Parcours en point de vente : mesurer l’impact réel du mobile
Le mobile ne s’arrête pas à la porte du magasin : il modifie le parcours avant, pendant et après la visite
Mesurer l’impact réel du mobile sur le parcours en point de vente impose de dépasser la lecture simpliste qui consiste à compter des clics, des itinéraires ou des visites attribuées. Pour un réseau retail, le mobile intervient souvent avant la visite, lorsqu’un client compare les prix, vérifie un stock, ouvre un SMS ou reçoit une notification push. Il intervient aussi pendant la visite, lorsqu’il consulte un avis, scanne un QR code, utilise une application de fidélité, active un coupon ou recherche une information produit. Il intervient enfin après le passage en caisse, via le reçu dématérialisé, l’enquête de satisfaction, la relance CRM ou le retargeting d’accessoires.
La difficulté tient à la nature hybride du parcours. Le magasin reste un environnement physique, mais la décision d’achat est alimentée par des signaux digitaux fragmentés. Un client peut avoir été exposé à une impression display mobile, avoir reçu un SMS local, avoir consulté Google Maps, puis être venu en boutique sans cliquer sur aucun lien. À l’inverse, un clic sur une campagne drive-to-store, stratégie visant à générer du trafic qualifié vers un point de vente physique, peut provenir d’un client déjà décidé à se rendre en magasin. Dans les deux cas, l’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, risque de surévaluer ou de sous-évaluer le rôle réel du mobile.
Pour les professionnels du marketing, l’enjeu n’est donc pas seulement de prouver que le mobile génère du trafic magasin. Il est de mesurer quelle part de ce trafic est incrémentale, c’est-à-dire additionnelle par rapport à ce qui se serait produit sans activation. Il faut aussi comprendre quels moments du parcours sont influencés : découverte, considération, intention de visite, arrivée en point de vente, conversion en caisse, panier moyen, réachat ou fidélisation. Une campagne peut ne générer qu’un faible nombre de visites supplémentaires, mais augmenter fortement le taux de transformation en magasin. Une autre peut produire beaucoup de visites attribuées, mais peu de marge incrémentale si elle cible surtout des clients fidèles qui seraient venus sans stimulation.
La mesure pertinente doit donc relier trois dimensions : les signaux mobiles, les comportements en magasin et la contribution économique. C’est cette articulation qui permet d’arbitrer entre SMS, push, programmatique mobile, wallet, application, campagnes de géolocalisation ou audiences CRM synchronisées dans une DSP, demand-side platform, plateforme permettant aux annonceurs d’acheter automatiquement des impressions publicitaires. Sans cette discipline, le mobile reste un canal activé sur des indicateurs de surface. Avec elle, il devient un levier de pilotage du parcours retail.
Cartographier les points de contact : distinguer influence, intention et preuve de passage
La première étape consiste à cartographier précisément les points de contact mobiles qui peuvent intervenir dans le parcours magasin. Tous n’ont pas la même signification. Une impression publicitaire mobile achetée en RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression disponible, signale une opportunité d’exposition. Un clic sur une bannière locale signale une curiosité ou une intention faible à moyenne. Une demande d’itinéraire indique une intention beaucoup plus forte. L’ouverture d’un coupon ou l’ajout d’une carte de fidélité au wallet se rapproche encore davantage d’un comportement pré-transactionnel. Le scan en magasin ou l’utilisation du coupon en caisse constitue une preuve d’interaction physique.
Un framework utile consiste à classer les signaux en quatre familles. Premièrement, les signaux d’exposition : impressions display, social mobile, vidéo, native ads, push affiché, SMS remis. Deuxièmement, les signaux d’engagement : clic, ouverture, consultation de stock, visite de page magasin, ajout au wallet, sauvegarde d’une offre. Troisièmement, les signaux d’intention locale : demande d’itinéraire, appel au magasin, réservation, prise de rendez-vous, sélection d’un créneau de retrait. Quatrièmement, les signaux de conversion physique : visite mesurée, passage en caisse identifié, coupon utilisé, retrait click and collect, achat rattaché à une carte de fidélité.
