Analyser l’impact météo et mobilité sur le CPM DOOH

Pourquoi le prix d’une impression extérieure varie avec la pluie, les flux et l’heure réelle de passage

Dans le DOOH, digital out-of-home, c’est-à-dire l’affichage extérieur digital diffusé sur écrans en rue, centres commerciaux, gares, métros, parkings, salles de sport ou réseaux retail, le CPM ne se résume jamais à un prix média. Le CPM, coût pour mille impressions, exprime le montant payé pour mille contacts estimés ou mesurés. Mais en affichage digital, l’impression n’est pas un pixel servi à un navigateur : elle repose sur une estimation d’audience, souvent dérivée de données de mobilité, de comptages, de panels, de modèles d’OTS, opportunity to see, probabilité qu’un passant ait eu l’occasion de voir l’écran, et de règles de diffusion.

C’est précisément ce qui rend l’analyse météo et mobilité stratégique. Une journée pluvieuse peut réduire les flux piétons dans une rue commerçante de 15 % à 35 %, mais augmenter la fréquentation d’un centre commercial ou d’un réseau transport couvert. Une vague de chaleur peut décaler les déplacements vers le matin et la soirée, dégrader le trafic à midi, puis augmenter les volumes autour de lieux climatisés. Une grève, un match, un salon professionnel ou une fermeture de ligne de métro peuvent faire varier fortement l’audience effective d’un écran sans que le plan média initial ne change.

Pour un acheteur programmatique, la question n’est donc pas seulement de savoir si la météo ou la mobilité influencent la performance. Elles influencent trois dimensions distinctes : le volume d’impressions disponibles, la qualité contextuelle du contact et la tension d’enchère. En programmatique DOOH, ou pDOOH, l’achat automatisé d’inventaires DOOH via une DSP, demand-side platform, plateforme permettant aux acheteurs d’acheter des impressions publicitaires de façon automatisée, passe généralement par une SSP, supply-side platform, plateforme utilisée par les régies pour mettre leur inventaire à disposition. Le RTB, real-time bidding, enchères en temps réel, existe dans certains environnements, mais le DOOH fonctionne souvent avec des logiques de deals, de boucles de diffusion, de triggers contextuels et de garanties de volume plus proches d’un marché programmatique contrôlé que d’un display web impression par impression.

Analyser l’impact météo et mobilité sur le CPM DOOH revient à comprendre comment un prix facial devient un prix réel par contact utile. Un CPM à 8 euros sur un écran dont l’audience effective baisse de 30 % vaut économiquement un CPM corrigé d’environ 11,40 euros si le volume facturé ne s’ajuste pas. À l’inverse, un CPM à 14 euros sur un réseau transport très fréquenté pendant un pic de mobilité peut devenir compétitif si les impressions estimées augmentent, si la visibilité est élevée et si le contexte favorise l’intention. Le sujet n’est donc pas de payer moins cher, mais de payer un niveau de contact cohérent avec l’audience réellement exposée et la valeur business attendue.

Décomposer le CPM DOOH : prix média, audience modélisée et exposition utile

La première discipline consiste à distinguer le CPM acheté du CPM réellement exploitable. Dans le display web, une impression correspond à un affichage servi, même si la viewability, visibilité publicitaire, doit ensuite vérifier si l’annonce a eu une chance d’être vue. En DOOH, l’impression est généralement une audience estimée devant l’écran pendant une période donnée. Elle peut provenir de capteurs, de données opérateur, de données GPS agrégées, de panels, de comptages physiques, de données transport ou de modèles statistiques.

Le calcul simplifié du CPM DOOH peut être formulé ainsi : budget dépensé divisé par impressions estimées, multiplié par 1 000. Mais cette formule masque plusieurs couches :

• La diffusion écran : nombre de spots réellement joués, durée du spot, part de boucle, format, orientation, luminosité, emplacement.
• L’audience de passage : volume de personnes dans la zone d’exposition, vitesse de déplacement, distance, angle de vue, durée potentielle d’attention.
• Le coefficient d’opportunité de voir : probabilité que le passant ait effectivement pu voir le message compte tenu du contexte physique.
• La qualification d’audience : profil socio-démographique, intention, contexte de déplacement, moment de la journée, proximité magasin.
• La pression concurrentielle : demande des annonceurs sur certaines périodes, réseaux ou conditions contextuelles.

