Incrémentalité du trafic magasin : isoler les visites gagnées

Mesurer les visites gagnées impose de sortir du confort de l’attribution

Dans les dispositifs Drive-to-Store, stratégie visant à générer du trafic qualifié vers un point de vente physique, la question centrale n’est pas de savoir combien de visites ont été observées après exposition publicitaire. Elle est de savoir combien de visites n’auraient pas eu lieu sans la campagne. Cette différence, souvent résumée par le terme incrémentalité, conditionne la vraie lecture économique du marketing local. Une campagne peut revendiquer 50 000 visites attribuées et ne générer que 8 000 visites réellement additionnelles. À l’inverse, un dispositif plus restreint peut produire moins de volume apparent mais davantage de marge incrémentale.

L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, reste utile pour comprendre les parcours. Elle permet de relier une exposition mobile, un clic, une demande d’itinéraire ou un coupon à une visite magasin. Mais elle ne prouve pas la causalité. Les individus exposés sont rarement comparables aux non-exposés : ils sont souvent plus proches du magasin, plus intentionnistes, plus actifs sur mobile, déjà clients ou plus faciles à reconnaître par les plateformes. Si ces profils visitent davantage, ce n’est pas nécessairement parce que la campagne les a convaincus. Ils pouvaient déjà être en trajectoire d’achat.

Pour les annonceurs retail, locaux et omnicanaux, cette nuance n’est pas théorique. Elle détermine le CPA, cost per acquisition, coût nécessaire pour générer une conversion attribuée ou incrémentale, et le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué ou incrémental et dépenses média. Un ROAS attribué de 7 peut masquer un ROAS incrémental de 1,4 si la campagne capte surtout du trafic organique. Inversement, une campagne de conquête avec un ROAS attribué modeste peut être rentable si elle recrute des clients nouveaux, à forte LTV, lifetime value, valeur économique attendue sur la durée de relation.

L’incrémentalité du trafic magasin consiste donc à isoler les visites gagnées, c’est-à-dire l’écart entre le trafic observé avec activation et le trafic contrefactuel qui aurait été observé sans activation. Le contrefactuel n’est jamais directement visible. Il doit être estimé par un protocole : groupe témoin, holdout, test géographique, différence-en-différences, modèle synthétique ou expérimentation randomisée. La qualité de cette estimation fait la différence entre pilotage marketing et storytelling de reporting.

Pourquoi les visites attribuées surestiment souvent l’impact réel

Le premier biais vient de la sélection algorithmique. Une DSP, demand-side platform, plateforme permettant aux annonceurs d’acheter automatiquement des impressions publicitaires, optimise la diffusion vers les profils les plus susceptibles de produire le signal recherché. En RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression disponible, l’algorithme valorise les contextes, devices, horaires et individus avec une probabilité élevée de clic, de visite ou de conversion. Cette optimisation améliore la performance apparente, mais elle concentre souvent l’exposition sur des personnes déjà proches de l’action.

Exemple simple : une enseigne de bricolage active une campagne mobile autour de 120 magasins. Les plateformes détectent que les utilisateurs consultant des contenus de rénovation, situés dans un rayon de 3 kilomètres et déjà passés près d’un point de vente, présentent une forte probabilité de visite. Elles augmentent naturellement les enchères sur ces profils. Le reporting montre ensuite que les exposés visitent beaucoup plus que les non-exposés. Mais une partie de l’écart vient du fait que les exposés étaient déjà plus propices à visiter. La campagne a peut-être accéléré ou orienté la visite, mais elle n’en est pas forcément la cause principale.

Le deuxième biais est lié à la proximité géographique. En Drive-to-Store, la distance au point de vente est l’un des prédicteurs les plus puissants du trafic. Une audience exposée dans une zone de chalandise dense aura mécaniquement un taux de visite supérieur à une audience plus éloignée. Comparer les deux sans contrôle revient à attribuer au média ce qui relève de l’accessibilité. Un magasin de centre-ville avec flux piéton naturel, transports et concurrence limitée n’a pas la même base de trafic qu’un magasin périphérique dépendant de la voiture.

Le troisième biais concerne la fenêtre temporelle. Plus la fenêtre d’attribution est longue, plus elle capture des visites organiques. Une visite observée dans les 24 ou 48 heures suivant exposition peut être plausible pour une offre urgente. Une visite observée à J+14 après une impression display unique doit être interprétée avec prudence, surtout dans les catégories à forte récurrence comme l’alimentaire, la beauté ou la restauration. Allonger la fenêtre augmente presque toujours les conversions attribuées ; cela n’augmente pas nécessairement l’impact causal.

