Mesurer l’incrémentalité du DOOH sur les visites en magasin

Le vrai sujet n’est pas de compter des visites, mais d’isoler ce que le DOOH ajoute réellement

Le DOOH, digital out-of-home, c’est-à-dire l’affichage extérieur digital diffusé sur écrans en environnement urbain, centres commerciaux, gares, stations-service ou réseaux de proximité, occupe une position particulière dans le mix média. Il combine couverture locale, puissance visuelle, contextualisation horaire et, depuis la programmatique, capacité d’activation plus fine. Mais lorsqu’un annonceur finance une campagne pour générer du trafic en magasin, la question centrale n’est pas combien de visites ont été observées après exposition. La question est : combien de visites n’auraient pas eu lieu sans la campagne ?

Cette distinction entre attribution et incrémentalité est critique. L’attribution assigne une visite ou une vente à un point de contact média selon une règle d’observation : exposition puis visite dans une fenêtre donnée, par exemple 7 jours. L’incrémentalité mesure l’effet causal net, en comparant les visites observées à un scénario contrefactuel où la campagne n’aurait pas été diffusée. Dans un contexte drive-to-store, cette différence peut être massive. Une enseigne peut constater 120 000 visites post-exposition et n’en générer réellement que 8 000 à 20 000 de manière incrémentale, selon la pression média, la saisonnalité, la proximité des points de vente et la force de la marque.

Le risque est connu : confondre proximité géographique, intention préexistante et impact média. Un individu passant devant un écran DOOH situé près d’un magasin peut déjà être dans la zone de chalandise, déjà client de l’enseigne ou déjà engagé dans une intention d’achat. Crédibiliser le DOOH impose donc une méthodologie plus stricte que le simple comptage des visites exposées. Pour les équipes marketing, l’enjeu est économique : arbitrer le budget DOOH face au search local, au social géolocalisé, au retail media, au display mobile ou à la radio locale nécessite des métriques comparables, notamment le CPA, coût par acquisition ou par action, et le ROAS, return on ad spend, ratio entre chiffre d’affaires généré et dépense publicitaire.

La mesure incrémentale du DOOH sur les visites en magasin doit être conçue comme un protocole expérimental, pas comme un reporting de fin de campagne. Elle suppose de définir l’exposition, de construire un groupe de contrôle crédible, de choisir une fenêtre d’observation cohérente, de corriger les biais de mobilité et de relier la visite à une valeur business. Sans cette rigueur, le DOOH peut paraître performant parce qu’il est diffusé dans des lieux naturellement fréquentés, ou sous-performer parce que son effet de considération n’est pas capté dans une fenêtre trop courte.

Définir l’exposition DOOH : écran vu, zone exposée ou opportunité de contact ?

La première difficulté méthodologique concerne la définition même de l’exposition. Contrairement au display ou à la vidéo digitale, le DOOH ne repose généralement pas sur une impression individualisée strictement mesurée au niveau utilisateur. Une impression DOOH est souvent estimée à partir de données d’audience, de flux piétons ou véhicules, de capteurs, de panels mobilité, de données opérateurs ou de modèles propriétaires. En programmatique, le pDOOH, programmatic digital out-of-home, permet d’acheter des écrans selon des critères horaires, contextuels, géographiques ou d’audience via des DSP, demand-side platforms, plateformes utilisées par les acheteurs média pour acheter de l’inventaire publicitaire de façon automatisée. Mais l’exposition reste probabiliste.

Trois niveaux doivent être distingués :

• Exposition théorique : l’écran a diffusé la création dans un lieu et à un horaire où une audience estimée était présente. C’est utile pour planifier, mais insuffisant pour mesurer l’effet magasin.
• Exposition géographique probable : un device mobile ou un paneliste a été détecté dans une zone de visibilité autour de l’écran pendant ou peu après la diffusion. C’est le niveau le plus utilisé en drive-to-store.
• Exposition qualifiée : la présence est pondérée par la distance, la durée de passage, l’orientation probable, la vitesse de déplacement, le type d’environnement et la répétition d’exposition.

