Framework pour relier exposition DOOH et ventes omnicanales

Relier une exposition extérieure digitale à une vente omnicanale exige d’abord un modèle de causalité

Le DOOH, digital out-of-home, désigne l’affichage extérieur digital diffusé sur des écrans situés dans l’espace public, les centres commerciaux, les transports, les réseaux urbains, les gares, les salles de sport ou les points de vente. Sa promesse pour les marques est désormais bien connue : combiner la puissance de l’affichage, la flexibilité du digital et, dans certains cas, l’achat programmatique via DSP, demand-side platform, plateforme permettant aux acheteurs média d’acheter automatiquement des impressions publicitaires. Mais la question qui structure réellement les arbitrages budgétaires est plus difficile : comment relier une exposition DOOH à des ventes omnicanales, c’est-à-dire des ventes réalisées en magasin, en e-commerce, via marketplace, drive, application ou call center ?

Le problème n’est pas seulement technique. Il est méthodologique. Une impression DOOH n’est pas servie à un identifiant individuel comme une bannière display. Elle est généralement mesurée à partir d’une audience probabilisée : flux de mobilité, données opérateurs, panels, capteurs, fréquentation géographique, horaires, contexte et modélisation. L’exposition est collective, l’attention est variable, la conversion est souvent différée et la vente peut se produire dans plusieurs canaux. Attribuer mécaniquement un achat à un écran croisé dans la rue serait donc aussi fragile que d’ignorer totalement l’effet de l’exposition.

La maturité consiste à construire un framework qui relie quatre niveaux : la diffusion média, l’exposition probable, la réponse comportementale et la vente incrémentale. La diffusion média répond à la question : quels écrans ont diffusé, à quel moment, avec quelle pression ? L’exposition probable estime : quelles audiences avaient une probabilité réaliste d’être exposées ? La réponse comportementale observe : les recherches marque, visites web, visites en magasin, ouvertures d’application ou ajouts panier ont-ils évolué ? La vente incrémentale mesure : quelle part des ventes n’aurait probablement pas eu lieu sans la campagne ?

Sans cette architecture, le DOOH se retrouve jugé avec des KPI inadaptés. Le CPA, coût par acquisition, montant dépensé pour générer une conversion attribuée, est rarement le bon indicateur primaire sur une campagne de notoriété géolocalisée. Le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, peut être utile mais seulement si l’on distingue ventes attribuées et ventes incrémentales. Le funnel, parcours allant de la notoriété à la considération puis à la conversion et à la fidélisation, doit donc guider le choix des métriques. Plus le DOOH agit haut ou milieu de funnel, plus les signaux intermédiaires comptent. Plus il est activé près d’un point de vente ou d’un moment d’achat, plus la mesure commerciale devient robuste.

Cartographier les points de contact : de l’écran à la zone de chalandise

La première brique du framework consiste à définir précisément l’unité d’analyse. En DOOH, l’impression n’a pas la même granularité qu’en display. Un écran situé dans une gare peut exposer des milliers de personnes par heure, mais toutes ne regardent pas l’écran, toutes ne sont pas dans la cible et toutes ne sont pas en situation d’achat. L’enjeu est donc de passer d’une logique de diffusion à une logique d’exposition qualifiée.

Une cartographie utile doit inclure cinq paramètres. D’abord, la localisation des écrans : coordonnées, environnement, proximité avec les magasins, zones de chalandise, typologie des flux. Ensuite, le calendrier de diffusion : heures, jours, saisonnalité, météo, événements locaux, périodes promotionnelles. Troisièmement, l’audience estimée : volume, profil socio-démographique, comportement de mobilité, récurrence, couverture sur cible. Quatrièmement, le contexte : gare, centre commercial, rue premium, parking, salle d’attente, point de vente, réseau de proximité. Enfin, la pression média : nombre de spots, part de voix sur boucle, durée, répétition et couverture.

La notion de zone de chalandise est centrale. Pour relier DOOH et ventes magasin, il faut déterminer quels écrans ont une influence plausible sur quels points de vente. Un écran à 300 mètres d’un supermarché peut être pertinent pour une offre drive-to-store immédiate. Un écran dans une gare desservant une zone résidentielle peut influencer des achats plus tardifs, mais l’effet sera plus diffus. Un écran en centre commercial peut agir à la fois comme média de notoriété et comme stimulus de conversion si le produit est disponible dans les enseignes présentes.

