Framework pour relier retail media, CRM et performance e-commerce
Relier les données retail, CRM et e-commerce devient un sujet d’architecture, pas seulement de reporting
Le retail media a longtemps été évalué comme un levier proche de la vente : une impression sponsorisée dans un moteur de recherche distributeur, un clic produit, une commande attribuée, puis un ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires. Cette lecture reste utile pour piloter des campagnes onsite, mais elle devient insuffisante dès que l’annonceur veut comprendre la contribution réelle du retail media dans son système commercial complet. La question n’est plus seulement combien de ventes ont été revendiquées par la plateforme retail, mais quelles ventes ont été créées, auprès de quels clients, avec quelle marge, après quelles séquences CRM et avec quels effets sur le e-commerce propriétaire.
Le problème vient de la fragmentation des sources de vérité. Le retailer dispose des données transactionnelles dans son environnement. La marque dispose du CRM, customer relationship management, système qui centralise les données clients, prospects, consentements et interactions relationnelles. Le site e-commerce propriétaire mesure ses propres visites, paniers, achats, stocks, marges et parcours. Les plateformes média, DSP, demand-side platforms, plateformes utilisées pour acheter des impressions publicitaires de manière automatisée, ajoutent leurs logs d’exposition, de clic et d’attribution. Si ces couches ne sont pas réconciliées, chaque acteur raconte une performance partielle.
Pour un professionnel du marketing, le framework pertinent doit donc connecter trois niveaux. Le premier est l’activation : quelles audiences sont activées, dans quels environnements, avec quels messages et quels budgets. Le deuxième est la mesure : comment relier exposition, interaction, vente, marge et statut client sans sur-attribution. Le troisième est l’apprentissage : comment transformer les résultats en règles d’allocation, de segmentation, de pression CRM et d’arbitrage entre retail media et e-commerce direct.
L’enjeu est économique. Une campagne retail media peut afficher un ROAS de 8 et détruire de la valeur si elle cannibalise des ventes organiques déjà acquises ou pousse des produits à faible marge. À l’inverse, une activation offsite peut afficher un ROAS attribué modeste mais recruter de nouveaux acheteurs catégorie, stimuler les recherches marque et nourrir le CRM. Le cadre d’analyse doit donc dépasser le dashboard canal pour relier les signaux de demande, de client et de profitabilité.
Construire une taxonomie commune entre retail media, CRM et site marchand
La première condition de réussite n’est pas technologique, mais sémantique. Avant de connecter les outils, il faut aligner les définitions. Un client actif n’a pas toujours le même sens pour une marque, un retailer et une équipe CRM. Une conversion peut désigner un achat confirmé, une commande expédiée, un achat net de retours, une vente marketplace ou un ajout panier. Une audience d’acheteurs catégorie peut inclure des acheteurs de la marque, des acheteurs concurrents ou des clients opportunistes attirés par la promotion.
Un framework robuste commence par une taxonomie partagée autour de cinq objets : individu ou foyer, produit, événement, canal et valeur. L’objet individu doit préciser les statuts : prospect inconnu, prospect connu, client nouveau, client actif, client dormant, client à forte LTV, lifetime value, valeur économique attendue d’un client sur la durée de sa relation avec la marque. L’objet produit doit relier SKU, catégorie, marque, marge, disponibilité, niveau promotionnel et rôle stratégique. L’objet événement doit distinguer impression, clic, visite, recherche interne, ajout panier, achat, réachat, retour, désabonnement et contact CRM.
Cette taxonomie permet d’éviter une erreur fréquente : comparer des performances sur des bases non comparables. Par exemple, une campagne sponsorisée onsite peut générer 10 000 ventes attribuées, mais 70 % concernent des clients déjà acheteurs de la marque dans les 30 derniers jours. Une campagne offsite ciblant des acheteurs de la catégorie peut générer seulement 2 000 ventes attribuées, mais 55 % de nouveaux acheteurs marque. Si le pilotage repose uniquement sur le volume ou le ROAS brut, l’organisation favorisera le levier le plus proche de l’achat existant.