Cette typologie évite une erreur fréquente : traiter tous les événements mobiles comme des conversions équivalentes. Un clic n’est pas une visite. Une visite n’est pas un achat. Un achat attribué n’est pas nécessairement incrémental. Dans un reporting mature, chaque indicateur doit être interprété selon sa position dans le funnel, parcours allant de l’exposition à la considération, puis à la conversion et à la fidélisation. Le haut de funnel mesure la capacité à créer de la disponibilité mentale ou à rappeler une offre. Le milieu de funnel mesure la progression vers une intention localisée. Le bas de funnel mesure la capacité à transformer cette intention en déplacement et en chiffre d’affaires.
Le mobile peut également modifier le parcours en point de vente sans générer de visite additionnelle. Par exemple, un client déjà présent dans une boutique peut consulter l’application pour vérifier ses points fidélité, accéder à un avis produit ou recevoir une offre in-app. L’impact n’est alors pas sur le trafic, mais sur le taux de transformation, le panier moyen ou la satisfaction. Pour une enseigne spécialisée, un push contextuel envoyé à des clients opt-in à proximité du magasin peut générer peu de visites nouvelles, mais augmenter de 8 % à 12 % le taux d’utilisation d’un avantage fidélité en caisse. Cette valeur serait invisible si la mesure se limitait au nombre de visites attribuées.
Connecter mobile et magasin : la qualité de la mesure dépend d’abord de la donnée de rapprochement
La mesure de l’impact mobile en point de vente repose sur une question très opérationnelle : comment relier une exposition ou une interaction mobile à un comportement physique ? Plusieurs méthodes existent, chacune avec ses forces et ses limites. La plus robuste, lorsque le volume le permet, consiste à rapprocher les données CRM et caisse : un client identifié par carte de fidélité, email haché, numéro de téléphone ou compte applicatif est exposé à une activation mobile, puis son achat magasin est observé. Cette méthode permet de mesurer le panier, la marge, les catégories achetées et le réachat. Elle dépend toutefois du taux d’identification en caisse, souvent très variable selon les secteurs.
Dans certains réseaux, 65 % à 80 % des transactions peuvent être rattachées à un programme de fidélité. Dans d’autres, notamment en restauration rapide, équipement occasionnel ou commerces à faible fréquence, le taux peut descendre sous 25 %. Or un taux d’identification faible crée un biais : les clients reconnus ne sont pas nécessairement représentatifs de l’ensemble des visiteurs. Ils peuvent être plus fidèles, plus promotionnels ou plus engagés dans l’application. Une campagne mobile peut sembler très performante sur les clients identifiés tout en ayant un effet plus faible sur les clients anonymes.
La deuxième méthode repose sur la mesure de visite via localisation mobile. Elle utilise généralement des panels d’utilisateurs consentis, des SDK d’applications, des données publicitaires ou des partenaires de mesure spécialisés. L’avantage est de capter des visites même sans achat identifié. La limite est double. D’une part, la précision géographique peut être imparfaite, surtout dans les centres commerciaux, les rues denses ou les zones où plusieurs enseignes sont proches. D’autre part, le panel peut être biaisé : les utilisateurs partageant leur localisation ne représentent pas toujours la population totale. Un taux de visite estimé doit donc être interprété comme un signal probabiliste, pas comme une vérité absolue.
La troisième méthode consiste à utiliser des événements intermédiaires plus fiables : coupons scannés, QR codes, codes promotionnels uniques, réservations, prises de rendez-vous, retraits click and collect. Ces signaux sont moins exhaustifs, car ils ne captent que les clients qui utilisent le mécanisme prévu, mais ils offrent une preuve forte de lien entre mobile et magasin. Pour un opticien, une prise de rendez-vous depuis un SMS local suivie d’une vente en boutique peut constituer un indicateur plus utile qu’une visite géolocalisée approximative. Pour une enseigne mode, un coupon mobile utilisé en caisse permet de mesurer la contribution à la marge, mais il peut sous-estimer l’influence sur les clients venus sans utiliser le coupon.