Un exemple simple illustre l’importance du périmètre. Une enseigne de restauration rapide active 600 écrans DOOH urbains pendant 14 jours, avec un ciblage horaire entre 11 h 30 et 14 h 30 puis entre 18 h et 21 h. Si la mesure agrège toutes les ventes nationales, l’effet sera noyé dans le bruit. Si elle compare les restaurants situés dans des zones exposées à des restaurants comparables non exposés, sur les mêmes créneaux et avec des variables de contrôle météo et promotion, le signal devient interprétable. La granularité géographique et temporelle n’est pas un détail de reporting ; elle conditionne la possibilité même de démontrer une contribution.

Dans les plans programmatiques DOOH, le RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une opportunité publicitaire lorsqu’elle devient disponible, ajoute une couche de flexibilité. On peut activer des écrans selon la météo, l’heure, le trafic, les stocks locaux ou la proximité d’un magasin. Mais cette sophistication n’a de valeur que si les mêmes variables sont intégrées à la mesure. Sinon, l’activation est dynamique et la preuve reste statique.

Définir une chaîne de KPI : exposition, attention, comportement, ventes

Le deuxième volet du framework consiste à organiser les KPI par niveau de preuve. Une campagne DOOH ne devrait pas être évaluée avec un indicateur unique, mais avec une chaîne logique reliant exposition et valeur. Cette chaîne évite deux erreurs symétriques : demander au DOOH de prouver une conversion directe immédiate alors qu’il agit en amont, ou se contenter de métriques média sans lien avec le business.

Le premier niveau est celui de la livraison. Il regroupe les spots diffusés, impressions estimées, reach, fréquence, CPM, coût pour mille impressions, part de voix sur réseau, taux de diffusion conforme et couverture géographique. Ces KPI valident que la campagne a été exécutée conformément au plan. Ils ne prouvent pas l’impact, mais sans eux aucun diagnostic n’est possible.

Le deuxième niveau est celui de l’exposition qualifiée. Il intègre l’audience cible, la probabilité de visibilité, le contexte, la durée du spot, l’emplacement de l’écran, la distance de vision et parfois des scores d’attention. Les études d’attention montrent généralement que les environnements DOOH varient fortement : un écran dans une file d’attente ou une salle de sport peut générer une attention plus longue qu’un écran routier vu quelques secondes. À CPM égal, deux inventaires peuvent donc produire une quantité d’attention très différente.

Le troisième niveau est comportemental. Il observe les effets intermédiaires : hausse des requêtes marque, trafic sur le site, visites de pages produit, utilisation d’un code promotionnel, scans QR, visites en magasin, ouvertures d’application, inscriptions CRM, leads ou téléchargements. Ces signaux sont particulièrement utiles lorsque la fenêtre de conversion est longue. Une campagne DOOH pour un constructeur automobile ne générera pas nécessairement une vente dans les 48 heures, mais peut stimuler les recherches de modèle, les prises de rendez-vous ou les visites concession.

Le quatrième niveau est commercial. Il inclut les ventes omnicanales, le chiffre d’affaires, la marge, le panier moyen, les nouveaux clients, la fréquence d’achat, le taux de réachat et la part de catégorie. Pour les professionnels du marketing, l’indicateur le plus robuste n’est pas la vente attribuée, mais la marge incrémentale. Une campagne peut augmenter le chiffre d’affaires en activant des promotions peu rentables, ou déplacer des ventes d’un canal vers un autre sans créer de valeur nette. L’omnicanal impose donc de mesurer non seulement où la vente se produit, mais si elle est additionnelle.

Une matrice de KPI peut être formulée ainsi :

• Campagne de notoriété locale : reach sur zone, fréquence, attention estimée, recherches marque, trafic web géolocalisé et évolution de considération.
• Campagne drive-to-store : impressions qualifiées autour des points de vente, visites incrémentales, taux de visite exposés versus contrôle, ventes magasin et panier moyen.
• Campagne promotionnelle omnicanale : pression par zone, trafic magasin, trafic e-commerce, usage de code, ventes nettes, marge et cannibalisation intercanal.
• Campagne lancement produit : couverture sur zones prioritaires, disponibilité produit, recherches produit, visites pages, ventes nouveaux clients et sell-out par retailer.

Cette chaîne de KPI doit être définie avant la campagne. Si le KPI primaire est choisi après coup, le risque est élevé de sélectionner l’indicateur qui raconte la meilleure histoire plutôt que celui qui éclaire la décision budgétaire.

