Comment mesurer l’impact d’un DSP sur le ROAS incrémental ?

Le vrai sujet n’est pas le ROAS du DSP, mais sa contribution causale

Mesurer l’impact d’un DSP sur le ROAS incrémental impose de sortir d’une lecture plateforme. Un DSP, demand-side platform, est une plateforme utilisée par les acheteurs média pour acheter des impressions publicitaires de manière automatisée, notamment via le RTB, real-time bidding, mécanisme d’enchères en temps réel. Le ROAS, return on ad spend, rapporte le chiffre d’affaires généré aux dépenses publicitaires. Le ROAS incrémental, lui, cherche à mesurer le chiffre d’affaires additionnel réellement causé par l’investissement média, rapporté au coût de cet investissement.

La distinction est critique. Un DSP peut afficher un ROAS attribué de 6, c’est-à-dire 6 euros de chiffre d’affaires attribué pour 1 euro investi, tout en ne générant qu’un ROAS incrémental de 1,4 si la majorité des conversions provenaient d’utilisateurs déjà proches de l’achat. À l’inverse, une campagne de prospection vidéo ou display peut afficher un ROAS plateforme modeste, par exemple 1,8, mais produire une hausse mesurable de nouveaux clients ou de ventes assistées non capturées par le last click, dernier clic avant conversion.

Pour les professionnels du marketing, l’enjeu n’est donc pas de demander au DSP combien il a attribué. Il est de déterminer ce qu’il a ajouté au business par rapport à un scénario sans activation via ce DSP. Cette nuance transforme entièrement la méthode de mesure. Elle oblige à définir un contrefactuel, à séparer attribution et causalité, à contrôler les biais d’audience et à arbitrer entre efficacité immédiate, portée incrémentale, qualité média et valeur client.

Le DSP n’est pas seulement un tuyau d’achat. Il influence la performance par ses algorithmes d’enchères, son accès à l’inventaire, ses intégrations data, ses capacités de capping, ses règles de brand safety, sa gestion du supply path optimization et sa capacité à optimiser vers des signaux de valeur. Mesurer son impact revient donc à isoler la contribution de cette couche technologique et opérationnelle dans une chaîne où interviennent aussi la création, l’offre, le prix, la saisonnalité, la concurrence, le CRM, le search, le social et la disponibilité produit.

Définir précisément ce que l’on mesure : DSP, budget ou stratégie d’activation

La première erreur consiste à formuler la question de manière trop large. Mesurer l’impact d’un DSP peut signifier trois choses différentes. Premièrement, mesurer l’impact d’un canal programmatique activé via un DSP par rapport à une absence de média. Deuxièmement, comparer deux DSP sur la même stratégie d’audience, de formats et d’inventaire. Troisièmement, mesurer la valeur des fonctionnalités propres au DSP : algorithme d’enchères, optimisation créative, intégration de données first-party, contrôle de fréquence ou sélection des chemins d’approvisionnement.

Ces trois questions ne se mesurent pas avec le même protocole. Si l’objectif est de savoir si le programmatique ajoute des ventes incrémentales, un holdout audience ou un geo-test peut suffire. Si l’objectif est de comparer deux DSP, il faut neutraliser autant que possible les variables : mêmes audiences, mêmes créations, mêmes contraintes de fréquence, mêmes deals, mêmes fenêtres de mesure et budgets équilibrés. Si l’objectif est d’évaluer une fonctionnalité du DSP, par exemple une stratégie d’enchère basée sur la marge, il faut construire un test A/B interne entre bidding standard et bidding pondéré par valeur.

La formulation de l’hypothèse doit être explicite. Exemple : l’activation via le DSP augmente-t-elle les ventes nettes de nouveaux clients de 5 % dans les zones exposées, à coût média constant ? Ou : le DSP A génère-t-il un ROAS incrémental supérieur au DSP B sur une audience de prospection comparable ? Ou encore : l’algorithme de bidding optimisé sur marge génère-t-il une contribution incrémentale supérieure au bidding optimisé sur chiffre d’affaires ?

Sans cette clarification, les équipes risquent de mesurer un mélange indéchiffrable. Une hausse de ROAS peut venir d’une meilleure audience, d’un inventaire plus proche de la conversion, d’une pression plus forte sur les visiteurs récents, d’une promotion commerciale ou d’un vrai gain algorithmique. Le rôle du protocole est de réduire cette ambiguïté. Dans une logique experte, on ne demande pas si le DSP performe ; on définit la décision que la mesure doit éclairer : augmenter le budget, changer de DSP, modifier les enchères, exclure des audiences, déplacer le mix vers la vidéo, ou réallouer vers d’autres canaux.

