Retour d’expérience : optimiser le ROAS via une DSP omnicanale

L’omnicanal ne crée pas le ROAS par addition de canaux, mais par arbitrage de valeur

Optimiser le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, via une DSP omnicanale ne consiste pas à activer plus de formats dans une même interface. C’est une erreur fréquente : considérer qu’une plateforme capable d’acheter display, vidéo, TV connectée, audio digital, DOOH, digital out-of-home, affichage extérieur digital, et parfois retail media offsite, produit mécaniquement une meilleure performance. En pratique, le gain vient moins de la couverture fonctionnelle que de la capacité à organiser la pression média, la valeur d’audience, la séquence d’exposition et la mesure autour d’un objectif économique commun.

Une DSP, demand-side platform, est une plateforme utilisée par les acheteurs média pour acheter des impressions publicitaires de façon automatisée, souvent via RTB, real-time bidding, mécanisme d’enchères en temps réel qui évalue chaque opportunité d’impression au moment où elle devient disponible. Dans une approche omnicanale, la DSP ne sert plus seulement à acheter des bannières ou de la vidéo en open auction. Elle devient un moteur de décision : quel utilisateur exposer, sur quel écran, avec quelle création, à quel prix, à quelle fréquence et avec quelle attente de conversion ou de contribution au funnel.

Le retour d’expérience présenté ici repose sur un cas représentatif d’un annonceur e-commerce à forte saisonnalité, combinant acquisition de nouveaux clients et réactivation de visiteurs engagés. Le budget test était de 1,2 million d’euros sur 12 semaines, réparti entre display prospecting, vidéo online, TV connectée, audio digital et retargeting dynamique. L’objectif initial était d’améliorer le ROAS attribué de 20 % sans réduire le volume de ventes. Le résultat final a été plus nuancé : le ROAS plateforme est passé de 3,4 à 4,1, soit une progression d’environ 21 %, mais le principal apprentissage a concerné la qualité de la contribution incrémentale, c’est-à-dire la part de ventes réellement causée par l’exposition publicitaire plutôt que simplement interceptée.

Ce point est essentiel pour les professionnels du marketing. Une DSP omnicanale peut augmenter le ROAS apparent en concentrant les dépenses sur les audiences les plus proches de l’achat. Mais elle peut aussi dégrader la croissance si elle cannibalise les conversions organiques ou surexpose les clients existants. L’enjeu n’est donc pas seulement d’optimiser un indicateur, mais de définir les conditions dans lesquelles le ROAS reflète une création de valeur réelle.

Point de départ : établir une ligne de base avant d’optimiser

La première étape n’a pas été l’activation média, mais l’audit de la situation initiale. Avant le passage à une logique omnicanale, l’annonceur pilotait ses leviers séparément : display programmatique dans une DSP, vidéo via des deals spécifiques, retargeting dans une autre plateforme et campagnes audio achetées en gré à gré. Chaque canal possédait ses propres fenêtres d’attribution, ses propres règles de fréquence et ses propres rapports. Le ROAS consolidé était donc plus une addition de vérités plateformes qu’une mesure unifiée de performance.

L’audit a montré trois problèmes classiques. Premier problème : une duplication d’audience élevée. Sur les segments visiteurs récents, 38 % des cookies ou identifiants reconnus étaient éligibles simultanément à au moins trois tactiques différentes. Deuxième problème : une pression média mal contrôlée. Certains utilisateurs exposés au retargeting recevaient plus de 25 impressions sur 7 jours, tandis que les audiences de prospection étaient sous-exposées, avec moins de 2 impressions visibles par semaine. Troisième problème : une attribution survalorisant le bas de funnel. Le retargeting représentait 42 % des ventes attribuées, mais seulement 18 % des nouveaux clients.