Choisir la bonne méthode de mesure : attribution, geo-test, MMM et panels

Relier DOOH et ventes omnicanales suppose de combiner plusieurs méthodes, car aucune ne suffit seule. L’attribution désigne la méthode qui assigne une conversion à un ou plusieurs points de contact média. Dans le digital adressable, elle peut s’appuyer sur des identifiants, des clics ou des expositions individuelles. En DOOH, l’attribution déterministe est rare. La mesure repose plutôt sur des rapprochements probabilistes, géographiques ou agrégés.

La méthode la plus robuste pour prouver l’impact à court ou moyen terme est souvent le geo-test. Il consiste à comparer des zones exposées à des zones non exposées mais comparables. La qualité du test dépend de la sélection des zones : niveau de ventes historique, densité commerciale, saisonnalité, concurrence, profil socio-démographique, pression média locale et disponibilité produit. Une période de pré-test est indispensable pour vérifier que les tendances étaient parallèles avant la campagne. Si deux zones évoluaient déjà différemment avant l’exposition, l’écart observé après campagne ne peut pas être attribué proprement au DOOH.

Un protocole réaliste peut suivre quatre étapes. Premièrement, sélectionner 20 à 50 zones selon le niveau de granularité disponible, en constituant un groupe exposé et un groupe contrôle. Deuxièmement, observer 4 à 8 semaines de ventes avant campagne afin de calibrer les tendances. Troisièmement, activer le DOOH pendant 2 à 6 semaines selon le cycle d’achat. Quatrièmement, mesurer l’écart de ventes pendant et après campagne, en contrôlant les promotions, prix, stocks, météo, jours fériés et investissements média concurrents. Pour des produits de grande consommation, un lift de ventes de 2 % à 5 % peut être significatif si les volumes sont élevés. Pour des produits à faible fréquence, il faut souvent des fenêtres plus longues ou des indicateurs intermédiaires.

Les données de mobilité permettent de mesurer les visites incrémentales, mais elles doivent être interprétées avec prudence. Les SDK mobiles, panels opérateurs ou données de localisation peuvent indiquer qu’un appareil est entré dans un périmètre de magasin après avoir été probablement exposé à une zone DOOH. Mais un appareil n’est pas un individu parfaitement identifié, la localisation peut être imprécise, et la visite ne signifie pas achat. Le ratio visite-vente doit donc être calibré avec des données transactionnelles lorsque c’est possible.

Le MMM, marketing mix modeling, modélisation statistique qui estime la contribution des leviers marketing à partir de séries temporelles agrégées, est utile pour arbitrer à un niveau macro. Il peut intégrer le DOOH avec la TV, le search, le social, le display, la promotion, la distribution et les prix. Son avantage est de fonctionner sans identifiants individuels et de capter des effets retardés. Sa limite est la granularité : il peine à isoler un réseau DOOH spécifique si les variations d’investissement sont faibles ou si la campagne est trop courte.

Les panels consommateurs et études brand lift complètent le dispositif. Le brand lift mesure l’évolution de notoriété, mémorisation, considération ou intention d’achat entre exposés et non exposés. Il est pertinent lorsque le DOOH agit en haut de funnel. Mais il ne remplace pas la mesure commerciale. Une hausse de considération est un signal de qualité, pas une preuve de marge incrémentale.

Construire un modèle d’omnicanalité : éviter de confondre transfert et croissance

La principale complexité du sujet tient à l’omnicanal. Une campagne DOOH peut générer des ventes magasin, stimuler l’e-commerce, augmenter les recherches sur marketplace ou déplacer des achats d’un canal vers un autre. Si l’analyse ne distingue pas transfert et croissance, elle peut surévaluer ou sous-évaluer l’effet réel.

Une vente omnicanale doit être décomposée selon trois dimensions : canal de conversion, valeur économique et profil client. Le canal de conversion indique où la vente se produit : magasin, site direct, application, marketplace, drive ou retailer tiers. La valeur économique intègre marge, remises, coûts logistiques, coûts de service et retours. Le profil client distingue nouveaux clients, clients existants, clients réactivés et acheteurs opportunistes. Une campagne qui augmente les ventes en magasin de 4 % mais réduit les ventes e-commerce de 3 % n’a pas le même impact qu’une campagne qui augmente les deux canaux.