Construire le socle de mesure : attribution, incrémentalité et valeur économique

Un dispositif robuste distingue au minimum trois niveaux de mesure. Le premier est l’attribution opérationnelle : impressions, clics, conversions attribuées, CPA, coût par acquisition, c’est-à-dire coût nécessaire pour générer une conversion attribuée, chiffre d’affaires attribué et ROAS plateforme. Ce niveau sert au pilotage quotidien, mais il reste dépendant des règles de fenêtre, de déduplication et de post-view.

Le deuxième niveau est la mesure économique : marge, statut nouveau client, panier net, taux de retour, LTV, lifetime value, valeur économique attendue d’un client sur sa durée de relation avec la marque. Un DSP peut générer beaucoup de chiffre d’affaires attribué sur des acheteurs existants à faible marge. À l’inverse, il peut recruter moins de conversions immédiates mais davantage de clients à forte valeur. Le ROAS incrémental doit donc idéalement être calculé sur la marge incrémentale, pas seulement sur le revenu incrémental.

Le troisième niveau est la causalité. L’incrémentalité mesure l’écart entre le comportement observé des populations exposées et ce qui se serait produit sans exposition. C’est le point que les dashboards ne savent pas résoudre seuls. Une conversion attribuée au DSP n’est pas nécessairement une conversion causée par le DSP. Le contrefactuel peut être approché par un groupe de contrôle, un test géographique, une randomisation utilisateur, une modélisation bayésienne ou un MMM, marketing mix modeling, modèle statistique qui estime la contribution des leviers marketing à partir de séries temporelles agrégées.

La formule de base peut être résumée ainsi : ROAS incrémental égale chiffre d’affaires incrémental divisé par dépenses média et coûts associés. Une version plus rigoureuse utilise la marge : contribution incrémentale égale marge incrémentale moins coûts média, data, technologie et création. Si une campagne dépense 100 000 euros, génère 500 000 euros de chiffre d’affaires attribué mais seulement 180 000 euros de chiffre d’affaires incrémental, le ROAS attribué est de 5, alors que le ROAS incrémental est de 1,8. Si la marge brute moyenne est de 35 %, la marge incrémentale est de 63 000 euros, inférieure au coût média : la campagne peut être positive en revenu mais négative en contribution.

Ce calcul doit intégrer les frais réels de la chaîne programmatique. Entre le budget brut et l’impression achetée, les frais DSP, SSP, supply-side platforms, plateformes utilisées par les éditeurs pour vendre leur inventaire, data fees, mesure, vérification et marges intermédiaires peuvent représenter 15 % à 40 % selon les configurations. Évaluer un DSP sans intégrer ces coûts revient à surestimer sa contribution économique.

Choisir le bon protocole expérimental : holdout, geo-test ou split DSP

Le choix de méthode dépend du type d’activation, du volume disponible et de la granularité des données. Le holdout utilisateur est souvent le protocole le plus direct lorsque les identifiants et le consentement permettent de constituer une population éligible. Une partie des utilisateurs est exposée via le DSP, une autre est volontairement exclue. La différence de taux de conversion, de chiffre d’affaires ou de marge entre les deux groupes permet d’estimer le lift incrémental.

Exemple : une marque e-commerce dispose de 2 millions d’utilisateurs adressables. Elle randomise 90 % en groupe exposable et 10 % en groupe de contrôle. Après quatre semaines, le groupe exposable affiche un taux d’achat de 3,4 %, contre 3,0 % dans le contrôle. Le lift relatif est de 13,3 %. Si le chiffre d’affaires moyen par acheteur est de 82 euros et que l’écart est statistiquement significatif, le chiffre d’affaires incrémental peut être estimé sur la population exposée. Ce protocole est particulièrement utile pour le retargeting, les audiences CRM, le retail media offsite ou les campagnes dans des environnements logués.

Le geo-test est adapté lorsque l’exposition ne peut pas être randomisée au niveau utilisateur ou lorsque l’effet attendu est plus diffus. Certaines zones géographiques sont activées via le DSP, d’autres servent de contrôle. Les zones doivent être comparables en taille, historique de ventes, saisonnalité, pression concurrente et structure de distribution. Des méthodes de matching ou de synthetic control, contrôle synthétique construit à partir d’une combinaison de zones non exposées, permettent d’améliorer la comparabilité.