Le framework utilisé pour cadrer le diagnostic a distingué quatre niveaux :

• Couverture utile : part de l’audience cible réellement touchée, après déduplication entre canaux et devices.
• Pression efficace : fréquence moyenne et distribution de fréquence, en distinguant sous-exposition et saturation.
• Valeur d’audience : probabilité de conversion, marge attendue, statut nouveau client, intention et récence.
• Contribution mesurée : ROAS attribué, CPA, coût par acquisition, coût nécessaire pour générer une conversion attribuée, et estimation d’incrémentalité.

Cette phase de baseline a évité une erreur fréquente : demander à l’algorithme d’optimiser sans lui fournir une définition correcte de la valeur. Si toutes les conversions sont remontées avec le même poids, la DSP privilégie logiquement les utilisateurs les plus faciles à convertir. Pour corriger ce biais, les conversions ont été enrichies par trois signaux : nouveau client versus client existant, marge produit estimée et catégorie de panier. Une vente de 80 euros à forte marge générée par un nouveau client n’a pas été traitée comme une vente de 80 euros sous promotion réalisée par un client fidèle déjà actif.

Repenser l’architecture du funnel dans la DSP

Une DSP omnicanale performante exige une architecture de campagne qui reflète le funnel, c’est-à-dire le parcours allant de la découverte à la considération, puis à la conversion et à la fidélisation. Dans le cas observé, l’organisation initiale était centrée sur les formats : une campagne display, une campagne vidéo, une campagne retargeting, une campagne audio. Cette structure facilite le reporting média, mais elle ne correspond pas à la logique de décision utilisateur.

Le modèle a été reconstruit autour de quatre étages. Le premier étage visait la prospection large qualifiée : audiences contextuelles, segments d’intention, lookalikes CRM et inventaires vidéo premium. Le deuxième étage visait la considération : utilisateurs exposés à une vidéo complète, visiteurs de pages catégorie, interactions avec les formats rich media, recherches associées à la catégorie. Le troisième étage visait la conversion : visiteurs produits, paniers abandonnés, signaux de forte intention. Le quatrième étage visait la réactivation : clients dormants ou acheteurs passés sur une catégorie complémentaire.

Chaque étage avait une logique de KPI différente. En prospection, le ROAS immédiat n’était pas le seul indicateur ; le coût par visite qualifiée, le taux de nouveaux visiteurs, la complétion vidéo et la progression des requêtes marque étaient suivis. En considération, l’attention portait sur le coût par utilisateur engagé, la fréquence utile et le passage vers des pages produit. En conversion, le CPA et le ROAS restaient centraux, mais avec des exclusions strictes des utilisateurs trop récents ou déjà convertis. En réactivation, le critère principal était la marge incrémentale attendue.

Cette reconstruction a produit un effet immédiat sur la distribution budgétaire. Avant le test, 55 % du budget programmatique était concentré sur le retargeting et les audiences chaudes. Après restructuration, cette part est descendue à 34 %, tandis que la vidéo et la prospection display sont montées de 28 % à 43 %. À court terme, ce déplacement aurait pu dégrader le ROAS plateforme. Il a été rendu possible par une segmentation plus fine des audiences et par une logique de séquençage : ne pas demander à la vidéo de convertir seule, mais l’utiliser pour créer des populations plus réceptives aux messages suivants.

Un exemple concret : les utilisateurs ayant complété au moins 75 % d’une vidéo produit ont été réexposés dans les 5 jours à un format display orienté preuve, puis exclus du retargeting promotionnel pendant 48 heures pour éviter une remise trop précoce. Ce type de règle simple a permis de réduire la cannibalisation promotionnelle et d’améliorer la valeur moyenne des paniers.

Utiliser le RTB comme moteur de décision économique

Le RTB est souvent décrit comme une mécanique d’achat d’impressions. Dans une stratégie omnicanale avancée, il doit être piloté comme une mécanique de décision économique. Chaque bid, ou enchère, doit refléter une valeur attendue : probabilité de conversion, valeur du panier, marge, coût d’opportunité, risque de saturation et rôle dans le parcours.

