Tester la séquence mobile après exposition DOOH sans biais

Le vrai enjeu n’est pas de recibler après DOOH, mais de prouver que la séquence crée une valeur incrémentale

Associer une exposition DOOH et une activation mobile est devenu un scénario classique des plans drive-to-store, retail media localisé et lancement produit. Le DOOH, digital out-of-home, désigne l’affichage extérieur numérique diffusé sur des écrans situés dans l’espace public, en centres commerciaux, gares, rues, salles de sport ou points de vente. La séquence consiste généralement à exposer une population dans une zone couverte par des écrans, puis à activer sur mobile des individus supposés avoir été exposés ou proches de l’exposition, via display, vidéo, rich media, push partenaire ou inventaires in-app.

Sur le papier, la logique est séduisante. Le DOOH apporte couverture, contexte, répétition et visibilité physique. Le mobile ajoute personnalisation, clic, visite de site, coupon, navigation vers magasin ou mesure de conversion. Mais cette combinaison est aussi un terrain favorable aux biais analytiques. Les individus détectés près d’un écran ne sont pas nécessairement exposés. Ceux qui reçoivent ensuite une publicité mobile peuvent être plus urbains, plus mobiles, plus intentionnistes ou déjà plus proches d’un point de vente que le reste de la population. Une hausse de visites après campagne peut refléter la localisation des écrans, la saisonnalité, une promotion magasin ou un trafic naturel, et non l’effet de la séquence.

Pour des professionnels du marketing, la question n’est donc pas de savoir si la séquence DOOH-mobile est mesurable. Elle l’est, souvent avec une précision apparente élevée. La question est de savoir si elle est mesurée sans sur-attribution. Le CPA, coût par acquisition, c’est-à-dire le montant dépensé pour générer une conversion attribuée, peut sembler excellent si l’on crédite toute visite post-exposition. Le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, peut être flatteur si l’on rapproche des ventes de populations déjà proches du magasin. Mais le vrai indicateur est l’incrémentalité : la part de visites, ventes ou actions qui n’aurait probablement pas eu lieu sans la combinaison DOOH puis mobile.

Tester correctement une séquence mobile après exposition DOOH impose donc de traiter le sujet comme une expérimentation média, pas comme un simple retargeting géolocalisé. Il faut définir ce qu’est une exposition plausible, construire un contrefactuel robuste, contrôler les différences entre zones et individus, limiter les biais de mesure mobile, puis relier les résultats à un KPI business adapté au rôle de la campagne dans le funnel, parcours allant de la notoriété à la considération puis à la conversion.

Définir l’exposition DOOH : opportunité de voir, présence géographique et attention probable

La première source de biais vient de la définition de l’exposition. En display ou vidéo digitale, une impression peut être reliée à un identifiant publicitaire, même si la qualité de visibilité reste discutable. En DOOH, l’exposition est probabiliste. Un écran diffuse une création à un horaire donné ; des personnes passent potentiellement dans son champ de visibilité ; certaines regardent l’écran ; d’autres l’ignorent. Confondre présence dans une zone et exposition effective conduit à gonfler artificiellement la base reciblable.

Un framework rigoureux distingue trois niveaux. Le premier est l’opportunité de voir : l’écran est actif, la création est diffusée, la luminosité, l’angle et le format rendent le message visible. Le deuxième est la présence compatible : un device mobile est détecté dans une zone et une fenêtre temporelle cohérentes avec la diffusion. Le troisième est l’attention probable : la trajectoire, la vitesse, le temps de dwell, la distance à l’écran et le contexte suggèrent que l’individu a réellement pu traiter le message. Plus on passe du premier au troisième niveau, plus le volume diminue, mais plus la qualité de l’hypothèse d’exposition augmente.

Un exemple permet de poser les ordres de grandeur. Une campagne DOOH en gares diffuse 8 millions de spots sur deux semaines, avec une estimation de 12 millions d’opportunités de voir selon les données de fréquentation. Un partenaire mobile détecte 1,8 million d’identifiants publicitaires uniques dans les zones autour des écrans. Après filtrage des devices présents moins de 15 secondes, des signaux de vitesse incompatibles avec une exposition piétonne, des doublons et des présences nocturnes non pertinentes, la base d’exposition plausible tombe à 650 000 devices. Si l’on exige en plus une présence pendant la fenêtre exacte de diffusion d’un spot ou dans les deux minutes suivant sa diffusion, le volume peut descendre à 300 000 ou 400 000 devices.

