Quand le capping dégrade le ROAS : enseignements d’un test RTB

Le capping protège la pression média, mais peut casser la mécanique de conversion

Le frequency capping, ou plafonnement de fréquence, consiste à limiter le nombre d’expositions publicitaires servies à un utilisateur sur une période donnée. Dans les plans programmatiques, il est souvent présenté comme une règle d’hygiène : éviter la saturation, réduire le gaspillage, maîtriser la répétition et protéger l’expérience utilisateur. Sur le papier, un cap à 3 impressions par jour ou 8 impressions par semaine semble rationnel. Dans la pratique, il peut dégrader le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, lorsqu’il est appliqué sans tenir compte du cycle d’achat, du niveau d’intention, de la qualité de l’inventaire et de la fenêtre d’attribution.

Un test RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression publicitaire au moment où elle devient disponible, illustre cette tension. Sur une campagne e-commerce opérée via un DSP, demand-side platform, plateforme utilisée par les acheteurs pour acheter des impressions publicitaires automatisées, trois niveaux de capping ont été comparés pendant quatre semaines : 3 impressions sur 24 heures, 6 impressions sur 48 heures et 12 impressions sur 7 jours. L’objectif initial était classique : réduire la répétition sur les utilisateurs déjà exposés et améliorer le CPA, coût par acquisition, c’est-à-dire le coût nécessaire pour générer une conversion attribuée.

Le résultat a été contre-intuitif. Le cap le plus strict a réduit le CPM moyen, coût pour mille impressions, de 9 %, et diminué la fréquence moyenne de 38 %. Mais il a aussi fait baisser le taux de conversion post-exposition de 21 % et le ROAS attribué de 17 %. À l’inverse, le cap intermédiaire a généré le meilleur équilibre : fréquence mieux contrôlée que le groupe sans restriction forte, CPA inférieur de 11 % et ROAS supérieur de 14 % au cap strict. Le problème n’était donc pas le capping en soi. Le problème était une règle trop uniforme appliquée à des signaux hétérogènes.

Pour les professionnels du marketing, l’enseignement est important : la fréquence n’est pas seulement un coût ou un irritant. C’est aussi une variable de persuasion, de mémorisation et de timing. Un capping mal calibré peut supprimer les impressions marginales qui auraient transformé une intention latente en conversion, surtout dans les funnels où plusieurs contacts sont nécessaires avant l’achat. Optimiser la fréquence revient donc à arbitrer entre saturation et sous-exposition, et non à chercher mécaniquement la fréquence la plus basse.

Comprendre pourquoi un cap trop strict pénalise le ROAS

Le capping dégrade le ROAS lorsqu’il coupe des expositions qui ont encore une valeur marginale positive. La valeur marginale d’une impression désigne la contribution supplémentaire attendue d’une exposition additionnelle, après prise en compte de son coût. Dans un modèle idéal, l’annonceur devrait continuer à exposer un utilisateur tant que la probabilité incrémentale de conversion justifie le CPM payé. Le cap fixe remplace ce calcul dynamique par une règle administrative.

La difficulté vient du fait que la valeur marginale n’est pas constante. Une première impression peut créer la reconnaissance de marque, une deuxième rappeler l’offre, une troisième déclencher une visite, une quatrième rassurer avant achat, tandis qu’une dixième impression sur un visiteur déjà convaincu peut être inutile ou nuisible. Cette courbe dépend du produit, du prix, de la durée de décision, de la notoriété initiale, de la création, du canal et du contexte d’exposition. Appliquer le même cap à un panier moyen de 25 euros et à un équipement à 900 euros revient à ignorer la structure du funnel.

Dans le test observé, le cap strict a surtout pénalisé les utilisateurs situés en considération active. Ces profils avaient visité une fiche produit ou ajouté un article au panier dans les 14 jours, mais n’avaient pas encore converti. Leur fréquence efficace, mesurée comme le niveau d’exposition où le taux de conversion marginal restait supérieur au coût média, se situait entre 5 et 8 impressions sur 7 jours. En les limitant trop tôt, le dispositif a réduit la capacité du DSP à réengager ces audiences au moment opportun.