La taxonomie doit aussi couvrir les conventions de nommage. Chaque campagne retail media doit porter, dans ses paramètres, l’objectif, l’audience, le retailer, le format, le produit ou la catégorie, le niveau de funnel, c’est-à-dire la position dans le parcours allant de la notoriété à la conversion, la mécanique promotionnelle et la fenêtre d’analyse. Sans cette discipline, il devient presque impossible de relier une exposition offsite à une vente retailer, puis à un effet CRM ou e-commerce propriétaire.
Dans les organisations matures, cette taxonomie est documentée dans un dictionnaire de données commun. Elle est validée par les équipes média, CRM, e-commerce, category management, data et finance. Ce point est essentiel : si la finance ne fournit pas la marge nette, le marketing optimisera sur le chiffre d’affaires. Si le category management ne signale pas les ruptures de stock, le retail media sera jugé responsable de sous-performances qui relèvent de l’exécution commerciale.
Définir les cas d’usage avant de brancher les données
La tentation est forte de commencer par la connexion technique : clean room, API retailer, data warehouse, CDP, customer data platform, plateforme permettant d’unifier et d’activer les données clients, ou export CRM. C’est souvent une erreur. La bonne séquence consiste à définir les cas d’usage mesurables, puis à déterminer les données nécessaires. Sans cela, les équipes accumulent des données mais ne changent pas les décisions.
Six cas d’usage structurent généralement la relation entre retail media, CRM et performance e-commerce. Le premier est la conquête : identifier des acheteurs catégorie non acheteurs de la marque et mesurer leur conversion vers l’achat. Le deuxième est la défense : protéger des requêtes marque ou des positions produit stratégiques dans les environnements retail. Le troisième est l’activation CRM : recibler des clients consentis avec une logique média, tout en contrôlant la pression relationnelle. Le quatrième est la réactivation : retrouver des clients dormants via des signaux retailer ou offsite. Le cinquième est l’arbitrage assortiment : pousser les produits où la marge, le stock et la capacité de réachat justifient l’investissement. Le sixième est l’incrémentalité : mesurer ce qui n’aurait pas eu lieu sans campagne.
Chaque cas d’usage appelle des KPI différents. Pour la conquête, les indicateurs prioritaires sont le coût par nouveau client, le taux de nouveaux acheteurs marque, la part de requêtes non-marque, la marge incrémentale et la rétention à 60 ou 90 jours. Pour la défense, il faut suivre la part de voix sur les requêtes marque, le taux de cannibalisation organique, la marge protégée et le coût d’opportunité. Pour l’activation CRM, il faut suivre la délivrabilité, le taux de désabonnement, la fréquence cross-canal, le CPA, coût par acquisition, montant dépensé pour générer une conversion attribuée, mais aussi le revenu net par client exposé.
Un exemple illustre l’importance du cadrage. Une marque alimentaire investit 150 000 euros en retail search sur trois distributeurs. Le reporting agrégé indique un ROAS de 6,2. En apparence, le plan est performant. Mais une lecture par cas d’usage montre que les requêtes marque affichent un ROAS de 12 avec seulement 15 % de ventes incrémentales estimées, tandis que les requêtes catégorie affichent un ROAS de 3,1 mais 62 % de nouveaux acheteurs marque. La décision n’est pas de couper les requêtes marque, car elles peuvent défendre l’espace concurrentiel, mais de plafonner leur budget et de transférer une partie de l’investissement vers les zones où l’effet de conquête est plus probable.
Le principe est simple : un cas d’usage doit être associé à une hypothèse de valeur. Si l’objectif est la conquête, un ROAS plus faible peut être acceptable. Si l’objectif est la rentabilité court terme, la marge nette prime sur le chiffre d’affaires. Si l’objectif est la réactivation, la pression CRM déjà reçue par le client doit être intégrée au calcul. Le retail media ne doit pas être optimisé en dehors de la stratégie client.
