DSP mobile : acheter l’audience utile aux zones de chalandise
Une DSP mobile ne doit pas acheter de la proximité, mais une probabilité d’action locale
Dans les campagnes locales, l’achat programmatique mobile est souvent résumé à une mécanique simple : définir une zone de chalandise, charger des audiences, acheter des impressions sur mobile et mesurer les visites magasin. Cette lecture est trop courte. Une DSP, demand-side platform, plateforme permettant aux annonceurs d’acheter automatiquement des impressions publicitaires auprès de multiples places de marché, ne crée de performance Drive-to-Store que si elle achète une audience réellement utile au territoire commercial. Autrement dit, elle doit arbitrer entre géographie, intention, valeur client, contexte de mobilité et coût d’opportunité média.
Le risque est connu des directions marketing retail : payer beaucoup d’impressions proches des magasins, obtenir un volume élevé de visites attribuées, puis découvrir que l’effet incrémental est faible. La proximité géographique est un signal puissant, mais incomplet. Un mobinaute à 600 mètres d’un point de vente peut être un passant sans intention, un salarié déjà client, un touriste hors cible ou un prospect en recherche active. À l’inverse, un client situé à 12 minutes en voiture, ayant consulté un stock la veille et déjà identifié dans le CRM, customer relationship management, ensemble des outils et méthodes permettant de gérer la relation client à partir de données, de scénarios et de points de contact, peut présenter une probabilité d’achat supérieure.
Le rôle d’une DSP mobile mature n’est donc pas seulement d’étendre la couverture locale. Il est d’organiser un marché d’enchères autour de la valeur attendue de chaque impression. Le RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression disponible en quelques millisecondes, rend cette logique possible. Mais il ne garantit rien par lui-même. Si les signaux d’optimisation sont faibles, si la zone est mal définie, si les données de localisation sont approximatives ou si l’attribution confond corrélation et causalité, l’automatisation accélère surtout les erreurs.
Pour les annonceurs omnicanaux, la question stratégique devient donc : comment acheter moins d’audience inutile dans les zones de chalandise et davantage d’audience influençable ? La réponse passe par une architecture de ciblage plus fine, une gouvernance data rigoureuse, des garde-fous d’achat média et une mesure incrémentale capable de distinguer le trafic naturel du trafic réellement créé par la campagne.
Définir l’audience utile : croiser zone de chalandise, intention et valeur économique
La première erreur consiste à considérer la zone de chalandise comme une surface homogène. Une zone de chalandise désigne le territoire depuis lequel un point de vente attire ses clients actuels ou potentiels. Mais tous les individus présents dans cette zone ne valent pas la même enchère. Une DSP mobile doit recevoir une segmentation plus structurée qu’un simple rayon autour du magasin.
Un framework robuste peut croiser quatre dimensions. La première est l’accessibilité : distance réelle, temps de trajet, mode de transport, barrières urbaines, stationnement, horaires d’ouverture. La deuxième est l’intention : recherche produit, consultation de fiche magasin, abandon de panier, ouverture d’email local, clic sur itinéraire, visite de catégorie dans l’application. La troisième est la valeur économique : panier moyen attendu, marge, probabilité de réachat, statut fidélité, appétence promotionnelle. La quatrième est le contexte local : concurrence, stock disponible, météo, événement, saisonnalité, capacité opérationnelle du magasin.
Cette approche évite deux biais fréquents. Le premier est le biais de densité. Les zones urbaines fournissent davantage d’inventaire mobile, plus de signaux de localisation et plus d’occasions de visite. Une DSP laissée libre peut donc concentrer le budget dans les environnements les plus liquides, même si l’incrémentalité y est faible. Le second est le biais d’historique. Les clients déjà actifs génèrent souvent plus de clics et de ventes attribuées, ce qui pousse l’algorithme à renforcer la pression sur des audiences qui auraient peut-être acheté sans exposition.