Un protocole robuste évite de traiter toutes les opportunités de contact de manière égale. Un écran dans un centre commercial à 30 mètres d’une boutique, un écran en bord de route visible trois secondes à 50 km/h et un écran dans une gare où les voyageurs attendent plusieurs minutes ne produisent pas la même qualité d’exposition. La mesure doit donc intégrer des coefficients de visibilité ou, à défaut, segmenter les résultats par type d’environnement.

La fenêtre d’exposition compte également. Pour une campagne de restauration rapide diffusée entre 11 h 30 et 14 h autour de points de vente, l’effet attendu peut être quasi immédiat, dans les 2 à 6 heures. Pour une enseigne d’ameublement, une salle de sport ou une concession automobile, la visite peut intervenir plusieurs jours plus tard. Appliquer une fenêtre uniforme de 7 jours à toutes les catégories crée des biais : trop longue, elle capte des visites naturelles ; trop courte, elle sous-estime les effets de considération.

Un bon point de départ consiste à définir une hypothèse comportementale avant la campagne : quel délai plausible entre exposition et visite ? quel rayon d’influence ? quelle fréquence minimale d’exposition ? quelles exclusions géographiques ? Ce cadrage conditionne la validité de toute la suite. Une campagne DOOH ne devrait pas être évaluée sur une fenêtre choisie après coup parce qu’elle maximise les résultats.

Construire un groupe de contrôle : le cœur de la mesure incrémentale

L’incrémentalité repose sur une comparaison. Le groupe exposé montre ce qui s’est passé avec campagne. Le groupe de contrôle doit estimer ce qui se serait passé sans campagne. En DOOH, trois approches dominent : le geo-test, le matched markets et le contrôle synthétique.

Le geo-test consiste à diffuser la campagne dans certaines zones et à conserver d’autres zones comparables non exposées. Il est particulièrement adapté aux réseaux de magasins répartis sur le territoire. Le matched markets pousse la logique plus loin : chaque zone test est associée à une ou plusieurs zones contrôle similaires selon des variables comme trafic historique, chiffre d’affaires, densité commerciale, météo, saisonnalité, concurrence, revenu médian, accessibilité et poids de la marque. Le contrôle synthétique construit un contrefactuel statistique en pondérant plusieurs zones non exposées pour reproduire le comportement pré-campagne de la zone exposée.

Exemple : une enseigne de sport veut mesurer une campagne DOOH autour de 80 magasins. Elle sélectionne 40 magasins exposés et 40 magasins contrôle. Avant campagne, les deux groupes affichent une moyenne de 12 500 visites hebdomadaires, avec une évolution comparable sur 8 semaines. Pendant la campagne, les magasins exposés passent à 13 900 visites, tandis que les magasins contrôle passent à 12 900. L’uplift brut des magasins exposés est de 11,2 %, mais l’uplift incrémental est de 8,0 % si l’on corrige la hausse naturelle observée dans le contrôle. Sur 40 magasins, cela représente environ 40 000 visites incrémentales si le différentiel moyen est de 1 000 visites par magasin sur la période.

La qualité du groupe de contrôle est plus importante que la sophistication du dashboard. Un contrôle mal choisi peut inverser la conclusion. Si les zones contrôle sont moins concurrentielles, moins urbaines ou moins sensibles à la météo, elles ne représentent pas le contrefactuel. De même, si une promotion nationale, une ouverture de magasin ou une rupture de stock affecte seulement une partie des zones, le test doit l’intégrer ou exclure les magasins concernés.