Réconcilier les identifiants sans surestimer la précision disponible
Le lien entre retail media, CRM et e-commerce repose sur la capacité à rapprocher des identifiants. Mais cette étape doit être abordée avec réalisme. Les environnements retail utilisent souvent des identifiants logués, des cartes de fidélité, des emails hashés ou des identifiants d’appareil. Le CRM de la marque contient des emails, numéros de téléphone, consentements et historiques d’achat direct. Le site e-commerce utilise des cookies first-party, c’est-à-dire déposés par le domaine de l’annonceur, des identifiants client, des événements analytics et des transactions. Les DSP et réseaux offsite utilisent encore, selon les environnements, des cookies, des mobile advertising IDs, des identifiants probabilistes ou des segments agrégés.
La réconciliation peut passer par plusieurs mécanismes. Le matching déterministe rapproche deux identifiants lorsqu’un signal commun fiable existe, par exemple un email hashé avec consentement. Le matching probabiliste estime une correspondance à partir de signaux indirects, comme appareil, géographie, comportement ou temporalité. Les clean rooms, environnements sécurisés permettant de croiser des données sans exposer les identifiants individuels, facilitent les analyses entre marque, retailer et plateforme. Elles sont utiles, mais elles ne résolvent pas tout : elles dépendent du taux de match, de la qualité des consentements, du périmètre de données disponible et des règles d’agrégation.
Un taux de match doit toujours être interprété. Si une marque importe 1 million d’emails CRM dans l’environnement d’un retailer et obtient 420 000 correspondances, le taux de match est de 42 %. Ce chiffre peut être excellent ou insuffisant selon la catégorie, la fréquence d’achat et la pénétration distributeur. Mais surtout, les 420 000 profils matchés ne sont pas nécessairement représentatifs de toute la base. Ils peuvent être plus urbains, plus fidèles, plus acheteurs en ligne ou plus sensibles aux promotions. Les extrapolations doivent donc être contrôlées.
Il faut également distinguer matching et mesure causale. Le fait de retrouver un client CRM dans les ventes retailer après une exposition ne prouve pas que la publicité a causé l’achat. C’est une condition d’observation, pas une preuve d’incrémentalité. L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, reste dépendante des fenêtres choisies, de la fréquence d’achat naturelle, de la saisonnalité et des promotions.
La gouvernance juridique est aussi structurante. Les équipes doivent documenter les bases légales, les finalités, les consentements, les durées de conservation, les règles de pseudonymisation et les modalités d’opt-out. Un framework performant mais fragile juridiquement n’est pas durable. La qualité de la mesure dépend de la confiance, non seulement entre partenaires, mais aussi vis-à-vis des consommateurs.
Passer du ROAS attribué à une lecture marge et incrémentalité
Le ROAS reste l’indicateur le plus utilisé en retail media, parce qu’il est simple, comparable et proche du commerce. Mais il produit des décisions biaisées s’il n’est pas complété par la marge, le statut client et l’incrémentalité. L’incrémentalité désigne la part de résultats qui n’aurait probablement pas eu lieu sans l’exposition marketing. C’est la différence entre performance observée et performance réellement causée.
La première correction consiste à passer du chiffre d’affaires attribué à la marge contributive. Une vente de 100 euros avec 20 % de marge brute ne porte pas la même valeur qu’une vente de 100 euros avec 45 % de marge. Si la campagne coûte 10 euros par vente, le ROAS brut peut sembler identique, mais la contribution économique diffère fortement. Une règle simple consiste à calculer un MOS, margin on spend, ratio entre marge attribuée ou incrémentale et dépense média. Ce KPI est plus exigeant que le ROAS, mais plus proche de la décision financière.
La deuxième correction consiste à isoler les nouveaux clients ou nouveaux acheteurs marque. Dans certaines catégories de grande consommation, un acheteur existant peut racheter à fréquence régulière sans stimulation publicitaire. Un ROAS élevé sur cette population peut traduire une captation d’achat naturel. À l’inverse, un nouveau client recruté via retail media peut générer plusieurs réachats, en magasin ou en ligne, que la fenêtre d’attribution de 14 jours ne capture pas. La LTV doit donc compléter la lecture court terme.
La troisième correction repose sur des tests. Les holdouts consistent à exclure volontairement une partie de l’audience éligible afin de comparer son comportement à celui des exposés. Les geo-tests comparent des zones exposées et non exposées. Les tests de conversion lift proposés par certains retailers ou plateformes peuvent être utiles, à condition d’en comprendre le périmètre : population mesurable, durée, puissance statistique, exclusion des promotions concomitantes et indépendance de l’analyse.
