Décryptage des modèles d’attribution appliqués au DOOH

Le DOOH impose une attribution probabiliste, pas une transposition du clic digital

Le DOOH, digital out-of-home, désigne l’affichage extérieur digital diffusé sur des écrans connectés en rue, en centre commercial, en gare, en métro, en aéroport, en salle de sport ou en point de vente. Sa montée en programmatique a profondément changé la question de la mesure. Lorsqu’un écran peut être acheté via une DSP, demand-side platform, plateforme permettant aux annonceurs d’acheter des impressions publicitaires de façon automatisée, parfois en RTB, real-time bidding, enchères en temps réel, les équipes marketing veulent naturellement rapprocher l’investissement DOOH des standards du digital : CPA, coût par acquisition, c’est-à-dire coût nécessaire pour générer une conversion attribuée ; ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires ; fréquence ; reach ; attribution ; lift.

Mais l’attribution appliquée au DOOH ne peut pas être une copie du display ou du search. Le DOOH est un média one-to-many : une impression diffusée sur un écran peut être vue par plusieurs personnes, avec une probabilité de contact variable selon l’angle, la distance, la luminosité, le temps d’exposition, l’encombrement du lieu et le mouvement des audiences. Il n’existe pas de clic natif, rarement un identifiant individuel directement attaché à l’exposition, et la conversion peut se produire en magasin, sur mobile, sur desktop ou plusieurs jours plus tard. L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact média, repose donc sur des proxys, des panels, des signaux de mobilité, des modèles statistiques et des tests incrémentaux.

L’enjeu pour les professionnels du marketing n’est pas de trouver une mesure parfaite, mais de choisir le bon modèle selon la question posée. Vouloir calculer un CPA DOOH avec la même précision qu’une campagne search marque conduit souvent à une fausse exactitude. À l’inverse, considérer le DOOH comme uniquement upper funnel et non mesurable revient à sous-exploiter ses signaux. La maturité consiste à distinguer trois niveaux : la livraison média, l’exposition probable et l’impact incrémental. C’est à cette condition que le DOOH peut entrer dans une architecture de mesure comparable aux autres leviers sans être réduit à des KPI inadaptés.

Ce que l’on peut réellement attribuer en DOOH

La première étape consiste à clarifier l’objet de l’attribution. En DOOH, on ne mesure pas directement une impression individuelle au sens strict du web. On mesure une diffusion sur un écran, puis on estime une audience exposée. Cette estimation combine généralement les données de diffusion, les caractéristiques de l’emplacement, les flux de population, les données opérateurs ou SDK mobiles lorsqu’elles sont disponibles et conformes au consentement, ainsi que des modèles d’opportunity to see, c’est-à-dire probabilité qu’une personne ait eu l’occasion de voir le message.

Un plan DOOH programmatique peut par exemple indiquer 2 millions d’impressions délivrées. Mais ce chiffre peut correspondre à plusieurs réalités : impressions écran, contacts estimés, impressions ajustées par visibilité ou contacts dédupliqués. Pour éviter les comparaisons artificielles, les équipes doivent documenter le niveau exact de mesure. Une impression écran n’a pas la même valeur qu’un contact probable exposé pendant 6 secondes dans un environnement à forte attention. Dans certains réseaux, les multiplicateurs d’audience par spot peuvent varier de 1 à plus de 20 selon le lieu, l’heure et le format.

Le funnel, parcours allant de la notoriété à la considération, puis à la conversion et à la fidélisation, aide à structurer les objectifs. En haut de funnel, l’attribution vise surtout la couverture qualifiée, la mémorisation, la recherche de marque, les visites de site et la hausse de considération. Au milieu du funnel, elle peut mesurer les visites en point de vente, les scans de QR code, les visites de page produit, les recherches locales ou les interactions avec une application. En bas de funnel, elle tente de relier l’exposition à une vente, un lead, une commande drive ou un achat en magasin. Plus on descend dans le funnel, plus l’exigence de causalité augmente et plus les limites techniques deviennent critiques.

Il faut aussi distinguer attribution et incrémentalité. Une attribution post-exposition peut dire qu’un individu probablement exposé à un écran a ensuite visité un magasin. Elle ne prouve pas que l’écran a causé cette visite. L’incrémentalité mesure l’effet réellement généré par la campagne par rapport à un scénario sans exposition. Cette nuance est fondamentale dans le DOOH, car les emplacements sont souvent situés dans des zones déjà fréquentées par les consommateurs : centres commerciaux, hubs de transport, quartiers commerçants. Sans groupe de contrôle, le risque est d’attribuer au média des comportements qui auraient existé naturellement.