Un geo-test bien conçu évite de comparer Paris à une zone rurale sans correction. Il sélectionne des marchés historiques similaires, observe une période pré-test pour valider la corrélation, puis mesure l’écart pendant la campagne. Si les zones exposées progressent de 9 % et les zones contrôle de 4 %, l’effet brut est de 5 points. Il faut ensuite corriger les promotions, ruptures de stock, écarts de prix et événements locaux. Le geo-test est pertinent pour la vidéo, la TV connectée, le DOOH, le drive-to-store ou les campagnes de notoriété dont l’effet dépasse le clic.

Le split DSP sert à comparer deux plateformes. Mais il est plus délicat qu’il n’y paraît. Si les deux DSP enchérissent simultanément sur les mêmes utilisateurs et inventaires, ils peuvent se concurrencer, augmenter les CPM, coût pour mille impressions, et brouiller la lecture. La meilleure pratique consiste à répartir les audiences, les zones ou les deals de manière exclusive, puis à harmoniser les règles. Le test doit contrôler les budgets, les caps de fréquence, les créations, les objectifs de bidding et les fenêtres d’attribution. Sinon, le résultat mesure davantage la configuration opérationnelle que la qualité intrinsèque du DSP.

Dans les tests avancés, l’utilisation de CUPED, controlled-experiment using pre-experiment data, méthode statistique qui réduit la variance en utilisant le comportement pré-test comme covariable, peut améliorer la précision. C’est utile lorsque les lifts attendus sont faibles, par exemple 2 % à 5 %, mais économiquement significatifs sur de gros volumes.

Neutraliser les biais qui gonflent artificiellement le ROAS du DSP

Le ROAS d’un DSP est particulièrement exposé à la sur-attribution. Le premier biais est le biais d’intention. Les algorithmes identifient naturellement les utilisateurs les plus susceptibles de convertir : visiteurs récents, abandonnistes panier, clients actifs, audiences lookalike très proches du CRM. Ces profils convertissent mieux avec ou sans média. Si le modèle ne contrôle pas l’intention préexistante, le DSP capte du crédit plutôt qu’il ne crée de la demande.

Le deuxième biais est le post-view permissif. L’attribution post-view attribue une conversion à une impression vue ou supposée vue, sans clic. Elle est légitime pour mesurer des formats non cliqués, mais dangereuse si la fenêtre est trop longue ou si la viewability, visibilité effective de l’impression, n’est pas contrôlée. Une fenêtre post-view de 7 jours peut multiplier fortement les conversions attribuées par rapport à une fenêtre de 24 heures, sans que l’incrémentalité suive. Les impressions non visibles, non mesurables ou associées à du trafic invalide doivent être exclues du crédit.

Le troisième biais est la fréquence excessive. Plus un utilisateur est exposé, plus le DSP augmente ses chances d’être présent avant une conversion naturelle. Le modèle doit analyser la contribution marginale par niveau d’exposition. Si les trois premières impressions génèrent l’essentiel du lift et que les impressions au-delà de dix augmentent seulement les conversions attribuées, le capping doit être revu. Une campagne peut afficher un ROAS plateforme élevé parce qu’elle martèle une petite audience chaude, tout en détruisant de la marge incrémentale.

Le quatrième biais est la qualité média. Certains inventaires bon marché génèrent beaucoup d’impressions, donc beaucoup d’opportunités d’attribution, mais peu d’attention réelle. Les signaux à contrôler incluent la viewability, le taux de complétion vidéo, la position, le type d’app ou de domaine, la conformité ads.txt ou app-ads.txt, la brand safety et l’IVT, invalid traffic, trafic invalide provenant de bots, comportements non humains ou pratiques frauduleuses. Un DSP performant doit améliorer le rapport entre coût, qualité d’attention et contribution, pas seulement acheter moins cher.

Le cinquième biais vient de la déduplication inter-canaux. Search, social, affiliation, email, CRM et DSP peuvent revendiquer la même conversion. Si chaque plateforme applique sa propre fenêtre, le ROAS total dépasse mécaniquement la réalité. Une source de vérité indépendante, ad server, CDP, customer data platform, plateforme de centralisation et activation des données clients, ou outil de mesure, doit imposer des règles de priorité. Le DSP doit être évalué dans un système de mesure global, pas dans son propre reporting isolé.