Le bon dispositif combine souvent plusieurs sources. La donnée caisse mesure la valeur économique. La localisation mesure le déplacement. Les événements applicatifs mesurent l’intention. Les campagnes média mesurent l’exposition. La CDP, customer data platform, plateforme permettant d’unifier et d’activer les données clients, peut servir de couche de consolidation, à condition que les consentements, les identifiants et les règles de durée soient maîtrisés. Le défi n’est pas seulement technique. Il est méthodologique : chaque source doit être pondérée selon son niveau de preuve et son biais potentiel.
Sortir de l’attribution naïve : l’incrémentalité doit devenir le juge de paix
L’attribution mobile donne souvent une impression de précision. On expose un individu, on observe une visite ou un achat dans une fenêtre de 7 jours, puis on rattache la conversion à la campagne. Cette logique est pratique pour piloter les volumes, mais elle ne prouve pas la causalité. Les personnes exposées sont souvent celles que les algorithmes jugent déjà plus susceptibles de venir en magasin : clients actifs, profils proches du point de vente, utilisateurs ayant consulté une fiche produit, individus plus réceptifs aux offres. Si leur taux de visite est élevé, ce n’est pas forcément parce que la campagne les a convaincus. Ils ont peut-être été ciblés précisément parce qu’ils étaient déjà intentionnistes.
Le modèle last click, modèle attribuant toute la conversion au dernier point de contact, accentue ce biais. Une demande d’itinéraire ou un clic tardif peut capter tout le crédit d’un parcours construit par plusieurs interactions antérieures, voire par une intention organique. À l’inverse, une impression mobile qui rappelle l’existence d’une offre sans générer de clic peut influencer la visite mais rester invisible dans le reporting. Pour mesurer l’impact réel, il faut donc comparer les comportements d’un groupe exposé à ceux d’un groupe comparable non exposé.
Le holdout, groupe volontairement non exposé afin de mesurer un scénario contrefactuel, est la méthode la plus directe lorsque l’audience est contrôlable. Par exemple, une enseigne de bricolage dispose de 500 000 clients opt-in autour de 120 magasins. Elle expose 450 000 clients à une séquence mobile et conserve 50 000 clients similaires en holdout. Sur 14 jours, le groupe exposé affiche 5,2 % de visites identifiées, contre 4,6 % pour le holdout. L’uplift est donc de 0,6 point, soit 2 700 visites incrémentales sur 450 000 exposés. Si le budget total est de 54 000 euros, le coût par visite incrémentale est de 20 euros. Ce chiffre est beaucoup plus utile qu’un coût par visite attribuée de 6 ou 8 euros obtenu sans groupe témoin.
Les tests géographiques sont souvent plus réalistes pour des campagnes locales massives. On active certaines zones ou certains magasins et on conserve des zones comparables en contrôle. La qualité de l’appariement est cruciale : historique de chiffre d’affaires, saisonnalité, intensité promotionnelle, concurrence, météo, trafic naturel, disponibilité produit et typologie de clientèle doivent être pris en compte. Un magasin de centre-ville ne doit pas être comparé mécaniquement à un retail park périphérique. Les méthodes de différence-en-différences, qui comparent l’évolution avant-après entre zones test et zones contrôle, peuvent aider à isoler l’effet campagne si les tendances préalables sont similaires.
L’incrémentalité peut aussi être mesurée par paliers de pression. Au lieu de comparer exposés et non exposés, on compare des caps : 1 à 2 impressions, 3 à 4, 5 et plus, ou encore SMS seul, média seul, SMS plus média. L’objectif est d’identifier la valeur marginale du contact supplémentaire. Une campagne peut montrer un ROAS, return on ad spend, ratio entre chiffre d’affaires attribué ou incrémental et dépenses marketing, de 7 en attribution et seulement 1,8 en incrémental. Ce n’est pas un échec de mesure ; c’est une information de pilotage. Elle indique que la campagne capte une partie importante de ventes organiques et doit être resserrée ou repositionnée.
