Incrémentalité

L'incrémentalité demande si une conversion aurait eu lieu sans la dépense - la question que toutes les conversions natives évitent. Elle distingue vendre à ceux qui auraient acheté de gagner des nouveaux acheteurs. Ne pas la mesurer, c'est ne pas piloter.

Deux plantes pressées côte à côte sur une planche d'herbier - une dense et sombre, une pâle et étiolée.
L'écart est la preuve

L’incrémentalité est la question que toute mesure marketing devrait poser et que les dashboards de régie évitent par construction : « cette conversion aurait-elle eu lieu sans la dépense ? » Elle sépare deux choses que le reporting natif confond : vendre à qui aurait acheté de toute façon, et gagner des acheteurs nouveaux.

La distinction est fondatrice. Byron Sharp l’expose dans Marketing: Theory, Evidence, Practice en opposant response rate (le % de la cible qui agit) et incremental response (l’écart vs un groupe contrôle). Les Binet et Sarah Carter, dans How not to Plan, y ajoutent que le digital a démultiplié le tracking sans rapprocher la mesure du dashboard de celle de l’effet causal. La mécanique économétrique est solide : Kohavi formalise l’A/B test randomisé comme gold standard, et Runge et Pauwels montrent comment les modèles observationnels surestiment l’effet causal par activity bias.

Cette page traite la distinction, ses méthodes de mesure par rigueur, et le pont avec une scale-up B2C qui pilote au ROAS natif - pas la mise en œuvre d’un geo-test ni les arcanes du MMM, qui ont leur page.

L’essentiel en 4 points

  • L’incrémentalité sépare ce que le marketing produit de ce qu’il récolte - la question que toutes les conversions natives évitent.
  • Les dashboards attribuent des actions user-level, pas des effets causaux : last-click, cannibalisation cross-canal et halo non mesuré biaisent mécaniquement les budgets vers les canaux mesurables.
  • Toutes les conversions reportées ne se valent pas : une hiérarchie du click prospecting au paid search brand, et 2 200+ RCT montrent que le last-click surestime le ROAS en retargeting de 60 % à plus de 100 %.
  • La bonne utilisation des outils : MMM pour allouer entre canaux, geo-tests pour valider un canal, attribution pour l’optimisation créative uniquement - un test ne vaut que si l’organisation est prête à changer l’allocation.

Response rate vs incremental response

C’est la distinction fondatrice posée par Byron Sharp. Deux métriques que tout marketing data-driven confond :

Métrique Mesure Utile pour
Response rate % de la cible qui agit optimiser la mécanique d’une campagne
Incremental response écart vs groupe contrôle décider si la campagne a créé de la valeur

Le piège : une audience à intent fort - retargeting, RFM élevé - produit un response rate spectaculaire alors que ces acheteurs auraient acheté de toute façon. Sans groupe contrôle, le lift reporté est un artefact de sélection.

Pourquoi les dashboards natifs ne la mesurent pas

Ce n’est pas un défaut technique des plateformes, c’est un choix de cadrage. Comme le résument Binet et Carter, la conversion native ne capture « que des actions user-level, pas leur impact sur la trajectoire de l’entreprise ». Trois biais en découlent (détail : Attribution) : last-click, cannibalisation cross-canal, halo non mesuré. Conséquence : l’attribution dashboardée redistribue mécaniquement les budgets vers les canaux mesurables, au détriment de tout levier à effet long.

Les algorithmes aggravent le biais : ils priorisent les utilisateurs déjà à fort intent, les conversions montent mais la demande sous-jacente ne grandit pas - le mécanisme micro du Performance Plateau. Symptôme visible : la somme des conversions attribuées par tous les canaux dépasse le nombre réel de commandes - la double attribution est la règle.

La hiérarchie des conversions par valeur incrémentale

Toutes les conversions reportées ne se valent pas. De la plus à la moins incrémentale : (1) click-through < 24 h prospecting ; (2) click-through 1-7 jours prospecting ; (3) click-through retargeting ; (4) view-through prospecting (aucune action n’a vérifié que l’impression a été vue) ; (5) view-through retargeting (quasi-bruit) ; (6) paid search brand (les gens cherchaient déjà la marque).