Le cas d’une marque de cosmétique illustre cet arbitrage. Elle active une campagne DOOH dans 12 métropoles pour soutenir une gamme premium disponible en grands magasins, e-commerce direct et marketplaces. Les ventes magasin progressent de 6 % dans les zones exposées. Le e-commerce direct progresse de 3 %. Mais les ventes marketplace reculent légèrement, car une partie de la demande s’est reportée vers le site de marque avec une offre de diagnostic personnalisé. Si la marge directe est supérieure, ce transfert peut être positif. Si le coût d’acquisition et les retours augmentent, le bilan doit être recalculé en marge nette.

Le framework doit donc intégrer une lecture par cohortes. Les nouveaux clients exposés en zone DOOH ont-ils un panier supérieur ? Reviennent-ils acheter dans les 60 ou 90 jours ? Utilisent-ils plus souvent l’application ? Leur taux de retour est-il plus faible ? La LTV, lifetime value, valeur économique attendue d’un client sur la durée de sa relation avec la marque, peut justifier un CPA plus élevé si l’exposition DOOH recrute des clients plus durables.

Pour éviter les erreurs, trois garde-fous sont nécessaires. D’abord, dédupliquer les ventes lorsque plusieurs canaux les revendiquent. Ensuite, aligner les fenêtres de mesure avec le cycle d’achat : 7 jours pour une offre de restauration, 30 à 60 jours pour des biens de consommation, plusieurs mois pour l’automobile ou le B2B local. Enfin, intégrer les contraintes opérationnelles : rupture de stock, horaires d’ouverture, disponibilité produit, prix local, merchandising et pression promotionnelle. Le DOOH ne peut pas compenser un produit indisponible ou une offre mal exécutée en magasin.

Activer le DOOH programmatique avec une logique de test-and-learn

Le programmatique DOOH apporte une capacité d’activation plus fine que l’achat traditionnel : ciblage par moment, météo, flux, contexte, zone, événement, disponibilité ou audience probable. Les écrans peuvent être achetés via une DSP et connectés à des SSP, supply-side platforms, plateformes utilisées par les éditeurs ou régies pour vendre leur inventaire. Cette automatisation facilite les tests, mais elle peut aussi créer une illusion de précision si le plan de mesure n’est pas conçu avec la même rigueur.

Une stratégie efficace consiste à formuler des hypothèses mesurables. Par exemple : les écrans proches des magasins génèrent davantage de visites incrémentales que les écrans de notoriété urbaine ; les créneaux météo pluvieuse augmentent les ventes de livraison à domicile ; les messages prix fonctionnent mieux en bas de funnel, tandis que les messages image stimulent davantage les recherches marque ; la pression optimale se situe entre 3 et 6 contacts probables par semaine, au-delà desquels le rendement marginal baisse.

Chaque hypothèse doit correspondre à un plan d’expérience. Une campagne peut être divisée en cellules : zones exposées proximité versus zones exposées couverture, créa promotionnelle versus créa inspirationnelle, diffusion heures de pointe versus journée complète, météo activée versus diffusion standard. L’important est de ne pas multiplier les cellules au-delà de la puissance statistique disponible. Un test trop fragmenté produit souvent des résultats impossibles à interpréter.

Un exemple opérationnel peut être celui d’un acteur du retail alimentaire qui souhaite mesurer l’effet DOOH sur les ventes drive et magasin. Le plan peut réserver 70 % du budget à une activation prouvée autour des points de vente à fort potentiel, 20 % à des optimisations contextuelles météo et horaires, et 10 % à un test exploratoire sur écrans premium en centre-ville. Les KPI primaires diffèrent par cellule : ventes magasin incrémentales pour la proximité, panier drive pour la météo, recherches marque et nouveaux clients pour le premium urbain. Cette logique évite de juger toutes les lignes d’achat avec le même ROAS court terme.

Le pilotage doit aussi intégrer la fréquence. En DOOH, la répétition peut être bénéfique parce qu’elle installe la disponibilité mentale, mais elle peut devenir inefficiente si elle surpondère des flux récurrents déjà exposés. Le capping individuel est limité par nature, mais il est possible de contrôler la pression par écran, horaire, zone et audience estimée. Le bon indicateur n’est pas seulement le nombre d’impressions, mais le coût par reach utile et le coût par point de pression géographique.

Conditions de réussite : données, gouvernance et lecture financière

Un framework DOOH-ventes omnicanales échoue rarement faute de dashboard. Il échoue plutôt faute d’alignement entre média, data, commerce, finance et points de vente. La mesure exige des données hétérogènes : logs de diffusion, localisation des écrans, estimations d’audience, données de mobilité, ventes magasin, ventes e-commerce, stocks, prix, promotions, CRM, calendrier média et variables externes. Ces données appartiennent souvent à des équipes différentes et ne partagent pas les mêmes conventions.

