Quand on gère des campagnes omnicanales — entre search, social, display, email et magasins physiques — il est tentant de se fier aux rapports de chaque plateforme pour juger de la performance. Pourtant, ces rapports racontent souvent une histoire partielle. J'ai appris à mes dépens que pour savoir si une campagne apporte réellement du chiffre d'affaires additionnel (et pas seulement des conversions déplacées d'un canal à l'autre), il faut mesurer l'incrémentalité. Dans cet article, je vous partage des méthodes simples à mettre en place pour mesurer l'impact réel de vos campagnes omnicanales, sans nécessiter une équipe data-science dédiée.
Pourquoi l'incrémentalité est différente de l'attribution
L'attribution tente de répartir un événement (ex. : vente) entre plusieurs points de contact. L'incrémentalité, elle, pose une question causale : quelle part des ventes constatées sont réellement imputables à la campagne ? En d'autres termes, sans la campagne, combien de clients auraient acheté de toute façon ?
Autrement dit, l'attribution vous montre la chaîne d'influence ; l'incrémentalité vous dit si la campagne a créé de la valeur supplémentaire. J'ai vu des annonceurs célébrer de beaux chiffres d'attribution alors que le test d'incrémentalité révélait une hausse marginale — ou nulle — des ventes.
Méthodes simples et robustes pour tester l'incrémentalité
Voici des approches que j'utilise et que je recommande :
Ces méthodes peuvent sembler basiques, mais leur simplicité est un atout : elles limitent les biais et sont souvent suffisantes pour prendre des décisions commerciales éclairées.
Comment mettre en place un test holdout en pratique
Je décris ci-dessous une procédure opérationnelle que j'utilise pour tester des campagnes omnicanales :
Cas concret : campagne omnicanale pour un e‑commerce
Récemment, j'ai piloter un test pour une marque de mode. On a défini un univers de 200 000 visiteurs. On a isolé 10% comme groupe témoin et lancé : search brand + generic, social prospecting, retargeting display et une série d'emails de relance.
| Groupe | Visiteurs | Conversions (30j) | Revenu total | AOV |
|---|---|---|---|---|
| Exposé | 180 000 | 5 400 | 324 000 € | 60 € |
| Témoin | 20 000 | 480 | 28 800 € | 60 € |
Calcul rapide : taux de conversion exposé = 3% (5 400 / 180 000), témoin = 2.4% (480 / 20 000). Le lift est donc (3% - 2.4%) / 2.4% = 25% d'augmentation relative des conversions. En extrapolant, la campagne a généré un volume de ventes additionnel significatif. Mais attention : il faut vérifier l'effet de report (clients qui auraient acheté via d'autres canaux) et la rentabilité (CPA vs marge).
Statistique et significativité : ce qu'il faut savoir
Un lift apparent peut être dû au hasard si vos échantillons sont petits. J'utilise habituellement :
Si vous n'êtes pas à l'aise avec les maths, de nombreux outils (Google Optimize, Meta Test and Learn, Dataiku pour les équipes plus matures) proposent des rapports de significativité prêts à l'emploi.
Mesurer l'impact à travers les canaux : pièges et bonnes pratiques
Quelques enseignements tirés de mes tests :
Outils pratiques pour lancer rapidement un test d'incrémentalité
Voici la boîte à outils que j'utilise :
Exemples de résultats attendus et décisions à prendre
Après un test, vous pouvez vous retrouver dans plusieurs situations :
Dans tous les cas, documentez les tests : durée, segments, budgets, variantes créatives, canaux, métriques utilisées. Cela vous évitera de répéter les mêmes erreurs.
Si vous souhaitez, je peux vous fournir un template d'exclusion audience CRM, un tableau Excel pour calculer le lift et la significativité, ou une check-list opérationnelle pour déployer un holdout propre. Dites-moi ce qui vous serait le plus utile.
