Méthode pour auditer les logs DSP d’une campagne display

Les logs DSP révèlent la performance réelle que les dashboards agrègent trop vite

Auditer les logs DSP d’une campagne display consiste à descendre sous le reporting de surface pour examiner les événements qui ont réellement structuré l’achat média : enchères reçues, enchères émises, impressions gagnées, prix payés, inventaires livrés, utilisateurs exposés, clics, conversions, signaux de qualité et chemins d’approvisionnement. Un DSP, demand-side platform, est la plateforme utilisée par l’acheteur pour acheter des impressions publicitaires de façon automatisée, souvent via le RTB, real-time bidding, mécanisme d’enchère en temps réel permettant d’évaluer et d’acheter une impression au moment où elle devient disponible.

Le sujet est stratégique parce que le dashboard DSP présente une performance déjà interprétée. Il agrège, filtre, attribue et normalise. Les logs, eux, permettent de reconstruire la chaîne de preuve : combien d’opportunités ont été reçues, combien ont été filtrées, combien ont été enchéries, combien ont été gagnées, à quel prix, sur quelles SSP, supply-side platforms, plateformes utilisées par les éditeurs pour vendre leur inventaire, avec quels sellers, quelles audiences, quels formats, quelles créations et quelle contribution business. Pour une campagne display, où les volumes sont importants et les signaux parfois faibles, cette granularité change souvent le diagnostic.

Un audit sérieux ne cherche pas seulement à vérifier que le budget a été dépensé. Il doit répondre à quatre questions. Premièrement, le DSP a-t-il eu accès aux bonnes opportunités d’achat ? Deuxièmement, l’algorithme a-t-il enchéri au bon niveau compte tenu de la valeur attendue de chaque impression ? Troisièmement, la supply achetée était-elle visible, sûre, transparente et non frauduleuse ? Quatrièmement, les conversions attribuées correspondent-elles à une contribution incrémentale ou seulement à une captation d’intention existante ?

Les logs permettent de passer d’une lecture moyenne à une lecture distributionnelle. Une campagne peut afficher un CPM, coût pour mille impressions, de 2,80 euros et un CPA, coût par acquisition, de 35 euros, tout en masquant que 18 % du budget a été concentré sur trois domaines à faible visibilité, que 42 % des conversions attribuées proviennent d’utilisateurs exposés plus de douze fois en sept jours, ou que deux SSP vendent le même inventaire avec des écarts de prix de 25 %. Sans logs, ces phénomènes restent invisibles ou traités comme des anomalies secondaires. Avec les logs, ils deviennent des leviers d’arbitrage.

Définir le périmètre de logs avant toute analyse de performance

La première erreur consiste à demander les logs après la campagne sans avoir défini ce que l’on veut observer. Tous les DSP ne fournissent pas le même niveau de détail, tous les annonceurs n’ont pas les mêmes droits contractuels, et toutes les données ne sont pas conservées avec la même profondeur historique. L’audit doit donc commencer par un inventaire des tables disponibles et de leur granularité.

Les familles de logs les plus utiles sont les bid requests, c’est-à-dire les opportunités d’enchère reçues par le DSP ; les bid responses, c’est-à-dire les enchères effectivement envoyées ; les win notices, qui indiquent les enchères remportées ; les impressions servies ou rendues ; les clics ; les événements de conversion ; les coûts ; les signaux de vérification média ; et, lorsque disponible, les logs d’audience ou de matching CRM. L’idéal est de disposer d’un identifiant d’enchère stable, par exemple auction_id ou bid_id, permettant de relier l’opportunité initiale, l’enchère, le gain, l’impression et les événements post-exposition.

Les champs prioritaires doivent couvrir au minimum : timestamp, fuseau horaire, campaign_id, line_item_id, creative_id, deal_id, SSP, seller_id, domaine ou application, format, device, navigateur, environnement web ou in-app, pays, région, audience, user_id pseudonymisé ou household_id lorsque disponible, fréquence, bid price, clearing price, floor price, coût média, frais technologiques, indicateur de visibilité, indicateur d’IVT, invalid traffic, trafic invalide généré par bots ou comportements non humains, clic, conversion, valeur de conversion et fenêtre d’attribution.

