Quelles erreurs éviter lors d’un test retail media avec un retailer ?

Un test retail media échoue rarement à cause du retailer seul

Tester le retail media avec un retailer paraît simple en apparence : choisir une enseigne, activer une audience transactionnelle, diffuser des formats onsite ou offsite, puis lire les ventes attribuées dans un dashboard. En pratique, beaucoup de pilotes livrent des conclusions inutilisables parce qu’ils sont conçus comme des campagnes tactiques, et non comme des expériences commerciales. Le retail media, c’est-à-dire l’activation publicitaire des audiences, inventaires et données d’un distributeur, ne se juge pas seulement au ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires. Il se juge à sa capacité à modifier une décision business : recruter de nouveaux acheteurs, augmenter la pénétration catégorie, défendre une part de rayon digital, accélérer une rotation produit ou générer des visites en magasin.

Le risque principal est méthodologique. Un test peut afficher un ROAS de 6 et pourtant cannibaliser des ventes organiques qui auraient eu lieu sans média. À l’inverse, un test peut afficher un ROAS de 1,8 et créer de la valeur s’il recrute des acheteurs incrémentaux à forte marge ou s’il soutient un lancement produit dans une catégorie très concurrentielle. La question n’est donc pas seulement : le retailer a-t-il livré de la performance ? Elle est : le protocole permet-il de distinguer performance attribuée, performance commerciale et contribution incrémentale ?

Pour des professionnels du marketing, l’enjeu est d’autant plus critique que les budgets retail media se déplacent rapidement depuis le trade marketing, le search, le display programmatique et parfois le shopper marketing. Dans certains marchés matures, les investissements retail media représentent déjà plus de 15 % à 20 % des dépenses digitales de marques de grande consommation. Cette progression crée une pression forte pour tester vite. Mais un pilote mal cadré peut produire deux effets négatifs : surévaluer un partenaire qui capte une demande existante, ou sous-évaluer un dispositif qui aurait nécessité un horizon de mesure plus long, une meilleure segmentation ou une disponibilité produit plus stable.

Les erreurs à éviter ne sont donc pas des détails opérationnels. Elles touchent au design du test, à la donnée, à l’inventaire, à la mesure, à la gouvernance et à l’interprétation des résultats. Un test retail media pertinent doit être suffisamment simple pour être exécuté, mais suffisamment rigoureux pour être défendable face à une direction marketing, commerciale et finance.

Erreur n°1 : lancer un test sans hypothèse business vérifiable

La première erreur consiste à définir le test par le canal plutôt que par l’hypothèse. Dire nous testons le retail media chez tel retailer ne constitue pas un objectif. C’est une modalité d’achat. Une hypothèse exploitable doit préciser la population, le levier, le résultat attendu et le critère de décision. Par exemple : exposer les acheteurs de la catégorie n’ayant pas acheté notre marque depuis 180 jours doit générer au moins 20 % de nouveaux acheteurs avec un CPA incrémental inférieur à 35 euros. Le CPA, coût par acquisition, mesure le coût nécessaire pour générer une conversion, mais il doit ici être relié à une acquisition réellement additionnelle, pas seulement attribuée.

Le retail media est particulièrement sensible aux objectifs mal formulés parce qu’il mélange plusieurs logiques. L’onsite, c’est-à-dire les formats publicitaires présents dans l’environnement du retailer, comme le search sponsorisé, les bannières catégorie ou les recommandations produit, agit souvent près de l’achat. L’offsite, c’est-à-dire l’extension d’audiences retailer sur le web ouvert, les réseaux sociaux, la vidéo ou la TV connectée, agit plus largement dans le funnel, parcours allant de la notoriété à la conversion puis à la fidélisation. Mesurer ces deux leviers avec le même KPI court terme conduit à de mauvais arbitrages.

Un framework utile consiste à classer le test dans l’une de ces quatre familles :

• Recrutement : toucher des acheteurs de la catégorie non acheteurs de la marque, avec un KPI de nouveaux acheteurs, de pénétration et de coût par nouveau client.
• Conversion intentionniste : capter une demande déjà proche de l’achat via search retail ou pages catégorie, avec un KPI de ROAS, de part de clics sponsorisés et de marge.
• Réactivation : cibler des clients dormants ou acheteurs anciens, avec un KPI de taux de réachat, de fréquence et de valeur de panier.
• Lancement ou défense de gamme : soutenir un SKU, stock keeping unit, référence produit, avec un KPI de rotation, de part de catégorie et d’effet halo sur les produits associés.