Le phénomène est accentué par la logique d’enchères. En RTB, le DSP évalue chaque opportunité selon des signaux d’audience, de contexte, de prix, de probabilité de clic ou de conversion. Si le cap retire un utilisateur du pool éligible, l’algorithme ne peut plus arbitrer entre une impression chère mais très qualifiée et une impression moins chère mais plus faible. La règle de fréquence prend le dessus sur le modèle de valeur. Dans certains cas, le cap améliore l’efficacité en supprimant du bruit. Dans d’autres, il prive l’algorithme de ses meilleures opportunités.

Un autre effet moins visible concerne l’apprentissage. Les stratégies d’enchères automatisées ont besoin de signaux pour estimer quelles combinaisons audience-inventaire-création convertissent. Un capping trop bas réduit le volume d’expositions et donc le nombre d’événements observables. Sur des campagnes à faible volume de conversions, la contrainte peut dégrader la qualité de l’apprentissage, allonger la phase d’exploration et accroître la variance des performances.

Le protocole du test : isoler la fréquence sans confondre les effets

Tester le capping exige un protocole plus rigoureux qu’une simple comparaison avant-après. Les performances programmatiques varient avec la saisonnalité, la pression promotionnelle, la concurrence en enchères, la disponibilité produit, les créations, les segments d’audience et les modifications d’algorithme. Sans groupe de contrôle, une baisse de ROAS peut être attribuée à tort au capping alors qu’elle provient d’un changement de prix, d’un retard de livraison ou d’une hausse concurrentielle des CPM.

Le test RTB analysé a suivi un découpage en trois cellules comparables, chacune représentant environ un tiers de l’audience éligible. La répartition a été faite au niveau utilisateur lorsque l’identification était disponible et au niveau cohorte probabiliste lorsque les signaux étaient incomplets. Les trois cellules recevaient les mêmes créations, les mêmes objectifs d’enchères, les mêmes segments de départ et les mêmes contraintes de brand safety. La seule variable modifiée était le niveau de capping.

• Cellule A : cap strict à 3 impressions par utilisateur sur 24 heures, avec réinitialisation quotidienne.
• Cellule B : cap intermédiaire à 6 impressions sur 48 heures, plus proche du rythme de décision observé.
• Cellule C : cap étendu à 12 impressions sur 7 jours, permettant davantage de répétition mais limitant les surexpositions extrêmes.

Les KPI ont été définis à trois niveaux. Au niveau média : CPM, reach, fréquence moyenne, fréquence médiane, taux de clic, viewability et taux d’impressions visibles. Au niveau conversion : CPA, ROAS attribué, taux de conversion post-clic et post-view, panier moyen et part des nouveaux clients. Au niveau qualité : taux de désabonnement CRM post-exposition, signaux de fatigue créative, chevauchement avec le search marque et taux de conversions déjà engagées avant exposition.

Le recours à l’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact média, a été volontairement encadré. Une fenêtre post-clic de 7 jours et post-view de 24 heures a été utilisée pour éviter de surcréditer les impressions anciennes. Un sous-échantillon a aussi été analysé en holdout, c’est-à-dire avec un groupe volontairement exclu de l’exposition, afin d’estimer l’incrémentalité. L’incrémentalité mesure la part de performance réellement causée par la campagne par rapport à ce qui se serait produit sans exposition.

Cette discipline méthodologique est essentielle. Un cap strict peut mécaniquement améliorer certains indicateurs de surface, comme la fréquence moyenne ou le taux de clic, sans améliorer la contribution business. À l’inverse, un cap plus ouvert peut sembler moins élégant en reporting média, mais générer davantage de marge incrémentale si les impressions additionnelles touchent les bons profils dans les bons contextes.