La première condition est une taxonomie commune. Les zones, magasins, campagnes, créas, périodes, canaux et produits doivent être nommés de manière stable. Sans cela, la consolidation devient manuelle, lente et sujette aux erreurs. Une campagne DOOH locale doit pouvoir être reliée à des magasins identifiés, à des SKU, stock keeping units, unités de gestion produit, et à des périodes de vente cohérentes.

La deuxième condition est la qualité des données commerciales. Les ventes magasin doivent idéalement être disponibles à un niveau quotidien ou hebdomadaire, par point de vente et par catégorie. Les ventes e-commerce doivent être dédupliquées, corrigées des annulations et retours, et enrichies par source de trafic lorsque cela est possible. Les données de marge doivent être intégrées dès que l’objectif est l’allocation budgétaire. Une hausse de chiffre d’affaires de 100 000 euros n’a pas la même valeur si elle génère 8 000 euros ou 35 000 euros de marge nette.

La troisième condition est la gouvernance de mesure. Avant le lancement, il faut décider quel KPI tranche l’arbitrage : ventes incrémentales, visites incrémentales, marge, nouveaux clients, recherches marque, part de voix locale ou autre. Il faut aussi définir la fenêtre d’observation, les zones de contrôle, les exclusions, les seuils de significativité et les limites acceptées. Sans protocole écrit, la lecture post-campagne devient politique.

La quatrième condition est l’intégration de la confidentialité. Les analyses DOOH utilisent souvent des données agrégées ou probabilisées, ce qui peut réduire le risque lié aux données personnelles. Mais dès que des données de mobilité, CRM ou transactionnelles sont mobilisées, le respect du RGPD, règlement général sur la protection des données, impose finalité claire, minimisation, consentement lorsque requis, agrégation suffisante et limitation des accès. La rigueur juridique n’est pas un frein à la mesure ; elle force à distinguer ce qui est nécessaire de ce qui est décoratif.

Enfin, la lecture financière doit primer sur la lecture média lorsque l’objectif est business. Le coût de la campagne inclut le média, la création, les frais technologiques, la mesure, les éventuels coûts d’agence et parfois les promotions associées. La contribution doit être calculée en marge incrémentale nette, pas seulement en ventes brutes. Dans certains dispositifs drive-to-store, des agences spécialisées en activation locale et programmatique comme R-Advertising peuvent être mobilisées, mais la valeur du partenaire se juge sur la capacité à structurer activation, données et preuve, pas sur la seule promesse de trafic.

Conclusion : passer d’une logique d’attribution à une logique de preuve incrémentale

Relier exposition DOOH et ventes omnicanales ne consiste pas à chercher un pixel magique dans l’espace public. Il s’agit de construire un système de preuve cohérent avec la nature du média : exposition probabilisée, contexte physique, effets géographiques, attention variable et conversions multi-canaux. Le bon framework articule diffusion, exposition qualifiée, signaux comportementaux, ventes omnicanales et incrémentalité.

Une feuille de route actionnable peut se résumer en sept étapes. Premièrement, cartographier les écrans, zones de chalandise, magasins et canaux de vente. Deuxièmement, définir le rôle de la campagne dans le funnel et choisir un KPI primaire avant lancement. Troisièmement, construire une chaîne de KPI reliant livraison, attention, comportement et ventes. Quatrièmement, sélectionner une méthode de mesure adaptée : geo-test, panels, données de mobilité, MMM ou combinaison. Cinquièmement, intégrer les contraintes omnicanales : stocks, prix, promotions, marges, retours et cannibalisation. Sixièmement, expérimenter par cellules suffisamment robustes pour comparer les contextes, créas et moments. Septièmement, réallouer les budgets selon la contribution marginale observée, pas selon le volume d’impressions ni le ROAS attribué le plus flatteur.

Le DOOH peut créer de la valeur parce qu’il agit à un point rare du mix média : dans le monde physique, près des flux, des magasins, des moments de mobilité et des situations de décision. Mais cette valeur n’est démontrable que si l’organisation accepte de dépasser le reporting de diffusion. Les professionnels du marketing doivent traiter le DOOH comme un levier mesurable, mais pas comme un canal adressable classique. L’enjeu n’est pas de forcer une attribution individuelle artificielle ; il est d’établir une preuve incrémentale suffisamment robuste pour financer les activations qui créent réellement des ventes, de la marge et des clients durables.