ROAS incrémental : méthode pour distinguer effet média et biais

Mesurer le ROAS sans incrémentalité revient souvent à mesurer la proximité avec l’achat

Le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, est devenu l’un des indicateurs les plus utilisés pour arbitrer les budgets digitaux. Sa lisibilité est sa force : si une campagne dépense 100 000 euros et génère 600 000 euros de ventes attribuées, le ROAS affiché est de 6. Mais cette lecture répond à une question incomplète : quelles ventes ont été observées après exposition ou clic ? Elle ne répond pas à la question décisive : quelles ventes n’auraient pas eu lieu sans la campagne ?

Le ROAS incrémental vise précisément à isoler cette contribution causale. Il mesure le chiffre d’affaires additionnel réellement généré par l’investissement média, rapporté au coût de cet investissement. La formule est simple en apparence : ROAS incrémental = revenus incrémentaux / dépenses média. La difficulté réside dans l’estimation des revenus incrémentaux, c’est-à-dire l’écart entre la performance observée avec campagne et un contrefactuel crédible, autrement dit ce qui se serait produit sans campagne.

Pour les professionnels du marketing, l’enjeu est majeur. Une campagne de retargeting peut afficher un ROAS attribué de 12 parce qu’elle touche des visiteurs récents déjà proches de l’achat, mais produire un ROAS incrémental de 2 si une grande partie des ventes aurait été réalisée naturellement. À l’inverse, une campagne vidéo ou display de prospection peut afficher un ROAS attribué de 1,8 en last click, attribution au dernier clic qui affecte 100 % du crédit au dernier clic avant conversion, tout en générant un lift réel sur les nouveaux clients et les recherches de marque. Le ROAS apparent favorise l’interception de la demande ; le ROAS incrémental cherche à mesurer la création de demande.

Cette distinction devient plus critique avec la montée du retail media, des walled gardens, de la publicité programmatique et des algorithmes d’enchères optimisés à la conversion. Dans un environnement RTB, real-time bidding, enchères en temps réel permettant d’acheter une impression publicitaire au moment où elle devient disponible, les DSP, demand-side platforms, plateformes utilisées par les acheteurs pour acheter automatiquement des impressions, reçoivent des signaux de conversion et ajustent leurs enchères vers les profils les plus susceptibles de convertir. Sans garde-fou incrémental, ces systèmes peuvent maximiser le ROAS attribué tout en capturant surtout des conversions déjà probables.

La maturité ne consiste donc pas à abandonner le ROAS, mais à le hiérarchiser. Le ROAS attribué reste utile pour le pilotage quotidien, le pacing budgétaire et la détection d’anomalies. Le ROAS incrémental doit guider les arbitrages structurants : allocation entre canaux, niveau de pression sur le retargeting, investissement en prospection, rôle du retail media, arbitrage entre search marque et search générique, ou choix entre display, vidéo, DOOH, digital out-of-home, affichage digital extérieur, et CRM.

Identifier les biais qui gonflent artificiellement la performance attribuée

Avant de construire une méthode, il faut comprendre les biais que le ROAS incrémental cherche à corriger. Le premier est le biais de sélection. Une campagne ne touche pas des individus aléatoires : elle cible souvent des utilisateurs ayant déjà montré une intention. Visiteurs de fiche produit, abandonnistes panier, acheteurs récents, utilisateurs ayant recherché une marque ou clients CRM actifs présentent déjà une probabilité de conversion supérieure à la moyenne. Leur attribuer la totalité des ventes post-exposition revient à confondre propension initiale et effet publicitaire.

Le deuxième biais est la cannibalisation. Une campagne peut déplacer une vente d’un canal organique vers un canal payé sans créer de vente supplémentaire. Le cas classique est le search marque : un internaute déjà décidé tape le nom de la marque, clique sur une annonce payante plutôt que sur le lien organique, puis achète. Le ROAS plateforme peut être excellent, mais la contribution incrémentale dépend du taux de substitution entre paid et organic. Dans certaines analyses de comptes e-commerce matures, la part non incrémentale du search marque ou du retargeting peut dépasser 50 %, surtout lorsque la marque dispose déjà d’une forte notoriété et d’un trafic direct important.