Les résultats : moins de répétition ne signifie pas plus d’efficacité

Les résultats agrégés montrent pourquoi le capping doit être lu au-delà de la seule fréquence moyenne. La cellule A, la plus restrictive, a livré 2,7 impressions moyennes par utilisateur exposé sur la période, contre 4,9 pour la cellule B et 7,8 pour la cellule C. Le CPM moyen de la cellule A était inférieur, à 3,60 euros contre 3,95 euros pour la cellule B et 4,20 euros pour la cellule C. À première vue, le cap strict semblait donc plus efficient : moins de pression et un coût média plus bas.

Mais la lecture business inversait le diagnostic. La cellule A a généré un ROAS attribué de 4,1, la cellule B de 4,8 et la cellule C de 4,5. Le CPA s’établissait respectivement à 22 euros, 19,6 euros et 20,8 euros. La cellule B offrait donc la meilleure rentabilité, malgré un CPM supérieur au cap strict. Le cap étendu, quant à lui, générait davantage de conversions mais avec une baisse de rendement marginal sur les expositions les plus fréquentes.

La distribution par niveau de fréquence a apporté l’explication la plus utile. Les utilisateurs exposés une ou deux fois convertissaient faiblement, avec un taux de conversion post-exposition de 0,18 %. Entre 3 et 5 expositions, ce taux montait à 0,31 %. Entre 6 et 8 expositions, il atteignait 0,34 %, avant de redescendre à 0,29 % au-delà de 10 expositions. La courbe n’était donc ni linéaire ni strictement décroissante. Elle présentait un plateau efficace entre 4 et 8 contacts.

Les résultats variaient fortement selon les segments. Sur les visiteurs récents sans panier, le cap intermédiaire surperformait de 18 % en ROAS par rapport au cap strict. Sur les abandonnistes panier, la différence atteignait 24 %, car plusieurs rappels étaient souvent nécessaires pour déclencher la transaction. En revanche, sur les clients existants ayant acheté dans les 30 jours, le cap strict était préférable : les expositions additionnelles généraient peu de ventes incrémentales et augmentaient le risque de cannibalisation.

L’analyse par création a aussi révélé un facteur important. Les messages promotionnels à forte incitation saturaient plus vite que les créations de réassurance ou de preuve produit. Une bannière affichant une remise immédiate perdait en efficacité après 4 à 5 expositions. Une vidéo courte expliquant le bénéfice produit conservait une valeur marginale jusqu’à 7 expositions visibles. Le capping ne peut donc pas être pensé uniquement au niveau campagne ; il doit être relié au rôle de chaque création dans le funnel.

Les biais qui font croire qu’un capping plus bas est toujours meilleur

Plusieurs biais de mesure poussent les équipes marketing à survaloriser les caps bas. Le premier est le biais du taux. Une pression plus faible peut améliorer le taux de clic ou le taux de conversion par impression, simplement parce que les impressions restantes sont les plus qualifiées. Mais si le volume de conversions diminue davantage que le coût, le ROAS peut se dégrader. L’optimisation au taux produit alors une décision contraire à la contribution totale.

Le deuxième biais vient de la moyenne. Une fréquence moyenne de 6 peut masquer deux réalités très différentes : une distribution homogène autour de 5 à 7 expositions, ou une distribution déséquilibrée avec une majorité d’utilisateurs à 1 exposition et une minorité surexposée à 25. Dans le second cas, le problème n’est pas nécessairement le niveau moyen de fréquence, mais sa concentration. Une bonne analyse doit regarder les percentiles : fréquence médiane, 75e percentile, 90e percentile et part des utilisateurs exposés au-delà d’un seuil critique.

Le troisième biais est lié à l’attribution last touch, ou dernier point de contact, qui attribue la conversion au dernier contact observé. Un cap strict peut réduire les expositions hautes fréquences et déplacer le crédit vers d’autres canaux, notamment le search marque, l’email ou l’affiliation. Le ROAS programmatique baisse alors, mais cela ne signifie pas toujours que la campagne détruit de la valeur. Il faut vérifier si les ventes totales diminuent, si le search marque récupère artificiellement le crédit ou si le panier moyen évolue.