Cette contraction n’est pas un problème ; elle est même saine. Le coût par individu reciblable augmente, mais la qualité du test s’améliore. Une base large mais contaminée par des non-exposés crée un biais d’atténuation : l’effet réel est dilué. Une base trop permissive peut aussi créer un biais inverse si elle capture surtout des individus naturellement proches des magasins ou lieux de conversion. L’objectif n’est pas d’obtenir le plus grand segment possible, mais une population dont l’exposition est défendable méthodologiquement.

Le DOOH impose également de documenter le contexte. Un écran dans un centre commercial, à trois mètres d’une enseigne, ne produit pas le même signal qu’un écran urbain en voirie. Dans le premier cas, la probabilité d’intention d’achat préexistante est élevée. Dans le second, la séquence peut davantage jouer un rôle de notoriété ou de rappel. Les seuils de dwell, les fenêtres d’exposition et les KPI doivent donc être adaptés à l’environnement : visite magasin à court terme pour un mall, recherche de marque ou visite site pour un réseau urbain, téléchargement d’application ou coupon pour une activation événementielle.

Construire un contrefactuel : le groupe contrôle est plus important que le groupe exposé

Le cœur du test sans biais est le contrefactuel : que se serait-il passé si la population n’avait pas été exposée au DOOH ou n’avait pas reçu la séquence mobile ? Sans contrefactuel, l’analyse reste descriptive. Une augmentation de 18 % des visites en magasin dans les zones exposées peut paraître convaincante, mais elle ne prouve rien si ces zones bénéficiaient simultanément d’une météo favorable, d’une promotion locale ou d’un trafic naturellement plus élevé.

Le design le plus robuste est le geo-test, comparaison entre zones exposées et zones de contrôle. Il consiste à sélectionner des zones géographiques similaires en historique de ventes, densité urbaine, pression concurrentielle, saisonnalité, socio-démographie, couverture mobile et proximité des points de vente. Certaines zones reçoivent la combinaison DOOH plus mobile ; d’autres ne reçoivent pas le DOOH, ou ne reçoivent pas la relance mobile. L’écart de performance entre zones, corrigé de l’historique, fournit une estimation plus crédible de l’effet incrémental.

Une méthode classique est le difference-in-differences, ou double différence. Elle compare l’évolution avant-après dans les zones test et l’évolution avant-après dans les zones contrôle. Si les zones test progressent de 14 % et les zones contrôle de 5 %, l’effet incrémental estimé est de 9 points, sous réserve que les tendances pré-campagne soient parallèles. Ce point est critique : si les zones test étaient déjà en croissance plus rapide avant l’activation, le modèle surestimera l’effet média.

Lorsque le geo-test est difficile, un holdout utilisateur peut être utilisé. Un holdout est un groupe volontairement non exposé à la relance mobile, alors qu’il aurait été éligible. Par exemple, parmi les devices détectés comme exposés plausibles au DOOH, 80 % reçoivent une activation mobile et 20 % sont exclus. On compare ensuite visites, clics, conversions ou ventes entre les deux groupes. Ce design mesure surtout l’effet additionnel du mobile après DOOH, pas l’effet total du DOOH. Il est utile si la question business est : faut-il payer une deuxième exposition mobile après l’affichage ?

Le holdout doit être randomisé. Si l’on exclut manuellement certains segments, par exemple les devices peu fréquents ou les zones moins denses, le groupe contrôle n’est plus comparable. La randomisation peut être opérée dans la DSP, demand-side platform, plateforme utilisée par les acheteurs pour acheter des impressions publicitaires de manière automatisée, ou dans la couche d’audience avant activation. En RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression au moment où elle devient disponible, on peut aussi utiliser des logiques de PSA, public service announcement, ou de ghost ads lorsque la plateforme le permet : l’utilisateur est éligible à l’impression, mais une partie de l’audience est volontairement non servie pour estimer le comportement naturel.

Contrôler les biais spécifiques au mobile : identité, localisation, consentement et fréquence

La mesure mobile apporte de la granularité, mais aussi plusieurs biais structurels. Le premier est le biais d’identité. Les identifiants mobiles disponibles ne couvrent pas toute la population. Depuis les restrictions de consentement et les changements d’accès aux identifiants publicitaires, notamment IDFA sur iOS, les populations mesurables peuvent être surreprésentées par certains profils : utilisateurs Android, applications avec consentement publicitaire, urbains intensifs, personnes fréquentant davantage des environnements app monétisés par publicité. Un test DOOH-mobile doit donc analyser la représentativité de la population matchée.