Une matrice simple peut guider les enchères : proche avec intention forte, proche avec intention faible, éloigné avec intention forte, éloigné avec intention faible. Le premier segment peut justifier une enchère élevée et un message très actionnable : disponibilité, retrait, itinéraire, offre du jour. Le deuxième nécessite une pression limitée ou un message de considération locale. Le troisième peut être intéressant si la valeur client est élevée ou si l’offre justifie le déplacement. Le quatrième doit souvent être exclu, sauf objectif assumé de notoriété locale.
Cette granularité a un effet direct sur le CPA, cost per acquisition, coût nécessaire pour générer une conversion attribuée, et sur le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué ou incrémental et dépenses publicitaires. Un ciblage plus restreint peut produire moins d’impressions, mais améliorer la contribution si chaque exposition est achetée sur une probabilité d’action plus élevée. À l’inverse, une couverture large peut afficher un coût par mille compétitif et un volume apparent, tout en diluant le budget sur des profils peu influençables.
Qualifier la donnée de localisation : précision, fraîcheur et consentement conditionnent la performance
L’achat d’audience locale dépend fortement de la qualité des signaux de localisation. Or la localisation mobile n’est pas une vérité absolue. Elle peut provenir du GPS, du Wi-Fi, de l’adresse IP, des SDK applicatifs, des données déclaratives, des points d’intérêt visités ou de modèles probabilistes. Chaque source a ses avantages et ses limites. Le GPS peut être précis à quelques mètres, mais il n’est pas toujours disponible et dépend du consentement. L’adresse IP est moins précise, souvent insuffisante pour un ciblage magasin. Les signaux SDK peuvent être riches, mais nécessitent une gouvernance stricte des partenaires et des permissions.
Trois critères doivent être audités avant d’activer une DSP mobile sur des zones de chalandise. Le premier est la précision spatiale. Une précision annoncée à 10 mètres n’a pas la même valeur qu’une localisation approximative au quartier. Pour un restaurant en centre-ville, une erreur de 200 mètres peut déplacer l’utilisateur d’une rue commerçante vers une zone non pertinente. Pour une enseigne d’ameublement en périphérie, la tolérance peut être plus large, car le déplacement est plus planifié.
Le deuxième critère est la fraîcheur. Une position observée il y a 30 minutes n’a pas la même valeur qu’un signal en temps réel. Pour une campagne de passage immédiat, la localisation doit être récente. Pour une audience construite sur des habitudes de mobilité, comme les visiteurs récurrents d’une zone commerciale, des signaux historiques peuvent être utiles. La confusion entre présence actuelle et comportement passé est une source fréquente de mauvaise allocation budgétaire.
Le troisième critère est la conformité. Les campagnes mobiles doivent respecter le cadre du consentement, du RGPD et des règles applicables à la collecte et à l’activation de données de localisation. Au-delà de l’obligation juridique, c’est un enjeu de qualité. Des données obtenues sans transparence, mal documentées ou agrégées via des chaînes opaques exposent l’annonceur à des risques réputationnels et opérationnels. Une audience locale performante doit être à la fois exploitable, licite et explicable.
Les annonceurs doivent exiger des partenaires des informations sur la source des données, la méthode de collecte, la latence, le taux de précision, le volume disponible par zone et les règles d’exclusion. Ils doivent aussi comparer les performances par fournisseur. Un inventaire qui génère beaucoup de visites attribuées mais peu d’achats ou de marge peut cacher un problème de qualité de localisation ou d’attribution.
Paramétrer l’achat média : enchères, caps, supply path et formats doivent servir la zone
Une fois l’audience définie, la DSP doit être configurée pour empêcher les dérives naturelles du programmatique. Le premier garde-fou concerne la structure budgétaire. Si l’ensemble des magasins, zones et segments est placé dans une seule ligne d’achat, l’algorithme va chercher les impressions les plus faciles à obtenir au meilleur coût apparent. Les zones denses, les applications à fort volume et les audiences déjà réactives capteront une part disproportionnée du budget.
Il est préférable de séparer les budgets par typologie de territoire : urbain dense, périurbain, rural, centre commercial, zone concurrentielle, magasin sous-fréquenté, zone de conquête, zone défensive. Cette séparation permet de comparer des contextes comparables et d’éviter qu’une zone liquide absorbe la pression destinée à une zone stratégique. Elle facilite aussi l’analyse du coût par visite incrémentale, indicateur plus utile que le coût par visite attribuée.