Le piège est de vouloir tout prouver dans un seul pilote. Un budget de 40 000 euros sur quatre semaines ne peut pas mesurer proprement la notoriété, l’incrémentalité des ventes, la rétention, l’effet halo et le drive-to-store. Il faut choisir. Un bon test retail media répond à une question principale et deux questions secondaires au maximum. Au-delà, le dispositif devient une campagne hybride dont chacun peut interpréter les résultats selon son intérêt.

Le critère de décision doit aussi être défini avant le lancement. Par exemple : si le coût par nouveau client incrémental est inférieur à 1,2 fois la marge brute attendue sur six mois, le dispositif passe en always-on ; s’il est supérieur à 1,8 fois, il est arrêté ; entre les deux, il est optimisé et retesté. Sans seuils prédéfinis, les résultats deviennent politiques : le marketing regarde les impressions et le ROAS attribué, le commerce regarde les ventes totales, la finance regarde la marge, le retailer met en avant les ventes influencées.

Erreur n°2 : accepter une audience sans en auditer la définition et la taille utile

La donnée est l’argument central du retail media, mais aussi sa source la plus fréquente de malentendus. Une audience acheteurs catégorie, clients premium ou intentionnistes peut cacher des définitions très différentes selon le retailer. Acheteur catégorie sur 30 jours n’a pas la même valeur prédictive qu’acheteur catégorie sur 365 jours. Visiteur d’une page produit n’est pas équivalent à acheteur confirmé. Client encarté n’est pas synonyme de client activable, surtout si le consentement publicitaire ou le matching offsite réduit fortement la couverture.

Avant tout test, l’annonceur doit demander une fiche segment, même simplifiée. Elle doit préciser la source de la donnée, la fenêtre d’observation, les exclusions, la fréquence de rafraîchissement, le volume total, le volume activable, le taux de consentement, le taux de matching lorsque l’activation est offsite, et les règles de priorité entre segments. Un segment de 2 millions de clients peut tomber à 800 000 profils consentis, puis à 350 000 profils matchés dans une DSP, demand-side platform, plateforme utilisée par les acheteurs pour acheter des impressions de façon automatisée. Si la fréquence utile est de 3 à 5 expositions par personne, le budget réellement dépensable peut être très inférieur au budget prévu.

La taille de l’audience doit être analysée en volume utile, pas en volume brut. Prenons un exemple. Une marque alimentaire veut recruter des acheteurs de la catégorie sauces premium. Le retailer annonce 600 000 acheteurs catégorie sur 12 mois. Après exclusion des acheteurs récents de la marque, il reste 420 000 profils. Après consentement et matching offsite, 190 000 sont activables. Avec un taux de reach réel de 55 %, la campagne touchera environ 105 000 individus. Si le taux d’achat incrémental attendu est de 1,5 %, le test peut espérer environ 1 575 ventes incrémentales avant effet de marge et de répétition. Ce calcul simple permet de vérifier si le test a une chance statistique de détecter un effet.

Une autre erreur consiste à choisir des segments trop fins pour un objectif trop ambitieux. La précision apparente peut tuer la puissance du test. Une audience de clients à forte valeur, acheteurs de trois sous-catégories, non acheteurs de la marque, actifs depuis moins de 90 jours, habitant dans des zones prioritaires, peut être excellente en théorie mais insuffisante pour produire un signal mesurable. Dans un pilote, mieux vaut parfois comparer deux ou trois segments robustes qu’empiler dix micro-segments dont aucun ne livre assez de volume.

Enfin, la donnée retailer doit être confrontée à la donnée annonceur. Si la marque dispose d’un CRM, customer relationship management, système de gestion de la relation client, ou d’une CDP, customer data platform, plateforme centralisant et activant les données clients, il est utile de mesurer les overlaps. Une clean room, environnement sécurisé permettant de croiser des données sans exposer les identifiants individuels, peut aider à estimer la part de clients communs, de prospects réellement nouveaux et d’acheteurs déjà acquis. Sans cette étape, le test peut payer pour toucher des clients que la marque aurait pu activer moins cher par email, CRM ou audiences propriétaires.

Erreur n°3 : confondre inventaire retail media et qualité d’exposition

Le label retail media ne garantit pas la qualité média. Un emplacement onsite sur une page catégorie très consultée, un résultat sponsorisé dans le moteur de recherche interne et une bannière offsite achetée via RTB, real-time bidding, mécanisme d’enchères en temps réel pour acheter une impression publicitaire, n’ont pas la même valeur. Ils n’ont pas non plus le même rôle dans le parcours. Pourtant, beaucoup de tests agrègent les résultats sous une ligne retail media unique, ce qui empêche de comprendre ce qui fonctionne réellement.