Il faut ensuite évaluer la complétude. Un export de logs qui ne couvre que les impressions gagnées ne permet pas d’analyser correctement le taux d’enchère ni les opportunités perdues. Un export sans clearing price ne permet pas de diagnostiquer le bid shading, c’est-à-dire les mécanismes qui réduisent le prix d’enchère pour éviter de surpayer en enchère au premier prix. Un export sans seller_id limite fortement l’analyse de supply path optimization, optimisation des chemins d’approvisionnement entre acheteurs, SSP et éditeurs. Un export sans identifiant utilisateur empêche d’auditer la fréquence réelle et les overlaps d’audience.

La qualité technique doit être contrôlée avant la qualité média. Les doublons, les timestamps non alignés, les coûts exprimés dans plusieurs devises, les conversions remontées en heure locale alors que les impressions sont en UTC, ou les IDs tronqués peuvent créer des écarts majeurs. Une bonne pratique consiste à produire une fiche de validation préalable : nombre de lignes par table, période couverte, taux de champs nuls, unicité des identifiants, cohérence des coûts avec la facture, cohérence des impressions avec l’ad server, et taux de rapprochement entre impressions et conversions.

Reconstruire le funnel d’achat programmatique : de l’opportunité à l’impression utile

Une campagne display ne commence pas à l’impression. Elle commence à la bid request. Le premier travail d’audit consiste donc à reconstruire le funnel d’achat, terme qui désigne ici la séquence allant des opportunités disponibles jusqu’aux expositions susceptibles de produire un effet. Cette reconstruction permet de comprendre si la performance dépend d’un problème d’accès à l’inventaire, de stratégie d’enchère, de qualité de supply ou de mesure post-exposition.

Un framework utile consiste à suivre sept ratios. Le premier est le taux d’éligibilité : part des bid requests qui passent les filtres de ciblage, brand safety, géographie, device, format et consentement. Le deuxième est le bid rate : part des opportunités éligibles sur lesquelles le DSP envoie effectivement une enchère. Le troisième est la win rate : part des enchères remportées. Le quatrième est le render rate : part des impressions gagnées qui sont réellement rendues. Le cinquième est le taux de visibilité, ou viewability, part des impressions ayant eu une chance raisonnable d’être vues selon un standard donné. Le sixième est le taux d’engagement, par exemple clic ou visite qualifiée. Le septième est le taux de conversion attribuée ou dédupliquée.

Un exemple simplifié illustre la valeur du diagnostic. Une campagne reçoit 120 millions de bid requests. Après ciblage et filtres, 30 millions restent éligibles. Le DSP enchérit sur 18 millions, soit un bid rate de 60 %. Il gagne 4,5 millions d’impressions, soit une win rate de 25 %. Sur ces impressions gagnées, 4,1 millions sont rendues, puis 2,7 millions sont visibles. Si le budget dépensé est de 12 000 euros, le CPM brut sur impressions gagnées est de 2,67 euros, mais le vCPM, coût pour mille impressions visibles, est de 4,44 euros. Si seules 1,8 million d’impressions sont visibles plus de trois secondes, le coût par exposition qualifiée monte à 6,67 euros. Le pilotage au CPM brut aurait sous-estimé le coût réel du contact utile.

Cette lecture doit être segmentée. Une win rate moyenne de 25 % ne signifie rien si elle est de 8 % sur les deals premium, 35 % sur l’open auction mobile et 55 % sur des applications long tail peu qualitatives. De même, un taux de visibilité moyen de 66 % peut masquer 82 % sur desktop news, 61 % sur web mobile et 38 % sur certaines applications. Les logs permettent de construire des matrices par SSP, seller, domaine, application, format, device, audience, heure et ligne d’achat.

L’objectif n’est pas de maximiser tous les ratios. Un bid rate faible peut être sain si le DSP filtre fortement des opportunités de mauvaise qualité. Une win rate faible peut être acceptable sur des inventaires rares à forte valeur. Un vCPM plus élevé peut être rationnel si la contribution business est meilleure. L’audit doit donc relier chaque rupture du funnel à l’objectif de campagne : notoriété, considération, génération de trafic, conversion ou réactivation.

Auditer l’économie de l’enchère : prix, floors, bid shading et coûts cachés

Les logs DSP sont particulièrement puissants pour comprendre l’économie réelle de l’achat. Le reporting indique souvent un CPM moyen et un budget dépensé. Les logs permettent d’observer la distribution des prix, les floors, les écarts entre bid price et clearing price, les frais par chemin d’achat et les anomalies de tarification. Dans les environnements first-price auction, enchère au premier prix où l’acheteur gagnant paie le montant de son enchère, cette analyse est indispensable.