Le deuxième garde-fou concerne les enchères. Une stratégie d’enchères uniforme ignore la valeur relative des segments. Une DSP peut moduler le bid, c’est-à-dire le prix proposé pour acheter une impression, selon l’intention, la distance, le créneau horaire, la catégorie consultée ou la valeur client. Par exemple, une impression sur un client fidélité ayant consulté un produit disponible dans le magasin le matin même peut justifier une enchère deux à trois fois supérieure à celle d’un prospect froid seulement présent dans la zone.
Le troisième garde-fou est le capping, limitation de la fréquence d’exposition sur une période donnée. En mobile local, la fréquence utile varie fortement selon le funnel, parcours allant de l’exposition à la considération, puis à la conversion. Pour une offre immédiate, 2 à 3 expositions sur 48 heures peuvent suffire. Pour une campagne de considération autour d’un magasin nouvellement ouvert, 4 à 6 expositions sur une à deux semaines peuvent être pertinentes si les créations varient. Sans capping consolidé, la DSP peut surexposer les utilisateurs les plus faciles à retrouver, ce qui dégrade le coût marginal.
Le quatrième garde-fou concerne la supply path optimization, optimisation du chemin d’achat média visant à privilégier les sources d’inventaire les plus transparentes, performantes et efficientes. Tous les chemins programmatiques ne se valent pas. Certains inventaires sont redondants, trop chers, peu visibles ou mal contrôlés. Les annonceurs doivent analyser les applications, exchanges, formats, taux de visibilité, taux de clic, taux de visite et taux de conversion par source. La qualité d’une audience locale dépend autant de l’endroit où elle est achetée que de la manière dont elle est ciblée.
Enfin, le format créatif doit correspondre à la friction locale. Un interstitiel riche peut être utile pour une preuve de service ou une ouverture de magasin. Une bannière courte peut suffire pour rappeler une offre à proximité. Une vidéo mobile peut soutenir la considération, mais son coût doit être justifié par un objectif plus haut de funnel. Une création locale performante ne se contente pas d’ajouter le nom du magasin ; elle répond à une question concrète : pourquoi se déplacer maintenant, ici, plutôt qu’ailleurs ?
Mesurer correctement : l’attribution locale surestime souvent les audiences faciles
L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, est particulièrement délicate en programmatique mobile local. Les individus exposés ne sont pas aléatoires. Ils sont plus souvent présents dans des zones d’inventaire disponible, plus mobiles, plus proches des magasins ou déjà plus intentionnistes. Si ces personnes visitent ensuite un point de vente, il est tentant d’attribuer la visite à la campagne. Mais une partie du trafic aurait eu lieu sans exposition.
Le last click, modèle attribuant toute la conversion au dernier point de contact, accentue le problème. En Drive-to-Store, les expositions proches du déplacement captent mécaniquement beaucoup de crédit. Une DSP optimisée sur cet indicateur peut renforcer la diffusion auprès d’utilisateurs déjà en fin de parcours. Le reporting devient flatteur, mais l’effet incrémental peut rester limité.
La mesure doit donc distinguer trois niveaux. Le premier est le reporting opérationnel : impressions, clics, taux de visibilité, demandes d’itinéraire, visites estimées, conversions attribuées. Il sert à piloter l’exécution. Le deuxième est la performance normalisée : résultats rapportés au trafic historique du magasin, à la densité de la zone, à la pression média, au budget par habitant exposable ou au potentiel commercial. Le troisième est l’incrémentalité, c’est-à-dire l’effet additionnel réellement causé par la campagne.
Les tests géographiques sont souvent les plus adaptés. Ils consistent à comparer des zones exposées et des zones témoins similaires avant, pendant et après la campagne. La méthode de différence-en-différences compare l’évolution d’une zone test avec celle d’une zone contrôle sur la même période. Si les magasins exposés progressent de 9 % et les magasins témoins comparables de 4 %, l’effet estimé est de 5 points, sous réserve que les tendances pré-campagne soient parallèles.