Une analyse robuste doit donc calculer plusieurs CPM. Le CPM brut correspond au prix rapporté aux impressions déclarées. Le CPM visible ou utile ajuste le dénominateur selon la probabilité d’exposition réelle. Le CPM qualifié intègre la part d’audience correspondant à la cible. Le CPM incrémental, plus ambitieux, rapporte le coût aux contacts additionnels générés par rapport à un scénario sans activation ou avec un plan alternatif.

Exemple : une marque de restauration rapide achète 500 000 impressions estimées sur un réseau urbain à 10 euros de CPM, soit 5 000 euros. Si les données de mobilité montrent que 65 % seulement de l’audience est dans la zone effective d’exposition et que 50 % correspond à la cible 18-34 ans, le CPM utile cible n’est plus 10 euros, mais environ 30,80 euros. Ce chiffre n’invalide pas le plan ; il permet de le comparer à d’autres leviers, comme le social géolocalisé, le search local ou le retail media.

Cette décomposition est essentielle lorsque la météo modifie la structure des flux. Une baisse globale de passage peut être compensée par une audience plus intentionniste. Un jour de pluie, une zone de gare peut perdre du trafic de promenade mais conserver des flux pendulaires très stables. Un écran en centre commercial peut gagner en volume et en durée d’attention. Le CPM doit donc être lu par typologie de lieu et par usage, pas seulement par réseau.

Météo : un signal contextuel qui modifie à la fois l’audience, l’attention et la demande publicitaire

La météo agit sur le DOOH selon trois mécanismes. Le premier est mécanique : elle modifie les flux. Pluie, neige, chaleur, froid, vent fort et pollution affectent les déplacements piétons, cyclistes, automobiles et transports. Le deuxième est attentionnel : les conditions météorologiques peuvent accélérer ou ralentir le mouvement, réduire le temps de regard, changer les files d’attente, favoriser les espaces couverts. Le troisième est commercial : certaines catégories deviennent plus pertinentes selon la météo, ce qui augmente la demande média et peut faire monter les CPM.

Les ordres de grandeur varient selon les villes et infrastructures, mais les analyses de mobilité urbaine observent souvent des baisses de trafic piéton de 10 % à 25 % lors de pluies modérées, et jusqu’à 40 % lors d’épisodes intenses dans des zones de shopping extérieur. À l’inverse, les centres commerciaux, réseaux indoor, parkings et gares couvertes peuvent enregistrer des hausses de fréquentation de 5 % à 20 % selon les périodes. Les épisodes de chaleur supérieure à 30 degrés peuvent réduire l’activité piétonne en milieu d’après-midi et reporter les flux sur les matinées ou soirées.

Pour les annonceurs, le signal météo n’a de valeur que s’il est relié à une hypothèse business. Une marque de glaces, de boissons fraîches, de livraison de repas, de pneumatiques, d’assurance, de pharmacie ou d’équipement sportif n’a pas la même élasticité à la météo. L’élasticité désigne ici la sensibilité d’un comportement, par exemple trafic magasin ou ventes, à une variation d’un facteur externe. Si une hausse de température de 5 degrés augmente les ventes d’une boisson de 12 % dans une zone donnée, le CPM acceptable sur un écran proche du point de vente peut mécaniquement augmenter, à condition que l’effet soit mesurable.

Le risque est de traiter la météo comme un simple trigger créatif. Afficher une création pluie lorsqu’il pleut est utile, mais insuffisant. La vraie question est : la météo change-t-elle la valeur marginale d’une impression ? Si oui, l’enchère, le choix des écrans, la pression et la mesure doivent changer. Une campagne de drive-to-store peut augmenter ses bids autour des magasins lorsque la météo augmente la probabilité de visite, et les réduire lorsque les flux utiles chutent. Le drive-to-store désigne les stratégies visant à générer des visites en point de vente à partir d’expositions média.

Un cas concret : une enseigne de bricolage active un réseau DOOH autour de magasins périurbains. Les historiques montrent que les jours de pluie légère le samedi matin augmentent les visites pour produits d’intérieur, peinture et rangement, tandis que les fortes pluies réduisent les visites globales. La stratégie pertinente n’est pas pluie oui ou non, mais segmentation : pluie légère et température modérée déclenchent des créations projet maison ; forte pluie et vent réduisent la pression ; beau temps déclenche jardinage et extérieur. Le CPM doit être analysé par scénario météo, car le même écran peut avoir une valeur différente selon l’intention induite.