Les principaux modèles : géographique, mobilité, post-exposition et économétrique

Quatre familles de modèles dominent l’attribution DOOH. La première est l’attribution géographique. Elle compare les performances de zones exposées à celles de zones non exposées ou moins exposées. Une enseigne peut activer des écrans autour de 80 magasins et conserver 80 magasins comparables en contrôle. Les KPI suivis peuvent être le trafic, les ventes, le panier moyen, les requêtes locales ou les commandes click and collect. Cette approche est robuste si les zones sont bien appariées, mais elle exige de contrôler la saisonnalité, la météo, les promotions, la concurrence locale et les écarts structurels entre magasins.

La deuxième famille repose sur les signaux de mobilité. Des partenaires mesurent, à partir de panels mobiles consentis, la probabilité qu’un appareil ait été présent dans la zone d’exposition puis dans une zone de conversion, par exemple un magasin. Le modèle estime ensuite un uplift de visites chez les exposés par rapport à un groupe non exposé similaire. Dans de bons protocoles, on observe des lifts de trafic de 5 % à 25 % selon la catégorie, la densité du réseau, la durée de campagne et la proximité avec les points de vente. Mais ces chiffres doivent être interprétés avec prudence : le panel n’est jamais parfaitement représentatif, les signaux GPS varient en précision, et la présence dans une zone ne signifie pas toujours attention publicitaire.

La troisième famille est l’attribution post-exposition digitale. Elle cherche à relier une exposition DOOH probable à des événements numériques ultérieurs : visite de site, recherche de marque, installation d’application, ajout au panier ou conversion e-commerce. Le mécanisme peut s’appuyer sur des fenêtres temporelles et géographiques : par exemple, comparer les volumes de recherches ou de visites web dans les 30 minutes à 24 heures suivant la diffusion dans certaines zones. Ce modèle est utile pour capter les effets de considération et d’intention, mais il ne doit pas être confondu avec une attribution user-level déterministe. Le plus souvent, il s’agit de corrélation structurée, pas de lien individuel certain.

La quatrième famille relève du MMM, marketing mix modeling, modélisation statistique agrégée qui estime la contribution des leviers marketing à partir de séries temporelles. Le MMM est particulièrement pertinent pour le DOOH, car il peut intégrer des variables offline : pression média par région, météo, prix, promotions, distribution, TV, radio, search, social, trafic magasin et ventes. Il capte mieux les effets diffus et différés que les modèles post-exposition. En revanche, il est moins adapté pour arbitrer entre deux écrans, deux créas ou deux heures de diffusion. Sa granularité est généralement hebdomadaire ou régionale, rarement événementielle.

Construire un protocole drive-to-store sans surestimer le signal

Le drive-to-store est l’un des cas d’usage les plus fréquents du DOOH. Il consiste à utiliser le média pour générer des visites en point de vente. La promesse est séduisante : diffuser un message contextualisé à proximité d’un magasin, puis mesurer l’uplift de trafic. Mais la qualité du résultat dépend presque entièrement du protocole.

Un protocole solide commence par la définition des zones. Une zone d’exposition doit correspondre à la probabilité réelle de contact avec l’écran, pas à un rayon arbitraire. Dans une gare, 100 mètres peuvent représenter un univers très différent selon les flux piétons. En périphérie automobile, 500 mètres peuvent être insuffisants si l’écran est visible depuis un axe rapide. Il faut ensuite définir la zone de conversion : magasin, parking, centre commercial, drive ou zone de chalandise. Plus la géofence est large, plus le volume augmente, mais plus le bruit augmente aussi.

Le groupe de contrôle est le point critique. Il peut être construit à partir d’individus non exposés mais comparables, de magasins non activés ou de zones géographiques témoins. Les critères d’appariement doivent inclure l’historique de trafic, la taille du magasin, la catégorie, la pression concurrentielle, la densité urbaine, la météo et les promotions. Un mauvais contrôle peut créer des lifts artificiels. Par exemple, comparer des magasins de centre-ville exposés à des magasins de périphérie non exposés produit une mesure biaisée, même si les volumes semblent statistiquement significatifs.