Un taux de match élevé n’est pas automatiquement un signe de qualité. Si 55 % des visiteurs détectés autour des écrans sont matchés avec un identifiant activable, mais que cette population représente 72 % des visites répétées en magasin, le test risque de surestimer l’effet sur les clients les plus mobiles ou les plus fidèles. Il faut comparer les distributions entre exposés, contrôles et population totale : âge estimé si disponible, zones, device, fréquence de déplacement, historique de visites, distance au point de vente, type d’application source. Les écarts ne sont pas toujours éliminables, mais ils doivent être mesurés.

Le deuxième biais est la précision de localisation. Un signal GPS peut être précis à quelques mètres, mais un signal issu de triangulation réseau, Wi-Fi ou SDK mal calibré peut générer des erreurs de 50 à 200 mètres. Dans un centre commercial, cette marge peut confondre exposition à un écran, passage devant un concurrent et visite dans un magasin voisin. Le test doit imposer des règles de qualité : précision déclarée inférieure à un seuil, par exemple 30 ou 50 mètres selon le contexte, exclusion des points aberrants, durée minimale de présence, cohérence des trajectoires, déduplication des signaux répétés.

Le troisième biais est le consentement. Une donnée de localisation utilisée à des fins publicitaires et de mesure doit reposer sur un cadre conforme : consentement lorsque requis, information claire, finalités définies, durée de conservation limitée, pseudonymisation et restrictions d’accès. Au-delà du droit, le consentement affecte la mesure. Les individus opt-in ne sont pas identiques aux opt-out. Un test mature documente donc la couverture mesurable : quelle part de l’audience DOOH estimée est réellement activable et mesurable sur mobile ? Quelle part des visites magasin peut être observée ? Quelle marge d’erreur cela introduit-il dans le ROI ?

Le quatrième biais est la fréquence mobile. Après une exposition DOOH, les équipes peuvent être tentées de maximiser la répétition sur mobile pour obtenir un signal. Or la surpression peut créer un effet artificiel : un utilisateur reçoit huit impressions mobiles parce qu’il est facile à acheter, pas parce qu’il est plus pertinent. Il faut piloter la fréquence visible, c’est-à-dire les impressions réellement affichées selon des standards de viewability, et tester des paliers : 0 impression mobile, 1 à 2, 3 à 5, plus de 5. Dans de nombreux cas drive-to-store, l’effet marginal décroît fortement après trois ou quatre expositions mobiles, surtout sur des fenêtres courtes de 48 à 72 heures.

Choisir le bon KPI : la visite magasin n’est pas toujours la conversion finale

La séquence DOOH-mobile peut viser plusieurs objectifs. Le piège consiste à appliquer un KPI unique, souvent la visite magasin, à toutes les campagnes. Dans un contexte retail alimentaire, visite magasin et ventes à court terme peuvent être pertinentes. Pour une marque automobile, une exposition DOOH suivie d’une vidéo mobile aura plutôt un rôle de considération : visite du site, recherche de concession, configuration, demande d’essai. Pour une marque de grande consommation vendue en grande distribution, la visite magasin peut être un proxy très imparfait si l’on ne sait pas si le produit a été acheté.

Le choix du KPI doit refléter le rôle de la séquence dans le funnel. En haut de funnel, les métriques utiles incluent la couverture incrémentale, la mémorisation publicitaire, la recherche de marque, la visite qualifiée du site ou la progression d’une intention déclarée. En milieu de funnel, on peut mesurer le taux de clic qualifié, les pages produit vues, les interactions avec une carte ou un store locator, le téléchargement de coupon, l’inscription ou l’ajout panier. En bas de funnel, les KPI deviennent visites magasin validées, ventes, coût par visite incrémentale, CPA incrémental, ROAS incrémental et marge incrémentale.

La visite magasin doit être définie strictement. Une présence à moins de 100 mètres d’un magasin pendant deux minutes ne suffit pas toujours. Pour un magasin de centre-ville, il faut souvent combiner géofence serrée, durée minimale de dwell, horaires d’ouverture, exclusion des employés, fréquence de visites répétées et distinction entre passage et entrée. Pour un hypermarché, une géofence plus large est acceptable, mais il faut contrôler le parking, les enseignes voisines et les zones commerciales. Les meilleurs dispositifs utilisent des panels de calibration ou des données transactionnelles lorsque c’est possible.

