu lieu sans l’action marketing. Elle répond à une question causale, pas seulement descriptive : la campagne a-t-elle créé une visite, une vente ou une marge additionnelle, ou a-t-elle simplement capté une intention déjà existante ? Cette distinction est décisive pour les annonceurs retail, locaux et omnicanaux. Une campagne peut générer 40 000 visites attribuées, afficher un CPA, cost per acquisition, coût nécessaire pour générer une conversion attribuée, très compétitif, et pourtant produire peu de valeur nette si la majorité des visiteurs étaient déjà susceptibles de venir.

Le problème s’amplifie dans un contexte omnicanal. Un client exposé à une publicité mobile peut acheter en magasin, commander en ligne, utiliser le click and collect, appeler un point de vente, réserver un créneau, télécharger un coupon, comparer les prix, revenir via email ou acheter deux semaines plus tard dans une autre zone. Si la mesure s’arrête à la visite physique, une partie de l’effet est invisible. À l’inverse, si l’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, additionne tous les signaux sans groupe témoin, elle surestime souvent la contribution.

Mesurer l’incrémentalité omnicanale impose donc de changer de niveau d’analyse. Il ne s’agit plus seulement de prouver que des personnes exposées sont venues en magasin. Il faut mesurer ce que l’exposition a modifié dans l’ensemble du funnel, parcours allant de l’exposition à la considération, puis à la conversion et à la fidélisation. Cela suppose des groupes de contrôle, une consolidation des données vente et CRM, une lecture par cohorte, une prise en compte de la marge et une gouvernance entre équipes média, retail, e-commerce et data.

Pourquoi la visite magasin est un indicateur utile mais incomplet

La visite magasin reste un signal stratégique. Elle rapproche le média mobile d’un comportement physique et permet de dépasser les indicateurs faibles comme l’impression ou le clic. Le CTR, click-through rate, taux de clic entre impressions et clics, renseigne sur l’interaction publicitaire, mais il ne dit rien de la contribution réelle au trafic point de vente. Une visite mesurée après exposition apporte une information plus proche de l’objectif business d’un réseau retail.

Mais la visite présente trois limites majeures. La première est la confusion entre corrélation et causalité. Les individus les plus exposés sont souvent ceux que les algorithmes considèrent comme les plus susceptibles d’agir : ils sont proches d’un magasin, actifs sur mobile, déjà clients, ou en phase de recherche. Leur taux de visite peut être supérieur sans que la campagne en soit la cause. Si une enseigne observe 3,2 % de visites chez les exposés et 1,9 % dans une population non comparable, l’écart ne prouve rien. Il peut refléter une différence d’intention initiale.

La deuxième limite tient au périmètre. Une campagne locale peut influencer des comportements qui ne se matérialisent pas par une visite immédiate. Un client peut acheter en ligne après avoir vu une offre magasin, vérifier le stock avant de se déplacer plus tard, ajouter une carte de fidélité au wallet, ou choisir une autre boutique du réseau. Inversement, une visite peut ne pas créer de valeur si elle ne débouche ni sur achat, ni sur réactivation, ni sur panier additionnel. Le marketing ne cherche pas seulement du trafic ; il cherche du trafic rentable et additionnel.

La troisième limite concerne la qualité du signal. Les mesures de visite reposent sur des panels mobiles, des SDK, des données d’application, des signaux GPS ou des modélisations probabilistes. Elles sont sensibles à la taille des zones, à la densité urbaine, au temps de présence minimum, à la précision des polygons, à la couverture du panel et au consentement. Une visite dans un centre commercial dense peut être mal attribuée à une boutique. Une présence de trois minutes près d’un point de vente n’a pas le même sens qu’une visite de vingt minutes dans un magasin de meubles.

Le bon usage de la visite consiste donc à la traiter comme une brique de mesure, pas comme une preuve finale. Elle doit être rapprochée des ventes, de la marge, du statut client, de l’historique d’achat, du canal de conversion et d’un groupe témoin. Sans cela, le coût par visite devient un KPI confortable mais incomplet, parfois même trompeur lorsqu’il oriente les budgets vers des audiences faciles à faire venir mais peu incrémentales.