Un cas chiffré montre le changement de lecture. Une campagne retail offsite dépense 80 000 euros et génère 640 000 euros de chiffre d’affaires attribué, soit un ROAS de 8. La marge moyenne des produits poussés est de 28 %, soit 179 200 euros de marge brute attribuée. Après déduplication avec les ventes organiques et analyse holdout, l’incrémentalité est estimée à 35 %. La marge incrémentale est donc proche de 62 720 euros. Le MOS incrémental est inférieur à 1, puisque 62 720 euros de marge incrémentale ont été obtenus pour 80 000 euros de média. La campagne peut rester utile si elle recrute des clients à forte valeur future, mais elle ne doit pas être présentée comme rentable à court terme.
À l’inverse, une activation CRM-retail ciblant des clients dormants peut afficher un ROAS attribué de 3 seulement, mais 70 % d’incrémentalité et une marge de 40 %. Si elle réactive des clients qui rachètent dans les 90 jours, la valeur réelle peut dépasser celle d’une campagne plus spectaculaire en ROAS brut. Le framework doit donc classer les leviers selon la contribution économique, pas selon leur capacité à revendiquer des ventes.
Orchestrer les audiences : éviter la cannibalisation entre CRM, retail search et offsite
Relier retail media et CRM ne consiste pas à envoyer toutes les bases clients vers tous les environnements. C’est précisément ce qui crée la cannibalisation. Un même individu peut recevoir un email promotionnel, être exposé à une bannière offsite retail, voir un produit sponsorisé dans le moteur du distributeur et être reciblé sur le site e-commerce propriétaire. Si l’organisation ne contrôle pas les séquences, elle paie plusieurs fois pour la même intention.
La solution consiste à construire une matrice d’audience par statut et par rôle. Les clients actifs récents peuvent être exclus de certaines campagnes de conquête, sauf si l’objectif est l’upsell sur une catégorie complémentaire. Les acheteurs catégorie non acheteurs marque doivent être priorisés pour les campagnes de conquête retail. Les abandonnistes panier e-commerce peuvent être traités par CRM si le consentement existe, avant d’être exposés à du média payant. Les clients dormants peuvent faire l’objet d’une séquence combinant email, retail media offsite puis offre personnalisée, avec un capping strict.
Le capping, limitation du nombre d’expositions publicitaires sur une période donnée, doit être pensé en cross-canal. Une fréquence de 5 impressions en retail offsite peut sembler raisonnable, mais si l’utilisateur a aussi reçu 3 emails, 2 pushs et 6 impressions display sur le DSP de la marque, la pression totale devient excessive. Les métriques doivent distinguer fréquence servie, fréquence visible et fréquence relationnelle. Le CRM apporte ici un avantage : il permet de connaître une partie de l’historique de contact et d’éviter que le retail media ne devienne une couche additionnelle non gouvernée.
Il faut également gérer les exclusions. Exclure les clients à faible marge ou forte probabilité de retour peut améliorer la rentabilité. Exclure les acheteurs récents peut éviter de payer un réachat naturel. Exclure les clients déjà exposés à une offre CRM peut clarifier la mesure. Mais l’exclusion systématique a aussi des limites : dans un environnement concurrentiel, ne pas défendre ses clients existants sur un retailer peut laisser l’espace aux concurrents. L’arbitrage doit être basé sur la valeur et le risque, pas sur une règle universelle.
Pour les campagnes offsite achetées via RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression lorsqu’elle devient disponible, l’orchestration doit inclure la qualité média. Une audience retail très qualifiée perd de sa valeur si elle est exposée dans des environnements peu visibles, frauduleux ou trop chers. Les signaux de viewability, ou visibilité publicitaire, d’IVT, invalid traffic, trafic invalide, et de supply path optimization, optimisation des chemins d’achat programmatique, doivent être connectés aux segments CRM et retail. Le bon client dans le mauvais inventaire reste une mauvaise impression.