Mesurer pendant la visite : le mobile peut augmenter la conversion sans augmenter le trafic
Beaucoup de plans drive-to-store s’arrêtent au seuil du magasin. Pourtant, une partie de la valeur mobile se joue à l’intérieur du point de vente. Le smartphone accompagne le client dans les rayons : comparaison de prix, consultation d’avis, recherche de caractéristiques, vérification de disponibilité, activation de fidélité, paiement mobile, scan produit, assistance vendeur. Pour un retailer omnicanal, ignorer cette phase revient à mesurer seulement l’acquisition du visiteur, pas la transformation du parcours.
La mesure en magasin doit distinguer au moins quatre indicateurs. Le premier est le taux de transformation : part des visiteurs qui achètent. Le deuxième est le panier moyen ou, mieux, la marge moyenne par visite. Le troisième est le mix produit : catégories achetées, produits à forte marge, accessoires, services. Le quatrième est la qualité relationnelle : inscription fidélité, opt-in, satisfaction, réachat. Une activation mobile peut produire un effet positif sur ces dimensions sans créer plus de trafic. Par exemple, un distributeur d’électroménager peut envoyer, après consultation de stock local, une notification invitant à prendre rendez-vous avec un conseiller. Le nombre de visites peut rester stable, mais le taux de transformation sur les visiteurs rendez-vous peut passer de 22 % à 38 %, avec un panier moyen supérieur de 18 %.
Les parcours assistés par mobile doivent donc être reliés aux données magasin. Un QR code scanné sur une fiche produit peut déclencher une page de contenu enrichi, mais sa valeur ne se mesure pas seulement au taux de scan. Il faut savoir si les clients exposés au contenu achètent davantage, sollicitent moins les vendeurs pour des informations simples, ou se dirigent vers des produits plus rentables. De même, une offre wallet ajoutée avant la visite doit être analysée selon son taux d’utilisation en caisse, son effet sur le panier et son coût promotionnel. Un taux de redemption de 12 % peut être excellent si la marge reste protégée ; il peut être destructeur si la remise subventionne des achats déjà prévus.
Le rôle des vendeurs ne doit pas être négligé. Le mobile peut améliorer l’expérience magasin à condition que l’organisation suive. Si une campagne promet un produit disponible localement mais que le stock est mal synchronisé, l’impact réel peut être négatif : déplacement inutile, frustration, perte de confiance. Si un SMS génère des arrivées massives sur une plage horaire où l’équipe est sous-dimensionnée, le trafic incrémental peut se traduire par une baisse de conversion. La mesure doit donc inclure des indicateurs opérationnels : rupture, attente, charge magasin, disponibilité conseiller, annulations de rendez-vous, taux de retrait non honoré.
Une approche avancée consiste à construire des cohortes selon le parcours mobile avant et pendant la visite. Cohorte A : visiteurs sans interaction mobile identifiable. Cohorte B : visiteurs ayant consulté le stock. Cohorte C : visiteurs ayant ajouté un coupon. Cohorte D : visiteurs ayant pris rendez-vous. On compare ensuite transformation, panier, marge et réachat, en corrigeant les biais d’intention lorsque c’est possible. Cette lecture ne remplace pas les tests incrémentaux, mais elle permet de comprendre les mécanismes. Elle aide à savoir si le mobile agit comme générateur de visite, accélérateur de décision, assistant de conversion ou outil de fidélisation.
Arbitrer les indicateurs : du CPA attribué à la marge incrémentale par visite
Le choix des KPI conditionne les décisions budgétaires. Le CPA, cost per acquisition, coût nécessaire pour générer une conversion attribuée, reste utile pour comparer des campagnes, mais il peut être trompeur si la conversion est définie comme un clic, une visite estimée ou un achat déjà probable. Le coût par visite incrémentale est plus exigeant, car il ne compte que les visites additionnelles. Mais il ne suffit pas non plus : une visite incrémentale à faible panier ou faible marge peut valoir moins qu’une visite moins fréquente mais plus rentable.