Définir l’objet de mesure : visite, vente, marge, client ou valeur future

Avant de construire un protocole, l’annonceur doit définir ce qu’il cherche à incrémenter. Cette étape paraît évidente, mais elle est souvent négligée. Une campagne drive-to-store peut avoir plusieurs objectifs : générer du trafic magasin, vendre une catégorie, recruter de nouveaux clients, réactiver des dormants, soutenir un lancement local, réduire un stock, augmenter la fréquence d’achat ou défendre une zone concurrentielle. Chaque objectif implique un indicateur incrémental différent.

Si l’objectif est le trafic, l’indicateur principal peut être la visite incrémentale. Mais il faut alors préciser la fenêtre d’observation, par exemple 7 jours pour une opération promotionnelle courte ou 21 jours pour une catégorie à cycle plus long. Si l’objectif est commercial, la mesure doit porter sur le chiffre d’affaires incrémental et idéalement sur la marge incrémentale. Le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué ou incrémental et dépenses média, n’a pas la même signification selon qu’il est calculé sur le chiffre d’affaires brut, la marge ou la valeur vie client.

Un exemple simple illustre l’écart. Une enseigne d’optique dépense 60 000 euros en média mobile local. La campagne génère 500 000 euros de chiffre d’affaires attribué, soit un ROAS attribué de 8,3. Mais un test montre que le chiffre d’affaires incrémental est de 140 000 euros. Avec une marge brute de 55 %, la marge incrémentale atteint 77 000 euros. Après coût média, la contribution nette est donc de 17 000 euros. Le plan reste positif, mais il n’a rien à voir avec l’interprétation initiale du ROAS attribué. Si les remises commerciales représentent 20 000 euros supplémentaires, la contribution devient négative.

Le choix de l’unité d’analyse est tout aussi important. Mesurer au niveau transaction peut surestimer les achats de clients déjà fidèles. Mesurer au niveau client permet de distinguer nouveaux acheteurs, clients réactivés, clients existants et clients à forte valeur. Mesurer au niveau cohorte permet d’observer le réachat à 30, 60 ou 90 jours. Pour un distributeur alimentaire, une visite incrémentale peut être peu rentable si elle remplace simplement une visite prévue le lendemain. Pour une enseigne d’ameublement, une visite incrémentale sans achat immédiat peut avoir de la valeur si elle augmente la probabilité d’un projet ultérieur.

Un framework utile consiste à hiérarchiser les métriques en quatre niveaux. Niveau 1 : exposition et engagement, impressions, clics, vues, scans, itinéraires. Niveau 2 : comportement local, visites, appels, demandes de rendez-vous, consultations de stock. Niveau 3 : conversion économique, achats, panier, marge, utilisation d’offre, catégorie vendue. Niveau 4 : valeur relationnelle, nouveaux clients, réachat, LTV, lifetime value, valeur économique attendue d’un client sur la durée de relation, opt-out et engagement post-campagne. L’incrémentalité omnicanale devient robuste lorsque ces niveaux sont reliés plutôt que pilotés séparément.

Construire un protocole causal : holdout, tests géographiques et randomisation

La mesure incrémentale repose sur une idée simple : comparer le comportement d’une population exposée à celui d’une population comparable non exposée. Le holdout, groupe volontairement non exposé, est l’approche la plus directe lorsque l’annonceur maîtrise l’audience. On sélectionne une population éligible, puis on en exclut aléatoirement une fraction, par exemple 5 % à 15 %, de l’activation. L’écart de comportement entre exposés et holdout donne l’uplift, c’est-à-dire l’effet additionnel de la campagne.

La randomisation est particulièrement puissante sur les bases CRM, les audiences applicatives ou les segments de clients opt-in. Si 900 000 clients sont éligibles à une campagne SMS et push, l’annonceur peut exposer 810 000 contacts et conserver 90 000 contacts en holdout. Si le groupe exposé affiche 4,4 % d’achats sur 14 jours et le groupe témoin 3,8 %, l’uplift est de 0,6 point. Sur 810 000 exposés, cela représente 4 860 achats incrémentaux. Si le panier moyen incrémental est de 46 euros et la marge de 38 %, la marge incrémentale est d’environ 84 900 euros. C’est cette valeur qu’il faut comparer au coût média, aux remises et aux coûts opérationnels.