Le troisième biais est le biais de temporalité. Les campagnes sont souvent activées pendant des périodes favorables : promotions, soldes, lancements produits, pics saisonniers, fin de mois, jours de paie, temps forts commerciaux. Si les ventes augmentent pendant la campagne, l’attribution peut surestimer le rôle du média alors qu’une partie de la hausse provient de la demande naturelle, du prix, du stock ou de la saisonnalité. À l’inverse, une campagne lancée pendant une période défavorable peut être sous-estimée si le contrefactuel n’est pas correctement modélisé.

Le quatrième biais vient des fenêtres d’attribution. Une fenêtre post-clic de 30 jours ou post-view de 7 jours peut capter des ventes dont le lien causal avec l’exposition est faible. Le post-view, attribution après exposition sans clic, est particulièrement sensible : une impression servie à un utilisateur déjà intentionniste peut revendiquer une conversion ultérieure même si l’exposition n’a joué aucun rôle. Cela ne signifie pas que le post-view est inutile ; cela signifie qu’il doit être calibré par objectif, format et cycle d’achat, et confronté à des tests d’incrémentalité.

Le cinquième biais est l’optimisation algorithmique elle-même. Les modèles d’enchères recherchent les poches de conversion les plus efficaces selon le signal transmis. Si le signal est une conversion last click non pondérée, l’algorithme peut apprendre à acheter les impressions les plus proches de l’achat, sur des audiences très chaudes, avec un excellent CPA, coût par acquisition, coût nécessaire pour générer une conversion attribuée. Le CPA baisse, le ROAS monte, mais la contribution marginale peut s’éroder. Le marketing confond alors efficacité d’interception et croissance réelle.

Construire un contrefactuel : la base méthodologique du ROAS incrémental

Le ROAS incrémental repose sur une logique de causalité : comparer un groupe exposé à un groupe comparable non exposé, ou comparer une zone activée à une zone de contrôle, afin d’estimer l’écart attribuable au média. Le point central est le contrefactuel. Sans contrefactuel crédible, une mesure incrémentale devient une attribution améliorée, mais pas une preuve d’impact.

Trois familles de méthodes dominent en pratique. La première est le holdout audience. Elle consiste à exclure volontairement une part de l’audience éligible de l’exposition publicitaire. Par exemple, sur une audience de 1 million d’abandonnistes panier, 90 % sont exposés et 10 % sont conservés en contrôle. Si le groupe exposé convertit à 6 % et le groupe contrôle à 5 %, le lift absolu est de 1 point, soit 20 % de lift relatif. Si le panier moyen est de 80 euros, l’incrément par 100 000 utilisateurs exposés est de 1 000 conversions supplémentaires, soit 80 000 euros de chiffre d’affaires incrémental. Si la dépense média est de 25 000 euros, le ROAS incrémental est de 3,2.

La deuxième méthode est le geo-test, qui compare des zones géographiques exposées à des zones témoins. Elle est utile lorsque l’exclusion utilisateur est impossible, lorsque les plateformes ne permettent pas un holdout propre ou lorsque l’on veut mesurer des effets omnicanaux, par exemple ventes magasin, trafic drive-to-store ou hausse des recherches de marque. Un bon geo-test exige des zones comparables en historique de ventes, population, pression concurrentielle, distribution, météo, promotions et mix média. Les méthodes de type synthetic control, contrôle synthétique, construisent une zone témoin pondérée à partir de plusieurs zones non exposées afin de mieux reproduire la dynamique pré-campagne.

La troisième méthode est la modélisation économétrique, notamment le MMM, marketing mix modeling, modélisation statistique qui estime la contribution des leviers marketing à partir de séries temporelles agrégées. Le MMM est moins granulaire qu’un test utilisateur, mais il capte mieux les effets diffus, la TV, le DOOH, la vidéo, la saisonnalité, les promotions et les interactions entre leviers. Il est pertinent pour arbitrer des enveloppes budgétaires trimestrielles ou annuelles, moins pour décider du bid multiplier d’une audience dans un DSP.

Chaque méthode a des conditions de validité. Un holdout nécessite une randomisation propre et un volume suffisant. Un geo-test exige des zones stables et une absence de contamination excessive, par exemple des utilisateurs d’une zone témoin exposés via des médias nationaux. Un MMM dépend de la qualité des données historiques, de la granularité temporelle, de la gestion des variables de contrôle et de la capacité à modéliser les effets retardés. La question n’est pas de choisir une méthode parfaite, mais d’utiliser la méthode adaptée à la décision à prendre.