La fenêtre d’attribution doit refléter le cycle de décision. Pour une restauration rapide, une fenêtre de 2 à 24 heures peut être pertinente. Pour l’ameublement, l’automobile ou l’assurance, l’effet peut se matérialiser sur plusieurs jours ou semaines. Une fenêtre trop courte sous-estime les effets de considération ; une fenêtre trop longue augmente le risque de capter des visites non causées par la campagne. Beaucoup de bilans drive-to-store gagnent en crédibilité lorsqu’ils présentent plusieurs fenêtres, par exemple 24 heures, 3 jours et 7 jours, plutôt qu’un seul chiffre.

Enfin, l’indicateur à suivre ne doit pas se limiter au coût par visite. Le CPV, coût par visite incrémentale ou attribuée selon les modèles, est utile mais insuffisant. Une visite en magasin ne vaut pas une vente. Les retailers et annonceurs doivent, lorsque c’est possible, rapprocher les visites des ventes, du panier moyen, de la marge et du statut client. Une campagne DOOH qui génère moins de visites mais davantage de nouveaux clients ou de paniers à forte marge peut être plus efficace qu’une campagne optimisée sur le volume brut.

Relier le DOOH programmatique aux logiques DSP, data et contexte

L’arrivée du programmatique a introduit dans le DOOH des logiques proches de l’achat digital : ciblage contextuel, déclenchement météo, horaires, signaux de mobilité, typologie d’audience, enchères, deals privés et optimisation de pacing. Les inventaires peuvent être accessibles via des SSP, supply-side platforms, plateformes permettant aux éditeurs ou opérateurs d’écrans de vendre leur inventaire, puis achetés par des DSP. Cette chaîne rend le média plus agile, mais complexifie aussi l’attribution.

Contrairement au display, la granularité de décision n’est pas toujours l’utilisateur mais le spot, l’écran, la boucle ou l’emplacement. Un algorithme peut décider de diffuser davantage entre 17 h et 20 h près des gares lorsque la météo est pluvieuse, ou autour de magasins avec un stock disponible. L’attribution doit donc analyser la performance par contexte : écran, zone, créneau horaire, format créatif, météo, proximité magasin, catégorie d’audience et pression concurrentielle.

Un framework opérationnel peut croiser cinq dimensions. Premièrement, la qualité d’emplacement : flux, visibilité, durée d’exposition, environnement et affinité audience. Deuxièmement, la qualité temporelle : jour, heure, saison, météo, événements locaux. Troisièmement, la pression média : fréquence par zone, couverture estimée, saturation. Quatrièmement, la création : message, offre, call-to-action, lisibilité, durée, adaptation au contexte. Cinquièmement, la réponse mesurée : trafic, recherches, ventes, uplift, coût par résultat et marge.

Un exemple illustre l’arbitrage. Une chaîne de salles de sport diffuse une campagne DOOH dans 12 métropoles. Le CPM, coût pour mille impressions, est plus élevé dans les hubs de transport que dans les centres commerciaux. Le reporting brut montre un coût par visite plus favorable en centre commercial. Mais l’analyse par cohorte révèle que les hubs génèrent davantage d’inscriptions annuelles, tandis que les centres commerciaux génèrent surtout des visites d’essai à faible conversion. Si l’objectif est le volume de leads, le centre commercial semble meilleur. Si l’objectif est la LTV, lifetime value, valeur économique attendue d’un client sur la durée de relation, les hubs peuvent justifier un CPM supérieur.

Mesurer l’effet de marque : search lift, brand lift et attention

Réduire le DOOH à une logique drive-to-store serait une erreur. Le média joue aussi sur la saillance, la mémorisation et la disponibilité mentale. Les modèles d’attribution doivent donc intégrer des indicateurs de marque, surtout lorsque les campagnes utilisent des formats premium, des emplacements iconiques ou des messages de lancement.

Le search lift est l’un des signaux les plus exploitables. Il consiste à mesurer l’évolution des recherches de marque, de produit ou de catégorie dans les zones et périodes exposées. Un plan bien conçu peut comparer les requêtes avant, pendant et après campagne, en neutralisant les tendances nationales et les autres investissements. Des hausses de 5 % à 15 % des requêtes de marque peuvent être observées sur des campagnes suffisamment visibles, mais l’interprétation dépend fortement de la pression média globale. Si une campagne TV ou social est active en parallèle, l’effet DOOH ne peut pas être isolé sans modèle multivarié ou zones de contrôle.

Le brand lift repose sur des enquêtes exposés versus non exposés. Il mesure des indicateurs comme la notoriété assistée, la considération, l’intention d’achat ou l’association à un bénéfice. Sa limite est déclarative, mais il répond à une question que les données comportementales traitent mal : le message a-t-il changé la perception ? Pour le DOOH, les études brand lift doivent idéalement tenir compte du lieu d’exposition, car un écran en centre commercial n’active pas le même état d’esprit qu’un écran en transport ou en environnement urbain premium.