Les tests géographiques sont souvent mieux adaptés aux campagnes locales massives, notamment lorsque l’achat média est diffusé autour de magasins ou zones de chalandise. On compare alors des zones activées à des zones témoins similaires. La difficulté consiste à apparier correctement les territoires : ventes historiques, typologie de magasin, densité de population, concurrence, météo, saisonnalité, promotions nationales, stock et pression CRM doivent être contrôlés. Un magasin de centre-ville ne peut pas servir de témoin à un retail park périphérique sans correction sérieuse.

La méthode difference-in-differences est souvent pertinente. Elle consiste à comparer l’évolution des ventes ou visites avant-après dans les zones activées avec l’évolution avant-après dans les zones témoins. Si les magasins activés progressent de 9 % pendant la campagne et les magasins témoins de 4 %, l’effet estimé est de 5 points, sous réserve que les tendances pré-campagne soient comparables. Cette approche réduit le biais de saisonnalité, mais elle reste sensible aux événements locaux : travaux, rupture de stock, ouverture concurrente ou météo extrême.

Dans les environnements programmatiques, la mesure est plus complexe. Une DSP, demand-side platform, plateforme permettant aux annonceurs d’acheter automatiquement des impressions publicitaires, peut acheter des impressions en RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression disponible. Mais la diffusion algorithmique n’est pas toujours compatible avec une randomisation parfaite. Il faut alors créer des cellules de test : caps de fréquence différents, zones exclues, audiences similaires séparées, ou budgets assignés à des groupes définis à l’avance. L’important est de documenter les règles avant la campagne pour éviter de reconstruire une causalité a posteriori.

Un protocole incrémental crédible doit préciser cinq paramètres : population éligible, méthode d’affectation, fenêtre d’exposition, fenêtre de conversion et indicateur principal. Il doit aussi prévoir la puissance statistique. Un test sur 20 magasins avec faible volume de ventes peut produire un résultat trop bruité pour arbitrer un budget national. À l’inverse, un holdout de 10 % sur plusieurs centaines de milliers de clients peut fournir une lecture exploitable en quelques jours. La rigueur ne vient pas de la sophistication mathématique seule ; elle vient de la discipline expérimentale.

Relier les canaux : l’omnicanal exige une consolidation avant toute interprétation

L’incrémentalité omnicanale ne peut pas être mesurée si les points de contact restent isolés. Un client peut être exposé en display mobile, recevoir un SMS, ouvrir un email, voir une publicité social, consulter l’application, puis acheter en magasin. Si chaque canal revendique la conversion selon sa propre fenêtre d’attribution, la somme des performances dépasse rapidement la réalité économique. C’est l’un des biais classiques du marketing omnicanal : chaque outil optimise localement, tandis que la contribution globale reste inconnue.

La première étape consiste à créer un journal d’exposition consolidé. Il doit enregistrer, au niveau individu ou cohorte pseudonymisée, les impressions média, clics, emails envoyés et ouverts, SMS remis, pushs reçus, interactions in-app, coupons, ajouts wallet, demandes d’itinéraire, visites et achats. Cette consolidation ne vise pas uniquement l’attribution ; elle permet de mesurer la pression réelle. Un client exposé trois fois en display, deux fois en social et une fois par SMS n’a pas reçu une seule campagne, mais une séquence de six contacts.

La deuxième étape est la réconciliation des conversions. Les ventes magasin doivent être rapprochées de la carte de fidélité, du paiement lorsque c’est possible dans un cadre conforme, des coupons, des identifiants CRM ou des commandes click and collect. Les ventes e-commerce doivent être intégrées dans le même périmètre. Sans cette vision, une campagne mobile locale peut être sous-évaluée si elle déplace des achats vers le site, ou surévaluée si elle attribue en magasin des clients déjà captifs par CRM.