Un protocole sérieux nécessite au minimum 6 à 12 semaines d’historique pour apparier les zones, une période de test cohérente avec le cycle d’achat et une taille d’échantillon suffisante. Le minimum detectable effect, effet minimum détectable, doit être calculé avant le lancement. Si l’annonceur espère mesurer un uplift de 3 %, mais que le dispositif ne peut détecter que des variations de 10 %, le test risque de ne pas conclure, même si la campagne est utile.
Les groupes de contrôle individuels sont pertinents lorsque l’annonceur active des audiences CRM en programmatique. Une fraction de clients éligibles, par exemple 5 % à 10 %, peut être conservée en holdout, c’est-à-dire non exposée, afin de mesurer l’écart de comportement. La randomisation doit être stratifiée par zone, magasin, segment client et valeur potentielle. Un holdout national mal réparti peut produire un résultat trompeur si certaines zones sont surreprésentées.
Cas concret : une enseigne arbitre entre couverture locale et audience utile
Prenons une enseigne d’équipement de la maison disposant de 90 magasins. L’objectif est de promouvoir une opération jardinage au printemps, avec un budget programmatique mobile de 240 000 euros sur quatre semaines. Deux stratégies sont testées.
La première stratégie applique un ciblage large : rayon de 12 kilomètres autour de chaque magasin, optimisation au clic puis à la visite attribuée, créations identiques, capping à 6 impressions par utilisateur sur 7 jours. La campagne génère 38 millions d’impressions, un CTR de 0,74 %, 281 000 clics et 42 000 visites attribuées. Le coût par visite attribuée ressort à 5,71 euros. Les ventes attribuées atteignent 1,65 million d’euros, soit un ROAS attribué de 6,9.
La seconde stratégie segmente les zones. En zones urbaines, l’achat se concentre sur des isochrones de 15 minutes en voiture ou transport. En périphérie, la zone monte à 22 minutes, mais uniquement pour les audiences ayant montré une intention jardinage ou appartenant à un segment CRM actif. Les magasins avec stock faible sur les références promues sont exclus. Les enchères sont majorées de 40 % sur les clients à forte valeur, réduites de 30 % sur les prospects froids éloignés. Le capping descend à 3 expositions sur 5 jours pour les audiences froides et monte à 5 pour les intentionnistes. La campagne génère seulement 24 millions d’impressions, 196 000 clics et 31 000 visites attribuées. Le coût par visite attribuée monte à 6,45 euros. Le ROAS attribué descend à 6,1.
À première lecture, la stratégie large semble meilleure. Mais le test géographique donne une conclusion différente. Les zones témoins montrent que la première stratégie a généré 190 000 euros de chiffre d’affaires incrémental, avec une marge moyenne de 32 %, soit 60 800 euros de marge incrémentale pour 240 000 euros investis. La seconde stratégie génère 235 000 euros de chiffre d’affaires incrémental, avec une marge moyenne de 38 %, soit 89 300 euros de marge incrémentale pour le même budget. Le coût par visite attribuée était moins bon, mais la contribution réelle était supérieure.
Le diagnostic révèle trois mécanismes. D’abord, la stratégie large a suracheté des utilisateurs proches de magasins déjà très performants, dont la visite était largement organique. Ensuite, elle a diffusé dans des zones concurrentielles sans message différenciant, ce qui a réduit la conversion. Enfin, elle a généré beaucoup de clics sur des produits partiellement indisponibles localement. La stratégie segmentée a acheté moins d’audience, mais davantage d’audience influençable, avec une meilleure cohérence entre promesse, stock et capacité de déplacement.
Éviter les pièges opérationnels : algorithmes, silos et signaux faibles peuvent dégrader l’achat
Une DSP mobile optimise ce qu’on lui donne à apprendre. Si l’objectif est le clic, elle cherchera des clics. Si l’objectif est la visite attribuée, elle cherchera des environnements et des profils associés aux visites mesurables. Si l’objectif est une vente incrémentale, l’apprentissage devient plus complexe, mais plus proche de la valeur business. Le choix du signal d’optimisation est donc stratégique.