Il faut distinguer au minimum quatre dimensions : proximité de l’achat, visibilité, contrôle du contexte et capacité d’optimisation. Le search onsite est souvent très proche de la conversion, mais il peut cannibaliser des ventes organiques si la marque est déjà bien positionnée. Les bannières homepage ou catégorie peuvent générer de la visibilité mais avec une intention variable. L’offsite display ou vidéo étend la couverture, mais dépend de la qualité de la supply chain, de la viewability, visibilité publicitaire, et de la qualité du matching. La TV connectée ou la vidéo premium peuvent construire la demande mais rarement produire un CPA court terme compétitif.

Un test rigoureux doit donc ventiler les KPI par format et par rôle. Les KPI de qualité incluent le CPM, coût pour mille impressions, le CPM visible, le taux de clic, la complétion vidéo, la fréquence, le taux d’impressions mesurables, l’IVT, invalid traffic, trafic invalide généré par des bots ou comportements non humains, et la transparence des environnements offsite. Un CPM offsite de 8 euros peut sembler attractif, mais s’il affiche 45 % de visibilité et 12 % de duplication de reach, son coût réel par impression visible et utile augmente fortement. À l’inverse, un format onsite à CPM élevé peut être rentable s’il intervient sur une requête à forte intention et si la marge produit le justifie.

La disponibilité produit est un point souvent sous-estimé. Tester un retailer sans aligner média, stock, pricing et présence en rayon digital revient à mesurer une exécution incomplète. Si 20 % des magasins d’une zone sont en rupture, si le produit est mal référencé dans le catalogue ecommerce, ou si le prix est moins compétitif que chez un concurrent pendant la période du test, le résultat média sera mécaniquement dégradé. À l’inverse, une forte promotion simultanée peut gonfler artificiellement les ventes attribuées au média.

Un cas fréquent : une marque lance une campagne retail media onsite sur une gamme de produits d’entretien. Le dashboard affiche un ROAS de 9. Mais l’analyse SKU révèle que 70 % des ventes attribuées concernent deux références déjà en promotion, très bien notées et en tête de rayon digital avant campagne. Les nouveaux produits, objectif réel du test, n’ont presque pas progressé. Le test n’est pas forcément mauvais, mais son interprétation brute est fausse. Il fallait isoler les SKU prioritaires, définir un baseline organique et mesurer l’effet sur la distribution numérique autant que sur les ventes attribuées.

Erreur n°4 : piloter au ROAS attribué sans protocole d’incrémentalité

La mesure est le cœur du test retail media. L’attribution désigne la méthode qui assigne une conversion à un ou plusieurs points de contact média. Elle peut être post-clic, après un clic, ou post-view, après une impression vue ou supposée vue. Elle est utile pour optimiser, mais insuffisante pour prouver l’impact. Dans le retail media, ce problème est amplifié par la proximité entre média et transaction. Plus un format est proche de l’achat, plus il a de chances de capter des ventes qui auraient pu se produire naturellement.

Le ROAS attribué peut être spectaculaire sans être incrémental. Supposons qu’un test génère 120 000 euros de ventes attribuées pour 20 000 euros d’investissement, soit un ROAS de 6. Si un holdout, groupe volontairement non exposé servant de référence, montre que seulement 25 % des ventes attribuées sont incrémentales, le chiffre d’affaires additionnel est de 30 000 euros. Si la marge brute est de 35 %, la contribution brute incrémentale est de 10 500 euros, inférieure au coût média. Le test est alors déficitaire malgré un ROAS plateforme flatteur.

À l’inverse, un dispositif offsite vidéo peut afficher 40 000 euros de ventes attribuées pour 25 000 euros dépensés, soit un ROAS de 1,6. Si le test révèle un lift de 18 % sur les nouveaux acheteurs et un effet sur les recherches marque dans l’environnement retailer, il peut être stratégiquement utile, surtout lors d’un lancement. Le pilotage doit donc distinguer trois niveaux :

1. Performance média : impressions, reach, fréquence, clics, visibilité, complétion, coût par visite.
2. Performance attribuée : ventes post-clic, ventes post-view, ROAS, CPA, panier moyen, SKU vendus.
3. Performance incrémentale : uplift versus groupe contrôle, nouveaux acheteurs additionnels, marge incrémentale, effet halo, réachat.