La troisième étape consiste à définir des règles d’exclusion entre canaux. Si un groupe témoin CRM est exclu du SMS mais reste exposé massivement en programmatique, le test mesure mal l’effet du SMS seul. Si une zone témoin drive-to-store reçoit une campagne social nationale avec ciblage local implicite, le test géographique est contaminé. Les équipes doivent donc décider si elles mesurent l’effet d’un canal, d’une séquence ou d’un plan média global. Ces trois questions sont légitimes, mais elles ne produisent pas le même protocole.

L’approche la plus opérationnelle consiste souvent à mesurer l’incrémentalité à deux niveaux. D’abord au niveau plan, pour savoir si l’ensemble des activations omnicanales crée de la valeur additionnelle. Ensuite au niveau composant, pour arbitrer entre SMS, push, display, social, search local, wallet ou retargeting. Le premier niveau sécurise l’investissement global. Le second améliore l’allocation budgétaire. Vouloir isoler parfaitement chaque micro-contact dès le départ conduit souvent à une complexité excessive et à des résultats fragiles.

Passer de l’attribution au rendement marginal : arbitrer les budgets sur la valeur additionnelle

L’attribution reste utile pour comprendre les parcours, mais elle ne doit pas être confondue avec la mesure de performance économique. Le last click, modèle attribuant toute la conversion au dernier point de contact, favorise les canaux de fin de parcours. Le post-view attribue parfois une conversion à une impression faiblement attentionnelle. Les modèles multi-touch attribution répartissent le crédit entre points de contact, mais ils restent souvent corrélationnels. Ils décrivent une séquence observée ; ils ne prouvent pas que chaque contact a causé une partie de la conversion.

Le pilotage expert consiste à raisonner en rendement marginal. Une exposition supplémentaire, un SMS de relance ou une hausse de budget média doivent être conservés seulement si leur valeur additionnelle dépasse leur coût additionnel. Ce coût ne se limite pas au CPM, coût pour mille impressions. Il inclut le coût de routage, la remise promotionnelle, le coût opérationnel magasin, le coût d’opportunité budgétaire et le coût relationnel : désabonnement, baisse d’engagement, désactivation des notifications ou fatigue créative.

Prenons un cas concret. Une enseigne de prêt-à-porter active un plan omnicanal de 150 000 euros : 90 000 euros en social et display mobile, 35 000 euros en SMS, 25 000 euros en push et in-app. L’attribution annonce 1,1 million d’euros de chiffre d’affaires, soit un ROAS attribué de 7,3. Un protocole avec zones témoins et holdout CRM mesure 280 000 euros de chiffre d’affaires incrémental. La marge brute moyenne est de 48 %, mais la campagne inclut une remise moyenne de 12 %. La marge nette incrémentale avant média est donc d’environ 100 800 euros. Le plan est déficitaire à court terme si l’on ne tient compte que de la marge immédiate.

Mais le diagnostic ne s’arrête pas là. L’analyse par segment montre que les nouveaux clients recrutés génèrent une LTV estimée à 95 euros de marge sur 12 mois, contre 18 euros pour les clients déjà actifs exposés à forte fréquence. Les SMS de relance sur clients actifs ont un ROAS attribué élevé mais peu d’incrémentalité. Les campagnes display autour de magasins sous-fréquentés recrutent moins de transactions immédiates mais davantage de nouveaux clients. La décision rationnelle n’est donc pas de couper tout le plan ; elle est de réduire la pression sur clients captifs, de plafonner les relances SMS et de réallouer le budget vers les segments dont la valeur marginale est positive.

Cette logique suppose d’abandonner les classements simplistes par canal. Un canal peut être très incrémental sur un segment et destructeur de valeur sur un autre. Le push est performant lorsqu’il sert une information de service ou une alerte stock attendue ; il devient coûteux s’il provoque des désactivations. Le SMS est puissant sur une base intentionniste ; il est risqué sur des contacts froids. Le display programmatique est utile pour couvrir des zones locales ; il gaspille le budget si la fréquence se concentre sur des profils déjà convaincus. L’incrémentalité se pilote par couple segment-canal-contexte, pas par canal isolé.