Passer du lift au ROAS incrémental : calculs, seuils et interprétation

Le passage du lift au ROAS incrémental demande une discipline de calcul. Il ne suffit pas d’observer une différence de taux de conversion ; il faut traduire cette différence en valeur économique nette. Le processus peut être structuré en six étapes.

1. Définir la population éligible : audience, zones, clients, prospects, visiteurs ou acheteurs catégorie.
2. Construire un groupe contrôle : randomisé lorsque possible, ou statistiquement comparable via matching ou contrôle synthétique.
3. Mesurer la performance différentielle : conversions, chiffre d’affaires, visites, ventes magasin, nouveaux clients ou marge.
4. Valoriser l’effet : panier moyen, marge brute, valeur vie client ou LTV, lifetime value, valeur économique attendue d’un client sur sa durée de relation avec la marque.
5. Soustraire les coûts : dépenses média, frais technologiques, data fees, coûts créatifs, remises ou incentives si l’objectif est la rentabilité nette.
6. Calculer le ratio : revenus ou marge incrémentale divisés par l’investissement associé.

Un exemple illustre la différence entre ROAS attribué et ROAS incrémental. Une campagne retail media dépense 80 000 euros sur des produits sponsorisés et affiche 720 000 euros de ventes attribuées, soit un ROAS attribué de 9. Un holdout montre cependant que 65 % des ventes attribuées auraient eu lieu sans publicité, car les produits étaient déjà bien référencés et soutenus par une promotion enseigne. Le chiffre d’affaires incrémental est donc de 252 000 euros. Le ROAS incrémental tombe à 3,15. Si la marge brute moyenne est de 28 %, la marge incrémentale est de 70 560 euros, inférieure aux 80 000 euros investis. Le ROAS chiffre d’affaires reste positif, mais la contribution marge est négative.

À l’inverse, une campagne vidéo programmatique dépense 120 000 euros et ne génère que 180 000 euros de ventes attribuées en last click, soit un ROAS attribué de 1,5. Un geo-test révèle pourtant un lift de 420 000 euros sur les ventes totales, dont une part importante via trafic direct, search organique et points de vente. Le ROAS incrémental est alors de 3,5. Si la campagne recrute davantage de nouveaux clients avec une LTV supérieure, sa valeur stratégique peut dépasser celle d’un levier bas de funnel apparemment plus performant.

L’interprétation doit toutefois rester prudente. Un ROAS incrémental de 2 peut être excellent pour une campagne de conquête à forte marge et cycle long, mais insuffisant pour un produit à faible marge et forte promotion. Un ROAS incrémental de 5 peut être médiocre si le canal cannibalise un canal gratuit et si les coûts opérationnels ne sont pas intégrés. Le bon seuil dépend du coût du capital, de la marge, du taux de réachat, des objectifs de part de marché et du rôle du levier dans le funnel.

Segmenter l’incrémentalité par funnel, audience et niveau de pression

Une erreur fréquente consiste à produire un ROAS incrémental moyen par canal et à l’utiliser comme vérité unique. Or l’incrémentalité varie fortement selon l’audience, la fréquence, le format, le message, la récence d’interaction et la position dans le funnel. Une même plateforme peut être très incrémentale en prospection et peu incrémentale en retargeting. Un même canal peut créer de la valeur à faible pression et cannibaliser à forte pression.

Le funnel désigne la progression de la notoriété à la considération, puis à la conversion et à la fidélisation. À chaque étage correspondent des mécanismes d’incrémentalité différents. En haut de funnel, l’effet peut se matérialiser par une hausse de recherches de marque, de visites qualifiées, de mémorisation ou de ventes différées. En bas de funnel, l’effet se mesure davantage par la conversion immédiate, mais le risque de cannibalisation est plus élevé. En fidélisation, l’enjeu est de distinguer réachat accéléré, panier réellement additionnel et simple remise accordée à un client qui aurait acheté sans incitation.

Une lecture segmentée peut inclure au minimum cinq axes :

• Récence : visiteur des dernières 24 heures, 7 jours, 30 jours ou client dormant depuis 12 mois.
• Température d’audience : prospect froid, acheteur catégorie, visiteur produit, abandonniste panier, client existant.
• Fréquence d’exposition : 1 à 2 impressions, 3 à 5 impressions, 6 impressions et plus.
• Type de conversion : nouveau client, client existant, achat promotionnel, achat à marge forte, réachat.
• Chemin média : search, social, display, vidéo, retail onsite, retail offsite, email, DOOH ou TV connectée.