Le quatrième biais vient de la reconnaissance des individus. Les profils matchés entre média, mobile et visite magasin sont souvent plus engagés numériquement que la moyenne. Ils ont une application installée, un identifiant publicitaire disponible, une carte de fidélité, un historique CRM ou un device mieux reconnu. Leur comportement est plus mesurable, donc plus facilement attribuable. La mesure peut alors confondre efficacité marketing et capacité de tracking. Dans un environnement où les identifiants se fragmentent, ce biais devient majeur.

Construire un protocole de mesure : holdout, randomisation et groupes comparables

La méthode la plus robuste reste l’expérimentation randomisée. Elle consiste à diviser une population éligible en deux groupes statistiquement comparables : un groupe exposé et un groupe témoin non exposé, appelé holdout. Si la randomisation est correctement effectuée avant l’achat média, les deux groupes doivent présenter, en moyenne, les mêmes caractéristiques : distance, historique d’achat, appétence, valeur client, saisonnalité et probabilité naturelle de visite. L’uplift, c’est-à-dire l’augmentation incrémentale attribuable à la campagne, correspond alors à l’écart de taux de visite entre les deux groupes.

Supposons une audience mobile de 500 000 personnes autour de magasins urbains. L’annonceur réserve 10 % en holdout, soit 50 000 personnes non exposées, et active les 450 000 restantes. Sur 7 jours, 13 500 visites sont observées dans le groupe exposé, soit 3,0 %. Le holdout affiche 1 250 visites, soit 2,5 %. L’uplift absolu est de 0,5 point. Appliqué aux 450 000 exposés, il représente 2 250 visites incrémentales. Si le reporting attribué affichait 13 500 visites, la part réellement gagnée n’est donc pas de 13 500 mais de 2 250. Le ratio visites incrémentales sur visites attribuées est de 16,7 %.

Ce ratio est souvent le chiffre le plus utile pour les directions marketing. Il permet d’évaluer la qualité incrémentale du plan. Une campagne de retargeting clients très intentionnistes peut afficher un ratio faible, par exemple 10 % à 25 %, parce qu’elle touche des profils qui seraient venus de toute façon. Une campagne de conquête bien ciblée peut afficher un volume attribué plus faible mais un ratio incrémental plus élevé, par exemple 35 % à 60 %. Le bon arbitrage dépend ensuite de la marge, du panier, de la récurrence et du coût média.

La randomisation individuelle a toutefois des limites. Elle suppose que la plateforme puisse exclure efficacement le holdout de l’exposition, ce qui n’est pas toujours garanti dans un écosystème multi-DSP, social, display, SMS, push et retail media. Elle exige aussi un volume suffisant. Si le taux de visite attendu est faible, un holdout trop petit produira des intervalles de confiance larges. Pour détecter un uplift de 0,2 point sur une base peu réactive, il faut souvent des dizaines voire des centaines de milliers d’individus.

Lorsque la randomisation individuelle est difficile, les tests géographiques deviennent une alternative réaliste. On active certains magasins ou zones, et on en conserve d’autres comme contrôle. La difficulté est de constituer des groupes comparables. Il faut apparier les zones sur le trafic historique, le chiffre d’affaires, la densité commerciale, la concurrence, la météo, les promotions, les jours d’ouverture, la pression média nationale et les stocks. Un test géographique mal apparié produit une illusion de causalité aussi fragile qu’une attribution classique.

Utiliser les méthodes quasi expérimentales sans les transformer en boîte noire

Dans le retail, les conditions parfaites d’expérimentation sont rares. Les plans nationaux se superposent, les magasins n’ont pas tous la même maturité locale, les promotions évoluent, et les audiences mobiles ne sont pas uniformément distribuées. Les méthodes quasi expérimentales permettent alors d’estimer l’incrémentalité lorsque la randomisation est imparfaite. Elles ne remplacent pas la rigueur expérimentale, mais elles améliorent nettement la lecture par rapport au simple avant-après.