Intégrer les effets de second ordre : cannibalisation, halo, temporalité et saturation

Une mesure omnicanale sérieuse doit intégrer les effets de second ordre. Le premier est la cannibalisation. Une campagne peut déplacer une vente d’un canal à l’autre sans créer de valeur additionnelle. Par exemple, une offre mobile peut pousser des clients qui auraient acheté en ligne à venir en magasin pour bénéficier d’un avantage local. Si la marge magasin est inférieure en raison d’une remise ou d’un coût opérationnel plus élevé, le trafic généré peut dégrader la rentabilité globale. À l’inverse, une visite magasin peut augmenter le panier grâce au conseil ou aux achats complémentaires. Il faut donc mesurer le mix canal, pas seulement le volume.

Le deuxième effet est le halo. Une campagne drive-to-store peut augmenter la notoriété locale, les recherches de marque, les visites organiques du site, les appels, les inscriptions fidélité ou les ventes dans des magasins voisins. Ces effets sont parfois invisibles dans une attribution individuelle stricte. Les tests géographiques et les analyses agrégées par zone permettent de mieux les détecter. Pour une ouverture de magasin, par exemple, l’effet principal peut être la construction d’un bassin de clients sur plusieurs semaines, pas uniquement les visites mesurées dans les 72 heures suivant exposition.

Le troisième effet est temporel. Toutes les catégories ne répondent pas à la même fenêtre de mesure. La restauration rapide ou l’alimentaire de proximité peuvent être mesurés sur 24 à 72 heures. L’équipement de la maison, l’automobile, l’optique ou les services avec rendez-vous exigent souvent des fenêtres de 14 à 60 jours. Une fenêtre trop courte sous-estime l’effet réel ; une fenêtre trop longue augmente le bruit et capte des conversions organiques. La bonne pratique consiste à construire une courbe de réponse cumulée : part des conversions incrémentales à J+1, J+3, J+7, J+14 et J+30.

Le quatrième effet est la saturation. Au-delà d’un certain niveau de fréquence, les conversions attribuées peuvent continuer à monter alors que l’incrémentalité plafonne. Les utilisateurs exposés cinq ou six fois sont souvent les plus intentionnistes. Leur taux d’achat élevé ne justifie pas nécessairement la pression supplémentaire. Il faut donc mesurer l’uplift par palier de fréquence et par canal. Une fréquence 1 à 3 peut créer de la mémorisation utile ; une fréquence 4 à 8 peut simplement capter des clients déjà décidés ; une fréquence supérieure peut augmenter les opt-out ou la fatigue créative.

Ces effets de second ordre imposent une lecture économique complète. Une campagne n’est pas performante parce qu’elle génère des visites. Elle est performante si elle augmente la contribution nette après prise en compte de la marge, de la cannibalisation, des coûts commerciaux, de la valeur future et des signaux négatifs. C’est souvent à ce niveau que les arbitrages deviennent contre-intuitifs : réduire le volume d’activation peut améliorer la marge, tandis qu’augmenter la couverture peut être justifié même avec un ROAS court terme plus faible si le recrutement incrémental est supérieur.

Mettre en place une gouvernance de mesure : des KPI partagés plutôt qu’un reporting par silo

L’incrémentalité omnicanale n’est pas seulement un sujet de modélisation. C’est un sujet d’organisation. Les équipes média cherchent souvent à optimiser le coût d’exposition, la couverture et le ROAS attribué. Les équipes CRM pilotent l’engagement, les opt-out et la pression relationnelle. Les équipes e-commerce suivent le chiffre d’affaires en ligne. Les équipes retail regardent le trafic, le panier et les objectifs magasin. Si chaque équipe conserve ses propres KPI, la mesure incrémentale devient politiquement difficile : elle remet en question des performances attribuées qui semblaient acquises.