Mettre en place une architecture de mesure exploitable par les équipes
Un framework ne fonctionne que s’il devient opérationnel. L’architecture cible doit articuler ingestion de données, résolution d’identité, modèles de mesure, reporting et règles d’activation. Dans une configuration avancée, les données retail media, CRM et e-commerce remontent dans un data warehouse ou une CDP, avec des identifiants pseudonymisés, des événements horodatés et des conventions de nommage harmonisées. Les équipes peuvent alors analyser les séquences : exposition retail offsite, visite e-commerce propriétaire, email reçu, achat retailer, réachat direct, désabonnement ou changement de segment.
Le reporting doit être structuré en trois vues. La vue média répond aux questions d’exécution : budget, impressions, clics, CPM, coût pour mille impressions, CPC, coût par clic, taux de visibilité, fréquence, couverture, environnements et formats. La vue commerce répond aux questions de résultat : ventes, marge, panier moyen, produits, stock, promotion, nouveaux acheteurs et réachat. La vue client répond aux questions de trajectoire : statut CRM, historique d’exposition, pression relationnelle, consentement, valeur future et churn, c’est-à-dire risque de perte du client.
Les fenêtres d’analyse doivent être adaptées à la catégorie. Pour des produits de consommation courante, une fenêtre de 7 à 14 jours peut capter une partie significative de l’effet court terme. Pour l’équipement, la beauté premium ou les services, une fenêtre de 30 à 90 jours peut être nécessaire. Le retail media onsite peut convertir rapidement ; le retail offsite et les activations CRM peuvent produire des effets différés. Une seule fenêtre d’attribution crée mécaniquement des biais en faveur des leviers proches de l’achat.
Une bonne architecture prévoit aussi des alertes opérationnelles. Si un produit promu passe en rupture de stock, la campagne doit être ralentie ou réorientée. Si une audience CRM reçoit trop de contacts, la pression doit être plafonnée. Si un retailer affiche une hausse de ROAS mais une baisse de nouveaux acheteurs, le budget doit être questionné. Si une campagne offsite gagne en volume mais perd en visibilité, le trading doit ajuster les chemins d’achat.
Enfin, les modèles doivent rester lisibles. Un modèle de scoring opaque, impossible à expliquer au commerce ou à la finance, aura peu d’impact sur les décisions. Il vaut mieux commencer par des règles robustes : marge minimale, statut nouveau client, exclusion des acheteurs récents, pondération de l’attribution post-view, holdout sur les gros budgets, puis complexifier progressivement.
Conclusion : un framework en huit décisions pour transformer le retail media en levier client
Relier retail media, CRM et performance e-commerce exige de passer d’un pilotage par canal à un pilotage par valeur client. Le retail media ne doit pas être seulement une ligne budgétaire activée chez les distributeurs ; il doit devenir une couche de connaissance et d’orchestration entre demande, achat, relation et marge.
Une feuille de route actionnable peut s’organiser en huit décisions. Premièrement, définir une taxonomie commune des clients, produits, événements, canaux et valeurs. Deuxièmement, associer chaque campagne à un cas d’usage explicite : conquête, défense, réactivation, CRM, assortiment ou incrémentalité. Troisièmement, réconcilier les identifiants avec prudence, en distinguant taux de match et preuve causale. Quatrièmement, compléter le ROAS par la marge, le statut nouveau client et la LTV. Cinquièmement, tester l’incrémentalité via holdouts, geo-tests ou conversion lift sur les budgets significatifs. Sixièmement, orchestrer les audiences pour limiter la cannibalisation entre CRM, retail search, offsite et e-commerce propriétaire. Septièmement, intégrer les signaux de qualité média lorsque le retail media sort des environnements onsite. Huitièmement, restituer les résultats dans des vues séparant exécution média, performance commerce et trajectoire client.
La maturité ne se mesure pas au nombre de dashboards connectés, mais à la capacité de l’organisation à prendre de meilleures décisions : réduire un budget qui capte des ventes naturelles, investir davantage sur une audience à forte valeur future, arrêter une campagne lorsque le stock ne suit pas, ou modifier une séquence CRM pour éviter de payer deux fois la même conversion. C’est à cette condition que le retail media cesse d’être un simple canal de conversion attribuée pour devenir un levier structurant de croissance e-commerce et de stratégie client.
