Point clé : Les tests d’incrémentalité cherchent à estimer les résultats supplémentaires causés par une action marketing. Ils comparent des groupes exposés et témoins selon un protocole défini. La durée, la taille de l’échantillon et les différences entre groupes déterminent la portée des conclusions.
Pour appliquer cette démarche aux campagnes, notre accompagnement en stratégie média et campagnes intégrées relie les choix marketing aux objectifs et aux données du mandat.
Les tests d'incrémentalité mesurent l’effet causal
L'incrément pose une seule question : quels résultats vos annonces ont-elles causés qui ne se seraient pas produits autrement ?
La recherche économique montre à quel point il est difficile de mesurer les effets des annonces avec les données observationnelles, et pourquoi les expériences comptent (Lewis & Rao, 2015).
Trois décisions que l'incrément peut soutenir :
- Échelle : devrions-nous ajouter du budget à ce canal ou cette campagne ?
- Couper : qu'est-ce que nous pouvons réduire sans nuire aux résultats ?
- Réallouer : où les dépenses marginales produisent-elles la meilleure valeur incrémentale ?
La conception du test commence par la décision dont vous avez besoin
Commencez par le KPI en lequel vous avez confiance. Pour B2B, cela peut être un pipeline qualifié ou affaires gagnées, pas seulement des remplissages de formulaires.
Entrées de conception à verrouiller avant le lancement :
- Unité de rétention (géo, audience, basée sur le temps ou contrôlée par la plateforme).
- KPI primaire et comment il sera suivi de bout en bout.
- Durée du test qui capture le décalage de conversion et le délai du cycle de vente.
- Répartition budgétaire et garde-fous (combien de risques vous acceptez).
- Risques d'interférence (débordement entre les groupes retenus et exposés).
Les retenues, les tests géo et les PSA correspondent à différents risques
Un bon test est celui que vous pouvez exécuter proprement, puis répéter. Adaptez la méthode au canal et aux contraintes.
| Type de test | Le meilleur pour | Avantages | Inconvénients |
|---|---|---|---|
| Expérience géo | Dépenses élevées, marchés régionaux | Forte histoire causale | Nécessite suffisamment de géos et des divisions nettes |
| Rétention d'audience | Grandes audiences sur une plateforme | Rapide à exécuter | Risque de débordement et dérive du ciblage |
| PSA/contrôle créatif | Tests de marque et de sensibilisation | Contrôle l'exposition publicitaire | Les effets créatifs peuvent fuir entre les groupes |
| Rétention basée sur le temps | Pilotes à faible risque | Simple opérationnellement | La saisonnalité et les chocs externes peuvent confondre |
Si vous avez besoin d'une base de référence rigoureuse, les expériences de terrain académiques en publicité en ligne illustrent à la fois la puissance et la complexité de la mesure causale propre (NBER Working Paper 20171).
La puissance et la durée préviennent les faux négatifs
La plupart des équipes sous-puissent leurs tests. Ensuite, ils déclarent « pas de levée » lorsque le test n'a tout simplement pas pu la détecter.
Une checklist de puissance pratique :
- Estimez le taux de conversion de base et la variance du KPI.
- Définissez un effet détectable minimum qui vaut la peine d'agir.
- Assurez-vous que la taille de la rétention est suffisamment grande pour détecter cet effet.
- Exécutez suffisamment longtemps pour capturer le décalage de conversion et le suivi des ventes.
- Pré-enregistrez la règle de décision (quel résultat déclenche l'escalade ou la pause).
L'analyse et l'interprétation préviennent les mauvaises décisions d'escalade
La levée n'est que la moitié de la réponse. L'autre moitié est la valeur : les résultats incrémentaux justifient-ils le coût incrémental ?
Travaillez à partir de la valeur incrémentale vers le CPA ou CAC autorisé.
| Résultat | Ce qu'il vous dit | Comment l'utiliser |
|---|---|---|
| Conversions incrémentales | Vrais résultats ajoutés | Décider de l'échelle vs la coupure |
| Valeur incrémentale | Levée de revenus ou de pipeline | Comparer aux dépenses marginales |
| Intervalle de confiance de la levée | Plage d'incertitude | Éviter la sur-escalade sur le bruit |
| Effets hétérogènes | Où la levée est la plus forte | Affiner le ciblage et le créatif |
Les méthodes d'incrément évoluent toujours. La recherche dans l'industrie et l'académie continue d'affiner la façon d'estimer et de valider la levée dans les systèmes d'annonces modernes (ACM: Pourquoi les tests d’incrémentalité échouent ?).
Comment l'incrément et MMM fonctionnent ensemble
MMM et les expériences sont complémentaires. MMM fournit une large carte ; les expériences valident les points clés de la carte.
Une feuille de route de mesure combinée :
- Utilisez MMM pour identifier les canaux où les rendements marginaux sont incertains.
- Exécutez d'abord des tests d’incrémentalité sur les plus grands leviers budgétaires.
- Alimentez les résultats de levée dans MMM comme signaux d'étalonnage.
- Répétez trimestriellement pour que le modèle reste aligné avec la réalité.
Si vous souhaitez un plan de test de levée qui se connecte aux revenus, SuperQuanti peut concevoir les expériences, le pipeline de données et les règles de décision avec votre équipe (Services de Consultation).
À retenir : L'objectif n'est pas une mesure parfaite. L'objectif est une meilleure décision avec moins de théâtre de confiance.
FAQ
Q : Combien de temps un test d'incrément devrait-il durer ?
Assez longtemps pour capturer le décalage de conversion et votre cycle de vente. Les tests courts manquent souvent les effets en aval et produisent des résultats trompeurs.
Q : Quel KPI devriez-vous utiliser pour les tests d’incrémentalité B2B ?
Utilisez le proxy le plus proche et le plus fiable des revenus, tel que le pipeline qualifié ou affaires gagnées, si vos données sont cohérentes.
Q : Pouvez-vous exécuter des tests d’incrémentalité sur de petits budgets ?
Oui, mais choisissez des conceptions à faible risque et acceptez un effet détectable minimum plus élevé. Les tests sous-puissants ne doivent pas conduire de grandes décisions.
Q : Les tests d’incrémentalité remplacent-ils le MMM ?
Non. Les tests d’incrémentalité valident et étalonnent les modèles plus larges, tandis que MMM aide à décider où tester ensuite.