La période pré-campagne est indispensable. Elle permet de vérifier que les zones test et contrôle évoluaient de façon parallèle avant l’activation. Cette hypothèse de tendances parallèles, centrale dans les méthodes de différence-en-différences, conditionne l’interprétation causale. Si les magasins exposés progressaient déjà plus vite avant la campagne, attribuer toute la hausse au DOOH serait trompeur.

Mesurer les visites : données mobiles, panels et limites de précision

La mesure des visites en magasin repose souvent sur des données de localisation mobile. Elles peuvent provenir de SDK applicatifs, de panels opt-in, de données opérateurs agrégées ou de fournisseurs spécialisés. Le principe est simple : identifier des devices détectés près d’un écran DOOH puis détectés ensuite dans un point de vente. Mais la mise en œuvre est beaucoup plus complexe.

Le premier enjeu est la qualité du signal. Le GPS peut être précis à quelques mètres en extérieur, mais se dégrader en centre commercial, en gare ou en environnement dense. Le Wi-Fi, le Bluetooth ou les signaux cellulaires peuvent compléter l’observation, mais chaque source a ses limites. Un magasin situé dans une galerie commerciale peut être confondu avec le magasin voisin si le géofencing, c’est-à-dire la délimitation virtuelle d’une zone géographique, est trop large. À l’inverse, un géofence trop strict peut sous-compter les visites réelles.

Le deuxième enjeu est la représentativité. Les panels mobiles ne couvrent qu’une fraction de la population, souvent biaisée par âge, type de smartphone, applications installées, habitudes de consentement et mobilité. Un taux de matching élevé ne garantit pas une mesure juste si l’échantillon sureprésente les urbains actifs ou les gros utilisateurs d’applications. Les résultats doivent donc être pondérés, et les volumes extrapolés avec prudence.

Le troisième enjeu est la définition de la visite. Une présence de 30 secondes dans un périmètre magasin n’a pas le même sens qu’une présence de 8 minutes. Un protocole sérieux définit un dwell time minimal, c’est-à-dire une durée de présence minimale, et exclut les passants. Pour un commerce de proximité, 2 à 3 minutes peuvent être acceptables. Pour un magasin d’équipement de maison, un seuil de 5 à 10 minutes peut être plus pertinent. Les visites employés doivent également être filtrées, par exemple en excluant les devices observés très fréquemment dans le même point de vente.

Le respect du RGPD, règlement général sur la protection des données, est non négociable. Les données utilisées doivent reposer sur une base légale appropriée, un consentement lorsque nécessaire, une minimisation des traitements et une agrégation suffisante dans les rapports. La mesure drive-to-store ne doit pas exposer des parcours individuels identifiables. Plus le protocole est transparent sur les sources, les durées de conservation et les seuils d’agrégation, plus les résultats sont défendables auprès des équipes juridiques et data governance.

Choisir les bons KPI : visites incrémentales, coût par visite et valeur magasin

Une fois l’effet incrémental estimé, la question devient économique. Le KPI le plus évident est le coût par visite incrémentale, calculé en divisant le budget média complet par le nombre de visites additionnelles attribuables à la campagne. Le budget complet doit inclure les frais média, création, technologie, trading, data et mesure, pas seulement le coût d’achat écran. Dans un environnement programmatique, il faut tenir compte des frais DSP, SSP, supply-side platforms, plateformes utilisées par les vendeurs d’inventaire publicitaire, ad serving, vérification et data.

Exemple : une campagne pDOOH coûte 180 000 euros tout compris. Le test mesure 30 000 visites incrémentales. Le coût par visite incrémentale est donc de 6 euros. Ce chiffre n’est interprétable qu’en regard de la conversion magasin et du panier. Si 35 % des visiteurs achètent, avec un panier moyen de 42 euros et une marge brute de 38 %, la marge brute générée est 30 000 x 35 % x 42 x 38 %, soit environ 167 580 euros. À ce stade, le ROAS chiffre d’affaires peut paraître correct, mais la contribution marge ne couvre pas encore totalement le coût. Si une partie de ces clients réachète dans les 90 jours, ou si la campagne soutient une catégorie stratégique, la lecture change.