Mobilité : passer du volume de passage à la valeur de flux

Les données de mobilité sont le deuxième pilier de l’analyse. Elles peuvent provenir de sources hétérogènes : comptages transport, données GPS agrégées, SDK mobiles consentis, données opérateurs, capteurs de fréquentation, Wi-Fi anonymisé, billetterie, open data urbain, comptages routiers ou panels. Leur objectif n’est pas seulement de mesurer le nombre de personnes devant un écran, mais de comprendre la nature du flux : domicile-travail, shopping, loisir, tourisme, déplacement contraint, attente, transit rapide ou proximité d’un point de vente.

Deux écrans affichant chacun 100 000 impressions hebdomadaires ne se valent pas. Un écran dans un couloir de métro à fort passage peut générer beaucoup d’OTS mais peu de disponibilité attentionnelle. Un écran dans une file d’attente ou un hall de gare peut produire moins de passage mais davantage de temps d’exposition. Un écran en vitrine retail peut toucher une audience plus faible mais beaucoup plus proche de l’achat. La mobilité doit donc être croisée avec le moment, la vitesse et le contexte.

Un framework utile consiste à classer les emplacements DOOH selon quatre types de flux :

• Flux contraints : gares, métros, arrêts de bus, parkings. Audience régulière, forte répétition, sensibilité aux incidents transport.
• Flux intentionnistes : centres commerciaux, retail parks, rues commerçantes. Audience plus proche de l’achat, forte sensibilité météo et calendrier commercial.
• Flux événementiels : stades, salons, concerts, festivals. Pics massifs, mais temporalité courte et CPM souvent élevé.
• Flux routiers : axes périphériques, entrées de ville, stations-service. Volume élevé, attention variable, mesure plus dépendante des modèles de circulation.

La mobilité impacte le CPM de deux manières. Côté offre, une hausse des flux augmente les impressions disponibles si la régie ajuste l’audience modélisée. Côté demande, les acheteurs peuvent surenchérir sur des lieux ou moments où la probabilité d’impact est supérieure. Dans un modèle programmatique, cette tension peut faire monter les CPM sur des deals contextuels : sortie de match, week-end de soldes, départs en vacances, pics touristiques, météo favorable à une catégorie.

Un exemple chiffré illustre l’arbitrage. Une marque automobile compare deux réseaux DOOH. Le réseau A, routier, propose 2 millions d’impressions à 6 euros de CPM. Le réseau B, gares premium, propose 800 000 impressions à 14 euros de CPM. Lecture brute : A est moins cher. Mais les données mobilité indiquent que B concentre 45 % de CSP+ urbains avec temps d’attente supérieur à 3 minutes, contre 18 % sur A avec exposition rapide. Si la cible utile est CSP+ urbains, le CPM cible devient environ 33 euros sur A et 31 euros sur B, avant même d’intégrer l’attention. Le réseau premium n’est plus nécessairement plus cher ; il est mieux aligné avec la cible.

Modéliser l’impact : corrélation, causalité et CPM corrigé

Pour analyser correctement l’impact météo et mobilité sur le CPM DOOH, il faut éviter deux erreurs symétriques. La première consiste à croire toute corrélation. Si les ventes montent les jours ensoleillés et que la campagne DOOH tourne ces mêmes jours, l’effet peut venir de la météo, du calendrier, de la saisonnalité ou d’une promotion. La seconde consiste à rejeter les signaux contextuels parce qu’ils ne prouvent pas seuls l’incrémentalité. En pratique, il faut construire une mesure par couches.

La première couche est descriptive. Elle observe CPM, impressions estimées, diffusion, météo, flux, heure, jour, lieu et disponibilité produit. Elle répond à : que s’est-il passé ? La deuxième couche est explicative. Elle modélise la relation entre météo, mobilité et audience effective : par exemple, une régression peut estimer l’impact marginal de la pluie, de la température et du trafic transport sur les impressions par écran. La troisième couche est causale. Elle cherche à mesurer l’effet de la campagne sur un résultat business : visites, ventes, recherches marque, leads ou conversions.