Le pilotage devrait idéalement descendre jusqu’à la marge incrémentale. La formule de base est simple : visites incrémentales multipliées par taux de transformation, panier moyen incrémental et taux de marge, moins coût média, coût promotionnel et coûts opérationnels. Prenons un cas. Une enseigne beauté dépense 90 000 euros en mobile local. Le reporting attribue 18 000 visites et 540 000 euros de chiffre d’affaires, soit un ROAS attribué de 6. Un test géographique révèle en réalité 6 000 visites incrémentales. Le taux de transformation magasin est de 32 %, le panier moyen de 48 euros, la marge brute de 55 %. La marge brute incrémentale est donc d’environ 50 688 euros. Si la campagne repose aussi sur une remise moyenne de 6 euros utilisée par 1 200 acheteurs, il faut retrancher 7 200 euros supplémentaires. La contribution nette devient négative, malgré un ROAS attribué flatteur.
Ce type de calcul n’implique pas nécessairement d’arrêter la campagne. Il peut conduire à modifier le ciblage, réduire la remise, privilégier les catégories à marge, exclure les clients organiques probables ou déplacer le budget vers des magasins où le trafic naturel est plus faible. La mesure n’a de valeur que si elle permet d’arbitrer. Un plan mobile orienté uniquement vers le trafic risque de pousser des visites coûteuses. Un plan orienté vers la marge peut accepter moins de volume mais davantage de contribution.
Les indicateurs négatifs doivent également entrer dans le modèle. Un SMS supplémentaire peut générer des ventes à court terme mais augmenter l’opt-out. Une notification push trop fréquente peut entraîner la désactivation du canal. Une campagne géolocalisée mal perçue peut dégrader la confiance. Ces coûts relationnels sont rarement intégrés dans le ROAS, alors qu’ils affectent la valeur vie client. La LTV, lifetime value, valeur économique attendue d’un client sur la durée de relation, doit guider les arbitrages sur les clients fidèles. Il est rarement rationnel de surexposer un client à forte valeur pour capter une visite qui aurait probablement eu lieu sans stimulation.
Un tableau de bord mature combine donc plusieurs niveaux : reach activable, taux d’exposition, taux d’engagement, visites attribuées, visites incrémentales, coût par visite incrémentale, taux de transformation, panier, marge, opt-out, réachat à 30 ou 60 jours et satisfaction. Le KPI principal varie selon l’objectif. Pour une ouverture de magasin, la visite incrémentale peut primer. Pour une catégorie à forte marge, la marge incrémentale prime. Pour une application retail, l’activation du compte et le réachat peuvent être plus importants que la visite immédiate.
Construire un protocole de mesure robuste : règles, fenêtres et gouvernance
La qualité de la mesure dépend autant du protocole que des outils. Avant la campagne, les équipes doivent définir l’hypothèse testée. Veut-on prouver que le mobile augmente le trafic ? Qu’il augmente la conversion des visiteurs ? Qu’il réactive des clients dormants ? Qu’il améliore la marge sur une catégorie ? Sans hypothèse claire, le reporting empile des métriques et laisse chacun choisir celle qui confirme son intuition.
La fenêtre d’observation doit être adaptée au cycle d’achat. Pour la restauration, l’alimentaire ou une opération flash, une fenêtre de 24 à 72 heures peut suffire. Pour l’ameublement, l’optique, l’automobile ou l’équipement de la maison, l’effet peut se déployer sur plusieurs semaines. Une fenêtre trop courte sous-estime le rôle du mobile dans la considération. Une fenêtre trop longue augmente le risque d’attribuer à la campagne des comportements qui auraient eu lieu de toute façon. Dans beaucoup de cas retail, il est utile de suivre plusieurs horizons : 3 jours, 7 jours, 14 jours et 30 jours.