Le quatrième biais concerne la fatigue publicitaire. La fatigue est réelle, mais elle est souvent mal diagnostiquée. Une baisse de performance après plusieurs expositions peut provenir d’une mauvaise création, d’une audience trop étroite, d’un inventaire de faible qualité ou d’une promotion peu attractive. Réduire le capping traite le symptôme, pas toujours la cause. Dans certains cas, une rotation créative, une exclusion CRM ou un ajustement d’enchères par contexte produit plus de valeur qu’un cap global plus strict.

Enfin, les environnements sans identifiant stable compliquent l’analyse. Une même personne peut être vue comme plusieurs utilisateurs selon les navigateurs, devices ou niveaux de consentement. Un cap annoncé à 5 impressions par utilisateur peut devenir en pratique 9 ou 12 expositions par individu réel. À l’inverse, un cap trop strict au niveau identifiant peut sous-exposer les utilisateurs correctement reconnus et laisser passer de la surpression sur les utilisateurs mal résolus. La qualité de l’identité et du matching conditionne donc la pertinence du capping.

Construire un modèle de capping dynamique par valeur marginale

La réponse opérationnelle n’est pas d’abandonner le capping, mais de le rendre plus dynamique. Un framework utile consiste à croiser quatre dimensions : niveau d’intention, récence, valeur client et fatigue créative. Chaque dimension modifie la fréquence optimale. Un visiteur produit récent peut justifier une pression plus élevée pendant 72 heures. Un client fidèle ayant acheté récemment doit être plafonné plus bas. Un prospect froid peut nécessiter une répétition progressive, mais sur des créations de considération plutôt que sur une promotion agressive.

Une matrice simple peut servir de point de départ. Les audiences de prospection large peuvent être plafonnées à 3 à 5 impressions sur 7 jours, avec priorité à la couverture et à la diversité des contextes. Les audiences de considération, par exemple visiteurs catégorie ou lecteurs de contenu produit, peuvent monter à 5 à 8 impressions sur 7 jours. Les abandonnistes panier peuvent accepter 3 à 5 impressions sur 48 heures, mais avec une fenêtre courte et des exclusions dès conversion. Les clients récents doivent être limités plus fortement, sauf objectif explicite de cross-sell ou de réachat.

Ce modèle doit ensuite être ajusté par valeur économique. Toutes les conversions ne se valent pas. Une vente à forte marge, un nouveau client ou un abonnement à forte LTV, lifetime value, valeur économique attendue d’un client sur sa durée de relation avec la marque, peuvent justifier une pression plus élevée qu’une vente promotionnelle à faible marge. Le capping doit donc être aligné avec les signaux de valeur transmis au DSP : marge estimée, statut nouveau client, catégorie produit, probabilité de réachat et exclusions CRM.

La logique de fréquence doit aussi être reliée à la qualité d’inventaire. Une impression visible sur un environnement premium, avec une viewability élevée et un contexte affinitaire, n’a pas la même valeur qu’une impression peu visible en inventaire long tail. Un cap uniforme compte ces deux contacts de la même manière. Les configurations avancées pondèrent la fréquence effective : une impression non visible ou servie dans un contexte faible ne devrait pas consommer le même poids qu’une impression visible, complétée ou engagée.

Sur le plan technique, plusieurs approches sont possibles. La première consiste à définir des caps différenciés par segment dans le DSP. La deuxième consiste à ajuster les enchères en fonction de la fréquence plutôt que de bloquer l’exposition : par exemple, maintenir l’éligibilité mais réduire le bid après 8 expositions sauf si le score de conversion reste élevé. La troisième consiste à piloter la séquence créative : message de découverte aux premières expositions, preuve produit ensuite, offre ou urgence seulement en fin de parcours. Cette approche est souvent plus performante qu’un simple plafond numérique.