Le premier axe consiste à comparer bid price, clearing price et floor price. Si le bid price moyen est de 4 euros mais que le clearing price moyen est de 2,70 euros, le bid shading semble jouer un rôle. Mais la moyenne est insuffisante. Il faut analyser les percentiles : prix médian, 75e percentile, 90e percentile, valeurs extrêmes, et dispersion par SSP ou domaine. Un inventaire dont le CPM médian est de 2 euros mais dont le 90e percentile atteint 9 euros peut signaler des floors dynamiques agressifs ou des pics de concurrence sur certaines heures.

Le deuxième axe est la pression des floors. Un floor price élevé n’est pas forcément problématique s’il correspond à une supply premium, visible et incrémentale. Il devient problématique lorsqu’il est déconnecté de la qualité observée. Par exemple, si un deal privé impose un floor de 6 euros avec 48 % de viewability et 0,03 % de taux de clic, tandis qu’un inventaire open auction filtré livre à 3,50 euros avec 72 % de viewability et une contribution similaire, le deal doit être renégocié ou restreint. L’audit doit calculer le coût par impression visible, le coût par visite qualifiée et, si possible, le coût par conversion incrémentale par niveau de floor.

Le troisième axe concerne les frais. Selon les contrats, le coût visible dans le DSP peut inclure ou exclure certaines commissions : frais DSP, data fees, verification fees, SSP fees, coûts de deal, coûts d’audience ou marges de trading. Pour un annonceur, la question n’est pas seulement combien le média a coûté, mais quelle part du budget a réellement atteint l’éditeur ou l’inventaire. Une analyse log-level peut révéler que deux chemins d’achat livrent le même domaine avec un écart de coût total de 15 % à 25 %.

Il est utile de construire une grille d’analyse économique par segment : CPM brut, vCPM, coût par clic, coût par visite qualifiée, CPA, ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, marge attribuée, taux de nouveaux clients et coût par nouveau client. Cette grille évite de réduire l’audit à une chasse au CPM bas. Un segment à 5 euros de CPM peut être plus efficient qu’un segment à 2 euros si sa visibilité, son contexte et sa valeur client sont supérieurs.

Qualifier la supply : transparence, duplication, fraude et brand safety

L’audit des logs DSP doit ensuite examiner l’origine des impressions. En display programmatique, la même impression apparente peut être proposée par plusieurs SSP, plusieurs resellers ou plusieurs chemins techniques. Sans analyse de supply, l’acheteur risque de payer des frais redondants, d’acheter des inventaires opaques ou de laisser l’algorithme privilégier des sources performantes en attribution mais faibles en qualité réelle.

Les champs seller_id, seller_type, schain, domaine, app bundle, SSP et deal_id sont essentiels. Ads.txt et app-ads.txt permettent aux éditeurs de déclarer les vendeurs autorisés sur le web et en application. Sellers.json et SupplyChain Object aident à identifier les intermédiaires. Ces standards ne prouvent pas la qualité, mais ils permettent de distinguer vendeur direct, reseller autorisé et chaîne d’approvisionnement complexe. Plus la chaîne est longue, plus le risque de frais, d’opacité et de perte de contrôle augmente.

Une méthode opérationnelle consiste à classer la supply en quatre catégories : directe et performante ; directe mais sous-performante ; indirecte mais justifiée ; indirecte à risque. La première catégorie peut être conservée et éventuellement renforcée. La deuxième exige une optimisation de placement, format ou floor. La troisième peut être tolérée si elle apporte une couverture incrémentale ou un inventaire rare. La quatrième doit être exclue ou fortement plafonnée, surtout si elle combine faible visibilité, IVT élevé, CTR anormal ou absence de contribution business.

La fraude doit être analysée localement, pas seulement en moyenne. Un taux d’IVT global de 1,5 % peut sembler maîtrisé, mais si certaines applications atteignent 12 % ou si certains domaines génèrent des clics sans scroll, sans temps passé et sans conversion ultérieure, le problème est budgétaire. Les logs permettent d’identifier des patterns : pics nocturnes, taux de clic anormalement élevés, user agents répétitifs, concentration sur quelques IP ranges lorsque disponibles, taux de rebond extrême, ou conversions suspectes avec délai post-clic quasi nul.