L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact média, reste complexe en DOOH car l’exposition est collective et souvent non adressable individuellement. Les modèles post-exposition basés sur device IDs géolocalisés peuvent aider, mais ils sont soumis à des contraintes de consentement, de matching et de représentativité. Le CPA, coût par acquisition, montant dépensé pour générer une conversion attribuée, et le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, doivent donc être interprétés avec prudence en DOOH. Une visite attribuée n’est pas automatiquement une visite incrémentale.

Les méthodes robustes incluent les geo-tests, les tests avant-après avec zones de contrôle, les modèles de différence-en-différences et le MMM, marketing mix modeling, modélisation statistique estimant la contribution des leviers marketing à partir de séries temporelles agrégées. Une différence-en-différences compare l’évolution d’une zone exposée à celle d’une zone comparable non exposée, avant et après campagne. Elle permet de neutraliser une partie des effets communs, comme météo nationale ou saisonnalité.

Pour le CPM, une métrique utile est le CPM corrigé par mobilité. Elle peut être formulée ainsi : coût média divisé par impressions ajustées selon les flux observés, la qualité d’exposition et la part de cible, multiplié par 1 000. Une version plus avancée ajoute un coefficient de contexte météo lorsque la météo modifie la propension à agir. Par exemple, un écran proche d’une pharmacie peut voir sa valeur augmenter pendant un pic allergique ou une vague de froid, non parce que l’audience est plus nombreuse, mais parce que le besoin est plus saillant.

La rigueur impose toutefois de séparer le coefficient audience du coefficient intention. Le premier ajuste la quantité de contacts. Le second ajuste leur probabilité de réponse. Les mélanger conduit à justifier n’importe quel CPM. Un écran ne vaut pas plus cher parce qu’il pleut ; il vaut plus cher si la pluie augmente soit le volume utile, soit l’attention, soit l’intention d’achat, soit une combinaison mesurable des trois.

Activation programmatique : quand augmenter les enchères et quand les réduire

Dans une DSP, l’intégration météo et mobilité doit se traduire en règles d’achat. Sans cela, l’analyse reste un reporting. La première étape consiste à définir les segments contextuels : température, pluie, indice UV, pollution, vent, affluence, trafic routier, fréquentation transport, proximité magasin, événement local. La deuxième consiste à relier chaque segment à un objectif dans le funnel, parcours allant de la notoriété à la considération, puis à la conversion et à la fidélisation. La troisième consiste à calibrer les enchères et la pression.

Un plan DOOH météo-mobilité peut suivre une logique de yield management côté acheteur. Le yield management désigne l’optimisation du prix et du volume selon la demande, la disponibilité et la valeur attendue. Concrètement, l’annonceur accepte de payer un CPM supérieur lorsque la probabilité d’impact augmente et réduit l’exposition lorsque l’audience utile se dégrade. Cela suppose de définir des seuils.

• Seuil de volume : activer uniquement si le flux observé ou prévu dépasse un niveau minimal, par exemple 80 % de la moyenne historique.
• Seuil météo : déclencher une création ou un deal seulement si les conditions correspondent à l’hypothèse business, par exemple température supérieure à 25 degrés pour une boisson fraîche.
• Seuil de proximité : renforcer les écrans dans un rayon utile autour des points de vente, avec pondération selon accessibilité et stock.
• Seuil de saturation : limiter la répétition lorsque les mêmes flux pendulaires sont exposés plusieurs jours consécutifs.
• Seuil économique : plafonner le CPM corrigé cible au-delà duquel le coût marginal devient inférieur à un autre canal.

Exemple : une chaîne de restauration active le DOOH autour des gares entre 11h30 et 14h30. Les données historiques indiquent qu’une pluie modérée augmente la vente à emporter chaude de 8 %, mais qu’une pluie forte réduit les sorties hors gare. La stratégie peut être : enchère standard par temps sec, hausse de 20 % du CPM maximum par pluie modérée avec création repas chaud, baisse de 30 % par pluie forte hors emplacements couverts, maintien dans les halls. Le KPI primaire n’est pas le CPM brut, mais le coût par visite incrémentale estimée et le chiffre d’affaires magasin par zone.