La DSP utilisée dans ce cas permettait d’appliquer des stratégies d’enchères différenciées selon l’audience, le contexte, le format et le device. Le paramétrage initial optimisait principalement vers un CPA cible. Or le CPA cible peut devenir dangereux si la valeur des conversions varie fortement. L’équipe a donc migré vers une logique de ROAS cible pondéré par la valeur, avec des règles complémentaires de plafond de fréquence et d’exclusion.

Trois ajustements ont été déterminants. D’abord, les enchères ont été relevées sur les audiences de nouveaux prospects à forte intention, même lorsque leur CPA observé était supérieur de 25 % à la moyenne. La justification venait de leur LTV, lifetime value, valeur économique attendue d’un client sur sa durée de relation avec la marque, estimée 1,4 fois supérieure à celle des clients réactivés. Ensuite, les enchères ont été réduites sur les visiteurs très récents ayant déjà ajouté un produit au panier dans les 2 dernières heures. Leur probabilité de conversion organique était élevée ; les exposer immédiatement à une publicité payante augmentait le ROAS attribué, mais pas nécessairement les ventes incrémentales. Enfin, les floors, prix planchers définis côté vendeur ou plateforme, ont été analysés par environnement afin d’éviter de surpayer certains inventaires vidéo à faible complétion.

Sur 12 semaines, la win rate, part des enchères gagnées parmi les enchères envoyées, a baissé de 18 % à 14 %, ce qui pourrait sembler négatif. Mais le coût par impression visible a diminué de 11 % et le taux de conversion post-clic des impressions gagnées a progressé de 17 %. L’objectif n’était donc pas de gagner plus d’enchères, mais de gagner de meilleures enchères. Ce glissement est fondamental : une DSP omnicanale ne doit pas maximiser le volume d’achat, mais optimiser le coût marginal d’une exposition utile.

La supply path optimization, ou SPO, optimisation des chemins d’achat entre acheteurs et inventaires, a aussi joué un rôle. En analysant les performances par SSP, supply-side platform, plateforme utilisée par les éditeurs pour vendre leur inventaire, l’équipe a identifié deux chemins qui affichaient un CPM inférieur mais une viewability plus faible et un taux de clic anormalement élevé sans conversion. Ces chemins ont été plafonnés, puis remplacés par des deals plus transparents. Le CPM moyen a augmenté de 6 %, mais le CPA a reculé de 13 % sur les mêmes segments d’audience.

Gérer la fréquence omnicanale : le levier sous-estimé du ROAS

La fréquence est l’un des sujets les plus sous-estimés dans l’optimisation du ROAS. Une fréquence trop faible ne laisse pas au message le temps de produire un effet. Une fréquence trop élevée augmente mécaniquement le coût, dégrade l’expérience utilisateur et attribue des conversions qui auraient pu se produire sans exposition supplémentaire. Dans un achat fragmenté par canal, ce problème est difficile à contrôler. Dans une DSP omnicanale, il devient pilotable, à condition de disposer d’identifiants suffisamment cohérents et d’une gouvernance claire.

Le cas étudié a montré une courbe de rendement décroissant très nette. Entre 1 et 4 impressions visibles sur 7 jours, le taux de conversion progressait régulièrement. Entre 5 et 9 impressions, il continuait à progresser mais plus faiblement. Au-delà de 10 impressions, le coût additionnel dépassait souvent le revenu attribué, sauf sur les paniers abandonnés à forte valeur. Cette observation a conduit à définir des caps différenciés par étape de funnel :

• Prospection vidéo et display : 3 à 5 impressions visibles par semaine, avec priorité à la couverture incrémentale.
• Considération : 5 à 8 impressions sur 10 jours, en variant les messages et les formats.
• Retargeting produit : 4 à 6 impressions sur 72 heures, avec arrêt immédiat après achat ou indisponibilité produit.
• Réactivation client : fréquence plus faible mais fenêtre plus longue, afin d’éviter l’effet de harcèlement publicitaire.