Cette segmentation révèle souvent des courbes de rendement décroissant. Le retargeting peut être très incrémental sur les visiteurs de 8 à 30 jours, moins sur les visiteurs des dernières heures. La fréquence peut améliorer le lift jusqu’à 3 ou 4 expositions, puis générer de la saturation. Le retail search sur requêtes concurrentes peut recruter davantage que le retail search sur requêtes marque. La vidéo peut avoir peu d’effet mesurable sur les clients existants, mais un impact significatif sur les acheteurs catégorie non-marque.

Pour les équipes média, l’objectif n’est pas seulement de mesurer un effet, mais de modifier les règles d’activation. Un segment à faible incrémentalité doit être plafonné, exclu ou soumis à une enchère plus basse. Un segment à forte incrémentalité peut justifier une enchère plus agressive, une créa spécifique ou une protection budgétaire. Le ROAS incrémental devient opérationnel lorsqu’il influence les bid multipliers, les exclusions CRM, les fenêtres de retargeting, les caps de fréquence et la répartition entre prospection et conversion.

Intégrer l’incrémentalité dans les plateformes sans perdre le contrôle

Mesurer le ROAS incrémental dans un rapport trimestriel est utile, mais insuffisant si les plateformes continuent d’optimiser sur des conversions brutes. L’enjeu est d’injecter des signaux plus proches de la valeur réelle dans les systèmes d’activation. Cela peut passer par des conversions pondérées, des valeurs différenciées ou des règles d’exclusion.

Une première approche consiste à pondérer les conversions transmises aux plateformes. Par exemple, une vente à un nouveau client peut valoir 1,5 fois une vente à un client existant ; une vente à marge forte peut valoir 2 fois une vente promotionnelle ; une conversion issue d’un segment historiquement peu incrémental peut être dévalorisée. Cette logique permet d’orienter l’algorithme vers la valeur marginale plutôt que vers le volume le plus facile.

Une deuxième approche consiste à créer des règles d’exclusion. Les acheteurs récents, les clients à faible marge, les utilisateurs ayant déjà converti ou les visiteurs très chauds peuvent être exclus de certaines campagnes de prospection. Cela réduit parfois le ROAS attribué à court terme, car l’algorithme perd des conversions faciles, mais améliore la qualité incrémentale du budget. Cette logique est particulièrement importante dans le retargeting, l’affiliation, le couponing et certains environnements retail media.

Une troisième approche consiste à distinguer les objectifs par campagne. Une campagne de prospection ne doit pas être optimisée sur le même événement qu’une campagne bas de funnel. Optimiser une campagne vidéo de conquête sur l’achat immédiat peut conduire à cibler des profils déjà intentionnistes, donc à transformer un levier upper funnel en retargeting déguisé. Des micro-conversions peuvent être utiles, par exemple visite qualifiée, recherche marque, ajout à la wishlist ou première visite produit, à condition de vérifier leur corrélation avec la valeur incrémentale réelle.

La difficulté est que les plateformes publicitaires n’ont pas toujours intérêt à réduire le crédit qu’elles revendiquent. Les walled gardens, plateformes fermées qui contrôlent leurs données, leurs inventaires et leurs méthodes de mesure, fournissent souvent des études de lift utiles mais méthodologiquement dépendantes de leur environnement. Elles doivent être utilisées, mais croisées avec des données indépendantes : ventes nettes, analytics, CRM, panels, geo-tests, MMM et données finance. La gouvernance de la mesure ne peut pas être entièrement déléguée aux plateformes qui vendent le média.

Installer une gouvernance de mesure : du test ponctuel au pilotage continu

Le ROAS incrémental ne doit pas rester un exercice isolé mené une fois par an. Les organisations matures construisent un programme de tests continu, avec priorisation par risque budgétaire et incertitude stratégique. Tous les leviers n’ont pas besoin du même niveau de preuve. Un canal représentant 3 % du budget et affichant des résultats stables peut être suivi par attribution classique. Un levier représentant 25 % du budget, avec suspicion de cannibalisation, doit être testé plus rigoureusement.