Pour un premier test, un protocole d’incrémentalité peut rester pragmatique. Le holdout audience est souvent adapté aux activations offsite ou CRM-like : une partie de l’audience éligible n’est pas exposée, puis les comportements sont comparés. Le geo-test compare des zones exposées et non exposées, utile pour le drive-to-store ou les retailers disposant de données magasin. L’A/B test onsite est plus délicat car il peut perturber les enchères et l’expérience de recherche, mais il peut fonctionner sur des formats display ou recommandations si les volumes sont suffisants.

La puissance statistique doit être anticipée. Si la catégorie a un taux d’achat naturel de 2 % sur quatre semaines et que l’effet attendu est de +10 %, le taux exposé passerait à 2,2 %. Détecter proprement un écart de 0,2 point nécessite des volumes importants. Beaucoup de tests trop courts concluent à l’absence d’effet alors qu’ils n’avaient pas la taille nécessaire pour détecter l’effet attendu. À l’inverse, sur des volumes massifs, un uplift statistiquement significatif peut être économiquement faible. La bonne question est donc double : l’effet est-il mesurable, et sa valeur couvre-t-elle les coûts média, data, tech et opérationnels ?

Erreur n°5 : négliger les coûts cachés, les frais tech et les règles d’enchères

Un test retail media ne se résume pas au budget média brut. Les frais peuvent inclure l’accès à la donnée, les coûts de plateforme, la marge du retailer ou de sa régie, les frais DSP, les frais de mesure, la création, la clean room, les coûts d’agence et parfois des minimums d’investissement. En offsite programmatique, la chaîne peut impliquer une DSP, une SSP, supply-side platform, plateforme utilisée par les éditeurs ou vendeurs pour mettre l’inventaire à disposition des acheteurs, un ad server, un outil de vérification et une couche de data. Chaque intermédiaire peut prélever quelques points de marge.

Ignorer ces coûts conduit à surestimer l’efficacité. Un budget annoncé de 100 000 euros peut ne représenter que 70 000 à 80 000 euros de média effectivement exposé après frais, selon les configurations. Si l’analyse compare ce test à du search ou du social sur une base de coût brut non harmonisée, l’arbitrage est biaisé. La comparaison doit se faire sur un coût net comparable, idéalement en distinguant working media, part du budget réellement dédiée à l’achat d’exposition, et non-working media, frais et coûts de production.

Les règles d’enchères doivent aussi être auditées. Sur le search retail, une marque peut se retrouver à enchérir sur ses propres termes de marque, ce qui génère souvent un ROAS élevé mais une incrémentalité faible. Sur des requêtes génériques ou catégorie, le coût est plus élevé mais le potentiel de recrutement plus important. Un test qui mélange marque, catégorie et concurrentiel dans un seul reporting masque ces dynamiques. Il faut isoler au minimum les requêtes brand, generic, competitor et long tail.

En offsite, les règles de fréquence sont tout aussi déterminantes. Une fréquence moyenne de 12 impressions par individu sur deux semaines peut améliorer l’attribution post-view mais dégrader l’expérience et augmenter la cannibalisation. Un test sain définit une fréquence cible par objectif : par exemple 3 à 5 expositions pour une campagne de prospection display, 2 à 3 expositions par semaine pour de la vidéo de considération, et une pression beaucoup plus limitée sur les clients déjà acheteurs. L’objectif est de mesurer une réponse, pas de maximiser les opportunités de crédit d’attribution.

Enfin, il faut demander au retailer ce qui est optimisé par l’algorithme. Optimise-t-il au clic, à la vente attribuée, au ROAS, au reach, à la marge, au nouveau client ? Une optimisation au ROAS court terme favorisera naturellement les audiences chaudes, les produits déjà performants et les requêtes de marque. Ce n’est pas mauvais en soi, mais ce n’est pas adapté à un test de conquête. L’algorithme doit être aligné avec l’hypothèse business, sinon il optimisera contre l’objectif réel.

Erreur n°6 : sous-estimer la gouvernance entre marque, retailer, agence et équipes commerciales

Un test retail media mobilise rarement une seule équipe. Côté annonceur, marketing, e-commerce, trade marketing, data, juridique, finance et ventes peuvent être impliqués. Côté retailer, la régie, les category managers, les équipes data, les équipes ecommerce et parfois les magasins interviennent. Sans gouvernance claire, le pilote devient lent, incomplet ou difficile à interpréter.