La brand safety, protection de la marque contre des environnements inappropriés, et la brand suitability, adéquation du contexte à une marque donnée, doivent aussi être croisées avec les performances. Trop de filtres peuvent réduire la couverture et augmenter le CPM. Trop peu de filtres peuvent dégrader la qualité d’exposition et le risque réputationnel. Les logs permettent de mesurer le coût de ces arbitrages : volume exclu, prix des inventaires sûrs, impact sur la win rate, évolution du vCPM et contribution des contextes autorisés.

Relier audience, fréquence et création pour détecter la cannibalisation

Une campagne display peut sembler performante parce qu’elle touche beaucoup d’utilisateurs déjà proches de l’achat. Les logs permettent d’auditer ce risque en analysant les audiences exposées, la fréquence réelle et la séquence créative. C’est un point critique, car le CPA attribué peut s’améliorer alors que la contribution incrémentale diminue.

Le premier contrôle porte sur la fréquence. Il faut distinguer fréquence servie, fréquence visible et fréquence qualifiée. Une fréquence moyenne de 4 impressions par utilisateur peut masquer une distribution très déséquilibrée : 55 % des utilisateurs exposés une seule fois, 30 % entre deux et cinq fois, et 5 % au-delà de quinze fois. Si ces 5 % concentrent 22 % du budget et 48 % des conversions attribuées, il faut vérifier si le display crée réellement de la valeur ou s’il se contente de suivre des utilisateurs déjà engagés.

Le deuxième contrôle porte sur les statuts d’audience. Les logs doivent, lorsque la gouvernance data le permet, distinguer nouveaux prospects, visiteurs récents, paniers abandonnés, clients actifs, clients dormants, audiences lookalike, segments contextuels et audiences third-party. Un CPA de 20 euros sur visiteurs récents n’a pas la même valeur qu’un CPA de 55 euros sur prospects froids si les seconds génèrent plus de nouveaux clients et une LTV, lifetime value, valeur économique attendue d’un client sur sa durée de relation avec la marque, supérieure.

Le troisième contrôle porte sur la création. Les creative_id doivent être reliés aux formats, messages, offres et landing pages. Une bannière promotionnelle peut surperformer en clic tout en recrutant des clients à faible marge. Une création de preuve produit peut générer moins de clics mais davantage de visites qualifiées. Sans logs créatifs propres, l’audit ne peut pas distinguer un problème d’audience, de format, de fréquence ou de message.

Exemple : une campagne display e-commerce affiche un ROAS plateforme de 6,2. Les logs montrent que 64 % des conversions attribuées proviennent d’utilisateurs exposés à une bannière dynamique dans les 24 heures suivant une visite produit. Le taux de nouveaux clients est de 18 %. Un groupe exposé à des audiences contextuelles catégorie affiche un ROAS attribué de 2,4 mais 61 % de nouveaux clients et un panier moyen supérieur de 22 %. La conclusion n’est pas de couper le retargeting, mais de plafonner sa fréquence, de réduire les fenêtres d’attribution post-view et de réallouer une partie du budget vers les segments qui élargissent la demande.

Réconcilier logs DSP, ad server, analytics et CRM pour éviter la sur-attribution

Les logs DSP ne doivent pas devenir une nouvelle source de vérité isolée. Ils doivent être réconciliés avec l’ad server, l’outil analytics, le CRM et, si possible, le back-office transactionnel. L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, est particulièrement sensible aux règles de fenêtre, aux impressions non visibles, aux doubles comptages et aux conversions revendiquées par plusieurs plateformes.

La première étape consiste à comparer les volumes. Les impressions DSP doivent être rapprochées des impressions ad server. Les clics DSP doivent être comparés aux sessions analytics, avec attention aux redirections, aux consentements et aux pertes de tracking. Les conversions DSP doivent être comparées aux conversions CRM ou transactionnelles, en distinguant commandes valides, annulations, retours, clients existants et nouveaux clients. Un écart de 5 % peut être normal selon les définitions. Un écart de 30 % doit être expliqué.