Une matrice de priorisation peut croiser deux dimensions : montant investi et risque de biais. Les leviers à fort budget et fort risque de biais, comme retargeting massif, search marque, affiliation couponing, retail onsite sur requêtes marque ou CRM promotionnel, doivent être testés en priorité. Les leviers à fort budget mais effet diffus, comme vidéo, TV connectée, DOOH ou display de prospection, doivent être évalués par geo-tests, MMM ou lift studies. Les leviers à faible budget peuvent être évalués plus légèrement, sauf s’ils conditionnent une décision stratégique.

La gouvernance doit définir des règles précises :

• Cadence : quels tests sont réalisés chaque trimestre, chaque semestre ou avant chaque grande période commerciale.
• Responsabilité : qui conçoit le protocole, qui valide les données, qui interprète les résultats, qui décide des budgets.
• Seuils : quel ROAS incrémental minimum est requis selon la marge, l’objectif et le cycle d’achat.
• Documentation : hypothèses, dates, audiences, exclusions, coûts, résultats, limites statistiques et décisions prises.
• Réutilisation : comment les enseignements modifient les enchères, les budgets, la création et les règles d’audience.

La finance doit être impliquée, car le ROAS incrémental en chiffre d’affaires peut masquer une rentabilité insuffisante. Le commerce doit être associé, car stock, prix, promotion et distribution influencent la mesure. Les équipes data doivent garantir la qualité des groupes de contrôle, la gestion des outliers et l’interprétation statistique. Les équipes média doivent transformer les résultats en décisions d’activation. Sans cette chaîne, l’incrémentalité reste une étude, pas un outil de pilotage.

Il faut aussi accepter une part d’incertitude. Un test peut produire un intervalle de confiance large, un effet non significatif ou un résultat difficile à généraliser. Ce n’est pas un échec. L’absence de preuve robuste peut déjà justifier une réduction de budget sur un levier suspect ou une nouvelle expérimentation mieux dimensionnée. La maturité consiste à préférer une mesure imparfaite mais causale à une attribution précise mais biaisée.

Conclusion : faire du ROAS incrémental un critère de décision, pas un indicateur décoratif

Le ROAS incrémental permet de distinguer l’effet média réel des biais d’attribution, de sélection, de temporalité et de cannibalisation. Il ne remplace pas le ROAS attribué, mais il en corrige les angles morts. Le premier sert à piloter l’exécution ; le second doit guider les arbitrages de valeur. Dans un marché où les plateformes optimisent de plus en plus finement les signaux de conversion, cette distinction devient un avantage concurrentiel.

Une feuille de route actionnable peut s’organiser en sept étapes. Premièrement, cartographier les leviers selon leur rôle dans le funnel et leur risque de biais. Deuxièmement, identifier les zones de dépense où le ROAS attribué est probablement gonflé : retargeting, search marque, retail media de conversion, affiliation ou CRM promotionnel. Troisièmement, construire des protocoles de mesure adaptés : holdout audience, geo-test, contrôle synthétique, lift study ou MMM. Quatrièmement, calculer l’effet en chiffre d’affaires, mais aussi en marge, nouveaux clients et LTV. Cinquièmement, segmenter les résultats par audience, récence, fréquence et type de conversion. Sixièmement, intégrer les enseignements dans l’activation : enchères, exclusions, caps de fréquence, pondération des conversions et allocation budgétaire. Septièmement, installer une gouvernance continue associant marketing, data, finance, commerce et agences.

Le point critique est culturel autant que technique. Beaucoup d’organisations préfèrent un ROAS attribué élevé, immédiatement lisible, à un ROAS incrémental plus exigeant et parfois moins flatteur. Pourtant, la croissance rentable dépend de cette lucidité. Un levier qui affiche un ROAS de 10 mais ne crée presque aucune vente additionnelle doit être plafonné. Un levier qui affiche un ROAS de 2 mais recrute des clients rentables et incrémentaux mérite d’être protégé.

Pour les professionnels du marketing, la bonne question n’est donc plus : quelle plateforme revendique le plus de conversions ? Elle devient : quel investissement modifie réellement le comportement du marché, génère une valeur additionnelle et améliore la marge future ? C’est à ce niveau que le ROAS cesse d’être un simple ratio de reporting pour devenir un instrument de décision stratégique.