Rosser Reeves Effect

Le Rosser Reeves Effect est probablement l’erreur d’attribution la plus universelle du marketing : « les gens qui reconnaissent notre pub aiment plus la marque, donc la pub fonctionne. » L’inférence semble logique. Elle est causale à l’envers : ceux qui achètent ou aiment déjà la marque sont ceux qui notent et retiennent davantage ses publicités. La corrélation est l’effet, pas la cause.

Le nom vient de Rosser Reeves, publicitaire des années 1950, qui formalisa la méthode dans Reality in Advertising (1961) : comparer les scores marque entre les gens qui se souviennent de la pub et les autres ; l’écart prouverait l’effet. Les Binet et Sarah Carter démontent la méthode dans How not to Plan (ch. 69) : « people are more likely to notice and remember ads for brands they know well and like. So usually ad recognition is the effect, not the cause. » On achète une voiture, et soudain on voit ses pubs partout : le réseau attentionnel s’active sur la familiarité.

Cette page traite le mécanisme, ses mutations digitales, et le seul antidote connu : le test contrôlé. Elle ne traite ni le retargeting comme canal, ni le détail des méthodes de geo-experiment.

L’essentiel en 4 points

• Le Rosser Reeves Effect : la causalité de la mesure publicitaire est souvent inversée, les gens qui notent une pub sont déjà des acheteurs de la marque.
• Réfuté dans les années 1960, l’effet a muté dans le digital : retargeting, lookalike, social proof, brand search présument tous qu’une corrélation forte avec la conversion prouve un effet.
• Seul antidote : le controlled exposure test, deux groupes comparables, exposer l’un, mesurer l’écart d’achat.
• Il persiste parce qu’il est un biais cognitif activement entretenu : le praticien lit un CPA flatteur comme une preuve, sans activer les breakdowns qui révéleraient la non-incrémentalité.

L’origine et le mécanisme

La mémoire publicitaire est un produit conjoint de l’exposition et de l’affinité préalable. Une marque qu’on aime déjà laisse plus de traces que la même exposition à une marque indifférente. Comparer après coup les scores marque entre ceux qui reconnaissent la pub et les autres ne mesure donc pas l’effet de la pub : cela mesure la composition préalable de l’audience. La méthode produit toujours de gros effets, toujours « validants », et toujours biaisés.

Les variantes contemporaines

Réfuté dès les années 1960, l’effet survit sous des formes mutantes. « Notre cible exposée 3 fois ou plus achète 40 % de plus », « nos fans Instagram dépensent 2 fois plus », « nos visiteurs de site achètent 48 % plus » : chacune est un Rosser Reeves moderne. L’étude Accenture/ComScore derrière le dernier chiffre montre que ces visiteurs sont en fait des deal hunters moins loyaux : la visite est la conséquence de l’achat, pas sa cause.

Trois incarnations digitales reviennent : le retargeting (cibler des audiences à intent fort gonfle le ROAS, on a vendu à des gens qui allaient acheter), le lookalike (la conversion vient du profil sélectionné, l’algorithme fait un travail de sélection, pas de persuasion), et le « social fans = better buyers » (les heavy buyers deviennent fans, pas l’inverse). L’optimisation algorithmique automatise le biais : l’algorithme montre l’ad aux audiences qui convertissent déjà, et « optimiser vers la performance » reproduit le mécanisme sans qu’aucun analyste ne le choisisse. Toutes orientent les budgets vers la fidélité plutôt que la pénétration, le ciblage plutôt que le reach, la promo plutôt que le brand-building : trois axes empiriquement moins rentables (voir Pénétration vs Loyauté et Meta Ads).

Le seul antidote : controlled exposure

La seule façon fiable d’évacuer le biais : le controlled exposure test. Deux groupes comparables, exposer l’un, mesurer l’écart de comportement. Variantes : A/B in-market, geo-experiments, ghost ads (banner placebo sur le groupe contrôle pour neutraliser le targeting), MMM calibré par expérimentation.

Que Google et Meta proposent désormais leurs propres outils de lift testing admet implicitement que leurs dashboards d’attribution sont biaisés. Aucun outil contemporain ne corrige naturellement Rosser Reeves : c’est à l’analyste de segmenter buyers vs non-buyers, lancer un geo-test, comparer à une baseline historique (voir Incrémentalité).

Si ta scale-up plafonne aujourd’hui

Pattern récurrent : ROAS Google 5x, Meta 3x, conclusion native « le perf marche. » Le diagnostic Rosser Reeves : le ROAS Google inclut massivement du brand search (les gens qui tapent ton nom de marque convertissent parce qu’ils étaient déjà décidés), le retargeting Meta capture les visiteurs déjà engagés, le last-click attribue tous les effets brand offline (TV, OOH, presse, bouche-à-oreille) au touchpoint final mesurable, les lookalikes vendent à ceux qui ressemblent aux convertisseurs.

Quand la scale-up coupe la TV ou l’OOH pour rebasculer vers le digital, les ROAS Google et Meta tiennent à court terme puis s’érodent à 6-12 mois. L’inverse se vérifie : le brand-building produit un lift sur le search payant que le last-click attribue à tort à Google. Marketing Architects documente ce « snowball effect », une campagne TV arrêtée continue à driver du search pendant des semaines. Test révélateur : couper la TV 8-12 semaines en geo-test, mesurer la dégradation du search payant sur traitement vs contrôle.

Deux variantes natives Meta amplifient le biais. Le social proof : Jon Loomer rapporte une ad fraîche sans social proof qui bat l’ad-trophée à 6 000 commentaires, 46 $ vs 50 $ de CPL ; le social proof corrèle avec la qualité créative initiale, il n’en est pas le driver. La fenêtre d’attribution : passer en engage-through 1 jour plutôt que click-through 7 jours élimine les conversions multi-touch légitimes tout en gardant les same-day, les plus exposées au biais de sélection, ce qui amplifie l’effet au lieu de le corriger.

La sortie tient en trois principes : ghost ads, geo-experiments et MMM sur plus de 24 mois ; distinguer brand search (passif, capté) de brand-building (actif, produit) ; et toujours se poser la question fondatrice de l’incrémentalité : « ces convertisseurs auraient-ils converti sans cette exposition ? »

Pour aller plus loin

• Attribution - Le cadre général des biais de mesure dont Rosser Reeves est le plus fondamental.
• Incrémentalité - La métrique différentielle qui corrige la causalité inverse.
• Pénétration vs Loyauté - Les stratégies de fidélité que Rosser Reeves valide à tort.
• Google Search Ads - Le brand search, illustration paradigmatique : les chercheurs de nom de marque convertissent parce qu’ils allaient acheter.
• Meta Ads - Breakdowns, segments d’audience et réglages d’attribution comme antidotes natifs.

Sources

• Les Binet & Sarah Carter, How not to Plan: 66 ways to screw it up (2018), ch. 69 « How not to prove that advertising works ».
• Rosser Reeves, Reality in Advertising (1961) - source historique de la méthode réfutée.
• Marketing Architects, podcast Avoiding the Google Tax.
• Jon Loomer, Social Proof Might Not Matter.
• Jon Loomer, Click Attribution Isn’t What It Used to Be.

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.