La limite opérationnelle est la latence. Les données météo sont facilement disponibles en temps quasi réel, mais les données de mobilité peuvent arriver avec retard ou être modélisées. Le pDOOH ne doit pas promettre une précision impossible. Une bonne pratique consiste à combiner prévision et observation : utiliser la prévision météo et les historiques de mobilité pour planifier, puis ajuster avec des signaux de fréquentation disponibles lorsque l’exécution le permet.

Arbitrages et limites : qualité des données, biais de mesure et conformité

L’analyse météo-mobilité repose sur des données imparfaites. Les données GPS peuvent sous-représenter certaines populations, dépendre du taux de consentement et varier selon les applications sources. Les comptages transport mesurent des entrées et sorties, pas toujours l’exposition réelle à l’écran. Les capteurs peuvent être précis localement mais difficiles à généraliser. Les modèles d’audience doivent donc être audités et documentés : source, granularité, fraîcheur, méthode d’extrapolation, taux de couverture, marge d’erreur.

La conformité est également centrale. Les données de mobilité doivent être agrégées, anonymisées et utilisées dans un cadre respectant le RGPD. La tentation de rapprocher exposition DOOH et visite magasin au niveau individuel doit être encadrée par le consentement, la minimisation des données et des durées de conservation limitées. Pour les marques, l’enjeu n’est pas seulement juridique : une mesure opaque peut fragiliser la confiance et rendre les résultats difficilement défendables en comité de direction.

Le biais de sélection est un autre risque. Les zones exposées à une campagne DOOH sont souvent différentes des zones non exposées : plus denses, plus commerçantes, plus riches, plus touristiques. Si elles performent mieux, ce n’est pas nécessairement grâce au média. Les tests doivent donc choisir des zones de contrôle comparables ou utiliser des méthodes statistiques qui contrôlent les différences initiales. De même, la météo peut être corrélée à d’autres facteurs : vacances scolaires, événements, promotions, ruptures de stock, prix carburant, perturbations transport.

Enfin, il faut accepter que tous les objectifs ne nécessitent pas le même niveau de preuve. Pour une campagne de notoriété nationale, l’analyse météo-mobilité sert surtout à optimiser la qualité d’exposition et le CPM utile. Pour une campagne drive-to-store locale, elle doit être reliée à des visites et, idéalement, à des ventes. Pour une campagne de lancement, elle peut servir à maximiser la couverture sur moments de forte attention. La sophistication de mesure doit être proportionnée à la décision budgétaire.

Conclusion : transformer météo et mobilité en discipline d’achat, pas en gadget contextuel

L’impact météo et mobilité sur le CPM DOOH est réel, mais il n’est pas uniforme. Il dépend du type d’emplacement, du contexte de déplacement, de la catégorie produit, du moment, de la qualité des données et de la capacité de l’annonceur à relier exposition et résultat. La météo peut réduire les flux ou augmenter l’intention. La mobilité peut accroître le volume ou révéler que l’audience utile est plus faible que prévu. Le CPM peut sembler bas et se révéler cher une fois corrigé, ou paraître élevé et devenir compétitif sur cible qualifiée.

Une feuille de route actionnable tient en six étapes. D’abord, décomposer le CPM entre coût média, impressions estimées, audience utile et cible réelle. Ensuite, cartographier les emplacements selon les types de flux : contraints, intentionnistes, événementiels ou routiers. Troisièmement, définir les scénarios météo ayant une hypothèse business explicite. Quatrièmement, intégrer ces signaux dans les règles d’enchères, de pression et de création via la DSP ou les deals programmatiques. Cinquièmement, calculer un CPM corrigé par mobilité et contexte, plutôt que de piloter au CPM facial. Enfin, mettre en place des tests géographiques ou économétriques pour distinguer corrélation et contribution.

Pour les professionnels du marketing, la maturité en DOOH ne consiste plus à acheter des écrans premium au meilleur prix facial. Elle consiste à acheter des moments d’exposition dont la valeur est objectivable. La météo et la mobilité ne sont pas des variables décoratives ; ce sont des signaux de variation de l’offre, de l’attention et de l’intention. Bien utilisées, elles permettent de mieux payer les impressions qui comptent et d’éviter celles dont le CPM réel est artificiellement sous-estimé. Mal utilisées, elles produisent une couche de complexité supplémentaire sans preuve de valeur. L’avantage concurrentiel se situe dans cette discipline : relier chaque hausse ou baisse de CPM à une hypothèse mesurable sur l’audience, le contexte et l’impact business.