Un exemple concret illustre la différence entre attribution et incrémentalité. Une enseigne teste une séquence DOOH-mobile dans 30 zones urbaines. Le reporting brut indique 42 000 visites post-exposition et un coût par visite attribuée de 1,90 euro. Après mise en place d’un holdout mobile et comparaison avec 30 zones contrôle, les visites incrémentales estimées tombent à 11 500, soit un coût par visite incrémentale de 6,95 euros. Si le panier moyen est de 28 euros et la marge brute de 32 %, chaque visite incrémentale génère environ 8,96 euros de marge brute avant coûts additionnels. Le test reste positif, mais beaucoup moins spectaculaire que le dashboard initial. C’est précisément cette différence qui doit guider la décision budgétaire.

Le ROAS doit également être interprété avec prudence. Si la séquence touche des clients déjà fidèles, le chiffre d’affaires attribué sera élevé mais peu incrémental. Pour une enseigne, il peut être plus pertinent de distinguer nouveaux visiteurs, visiteurs réactivés, clients actifs et clients très fréquents. Une visite incrémentale d’un nouveau client à forte probabilité de réachat peut valoir davantage qu’une visite d’un client déjà venu trois fois dans le mois.

Structurer le protocole de test : cellules, fenêtres, randomisation et puissance statistique

Un test sans biais commence avant la campagne, pas dans le reporting. Il faut formaliser une hypothèse, une population, un design, une durée, un seuil de décision et une méthode d’analyse. Une formulation robuste ressemble à ceci : si les devices exposés plausibles au DOOH et activés sur mobile génèrent au moins 12 % de visites incrémentales supplémentaires par rapport au groupe exposé DOOH non activé mobile, avec un coût par visite incrémentale inférieur à 7 euros, alors la séquence sera étendue à 60 % du plan national.

Le protocole doit ensuite définir les cellules expérimentales. Une structure minimale peut comporter quatre groupes :

• Groupe A : zones avec DOOH et relance mobile des exposés plausibles.
• Groupe B : zones avec DOOH mais holdout mobile sur une partie des exposés plausibles.
• Groupe C : zones sans DOOH mais activation mobile comparable, pour mesurer l’effet du mobile seul.
• Groupe D : zones contrôle sans DOOH et sans mobile additionnel, pour mesurer la tendance naturelle.

Cette architecture permet de séparer trois effets : l’effet DOOH, l’effet mobile seul et l’effet séquentiel. L’effet le plus intéressant est souvent l’interaction : le mobile performe-t-il mieux lorsqu’il suit une exposition DOOH que lorsqu’il est diffusé seul à population comparable ? Si le mobile seul produit un coût par visite incrémentale de 8 euros et que la séquence DOOH-mobile produit 6 euros, la combinaison crée une synergie. Si les deux coûts sont identiques, le DOOH peut rester utile pour la notoriété, mais il ne justifie pas nécessairement un retargeting mobile spécifique.

La fenêtre temporelle est un autre paramètre critique. Une fenêtre de 24 heures peut sous-estimer l’effet pour des achats réfléchis. Une fenêtre de 14 jours peut sur-attribuer des visites naturelles. Il faut choisir selon le cycle de décision : 24 à 72 heures pour restauration, grande distribution ou événement local ; 7 jours pour retail spécialisé ; 14 à 30 jours pour automobile, immobilier, banque ou équipement. L’idéal est de produire une courbe de latence : part des visites incrémentales à J0, J1-J2, J3-J7, puis au-delà. Si 80 % de l’effet apparaît dans les 48 heures, une fenêtre longue créera surtout du bruit.

La puissance statistique doit être vérifiée. Un test sur cinq écrans et quelques milliers de devices ne permettra pas de détecter un effet réaliste. Si le taux de visite naturel est de 2 %, détecter une hausse relative de 10 %, soit 2,2 %, exige souvent plusieurs dizaines de milliers d’individus par cellule selon le niveau de confiance recherché. Les équipes doivent accepter qu’un test trop petit ne pourra conclure ni succès ni échec. Il produira seulement une impression.

Enfin, le protocole doit définir les exclusions. Employés des magasins, devices présents quotidiennement dans la zone, touristes selon contexte, anomalies de localisation, devices avec fréquence publicitaire extrême, zones affectées par rupture de stock ou événement local doivent être traités avant analyse. Les exclusions postérieures aux résultats créent un risque de cherry picking, sélection opportuniste des données favorables.

Lire les résultats avec nuance : lift, saturation, cannibalisation et arbitrage budgétaire

Une fois le test terminé, l’analyse doit aller au-delà du lift moyen. Le lift désigne l’écart de performance entre un groupe exposé et un groupe contrôle. Un lift global de 8 % peut masquer une forte hétérogénéité. La séquence peut être très performante sur les nouveaux prospects situés entre 500 mètres et 3 kilomètres d’un point de vente, neutre sur les clients actifs, et négative sur des zones déjà saturées en pression média. Le rôle de l’analyse est d’identifier les poches de rentabilité, pas de produire une moyenne rassurante.