La fréquence omnicanale a aussi nécessité une réflexion créative. Répéter le même message en vidéo, display et audio ne constitue pas une stratégie. L’équipe a distingué trois rôles créatifs : preuve produit, réassurance et incitation. La preuve produit était utilisée en amont pour expliquer l’usage ou la différenciation. La réassurance intervenait en considération : livraison, avis, garantie, disponibilité. L’incitation, souvent promotionnelle, était réservée aux signaux de forte intention. Ce séquençage a réduit le recours aux remises et amélioré la marge moyenne par commande de 4,8 % sur le périmètre testé.

Il faut toutefois rester prudent. Le capping omnicanal est limité par la fragmentation des identifiants, les environnements logués fermés, les navigateurs restrictifs et le consentement. Dans certains inventaires, notamment CTV ou DOOH, le contrôle individuel est moins précis. La bonne pratique consiste donc à combiner des caps utilisateurs lorsque c’est possible, des caps par foyer ou device lorsque c’est acceptable, et des règles agrégées par contexte ou zone géographique lorsque l’identification est limitée.

Mesurer au-delà du ROAS plateforme : attribution, incrémentalité et marge

La mesure a été le point le plus sensible du projet. L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact média, est utile pour piloter les optimisations quotidiennes. Mais elle ne suffit pas à prouver l’impact. Une DSP peut attribuer une conversion à une impression ou un clic sans démontrer que cette conversion n’aurait pas eu lieu autrement.

Pour éviter cette confusion, trois niveaux de mesure ont été mis en place. Le premier niveau était opérationnel : ROAS plateforme, CPA, CPC, coût par clic, CPM, coût pour mille impressions, taux de clic, viewability et complétion vidéo. Le deuxième niveau était commercial : part de nouveaux clients, marge par commande, panier moyen, taux de réachat à 30 jours. Le troisième niveau était causal : tests holdout et analyse géographique. Un holdout est un groupe volontairement exclu de l’exposition, permettant de comparer son comportement à celui d’un groupe exposé comparable.

Le test holdout a porté sur 12 % de l’audience éligible au retargeting et 8 % de l’audience de prospection qualifiée. Les résultats ont confirmé un biais fréquent : le retargeting affichait un ROAS attribué de 8,6, mais son ROAS incrémental estimé était plus proche de 3,1. La prospection vidéo et display affichait un ROAS attribué de 1,9 sur la fenêtre courte, mais son effet sur les recherches marque, les visites directes et les conversions ultérieures portait le ROAS incrémental estimé à 2,6 sur 30 jours. Cette lecture n’a pas conduit à couper le retargeting, mais à le plafonner et à le réserver aux cas où la probabilité d’impact marginal était forte.

La marge a également changé l’interprétation. Certaines campagnes présentaient un ROAS élevé parce qu’elles poussaient des produits en promotion avec une forte intention existante. En intégrant la marge brute, leur contribution devenait moins attractive que celle de campagnes générant un ROAS plus modeste mais sur des catégories plus rentables. L’indicateur de décision a donc évolué du ROAS brut vers une marge média nette estimée : chiffre d’affaires attribué multiplié par le taux de marge, moins le coût média, ajusté par un coefficient d’incrémentalité.

Ce type de modèle n’est jamais parfait. Les coefficients d’incrémentalité varient selon la saison, les promotions, la pression concurrentielle et le cycle d’achat. Mais il est plus robuste qu’un pilotage aveugle au ROAS plateforme. Pour une équipe marketing experte, l’objectif n’est pas d’obtenir une vérité absolue ; il est de réduire les erreurs d’allocation les plus coûteuses.

Conditions de réussite : data, gouvernance et arbitrages organisationnels

Le succès d’une DSP omnicanale dépend autant de l’organisation que de la technologie. Dans le cas observé, trois conditions ont été décisives. La première était la qualité des données first-party. Les segments CRM, les statuts clients, les événements de navigation, les conversions et les informations de marge devaient être transmis avec une latence suffisamment faible. Une audience panier abandonné mise à jour toutes les 48 heures perd une grande partie de sa valeur. À l’inverse, une synchronisation quasi temps réel peut améliorer fortement la pertinence des exclusions et des relances.