Un dashboard qui agrège ces six niveaux masque la composition : deux comptes au même volume peuvent diverger d’un facteur 3 en incrémentalité réelle. Le retargeting y est structurellement peu incrémental - « beaucoup de ces gens auraient converti sans tes pubs » (Jon Loomer). La hiérarchie s’inverse avec la force de marque : Airbnb a coupé son spend perf de 30-35 % à 15-20 % du revenu sans perte de croissance, la part coupée captant de la demande déjà acquise par la marque.

Une méta-analyse de 2 200+ expériences contrôlées (Northwestern × Meta, rapportée par le Sleeping Barber) chiffre l’écart : en prospecting, le last-click s’aligne sur le RCT dans 84 % des cas ; en retargeting et clients existants, il surestime le ROAS de 60 % (retail) à plus de 100 % (travel) - là où se concentre la majorité des budgets. L’attribution doit être calibrée contre le RCT par contexte d’audience.

Les méthodes de mesure, par rigueur

De la plus rigoureuse à la plus permissive : (1) A/B test randomisé user-level - gold standard formalisé par Kohavi, limité en média de masse par la contrainte SUTVA ; (2) geo-experiments (Google GeoX, Meta Conversion Lift) - que les régies les proposent admet que leurs dashboards sont biaisés ; (3) ghost ads - placebo sur le groupe contrôle ; (4) MMM calibré par expérimentation - le seul outil qui couvre tous les canaux uniformément, à condition d’être calé sur des geo-tests externes.

Runge et Pauwels formalisent l’enjeu : les modèles observationnels surestiment l’impact causal par activity bias - ils attribuent à l’ad un achat qui résulte de l’auto-sélection du consommateur, traduction économétrique du Rosser Reeves Effect. D’où le bon framework : laisser Meta optimiser, mais évaluer le canal via un dispositif externe couvrant tous les leviers uniformément.

La hiérarchie d’usage. Simon Peel (ex-Adidas), issu de deux ans de RCT, a formalisé l’ordre : (1) MMM pour l’allocation entre canaux ; (2) RCT géographiques pour valider l’effet incrémental d’un canal ; (3) attribution pour l’optimisation créative et de format uniquement - jamais pour arbitrer l’allocation. Corollaire : un A/B test in-platform mesure un mix d’effet créatif et de sélection d’audience (divergent delivery), pas une efficacité absolue.

La mesure-théâtre

Dernier filtre : « une mesure qui ne change aucun comportement est du pur théâtre » (Joe Kaminsky, Cesium). Avant tout test, deux questions - existe-t-il un résultat qui changerait l’allocation, et l’organisation est-elle prête à l’exécuter ? Si non, c’est de la mesure-théâtre.

Limites

L’incrémentalité est toujours conditionnelle au contre-factuel testé - valide dans le contexte de l’expérience, obsolète quand le contexte concurrentiel ou le timing change. L’incrementality testing ne capture que la fenêtre testée (effets court terme) et la contamination du groupe contrôle croît avec le temps (organic, PR, bouche-à-oreille). D’où des fenêtres courtes, complétées par des signaux mid-funnel et des surveys.

Validité externe fragile : un geo-test prouve l’effet là où on teste, pas partout. À l’inverse, décider par géographie plutôt que sur la moyenne nationale améliore l’allocation (un même spend rend différemment selon la concurrence et la saturation locale). Les effets long-terme sont mal capturés par les geo-tests courts ; un MMM avec plus de 24 mois de back-data est requis. Double pénalité pour les canaux brand (Charlie de Thibault) : payback long et part de spend faible - le signal se dilue et passe sous le seuil de détection. Remède : couches complémentaires (brand signals, Share of Search).

Enfin, les canaux organiques résistent structurellement au geo-test (tracking gaps, touchpoints multiples, spillover). Proxy : peer benchmarking du channel mix.