Conditions de réussite : mesure incrémentale, logs et gouvernance

Un capping performant suppose une mesure plus robuste que les dashboards agrégés. Les log-level data, données détaillées au niveau de chaque requête, enchère, impression, clic ou conversion, permettent d’analyser précisément la fréquence réelle, les chemins d’achat, la qualité des impressions et les séquences d’exposition. Sans ces données, l’annonceur pilote une moyenne. Avec elles, il peut identifier les zones où la fréquence ajoute de la valeur et celles où elle détruit du rendement.

Les logs permettent notamment de répondre à plusieurs questions concrètes : combien d’utilisateurs atteignent réellement le cap, quelle part des conversions survient après chaque niveau d’exposition, quels SSP, supply-side platforms, plateformes utilisées par les éditeurs pour vendre leur inventaire, concentrent les hautes fréquences, quels formats saturent le plus vite, et quelles créations conservent une valeur marginale positive. Cette granularité transforme le capping d’une règle de confort en levier d’optimisation.

La mesure incrémentale doit rester le garde-fou principal. Une campagne peut afficher un ROAS élevé à forte fréquence parce qu’elle touche surtout des utilisateurs déjà décidés. À l’inverse, une fréquence intermédiaire peut sembler moins performante en attribution mais générer davantage de ventes réellement additionnelles. Les holdouts, les geo-tests ou les tests de conversion lift permettent de distinguer les ventes attribuées des ventes causées. Sur les budgets significatifs, le capping devrait être validé au moins ponctuellement par ce type de protocole.

La gouvernance interne est tout aussi importante. Le marketing peut vouloir maximiser le ROAS, l’e-commerce accélérer les ventes court terme, la finance protéger la marge et le CRM éviter la surpression sur les clients connus. Sans règles communes, le capping devient un compromis politique plutôt qu’un paramètre économique. Un comité de mesure doit définir les fenêtres d’attribution, les segments sensibles, les exclusions après achat, les seuils de fréquence maximale et les règles de test.

Enfin, il faut accepter que la fréquence optimale évolue. Une période promotionnelle, une rupture de stock, une nouvelle création, une hausse concurrentielle des enchères ou un changement d’algorithme DSP peuvent modifier les résultats. Le capping n’est pas un réglage à figer au lancement de campagne. Il doit être revu par cohorte, par période et par objectif business. Une fréquence efficace en phase de lancement produit peut devenir excessive en phase de maintenance.

Conclusion : piloter la fréquence comme un investissement marginal, pas comme une contrainte fixe

L’enseignement central du test RTB est clair : réduire la répétition ne crée pas automatiquement de la performance. Un cap trop strict peut améliorer l’apparence média tout en dégradant le ROAS, parce qu’il supprime des impressions encore utiles à la conversion. À l’inverse, une fréquence trop élevée peut cannibaliser des ventes, accroître la fatigue et concentrer le budget sur des profils déjà acquis. La bonne approche consiste à chercher la fréquence marginalement rentable, segment par segment.

Une feuille de route actionnable peut s’organiser en six étapes. Premièrement, analyser la distribution réelle de fréquence, pas seulement la moyenne. Deuxièmement, mesurer le ROAS, le CPA et le taux de conversion par tranche d’exposition. Troisièmement, différencier les caps selon le niveau d’intention, la récence, la valeur client et le rôle créatif. Quatrièmement, utiliser les logs pour identifier les inventaires, formats et segments qui concentrent la surpression. Cinquièmement, tester les caps avec des groupes de contrôle et une lecture incrémentale. Sixièmement, intégrer les résultats dans les stratégies d’enchères plutôt que de piloter uniquement par blocage.

Le capping doit donc quitter le registre de la règle d’hygiène universelle pour devenir un outil de pilotage économique. Une impression supplémentaire n’est ni bonne ni mauvaise par principe. Elle est rentable si son coût est inférieur à la valeur incrémentale qu’elle génère. C’est cette logique, plus exigeante mais plus juste, qui permet de transformer la fréquence programmatique en levier de performance plutôt qu’en simple paramètre de limitation.