Un modèle RACI, responsible, accountable, consulted, informed, permet de clarifier qui exécute, qui décide, qui est consulté et qui doit être informé. Il doit couvrir au minimum la définition de l’objectif, la sélection des audiences, la validation juridique, la création, les paramètres média, le suivi des stocks, la mesure, l’accès aux données et la décision post-test. Cette formalisation peut sembler lourde pour un pilote, mais elle évite les blocages classiques : audience validée trop tard, créations non adaptées, rupture de stock ignorée, résultats indisponibles au niveau SKU, ou désaccord final sur le KPI de succès.

La conformité n’est pas un sujet secondaire. Les données retailer sont souvent des données first-party, collectées directement dans la relation avec le client. Leur activation doit respecter le consentement, les finalités déclarées et le RGPD, règlement général sur la protection des données. L’annonceur doit comprendre si les données sont utilisées sous forme agrégée, pseudonymisée, dans une clean room ou via un partenaire d’activation. Il n’a pas besoin d’accéder aux données individuelles, mais il doit pouvoir auditer la logique de segmentation et les règles de mesure.

La gouvernance commerciale est tout aussi importante. Un test média peut échouer parce que le plan promotionnel, la disponibilité produit ou le référencement ne sont pas alignés. Inversement, une campagne peut sembler très performante parce qu’elle bénéficie d’une promotion nationale ou d’une mise en avant commerciale déjà prévue. Il faut documenter les variables de contexte : prix, promotion, stock, saisonnalité, campagne TV ou social parallèle, actions concurrentes, changement d’assortiment, météo pour certaines catégories, et événements commerciaux comme rentrée, Black Friday ou fêtes.

Une bonne pratique consiste à tenir un journal de test. Il recense les dates de lancement, changements d’enchères, ruptures, ajustements créatifs, promotions, anomalies de tracking et événements externes. Ce document est souvent plus utile qu’un dashboard lorsqu’il faut expliquer pourquoi les résultats ont évolué entre la semaine 1 et la semaine 4. Il transforme le test en apprentissage capitalisable, et non en simple bilan de campagne.

Conclusion : construire un pilote qui permette une décision, pas seulement un reporting

Un test retail media réussi n’est pas forcément celui qui affiche le meilleur ROAS attribué. C’est celui qui permet de décider rationnellement s’il faut scaler, optimiser, réorienter ou arrêter. Pour y parvenir, il faut éviter les erreurs classiques : objectif flou, audience non auditée, inventaire agrégé sans lecture qualité, mesure limitée à l’attribution, coûts cachés ignorés, enchères mal alignées et gouvernance insuffisante.

Une feuille de route actionnable peut tenir en dix points. Premièrement, formuler une hypothèse business vérifiable. Deuxièmement, choisir un KPI principal et deux KPI secondaires maximum. Troisièmement, exiger une fiche segment détaillant source, fenêtre, exclusions, volume activable et matching. Quatrièmement, séparer onsite, offsite, search, display, vidéo et formats premium dans le reporting. Cinquièmement, vérifier stock, pricing, référencement et calendrier promotionnel avant lancement. Sixièmement, définir un protocole d’incrémentalité proportionné au budget et au volume. Septièmement, harmoniser les coûts bruts, nets, frais data et frais tech. Huitièmement, isoler les requêtes marque, génériques et concurrentielles en search retail. Neuvièmement, documenter les règles de fréquence, d’optimisation et d’attribution. Dixièmement, organiser une gouvernance RACI et un journal de test.

Le retail media apporte une promesse forte : rapprocher l’investissement média du signal transactionnel. Mais cette proximité peut devenir un piège si elle transforme toute vente observée en vente créée. La maturité consiste à traiter le retailer comme un partenaire de test, pas seulement comme un fournisseur d’inventaire. Cela implique de négocier l’accès aux bons agrégats, de questionner les modèles d’attribution, de calibrer les audiences et de relier les résultats à la marge, aux nouveaux acheteurs et à la contribution incrémentale.

Le bon standard n’est pas la perfection méthodologique, rarement atteignable dans un premier pilote. Le bon standard est la décision robuste : savoir ce que le test prouve, ce qu’il ne prouve pas, quelles hypothèses restent ouvertes et quelles conditions doivent être réunies pour passer à l’échelle. À ce niveau, le retail media cesse d’être un budget expérimental à justifier par des dashboards flatteurs. Il devient un système d’apprentissage commercial, capable d’éclairer à la fois le marketing, le commerce et la stratégie data de la marque.