La différence-en-différences est l’une des approches les plus utilisées. Elle compare l’évolution du trafic dans un groupe activé à l’évolution du trafic dans un groupe témoin sur la même période. Si les magasins activés progressent de 12 % pendant la campagne et les magasins témoins de 5 %, l’effet estimé est de 7 points, sous réserve que les tendances pré-campagne soient parallèles. Cette condition est essentielle : si les magasins activés étaient déjà en accélération avant le lancement, la méthode surestimera l’impact.

Un exemple chiffré illustre l’intérêt. Une enseigne de prêt-à-porter active 60 magasins en géomarketing mobile et conserve 60 magasins comparables en contrôle. Sur les quatre semaines précédant la campagne, les deux groupes évoluent de manière proche : -1 %, +2 %, +1 %, 0 %. Pendant les deux semaines d’activation, le groupe test progresse de 9 % versus la période de référence, tandis que le contrôle progresse de 3 %. L’effet incrémental estimé est de 6 points. Si les magasins test génèrent habituellement 300 000 visites sur deux semaines, l’uplift représente 18 000 visites additionnelles. À 45 000 euros de budget média, le coût par visite incrémentale est de 2,50 euros.

Le contrôle synthétique va plus loin lorsque peu de zones peuvent être isolées. Il construit un groupe témoin artificiel à partir d’une combinaison pondérée de magasins non activés, de façon à reproduire au mieux la trajectoire historique du groupe test avant campagne. Cette méthode est utile pour les ouvertures de magasin, les campagnes régionales ou les opérations où le nombre de points de vente test est limité. Elle exige cependant une donnée historique fiable et suffisamment longue. Si les historiques sont instables, la précision du modèle se dégrade.

Des techniques comme CUPED, controlled-experiment using pre-experiment data, méthode utilisant des données pré-expérimentales pour réduire la variance, peuvent aussi améliorer la sensibilité des tests. L’idée est d’ajuster les résultats selon le comportement antérieur des individus ou des magasins. Un client ayant visité trois fois le mois précédent n’a pas la même probabilité naturelle de revenir qu’un prospect jamais observé. En contrôlant cette variance, on détecte plus facilement un effet incrémental faible. Mais l’ajustement statistique ne doit pas masquer des biais de collecte ou des différences structurelles entre groupes.

Choisir les bons indicateurs : une visite gagnée n’a pas toujours la même valeur

Isoler les visites gagnées ne suffit pas. Il faut leur attribuer une valeur économique réaliste. Une visite incrémentale d’un client fidèle venu acheter un produit à faible marge ne vaut pas la même chose qu’une visite incrémentale d’un nouveau client recruté sur une catégorie à forte marge. Le pilotage doit donc dépasser le coût par visite pour intégrer le taux de transformation magasin, le panier moyen, la marge, la récurrence et le coût promotionnel.

Le funnel, parcours allant de l’exposition à la considération, puis à la conversion et à la fidélisation, doit guider les métriques. En haut de funnel local, l’objectif peut être la mémorisation, la découverte d’un point de vente ou l’installation d’un nouveau magasin dans la zone mentale du consommateur. En milieu de funnel, on cherchera des signaux d’intention : consultation de stock, clic vers itinéraire, sauvegarde d’offre, ajout au wallet, appel magasin. En bas de funnel, la visite et l’achat deviennent prioritaires. Mesurer uniquement la visite peut sous-valoriser une campagne qui nourrit l’intention sur un cycle long, ou survaloriser une campagne qui attire du trafic opportuniste sans conversion.

Une grille de pilotage efficace distingue au moins cinq indicateurs. Le premier est le taux de visite incrémental, soit l’écart entre exposés et témoins. Le deuxième est le coût par visite incrémentale. Le troisième est le taux de transformation de ces visites en achats, idéalement mesuré par caisse, CRM, coupon ou panel. Le quatrième est la marge incrémentale, après remises et coûts opérationnels. Le cinquième est la qualité client : nouveau client, client réactivé, client existant, fréquence post-campagne, panier à 30 ou 60 jours.

Prenons un cas retail. Une campagne SMS locale coûte 30 000 euros et génère 6 000 visites incrémentales, soit 5 euros par visite. Le taux d’achat en magasin est de 35 %, le panier moyen de 42 euros, la marge brute de 38 %. La marge brute incrémentale est donc 6 000 x 35 % x 42 x 38 %, soit environ 33 516 euros. Avant coûts opérationnels et effets négatifs, la campagne est proche de l’équilibre. Si elle génère aussi 1 200 nouveaux clients dont 25 % rachètent dans les 60 jours, elle peut devenir rentable. Si elle s’accompagne d’une remise massive de 20 % et d’un opt-out SMS élevé, le diagnostic peut basculer.