La deuxième condition était une taxonomie commune. Toutes les campagnes ont été nommées selon une nomenclature intégrant pays, objectif, étape de funnel, audience, format, création et hypothèse de test. Cela peut sembler administratif, mais c’est une condition d’apprentissage. Sans taxonomie stable, il devient impossible de comparer les performances par audience, par message ou par chemin d’achat. Dans ce projet, la standardisation du naming a permis d’identifier que deux créations supposées équivalentes ne touchaient pas les mêmes niveaux de funnel et ne devaient donc pas être comparées au même CPA.

La troisième condition était la clarification des responsabilités. Le marketing définissait les objectifs business et les priorités de segments. L’équipe média pilotait les stratégies d’enchères, la pression et les deals. La data team validait les flux, les exclusions et les modèles de valeur. La finance challengeait la marge et la rentabilité. Sans cette gouvernance, la DSP aurait été utilisée comme un outil d’achat supplémentaire plutôt que comme un système de pilotage intégré.

Les arbitrages ne sont pas neutres. Centraliser les achats dans une DSP peut réduire la duplication, améliorer la mesure et donner plus de poids à la négociation. Mais cela peut aussi créer une dépendance à une plateforme, limiter certains accès propriétaires ou simplifier abusivement des environnements très différents. La TV connectée, le DOOH et l’audio n’ont pas les mêmes mécanismes d’attention, de mesure et de fréquence que le display. Une approche omnicanale mature ne cherche pas à rendre tous les canaux identiques ; elle cherche à les comparer selon une logique de contribution compatible.

Conclusion : une feuille de route pour augmenter le ROAS sans appauvrir la croissance

Le principal enseignement de ce retour d’expérience est clair : une DSP omnicanale peut améliorer le ROAS, mais seulement si l’optimisation dépasse la simple concentration sur les conversions faciles. Le gain durable vient de la déduplication des audiences, du contrôle de fréquence, de la pondération des conversions par la valeur, de la qualité des chemins d’achat et d’une mesure distinguant attribution et incrémentalité.

Une feuille de route actionnable peut s’organiser en sept étapes. Premièrement, établir une baseline consolidée : budgets, ROAS, CPA, fréquence, duplication, part de nouveaux clients et marge. Deuxièmement, restructurer les campagnes par rôle dans le funnel plutôt que par format. Troisièmement, enrichir les conversions avec des signaux de valeur : marge, nouveau client, catégorie, LTV et statut promotionnel. Quatrièmement, appliquer des stratégies d’enchères différenciées selon la valeur attendue et non selon le seul CPA moyen. Cinquièmement, contrôler la fréquence à l’échelle omnicanale, en acceptant les limites d’identification. Sixièmement, analyser la supply path pour éviter de payer moins cher des impressions qui coûtent plus cher en résultat réel. Septièmement, compléter le ROAS plateforme par des tests d’incrémentalité et une lecture marge.

La limite la plus importante reste méthodologique. Un ROAS en hausse n’est pas toujours une preuve de meilleure performance ; il peut traduire une meilleure capacité à capter une demande préexistante. À l’inverse, un ROAS court terme plus faible peut financer de la demande future et générer une valeur client supérieure. Le rôle d’une DSP omnicanale n’est donc pas de faire disparaître les arbitrages, mais de les rendre visibles, mesurables et pilotables.

Pour les professionnels du marketing, l’enjeu est de passer d’un pilotage par canal à un pilotage par valeur marginale. Quelle exposition ajoute réellement quelque chose au parcours ? Quel canal crée de la demande plutôt que de l’intercepter ? Quelle audience mérite une enchère plus élevée parce qu’elle génère des clients rentables ? Quelle fréquence devient destructrice de marge ? C’est en répondant à ces questions que l’omnicanal cesse d’être une promesse de plateforme pour devenir un avantage opérationnel.