La deuxième étape consiste à appliquer des règles de déduplication. Si une conversion est revendiquée par le display, le search marque et l’email, l’annonceur doit choisir une logique de crédit cohérente. Le last click, modèle attribuant 100 % du crédit au dernier clic observé, favorise souvent les leviers de bas de funnel. Le post-view display peut au contraire surcréditer des impressions peu visibles ou servies à des utilisateurs déjà décidés. Une approche plus robuste consiste à créer plusieurs lectures : conversions brutes plateforme, conversions dédupliquées, conversions pondérées par visibilité et conversions estimées incrémentales.

La troisième étape consiste à qualifier la conversion. Toutes les conversions ne se valent pas. Une commande à faible marge, un lead incomplet, un client déjà actif ou une vente annulée ne doivent pas alimenter l’algorithme comme une conversion pleine. Les logs DSP doivent donc être enrichis par des signaux business : marge, panier net, statut nouveau client, catégorie, niveau de promotion, probabilité de retour ou score de qualité du lead. Cette étape transforme l’audit média en audit économique.

Pour les budgets significatifs, l’incrémentalité doit être testée. Un holdout, groupe volontairement non exposé servant de contrefactuel, ou un geo-test, comparaison de zones exposées et non exposées, permet d’estimer ce qui se serait produit sans campagne. Si un segment affiche 1 000 conversions attribuées mais seulement 25 % d’incrémentalité, son CPA incrémental est quatre fois plus élevé que son CPA plateforme. À l’inverse, un segment peu crédité en last click peut être maintenu s’il démontre un lift sur les recherches marque, les visites directes ou les nouveaux clients.

Transformer l’audit en plan d’action : exclusions, enchères, mesure et gouvernance

Un audit de logs DSP n’a de valeur que s’il modifie le prochain plan display. La restitution doit donc être structurée en décisions opérationnelles, pas en simple inventaire d’anomalies. Chaque recommandation devrait préciser le segment concerné, la preuve observée, le niveau de confiance, l’impact attendu et la méthode de validation.

Les décisions immédiates concernent les zones évidentes : exclure les domaines ou applications à IVT élevé, couper les sellers opaques sans contribution, plafonner les fréquences excessives, corriger les lignes dont le render rate est faible, harmoniser les fenêtres d’attribution, supprimer les créations sous-performantes à exposition comparable, ou renégocier des floors déconnectés de la qualité. Ces décisions sont défensives, mais elles libèrent souvent 5 % à 15 % de budget mal alloué.

Les décisions d’optimisation concernent les arbitrages plus fins : ajuster les enchères par vCPM plutôt que par CPM, créer des coefficients de valeur par audience, différencier les objectifs entre prospection et retargeting, limiter le bid shading sur les inventaires rares et prouvés, l’augmenter sur les inventaires substituables, déplacer une partie du budget vers des supply paths directs, ou tester des deals privés contre une open auction filtrée.

Les décisions de mesure sont aussi importantes que les décisions média. Il faut définir une nomenclature stable, des conventions de nommage, des IDs persistants, une source de vérité pour les conversions, des règles de déduplication, une pondération post-view liée à la visibilité, et un calendrier d’audit. Sur une campagne always-on, un contrôle hebdomadaire des signaux de supply et de fréquence peut coexister avec un audit mensuel économique et un test trimestriel d’incrémentalité.

Une conclusion actionnable peut prendre la forme d’un backlog priorisé. Priorité 1 : couper 12 applications représentant 7 % du budget et 41 % de l’IVT détecté. Priorité 2 : plafonner le retargeting visiteurs récents à 6 impressions visibles sur 7 jours. Priorité 3 : déplacer 20 % du budget depuis deux SSP resellers vers des chemins directs affichant un vCPM inférieur de 18 %. Priorité 4 : pondérer les conversions post-view uniquement si l’impression est mesurable et visible au moins deux secondes. Priorité 5 : lancer un holdout de 10 % sur les audiences bas de funnel pour estimer la cannibalisation.

La maturité ne consiste pas à collecter toujours plus de logs, mais à transformer ces logs en arbitrages reproductibles. Un audit expert accepte que les données soient imparfaites, mais il rend les incertitudes explicites. Il distingue ce qui est livré, ce qui est visible, ce qui est attribué, ce qui est dédupliqué et ce qui est probablement incrémental. Pour une campagne display, cette discipline est la condition pour sortir d’un pilotage au volume et entrer dans une logique de valeur : payer le bon prix, pour la bonne impression, via le bon chemin, auprès de la bonne audience, avec une mesure suffisamment robuste pour orienter le budget suivant.