Le ROAS incrémental doit donc être préféré au ROAS attribué. Le ROAS attribué rapporte les ventes post-exposition à la dépense, sans prouver que ces ventes sont additionnelles. Le ROAS incrémental rapporte le chiffre d’affaires additionnel estimé à la dépense. Pour des retailers omnicanaux, l’idéal est de relier les visites à des ventes via données caisse, cartes de fidélité ou panels transactionnels. Lorsque ce lien n’est pas possible, il faut utiliser des proxys : taux de conversion magasin, panier moyen, marge catégorie, ou enquêtes post-visite.

Les KPI doivent aussi être segmentés. Une moyenne nationale peut masquer des poches de performance. Les campagnes DOOH performent souvent différemment selon la densité urbaine, la distance à l’écran, le type de point de vente, le jour de semaine, la météo, la concurrence locale et la pression promotionnelle. Un coût par visite de 4 euros en hypercentre peut être excellent si le magasin convertit fortement, mais inutile si le trafic est déjà saturé. À l’inverse, un coût par visite de 9 euros dans une zone périurbaine peut être rentable si le panier moyen y est deux fois supérieur.

Corriger les biais : saisonnalité, cannibalisation et halo média

La mesure du DOOH est exposée à plusieurs biais. Le premier est la saisonnalité. Les visites en magasin fluctuent avec les soldes, la météo, les vacances scolaires, les jours fériés, les événements locaux et les cycles de paie. Une campagne diffusée pendant une hausse naturelle du trafic peut capter un mérite excessif. À l’inverse, une campagne pendant une grève de transports ou une période météo défavorable peut être sous-estimée. Les modèles doivent intégrer ces variables ou utiliser un contrôle géographique qui les subit de manière comparable.

Le deuxième biais est la cannibalisation. Le DOOH peut déplacer des visites d’un magasin à un autre au sein du même réseau plutôt que créer du trafic net. Pour une enseigne disposant de points de vente proches, mesurer uniquement les magasins exposés peut surestimer l’effet global. Il faut analyser le réseau complet : visites dans les magasins exposés, magasins voisins non exposés, ventes e-commerce locales et éventuel transfert entre canaux.

Le troisième biais est le halo média. Une campagne DOOH est rarement isolée. Elle peut être synchronisée avec search, social, audio, vidéo, CRM ou promotions en magasin. Le funnel, parcours allant de la notoriété à la conversion puis à la fidélisation, est multi-touch. Si une campagne social géolocalisée est lancée sur les mêmes zones et mêmes dates, attribuer tout le lift au DOOH serait abusif. La solution consiste soit à isoler expérimentalement le DOOH, soit à construire un plan factoriel : certaines zones avec DOOH seul, d’autres avec social seul, d’autres avec les deux, afin de mesurer les effets séparés et combinés.

Le quatrième biais concerne la sélection des emplacements. Les écrans DOOH sont souvent installés dans des lieux à fort trafic. Une campagne qui sélectionne les meilleurs emplacements peut afficher un volume élevé de visites exposées sans effet marginal important. Il est donc utile de comparer des écrans similaires avec et sans diffusion, ou de mesurer le lift par rapport au niveau de trafic attendu de la zone. L’efficacité ne se juge pas au nombre de passants, mais à la capacité de transformer une opportunité de contact en visite additionnelle.

Concevoir un protocole opérationnel avant l’achat média

Pour être exploitable, la mesure incrémentale doit être intégrée dès le brief. Trop souvent, les équipes cherchent à mesurer après coup une campagne dont le plan média ne permet pas de construire un contrôle propre. Un protocole efficace commence par une hypothèse : le DOOH doit augmenter les visites de 5 % à 10 % dans les zones exposées, avec un coût par visite incrémentale inférieur à 7 euros, sur une fenêtre de 72 heures pour une enseigne de restauration ou de 14 jours pour une enseigne d’équipement.