L’attention devient également un chantier central. Elle peut être estimée par des études oculométriques, des panels, des caractéristiques de format ou des modèles prédictifs. L’idée n’est pas de prétendre mesurer chaque regard, mais de mieux pondérer les impressions. Un contact probable de 2 secondes dans un flux rapide ne vaut pas un contact de 8 secondes face à un écran grand format. Les modèles d’attribution DOOH devraient progressivement passer d’une logique d’impressions brutes à une logique d’impressions pondérées par la probabilité d’attention.

Les limites méthodologiques : biais de sélection, consentement et double comptage

Les modèles d’attribution DOOH sont puissants, mais exposés à plusieurs biais. Le premier est le biais de sélection. Les personnes présentes dans une zone d’exposition ne sont pas aléatoires. Elles vivent, travaillent, consomment ou transitent dans des lieux spécifiques. Si une marque de luxe active des écrans dans des quartiers premium, les conversions observées peuvent refléter le profil socio-économique de la zone autant que l’effet publicitaire. Les groupes de contrôle doivent donc être construits avec une rigueur quasi expérimentale.

Le deuxième biais concerne les données mobiles. Les panels reposent sur des utilisateurs consentis et équipés d’applications collectant des signaux de localisation. Ce sous-ensemble peut surreprésenter certains profils et sous-représenter d’autres populations. De plus, la précision de localisation dépend de la densité urbaine, des systèmes d’exploitation, des réglages de l’utilisateur et de la qualité du signal. Une analyse sérieuse doit publier le taux de match, la taille du panel, les règles d’exclusion et les intervalles de confiance.

Le troisième risque est le double comptage. Une campagne DOOH fonctionne rarement seule. Elle coexiste avec search, social, retail media, display, CRM et parfois TV ou radio. Si chaque plateforme revendique les mêmes conversions, le ROAS agrégé devient incohérent. Le ROAS DOOH attribué doit être replacé dans une gouvernance de mesure plus large : règles de déduplication, fenêtres communes, hiérarchie des modèles, tests de lift et, pour les décisions budgétaires, triangulation avec le MMM.

Le quatrième enjeu est réglementaire. Le RGPD, règlement général sur la protection des données, encadre la collecte et le traitement des données personnelles dans l’Union européenne. Les mesures DOOH fondées sur la mobilité doivent respecter le consentement, la minimisation, l’agrégation et la limitation des finalités. Les annonceurs doivent éviter de transformer un média de masse en dispositif de suivi individuel excessif. Dans la plupart des cas, l’analyse agrégée par zone, heure et cohorte suffit à la décision marketing.

Conclusion : choisir le modèle selon la décision à prendre

L’attribution appliquée au DOOH ne doit pas chercher à imiter mécaniquement le clic. Elle doit accepter la nature probabiliste du média tout en imposant une discipline de mesure. La bonne question n’est pas seulement combien de conversions peuvent être attribuées, mais quelle décision le modèle permet de prendre : augmenter une zone, modifier une création, changer une fenêtre horaire, déplacer le budget vers un autre levier, ou prouver un effet incrémental.

Une feuille de route actionnable peut s’organiser en six étapes. Premièrement, définir le rôle du DOOH dans le funnel : notoriété, considération, trafic, ventes ou réachat. Deuxièmement, documenter la métrique de base : diffusion, contact estimé, contact visible ou impression pondérée. Troisièmement, choisir le modèle adapté : géographique pour les tests locaux, mobilité pour le drive-to-store, post-exposition pour les signaux digitaux, MMM pour les arbitrages macro. Quatrièmement, construire un groupe de contrôle crédible avant le lancement. Cinquièmement, relier les résultats à la valeur business, pas seulement au trafic ou aux impressions. Sixièmement, intégrer le DOOH dans une gouvernance de mesure cross-canal afin d’éviter les doubles comptages.

Pour les équipes marketing avancées, le DOOH devient un levier mesurable lorsqu’il est traité comme un système contextuel : emplacement, audience probable, moment, création, proximité commerciale et effet incrémental. Sa force ne réside pas dans une précision individuelle illusoire, mais dans sa capacité à influencer des comportements collectifs mesurables. L’avantage compétitif viendra des annonceurs capables de combiner expérimentation locale, données de mobilité, signaux business et modélisation macro, sans confondre attribution observable et causalité réelle.