Évaluer la valeur propre du DSP : enchères, inventaire, data et supply path

Une fois l’incrémentalité établie, il reste à comprendre pourquoi le DSP crée ou non de la valeur. Quatre leviers doivent être isolés. Le premier est l’algorithme d’enchères. Un DSP optimisé sur conversion binaire privilégiera les utilisateurs proches de l’achat. Un DSP alimenté par des signaux de marge, nouveau client, LTV ou probabilité de réachat peut orienter les enchères vers une valeur économique supérieure. Le test consiste à comparer un bidding standard à un bidding value-based, en gardant le reste constant.

Le deuxième levier est l’accès inventaire. Tous les DSP n’ont pas la même profondeur sur la vidéo, la TV connectée, l’audio, le display premium, le mobile in-app ou les deals retail media. L’impact ne se mesure pas seulement au CPM. Un inventaire à 8 euros de CPM peut être plus rentable qu’un inventaire à 2 euros si sa visibilité, sa complétion et son lift de conversion sont supérieurs. Le coût utile doit être calculé par impression visible, par utilisateur incrémental touché ou par point de lift, pas uniquement par mille impressions servies.

Le troisième levier est la donnée. Le DSP peut activer des segments first-party, données collectées directement par la marque ou le retailer, des segments contextuels, des audiences transactionnelles ou des modèles lookalike. Leur valeur doit être mesurée par segment. Les audiences les plus performantes en ROAS attribué ne sont pas toujours les plus incrémentales. Une audience CRM récente peut afficher un CPA très bas mais un faible lift, tandis qu’une audience catégorie plus froide peut recruter davantage de nouveaux clients.

Le quatrième levier est le supply path optimization, ou SPO, optimisation des chemins d’approvisionnement publicitaire. Il s’agit de réduire les chemins redondants, opaques ou coûteux entre acheteur et éditeur. Le SPO peut améliorer la transparence, réduire les frais, limiter la duplication d’enchères et améliorer l’accès aux impressions de qualité. Pour le mesurer, il faut comparer les chemins sur des indicateurs comme le coût net éditeur estimé, la viewability, le taux d’IVT, la duplication d’impressions, le win rate et le ROAS incrémental par place de marché ou deal.

Cette analyse permet de dépasser une conclusion simpliste du type le DSP marche ou ne marche pas. Il peut très bien être performant sur la vidéo premium mais médiocre sur l’open display, excellent en activation CRM mais faible en prospection, ou efficace économiquement seulement après exclusion de certains supply paths. La mesure doit déboucher sur des décisions d’architecture média.

Exemple de lecture : quand le ROAS attribué contredit le ROAS incrémental

Prenons le cas d’un retailer spécialisé qui investit 300 000 euros sur trois mois via un DSP pour soutenir une catégorie à forte marge. Le reporting plateforme indique 1,8 million d’euros de chiffre d’affaires attribué, soit un ROAS de 6. Le CPA attribué est de 18 euros, avec 100 000 conversions attribuées. À première vue, la campagne paraît très performante.

Un audit révèle toutefois que 48 % des conversions attribuées proviennent d’utilisateurs ayant visité le site dans les 72 heures précédentes, 22 % de clients actifs ayant acheté dans les 60 derniers jours, et 18 % d’impressions post-view non cliquées avec une fenêtre de 7 jours. La part de nouveaux clients n’est que de 14 %. Le modèle d’attribution a donc fortement valorisé la proximité avec l’achat.

L’équipe met en place un holdout de 10 % sur les audiences retargeting et un geo-test sur la prospection. Résultat : le retargeting affiche un lift de conversion de 6 %, contre un ROAS attribué très élevé. La prospection display affiche un ROAS attribué de seulement 1,7, mais un lift de nouveaux clients de 11 % dans les zones exposées. Après recalcul, le chiffre d’affaires incrémental total est estimé à 620 000 euros, soit un ROAS incrémental de 2,07. En appliquant une marge moyenne de 42 %, la marge incrémentale atteint 260 400 euros, inférieure au budget média si l’on inclut 45 000 euros de frais data, création et mesure.

La conclusion n’est pas d’arrêter le DSP, mais de modifier son usage. L’équipe réduit les fenêtres post-view, exclut les acheteurs récents, plafonne la fréquence sur les abandonnistes, réalloue 25 % du budget vers des audiences catégorie et optimise les enchères sur marge plutôt que chiffre d’affaires. Au trimestre suivant, le ROAS attribué baisse de 6 à 4,1, mais le ROAS incrémental progresse de 2,07 à 2,8 et la part de nouveaux clients passe de 14 % à 29 %. C’est typiquement le type d’arbitrage qu’une mesure incrémentale rend possible.