La difficulté est que les signaux à forte valeur arrivent souvent plus tard et en volume plus faible. Un clic est disponible immédiatement. Une visite magasin peut arriver dans les 24 à 72 heures. Une transaction rattachée à un client identifié peut nécessiter une réconciliation caisse ou CRM. Une marge incrémentale suppose un test robuste. Les équipes doivent arbitrer entre vitesse d’apprentissage et qualité du signal. Une approche pragmatique consiste à utiliser des signaux intermédiaires, comme consultation de stock, itinéraire, coupon ajouté ou page magasin, tout en validant régulièrement leur corrélation avec les ventes incrémentales.
Le deuxième piège est la séparation des silos. Les équipes média pilotent le CPM, coût pour mille impressions, et le coût par visite. Les équipes CRM pilotent les segments et la pression relationnelle. Les équipes retail connaissent le stock, la concurrence locale et les contraintes magasin. Les équipes data évaluent l’incrémentalité. Si ces informations ne convergent pas dans la DSP, l’achat devient partiel. Une campagne peut être parfaitement optimisée média et commercialement mal alignée.
Le troisième piège est l’oubli des signaux négatifs. Une hausse du taux d’opt-out SMS après une campagne omnicanale, une baisse d’ouverture push, une chute du taux de conversion post-clic ou une répétition d’impressions sans engagement sont des alertes. Elles indiquent que l’audience locale est peut-être saturée ou mal qualifiée. La DSP ne doit pas seulement recevoir des signaux de conversion ; elle doit aussi intégrer des règles d’exclusion et de pause.
Le quatrième piège concerne la fraude et la qualité d’inventaire. Le mobile programmatique peut exposer l’annonceur à des impressions non visibles, du trafic invalide, des applications de faible qualité ou des signaux de localisation suspects. Les outils de brand safety, de viewability, de détection d’IVT, invalid traffic, trafic considéré comme non humain ou non qualifié, et d’audit supply doivent être activés. Une zone de chalandise bien construite ne compense pas un inventaire médiocre.
Conclusion : acheter l’audience utile impose une discipline de zone, de data et de mesure
La DSP mobile est un levier puissant pour activer les zones de chalandise, mais elle ne transforme pas automatiquement la proximité en performance. La différence entre une campagne coûteuse et une campagne contributive tient à la qualité de l’hypothèse d’achat : quelle audience, dans quelle zone, avec quelle intention, quelle valeur attendue, quelle promesse locale et quelle preuve d’incrémentalité ?
Une feuille de route actionnable peut se structurer en huit étapes. Premièrement, redéfinir les zones de chalandise en temps de trajet, potentiel commercial et contexte concurrentiel, plutôt qu’en rayons uniformes. Deuxièmement, segmenter les audiences selon distance, intention récente, valeur client et appétence promotionnelle. Troisièmement, qualifier les données de localisation : source, précision, fraîcheur, consentement et disponibilité par zone. Quatrièmement, séparer les budgets par typologie de territoire pour éviter la concentration automatique sur les zones les plus liquides. Cinquièmement, moduler les enchères selon la valeur attendue de l’impression, et non selon la seule proximité. Sixièmement, intégrer des caps, exclusions et pauses pour limiter la saturation locale. Septièmement, relier la DSP aux signaux retail : stock, horaires, événements, capacité magasin et transactions. Huitièmement, arbitrer sur la marge et l’incrémentalité, pas seulement sur les visites attribuées.
Le point décisif est la gouvernance. Une DSP mobile performante n’est pas seulement une technologie d’achat ; c’est un système d’allocation budgétaire local. Elle doit traduire une stratégie commerciale en règles d’enchères, de ciblage, de fréquence, de création et de mesure. Lorsque cette traduction est approximative, le programmatique achète de l’inventaire proche. Lorsqu’elle est rigoureuse, il achète des opportunités d’action.
Pour les professionnels du marketing mobile, l’enjeu n’est donc pas d’être présent dans toutes les zones de chalandise, mais d’identifier les poches où une exposition supplémentaire peut modifier le comportement. C’est cette capacité à distinguer couverture, influence et valeur incrémentale qui fait passer la DSP mobile d’un outil d’achat média à un instrument de croissance locale mesurable.