Une gouvernance efficace commence par un tableau de bord partagé. Celui-ci doit distinguer clairement les indicateurs attribués et les indicateurs incrémentaux. Il doit aussi afficher les signaux négatifs : taux de désabonnement SMS, désactivation push, baisse d’ouverture email, fréquence moyenne et distribution de fréquence, pression cumulée par individu ou cohorte, ruptures de stock, taux de remise et coût opérationnel. Une campagne qui améliore les ventes à court terme mais détériore fortement la base adressable doit être arbitrée différemment d’une campagne qui recrute durablement.

Le brief campagne doit intégrer la mesure dès le départ. Trop d’annonceurs cherchent à mesurer l’incrémentalité après coup, lorsque les audiences ont déjà été diffusées, les zones mélangées et les groupes témoins contaminés. Un brief robuste précise l’hypothèse à tester, le KPI principal, le groupe de contrôle, la durée, les exclusions, les contraintes de stock, la pression maximale et les décisions attendues. Par exemple : réduire ou augmenter le cap de fréquence, arbitrer entre SMS et push, étendre une audience lookalike, couper une zone non rentable ou modifier la création.

La qualité des données doit être traitée comme une condition de performance. Les ventes magasin doivent remonter rapidement et de manière exploitable. Les identifiants CRM doivent être cohérents. Les opt-out doivent être synchronisés. Les données de localisation doivent être conformes et suffisamment précises. Les promotions doivent être historisées. Les ruptures de stock doivent être connues, car une campagne peut sembler inefficace simplement parce que le produit mis en avant était indisponible dans les magasins activés.

Enfin, l’incrémentalité doit devenir un apprentissage continu. Un test isolé donne une photographie. Une série de tests construit une connaissance réutilisable : élasticité par catégorie, fréquence optimale par segment, rôle du SMS selon la récence d’achat, effet du display sur zones concurrentielles, fenêtres de conversion par produit, seuils de rentabilité par magasin. Cette base d’apprentissage permet de passer d’une logique de justification post-campagne à une logique de planification prédictive.

Conclusion : mesurer moins de bruit et davantage de contribution nette

Mesurer l’incrémentalité omnicanale au-delà des visites magasin consiste à déplacer le centre de gravité du reporting. La visite reste un signal utile, mais elle ne suffit pas à décider d’un budget. L’enjeu est de savoir quelle part du trafic, des ventes, de la marge et de la valeur client a été réellement créée par l’activation mobile et locale. Cette discipline est indispensable dans un marché où les coûts média augmentent, où les signaux de tracking se fragmentent et où les clients sont exposés à une pression commerciale croissante.

Une feuille de route opérationnelle peut se structurer en huit étapes. Premièrement, définir l’objectif incrémental avant la campagne : visite, vente, marge, recrutement, réactivation ou LTV. Deuxièmement, consolider les expositions et conversions sur l’ensemble des canaux : display, social, SMS, push, email mobile, application, wallet, site et magasin. Troisièmement, créer un protocole causal avec holdout, randomisation ou test géographique. Quatrièmement, distinguer systématiquement ROAS attribué, ROAS incrémental et ROAS marge. Cinquièmement, analyser les résultats par segment, canal, fréquence, zone et statut client. Sixièmement, intégrer les effets de second ordre : cannibalisation, halo, temporalité et saturation. Septièmement, suivre les signaux négatifs et la pression relationnelle. Huitièmement, transformer les enseignements en règles d’allocation budgétaire.

Le principe directeur est simple : un euro média doit être jugé sur ce qu’il ajoute, pas sur ce qu’il touche. Une campagne peut afficher beaucoup de visites et peu de contribution. Une autre peut générer moins de trafic apparent mais davantage de nouveaux clients rentables. La maturité marketing consiste à accepter cette complexité, à organiser la preuve causale et à arbitrer sur la valeur marginale plutôt que sur le volume attribué.

Pour les annonceurs retail et omnicanaux, l’incrémentalité n’est donc pas un raffinement analytique réservé aux équipes data. C’est une condition de pilotage. Elle permet de réduire les dépenses non additionnelles, de protéger les audiences, d’améliorer la coordination entre CRM et média, et de construire une performance locale plus durable. Le drive-to-store ne doit plus seulement prouver qu’il déplace des personnes. Il doit démontrer qu’il crée une contribution économique nette, mesurable et défendable.