Installer une gouvernance de mesure durable

Mesurer une fois ne suffit pas. Le ROAS incrémental d’un DSP varie selon la saison, la pression concurrente, la maturité des audiences, les promotions, les créations, les stocks et la saturation média. Une gouvernance sérieuse doit définir un rythme de tests, des règles de lecture et des seuils de décision. Les tests d’incrémentalité peuvent être trimestriels sur les grands leviers, mensuels sur les optimisations tactiques à fort volume, et continus sur certaines plateformes lorsque la randomisation est intégrée.

Un tableau de bord utile doit présenter trois lectures côte à côte : attribution plateforme, attribution dédupliquée et contribution incrémentale estimée. Il doit inclure dépenses brutes, dépenses nettes, frais technologiques, impressions visibles, reach incrémental, fréquence, conversions attribuées, ventes incrémentales, marge incrémentale, nouveaux clients, LTV prévisionnelle et niveau de confiance statistique. Sans niveau de confiance, un lift de 3 % peut être surinterprété alors qu’il se situe dans le bruit.

Les seuils doivent être définis avant le test. Par exemple : maintenir le budget si le ROAS incrémental est supérieur à 2,5 avec un intervalle de confiance acceptable ; réduire la pression si le lift retargeting est inférieur à 5 % ; augmenter la prospection si le coût par nouveau client incrémental reste inférieur à la marge LTV à 12 mois ; exclure les supply paths dont la viewability est inférieure à 50 % et l’IVT supérieur à 3 %. Ces règles évitent les interprétations opportunistes après coup.

La collaboration entre marketing, data, finance et média est indispensable. Le marketing définit les objectifs de funnel. La data conçoit le protocole et contrôle la significativité. La finance valide la marge, les coûts complets et les seuils de rentabilité. Les équipes média traduisent les résultats en enchères, exclusions, formats, deals et budgets. Sans cette boucle, l’incrémentalité reste un exercice analytique sans impact opérationnel.

Conclusion : mesurer le DSP comme un système de décision, pas comme une ligne de reporting

Mesurer l’impact d’un DSP sur le ROAS incrémental exige de dépasser les métriques natives de plateforme. La démarche commence par une question précise : veut-on mesurer le canal programmatique, comparer deux DSP ou évaluer une fonctionnalité d’optimisation ? Elle se poursuit par un protocole causal : holdout, geo-test, split DSP ou modèle hybride. Elle se renforce par une lecture économique : marge, nouveaux clients, LTV, coûts complets et qualité média. Elle devient utile lorsqu’elle modifie effectivement les décisions d’achat.

La feuille de route opérationnelle peut tenir en sept étapes. Premièrement, définir l’hypothèse de mesure et la décision attendue. Deuxièmement, séparer attribution, contribution incrémentale et valeur économique. Troisièmement, construire un groupe de contrôle ou un design géographique robuste. Quatrièmement, réduire les biais de post-view, de fréquence, d’intention et de déduplication. Cinquièmement, analyser la contribution par audience, format, inventaire et supply path. Sixièmement, recalculer le ROAS sur chiffre d’affaires incrémental puis, si possible, sur marge incrémentale. Septièmement, intégrer les enseignements dans les enchères, les exclusions, les caps et l’allocation budgétaire.

Le bon indicateur n’est pas le ROAS que le DSP revendique, mais le ROAS que l’entreprise aurait perdu si le DSP n’avait pas été activé. Cette formulation oblige à raisonner en causalité, en coût complet et en capital client. Elle peut conduire à des conclusions contre-intuitives : baisser un levier au ROAS attribué élevé, augmenter un levier de prospection apparemment moins rentable, payer plus cher un inventaire plus qualitatif, ou réduire la pression sur des clients déjà acquis.

À ce niveau de maturité, le DSP cesse d’être évalué comme un simple outil d’achat. Il devient un système de décision dont la valeur dépend de sa capacité à sélectionner les bonnes impressions, au bon prix, auprès des bonnes audiences, avec une preuve incrémentale. C’est cette discipline, plus que le volume de conversions attribuées, qui permet de transformer le programmatique en levier de croissance réellement mesurable.