La feuille de route peut suivre sept étapes :

1. Définir les objectifs business : trafic magasin, ventes, recrutement de nouveaux clients, soutien à une ouverture, déstockage local ou défense de part de marché.
2. Sélectionner les magasins éligibles : exclure les ouvertures récentes, les magasins en travaux, les zones atypiques et les points de vente soumis à une opération commerciale non réplicable.
3. Construire les zones test et contrôle : utiliser historique de visites, chiffre d’affaires, typologie urbaine, concurrence, accessibilité et météo moyenne.
4. Fixer la pression média : GRP local, répétition, part de voix, durée de campagne, créneaux horaires et distance aux magasins.
5. Définir la mesure : source de données, géofences, dwell time, fenêtre post-exposition, règles d’exclusion et seuils statistiques.
6. Documenter les co-variables : promotions, prix, stock, campagnes autres médias, événements locaux et vacances.
7. Prévoir les décisions : seuil de scaling, arrêt, réallocation ou changement créatif selon les résultats.

La puissance statistique doit être vérifiée. Si le trafic de base est faible ou si le nombre de magasins test est trop limité, le test risque de ne pas détecter un effet réel. Un lift de 3 % peut être économiquement intéressant sur un grand réseau, mais invisible statistiquement sur 10 magasins. À l’inverse, un lift de 20 % sur un petit échantillon peut être instable. Les équipes doivent accepter que toutes les campagnes ne soient pas testables avec le même niveau de confiance.

La création doit aussi être alignée avec l’objectif de visite. Un DOOH drive-to-store performant ne se limite pas à exposer une marque. Il doit donner une raison d’agir : proximité, offre locale, disponibilité produit, temps limité, service différenciant ou preuve concrète. La mesure incrémentale peut d’ailleurs comparer plusieurs messages si le plan média est suffisamment structuré. Dans ce cas, l’objectif n’est pas seulement de prouver que le DOOH fonctionne, mais d’identifier quelles conditions créatives et contextuelles maximisent l’effet magasin.

Conclusion : mesurer moins de volume attribué, mais plus de causalité utile

Mesurer l’incrémentalité du DOOH sur les visites en magasin revient à déplacer la discussion du reporting vers la décision. Le volume de visites post-exposition rassure, mais il ne suffit pas à piloter un budget. La vraie valeur réside dans le lift causal, le coût par visite incrémentale, la marge associée et la capacité à identifier les contextes où le DOOH crée réellement du trafic additionnel.

Une approche mature combine une définition stricte de l’exposition, un groupe de contrôle crédible, une mesure mobile gouvernée, une fenêtre d’observation adaptée au cycle d’achat, une analyse économique par marge et une lecture critique des biais. Les meilleures méthodologies ne cherchent pas à attribuer le plus possible au DOOH ; elles cherchent à isoler ce qui est défendable, reproductible et actionnable.

Pour les professionnels du marketing, l’action prioritaire est simple : ne jamais lancer une campagne DOOH drive-to-store sans protocole de test défini avant diffusion. Les questions à poser sont concrètes : quelles zones serviront de contrôle ? quelle visite est considérée comme valide ? quelle fenêtre temporelle correspond au comportement attendu ? quels autres leviers peuvent contaminer la mesure ? quel seuil de coût par visite incrémentale justifie le scaling ? quelles décisions budgétaires changeront si le lift est faible, moyen ou élevé ?

Le DOOH programmatique a gagné en finesse d’activation, mais sa crédibilité budgétaire dépendra de sa capacité à prouver une contribution nette. Dans un marché où chaque euro média est challengé par la finance, le commerce et les plateformes digitales, l’incrémentalité n’est plus une sophistication analytique. C’est la condition pour transformer l’affichage digital en levier mesurable de croissance locale.