La granularité géographique doit également être maîtrisée. Mesurer au niveau national peut masquer des écarts considérables entre magasins. Certains points de vente ont un trafic naturel élevé, d’autres nécessitent une stimulation plus forte. Certains ont un stock suffisant, d’autres non. Certains sont proches de concurrents agressifs. Les résultats doivent être analysés par cluster de magasins : centre-ville, périphérie, centre commercial, zone touristique, zone de bureaux, magasin mature, magasin récent. Un ROAS moyen peut cacher des poches de surperformance et de destruction de valeur.
La gouvernance des données est un prérequis. Les consentements doivent couvrir les usages de ciblage, de mesure et de rapprochement. Les identifiants doivent être sécurisés, pseudonymisés lorsque nécessaire, et les opt-out propagés rapidement. Les partenaires média et mesure doivent être évalués sur la qualité de leurs panels, leurs méthodes de déduplication, leurs règles de visite, leur transparence et leur capacité à produire des groupes de contrôle. Dans un environnement où les signaux publicitaires se fragmentent, la confiance dans la méthodologie devient aussi importante que le volume de données.
Enfin, la mesure doit être partagée entre équipes. Le média observe les impressions, la fréquence et le coût. Le CRM observe les opt-in, les sollicitations et les réactions. Le retail observe le trafic, la conversion et les contraintes magasin. La data observe l’incrémentalité et les biais. Si ces lectures restent séparées, le mobile est optimisé canal par canal, alors que son impact est omnicanal. Une revue post-campagne devrait toujours répondre à quatre questions : quel comportement a réellement changé ? À quel coût ? Pour quels segments ou magasins ? Que faut-il arrêter, maintenir ou scaler ?
Conclusion : mesurer l’impact réel du mobile, c’est relier causalité, expérience magasin et contribution économique
Le mobile est devenu un composant structurel du parcours en point de vente, mais sa valeur ne se démontre pas par l’accumulation de clics, d’ouvertures ou de visites attribuées. Sa valeur se mesure par sa capacité à modifier un comportement qui n’aurait pas eu lieu sans lui : déclencher une visite, accélérer une décision, augmenter la conversion, orienter vers une catégorie plus rentable, faciliter le retrait, enrichir la relation ou générer un réachat. Cette mesure exige une discipline plus forte que le reporting standard.
Une feuille de route opérationnelle peut se structurer en huit étapes. Premièrement, cartographier les points de contact mobiles selon leur rôle : exposition, engagement, intention locale, conversion physique. Deuxièmement, connecter les données mobiles aux données magasin avec une hiérarchie de preuve : caisse identifiée, coupon, rendez-vous, localisation, événements applicatifs. Troisièmement, définir l’hypothèse business avant la campagne : trafic, transformation, marge, réactivation ou fidélisation. Quatrièmement, mettre en place des groupes de contrôle, holdouts ou tests géographiques pour distinguer attribution et incrémentalité. Cinquièmement, adapter les fenêtres de mesure au cycle d’achat. Sixièmement, analyser les résultats par segment client et cluster de magasins, pas seulement en moyenne nationale. Septièmement, intégrer les coûts complets : média, remise, opération magasin, opt-out et valeur future. Huitièmement, arbitrer sur la marge incrémentale et les signaux de qualité relationnelle, pas uniquement sur le ROAS attribué.
La maturité consiste à accepter que certains effets mobiles soient indirects. Une campagne peut être utile sans générer beaucoup de clics. Une notification peut être rentable si elle améliore la conversion des clients déjà proches du magasin. Un SMS peut être destructeur s’il capte des achats organiques tout en augmentant les désabonnements. Une mesure de visite peut être informative tout en restant imparfaite. L’important est de connaître le niveau de preuve et de ne pas confondre corrélation, attribution et causalité.
Pour les annonceurs retail, locaux et omnicanaux, la question n’est donc plus de savoir si le mobile influence le magasin. Il l’influence déjà. La vraie question est de savoir où, pour qui, à quel coût marginal et avec quelle contribution nette. C’est en répondant à ces questions que le mobile cesse d’être un canal d’activation additionnel et devient un instrument de pilotage du parcours client en point de vente.
