Test d'incrémentalité : comment mesurer ce que le marketing génère réellement

‍Ce que vous allez apprendre dans cet article :‍

Le test d'incrémentalité est une méthode de mesure causale qui permet de déterminer si une action marketing a véritablement produit un résultat business, ou si ce résultat se serait produit de toute façon. Elle repose sur des expériences contrôlées randomisées avec un groupe exposé et un groupe témoin, afin d'isoler l'effet causal réel. Cet article explique comment fonctionne un test d'incrémentalité, comment le concevoir et l'analyser, et comment il s'articule avec le Marketing Mix Modeling et l'attribution dans une stratégie de mesure solide.

La mesure marketing souffre d'un problème persistant : la plupart des outils vous disent ce qui s'est passé, pas ce que vous avez généré. Le test d'incrémentalité y répond directement. En comparant les comportements des groupes exposés à une action marketing avec ceux qui ne l'ont pas été, il permet de répondre à la question que les modèles d'attribution peinent à traiter : cette conversion aurait-elle eu lieu sans la campagne ? La réponse change la façon dont vous allouez vos budgets, validez vos canaux et prenez vos décisions marketing en toute confiance.

Qu'est-ce qu'un test d'incrémentalité en marketing ?

Le test d'incrémentalité est une méthodologie de mesure causale qui quantifie l'impact réel d'une action marketing sur un résultat business. Plutôt que d'attribuer un crédit à des points de contact dans un parcours client, un test d'incrémentalité marketing pose une question plus fondamentale : cette action a-t-elle modifié un comportement ?

La logique s'inspire de la méthode scientifique. Un groupe exposé reçoit le stimulus marketing (une publicité, une campagne, un nouveau canal). Un groupe témoin, également appelé groupe de contrôle ou holdout, n'y est pas exposé. La différence de résultats entre les deux groupes représente l'uplift incrémental, c'est-à-dire les conversions, le chiffre d'affaires ou d'autres KPI que le marketing a réellement générés.

Un exemple concret : une marque lance une campagne payante sur les réseaux sociaux sur deux semaines. Un groupe de contrôle sélectionné aléatoirement ne voit aucune publicité. Si le groupe exposé convertit à 4,2 % et le groupe témoin à 3,5 %, l'uplift incrémental est d'environ 20 %. Cet écart, c'est ce que le marketing a réellement produit.

Comment fonctionne un test d'incrémentalité ?

Concevoir une expérience d'incrémentalité valide ne se résume pas à diviser une audience. La qualité du protocole détermine si les résultats sont exploitables ou trompeurs.

Concevoir l'expérience

L'approche la plus courante est l'expérience contrôlée randomisée, dans laquelle des utilisateurs ou des zones géographiques sont assignés aléatoirement à une condition exposée ou à une condition témoin. Le geo-testing est particulièrement utile lorsque la randomisation au niveau individuel n'est pas possible, par exemple pour les canaux offline ou dans des environnements contraints par la confidentialité des données. Dans ce cas, des zones géographiques comparables jouent le rôle de marchés exposés et de marchés témoins, ce qui permet de mesurer l'effet causal de la TV, de l'affichage ou des activations en point de vente.

Lors de la conception d'une expérience marketing, trois décisions sont déterminantes :

1. La taille du groupe de contrôle (généralement entre 10 et 20 % de l'audience).
2. La durée du test (suffisamment longue pour couvrir l'intégralité du cycle d'achat).
3. Le KPI principal (conversions incrémentales, chiffre d'affaires ou ROAS incrémental).

Mesurer l'uplift incrémental

Une fois le test terminé, mesurer l'incrémentalité suit une formule simple :

(Taux de conversion du groupe exposé − Taux de conversion du groupe témoin) ÷ Taux de conversion du groupe témoin

On obtient ainsi un pourcentage d'uplift. À partir de là, il est possible de calculer le ROAS incrémental en divisant le chiffre d'affaires attribuable à cet uplift par le coût de la campagne. Cet indicateur est bien plus fiable que le ROAS calculé par les plateformes, qui tend à surestimer les résultats en comptabilisant des conversions qui se seraient produites de toute façon.

Comment le test d'incrémentalité se compare-t-il à l'attribution et au MMM ?

Le test d'incrémentalité occupe une place précise dans l'écosystème de la mesure. Comprendre ce rôle évite de lui en demander trop, ou au contraire de le négliger.

Incrémentalité vs attribution

Les modèles d'attribution assignent un crédit aux points de contact du parcours client. Ils sont utiles pour comprendre les séquences de canaux et optimiser l'exécution des campagnes digitales. Mais l'attribution ne prouve pas la causalité. Un modèle last-click ou data-driven créditera une publicité vue quelques instants avant un achat que le client avait déjà décidé de faire. L'opposition incrémentalité vs attribution est, au fond, une question de corrélation versus causalité. Le test d'incrémentalité apporte la preuve causale que l'attribution ne peut pas fournir.

Incrémentalité vs MMM

Le Marketing Mix Modeling (MMM) opère à un niveau différent. Il analyse des données historiques et agrégées sur l'ensemble des leviers marketing et commerciaux pour quantifier leur contribution aux résultats business dans le temps. Il répond à des questions stratégiques :

• Quels canaux génèrent le plus de croissance ?
• Comment le pricing interagit-il avec les investissements média ?
• Où orienter le budget de l'année prochaine ?

L'opposition incrémentalité vs MMM n'a pas lieu d'être. Les expériences d'incrémentalité sont avant tout utiles pour valider et calibrer les outputs du MMM, notamment pour les canaux ou tactiques pour lesquels les données historiques sont limitées, ou lorsque les estimations du modèle nécessitent une confirmation empirique. Ensemble, ces deux approches forment une architecture de mesure plus complète que chacune prise séparément.

Quand faut-il lancer un test d'incrémentalité ?

Le test d'incrémentalité est particulièrement pertinent dans certaines situations :

• Lors du lancement d'un nouveau canal, pour prouver sa contribution causale.
• Lorsque le ROAS reporté par les plateformes paraît anormalement élevé.
• Lorsqu'une décision de réallocation budgétaire dépend de la capacité d'un canal à générer de vraies conversions incrémentales.
• Lorsque les résultats d'un MMM ont besoin d'une validation expérimentale.

Il convient également de garder en tête les contraintes. Une expérience d'incrémentalité requiert :

1. Un volume de trafic suffisant pour atteindre la significativité statistique.
2. Un groupe de contrôle propre, sans contamination.
3. Une durée suffisante pour capturer les comportements d'achat différés.

‍

Pour les canaux à faibles investissements ou les campagnes à durée très courte, le coût d'un test rigoureux peut dépasser la précision qu'il apporte.