Les signaux négatifs doivent être intégrés. Un push commercial peut générer des visites additionnelles mais augmenter la désactivation des notifications. Un SMS peut produire du trafic immédiat mais dégrader la base opt-in. Une campagne display peut améliorer la couverture locale mais surexposer des clients déjà acquis. L’incrémentalité économique doit donc inclure le coût relationnel : opt-out, baisse d’engagement, fatigue créative, réclamations, cannibalisation e-commerce ou déplacement de ventes entre magasins du réseau.

Calibrer le design de test : durée, volume, fenêtre de visite et contamination

Un protocole d’incrémentalité échoue souvent non par manque d’outil, mais par mauvais design. La durée du test doit correspondre au cycle d’achat. Pour une opération restauration ou grande distribution, une fenêtre de 24 à 72 heures peut suffire. Pour l’ameublement, l’optique, l’automobile, l’équipement de la maison ou les services avec rendez-vous, l’effet peut s’étaler sur plusieurs semaines. Une fenêtre trop courte sous-estime l’impact ; une fenêtre trop longue capture du trafic organique.

Le volume doit permettre une lecture statistique robuste. Si une campagne touche 20 000 personnes et que le taux de visite naturel est de 1 %, le nombre d’événements observables sera limité. Détecter un uplift de 0,2 ou 0,3 point sera difficile. Les équipes doivent calculer en amont la taille minimale d’échantillon, en fonction du taux de visite attendu, de l’effet minimal détectable et du niveau de confiance souhaité. Sans ce calcul, le test risque de conclure à tort qu’il n’y a pas d’effet, ou de surinterpréter une variation aléatoire.

La contamination est un autre risque critique. Un individu placé en holdout pour le display peut recevoir un email, un SMS, une publicité social mobile ou voir la campagne en retail media. Le groupe témoin n’est alors plus réellement non exposé. Dans un environnement omnicanal, il faut définir si le test mesure l’effet d’un canal isolé ou l’effet d’un plan global. Si l’objectif est de mesurer l’incrémentalité du média mobile, les autres sollicitations doivent être équilibrées entre test et contrôle ou neutralisées. Si l’objectif est de mesurer un dispositif complet, le holdout doit être exclu de l’ensemble des canaux concernés.

La pression concurrente et les événements locaux doivent aussi être surveillés. Une ouverture concurrente, une rupture de stock, une météo extrême, une grève de transport, une promotion nationale ou un événement sportif peuvent modifier le trafic magasin indépendamment de la campagne. Les tests géographiques doivent intégrer ces facteurs dans l’analyse. Les exclure du diagnostic revient à attribuer au marketing des effets qui relèvent de l’environnement.

Enfin, la qualité de la donnée de visite est déterminante. Une visite magasin peut être mesurée par géolocalisation mobile, coupon, scan caisse, carte de fidélité, demande d’itinéraire ou capteur physique. Chaque source a ses biais. La géolocalisation peut confondre passage à proximité et entrée réelle si les polygones sont imprécis. La carte de fidélité ne capte que les clients identifiés. Le coupon surreprésente les acheteurs promotionnels. La demande d’itinéraire mesure une intention, pas une visite. La bonne pratique consiste à croiser plusieurs signaux et à documenter leurs limites.

Lire les résultats : arbitrer entre couverture, pression et contribution marginale

Une fois l’uplift mesuré, la décision n’est pas automatique. Si une campagne affiche un coût par visite incrémentale élevé, faut-il la couper ? Pas nécessairement. Il faut comparer ce coût à la valeur marginale réelle. Une visite incrémentale à 12 euros peut être rentable pour un projet cuisine, une consultation optique ou un essai automobile. Elle sera difficile à justifier pour un achat d’impulsion à faible panier. Le seuil de rentabilité dépend de la marge, de la conversion en magasin, de la probabilité de réachat et du rôle de la campagne dans la stratégie locale.

L’analyse par segment est indispensable. Un résultat moyen peut cacher des poches de forte performance et des zones destructrices de valeur. Une campagne nationale peut afficher un coût par visite incrémentale de 6 euros. Mais les zones urbaines denses peuvent être à 3 euros, les zones périurbaines à 7 euros, et les zones rurales à 18 euros. Les clients intentionnistes peuvent produire un uplift fort mais une faible part réellement nouvelle ; les prospects froids peuvent être plus chers mais plus incrémentaux. La moyenne est rarement actionnable.