Si ta scale-up plafonne aujourd’hui

Pattern type : ROAS Google 5x, ROAS Meta 3x, et la conclusion native - « le marketing est performant » - masque le plateau. Ce que ces ROAS captent vraiment : du brand search quasi-non-incrémental côté Google, du retargeting non isolé et du view-through côté Meta, un last-click qui s’attribue tout l’effet brand offline accumulé sur des années. Coupe le brand budget pour la perf, les ROAS tiennent 6 à 12 mois puis décrochent.

Deux pièges Meta : la régie retarget par défaut même en ciblage broad, et sa feature incremental attribution sert au diagnostic, pas au pilotage. Et le R du ROI n’est pas le revenu brut mais la marge de contribution incrémentale au marginal : un ROAS de 4x peut cacher un ROI négatif, qui s’effondre aux pics de dépense.

Un résultat incrémental n’est pas rentable par défaut - et l’incrémentalité est une courbe, pas un point. Matt Bertulli (Pela) a rapporté un holdout affichant 47 % de lift en nouveaux clients qui restait non rentable au volume testé : le verdict n’est ni « couper » ni « scaler » mais trouver le point sur la courbe. D’où le design à 3 cellules (holdout · BAU · spend augmenté) : en BFCM, Ridge a trouvé +50 % de spend incrémental et profitable, +100 % bruité et non profitable - un sweet-spot invisible à un test 2 cellules.

Le halo retail décale le CAC. HexClad a mesuré via geo-holdout que chaque commande incrémentale .com via Meta entraîne environ une commande incrémentale sur Amazon - ROAS réel deux fois la mesure site-centric. Le halo est plus massif sur les canaux view-based (CTV, YouTube, AppLovin). Pour une marque DTC avec retail ou présence Amazon, le CAC site-centric sous-estime la rentabilité paid de 10 à 20+ points.

La promotion comme taxe. Magnus Ekbom (ex-CEO Lazada) formule le risque : la pub en ligne « est devenue une taxe sur la marge brute » (5 à 25 %). Test de cohérence : mesurer le ré-achat des acheteurs promo vs non-promo à 6-12 mois - si l’écart est faible, la promo est une taxe sur des acheteurs qui seraient venus de toute façon.

Quatre actions par coût croissant : (1) audit des breakdowns natifs pour voir la composition réelle des conversions sur 90 jours ; (2) coupure paid search brand en geo-test (4-6 sem.) pour la cannibalisation organic ; (3) geo-test brand-building (Conversion Lift ou dispositif externe) pour l’incrémentalité d’un canal upstream invisible aux ROAS natifs ; (4) MMM calibré sur les geo-tests précédents, seul outil qui pilote tous les canaux en cohérence. Le critère n’est pas « on a la bonne réponse » mais « l’organisation est prête à changer l’allocation selon le résultat. »

Pour aller plus loin

  • Attribution - La mécanique des biais qui rendent l’incrémentalité invisible aux dashboards.
  • Rosser Reeves Effect - La causalité inverse à la base de la non-incrémentalité du retargeting.
  • Expérimentation Contrôlée - La méthodologie qui produit la mesure incrémentale : A/B test, geo-experiments, design des groupes contrôle.
  • Media Mix Modeling - L’outil multi-canal qui complète les RCT pour piloter l’allocation long terme entre canaux hétérogènes.
  • Élasticité Prix et Promotions - Cas d’école d’incrémentalité quasi-nulle : la promo comme taxe sur la marge.
  • Confirmation Bias - La résistance organisationnelle à intégrer un résultat incrémental qui contredit les croyances établies.
  • Meta Ads - Breakdowns, audience segments et settings d’attribution pour révéler la composition réelle.
  • Google Search Ads - Customer Match exclusion et event new-customer-only pour sortir du brand search non incrémental.

Sources

ℹ️ À propos de cette page

Reaching Kibo explore les vrais moteurs de la croissance des scale-ups B2C - et comment les mettre en pratique. Cette page appartient à Basecamp, le playbook du projet.

Elle est rédigée par IA, d’après le cadre et la direction que je donne. Une erreur, un désaccord, une source à ajouter ? Écris-moi : romain@reachingkibo.com.