La saturation est fréquente. Le DOOH crée une pression contextuelle ; le mobile ajoute une pression individuelle. Au-delà d’un certain seuil, la séquence peut augmenter la mémorisation mais pas les visites. Il faut donc analyser la contribution marginale par niveau de fréquence : nombre de passages en zone DOOH, nombre d’impressions mobiles, délai entre exposition DOOH et première impression mobile, répétition créative. Une règle opérationnelle peut émerger : activer le mobile dans les 6 heures après exposition plausible, limiter à trois impressions visibles sur 72 heures, exclure les clients actifs récents et privilégier les zones où le trafic naturel est inférieur à un seuil.

La cannibalisation doit également être testée. Une campagne peut déplacer des visites d’un magasin vers un autre sans créer de demande additionnelle. Elle peut accélérer une visite prévue sans augmenter la valeur totale. Elle peut aussi cannibaliser d’autres canaux, par exemple paid search marque ou SMS CRM. Pour limiter ce biais, il faut regarder les ventes totales par zone, les visites nettes, les nouveaux clients, la marge et, lorsque possible, les interactions avec les autres leviers média. Une hausse des visites attribuées au mobile mais une stabilité des ventes totales est un signal d’alerte.

L’analyse créative compte aussi. La séquence n’est pas seulement média. Si le DOOH expose à un message de marque général et que le mobile pousse une offre tactique cohérente avec la zone, l’effet peut être supérieur. À l’inverse, répéter exactement le même visuel peut renforcer la mémorisation ou créer de la lassitude selon le contexte. Les tests avancés comparent plusieurs logiques : rappel de marque, coupon, itinéraire magasin, preuve produit, disponibilité locale. La meilleure création n’est pas nécessairement celle qui génère le plus de clics, mais celle qui augmente l’action incrémentale.

L’arbitrage budgétaire doit enfin se faire sur la contribution marginale. Si le DOOH seul apporte un lift de notoriété mais peu de visites immédiates, et si le mobile seul génère un CPA acceptable, la séquence doit prouver qu’elle améliore le coût par résultat utile. Une règle de décision peut intégrer quatre niveaux : coût par personne exposée plausible, coût par impression mobile visible, coût par visite incrémentale et marge incrémentale. Le budget doit aller vers les combinaisons de zones, fréquences, audiences et créations où ces niveaux restent cohérents.

Conclusion : tester la séquence comme une expérience, pas comme un reporting de retargeting

Mesurer une séquence mobile après exposition DOOH sans biais exige une discipline expérimentale. La présence près d’un écran n’est pas une exposition certaine. Une visite post-campagne n’est pas une visite causée. Un ROAS attribué n’est pas un ROAS incrémental. Le risque principal n’est pas de manquer de données, mais de confondre précision technique et preuve causale.

Une feuille de route actionnable peut s’organiser en sept étapes. Premièrement, définir l’exposition DOOH par niveaux : opportunité de voir, présence compatible, attention probable. Deuxièmement, filtrer la donnée mobile sur la qualité de localisation, le dwell, la cohérence des trajectoires et la conformité consentement. Troisièmement, construire un contrefactuel avant activation : geo-test, holdout randomisé ou combinaison des deux. Quatrièmement, isoler l’effet de la séquence en comparant DOOH seul, mobile seul, DOOH plus mobile et contrôle. Cinquièmement, choisir un KPI aligné sur le funnel : mémorisation, recherche, visite qualifiée, visite magasin, vente, marge ou nouveau client. Sixièmement, analyser les résultats par fréquence, délai, segment, zone et statut client pour identifier les poches d’incrémentalité. Septièmement, traduire le test en règles d’achat : fenêtres de relance, plafonds de fréquence, exclusions CRM, seuils de coût par visite incrémentale et allocation par zone.

La séquence DOOH-mobile peut créer une vraie valeur, notamment lorsqu’elle combine contexte physique, rappel rapide et activation locale. Mais cette valeur n’apparaît clairement que si l’on retire les effets de sélection, de proximité, de mesure partielle et d’attribution opportuniste. Pour un annonceur avancé, le bon test n’est pas celui qui montre le plus grand nombre de visites attribuées. C’est celui qui permet de décider, avec un niveau de confiance suffisant, où la séquence mérite d’être amplifiée, où elle doit être plafonnée, et où le budget serait mieux investi dans un autre levier média.