La fréquence d’exposition doit également être lue sous l’angle marginal. Si les visites incrémentales progressent fortement entre 1 et 3 expositions puis plafonnent, augmenter le capping, limitation du nombre d’expositions ou sollicitations par individu sur une période donnée, ne fera qu’améliorer l’attribution apparente. Dans de nombreux dispositifs mobiles, les paliers supérieurs de fréquence captent des personnes déjà convaincues. Le bon cap est celui où la valeur marginale d’une exposition supplémentaire égale son coût marginal, y compris le coût d’opportunité de ne pas toucher une nouvelle audience.

Un exemple fréquent : à fréquence 1, une campagne génère un uplift de 0,25 point ; à fréquence 2-3, l’uplift monte à 0,55 point ; à fréquence 4-6, il n’atteint que 0,62 point. Le reporting attribué peut montrer une hausse régulière des visites avec la fréquence. Mais l’incrémental révèle que l’essentiel du gain est capté avant la quatrième exposition. L’arbitrage rationnel consiste alors à limiter la fréquence, renouveler la création, ou réallouer le budget vers des zones moins couvertes.

Les équipes doivent aussi distinguer incrémentalité court terme et incrémentalité stratégique. Une campagne d’ouverture de magasin peut avoir un coût par visite élevé la première semaine, mais installer une habitude locale qui se traduit par du trafic récurrent. À l’inverse, une campagne promotionnelle très agressive peut générer un uplift immédiat mais habituer la clientèle à attendre des remises. L’incrémentalité ne doit pas être enfermée dans une fenêtre trop courte si l’objectif est la construction d’un bassin de clientèle.

Conclusion : industrialiser la preuve sans perdre le sens business

Isoler les visites gagnées transforme le pilotage Drive-to-Store. Le marketing ne se contente plus de compter les visites après exposition ; il évalue la part causale de la campagne, sa contribution marginale et sa rentabilité réelle. Cette discipline est exigeante parce qu’elle oblige à confronter le reporting attribué à un contrefactuel. Mais elle est indispensable dans un contexte où les coûts média augmentent, où les signaux de tracking se fragmentent et où les directions financières demandent une preuve plus robuste de l’impact local.

Une feuille de route opérationnelle peut se structurer en huit étapes. Premièrement, définir précisément l’unité de mesure : visite, visite qualifiée, achat, nouveau client, réactivation ou marge. Deuxièmement, choisir le protocole adapté : holdout individuel, test géographique, différence-en-différences ou contrôle synthétique. Troisièmement, dimensionner le test avant lancement avec un volume suffisant et un effet minimal détectable. Quatrièmement, fixer une fenêtre de visite cohérente avec le cycle d’achat. Cinquièmement, limiter la contamination entre canaux et documenter les expositions concurrentes. Sixièmement, croiser les sources de mesure : géolocalisation, caisse, CRM, coupon, itinéraire ou application. Septièmement, analyser les résultats par segment, magasin, fréquence, distance et valeur client. Huitièmement, arbitrer sur la marge incrémentale et la valeur future, pas seulement sur le ROAS attribué.

Le principe directeur est simple : une visite attribuée raconte ce qui s’est passé après la publicité ; une visite incrémentale estime ce qui s’est passé grâce à elle. Toute la maturité marketing consiste à réduire l’écart entre ces deux lectures, ou au moins à le connaître. Sans cette discipline, les campagnes locales favorisent les conversions faciles à mesurer, surexposent les clients déjà acquis et produisent des tableaux de bord flatteurs. Avec elle, les équipes peuvent réallouer les budgets vers les zones, audiences, créations et fréquences qui modifient réellement le comportement.

L’incrémentalité n’est donc pas un luxe méthodologique réservé aux grands annonceurs. C’est une condition de pilotage pour tout acteur retail qui investit dans le mobile, le SMS, le push, le géomarketing ou le programmatique local. La question à poser après chaque campagne n’est pas seulement : combien de personnes sont venues ? Elle doit être : combien sont venues en plus, à quel coût, avec quelle marge, et avec quel effet sur la relation client ? C’est cette réponse qui permet de passer d’une logique de trafic attribué à une logique de croissance magasin réellement gagnée.