Test d’incrémentalité : définition et fonctionnement

Le test d’incrémentalité est une expérience contrôlée qui mesure la part réelle de vos conversions rapportées qu’un canal publicitaire provoque réellement, plutôt que le nombre de conversions que le pixel de la plateforme revendique simplement. Vous retenez un groupe d’utilisateurs ou de zones géographiques de voir les annonces d’un canal spécifique, puis comparez le résultat avec un groupe qui les a vues. L’écart qui subsiste entre les deux groupes représente la contribution réelle et incrémentale du canal. Tout le reste correspond aux conversions qui auraient eu lieu de toute façon.

Pourquoi les chiffres rapportés par la plateforme surestiment les résultats#

Chaque réseau publicitaire veut être crédité d’une vente. Si quelqu’un était déjà sur le point d’acheter via la recherche organique ou un clic de recherche de marque, et voit également une annonce de reciblage en cours de route, le suivi standard conversion tracking peut encore attribuer ce crédit à l’annonce dans sa attribution window. Même un crédit plus doux, où une plateforme compte une conversion après qu’un utilisateur a simplement vu une annonce, aggrave le problème ; ce mécanisme s’appelle view-through attribution. Le test d’incrémentalité élimine ce bruit en posant une question plus directe : si ce canal n’avait dépensé aucun dollar ce mois‑ci, la conversion aurait‑elle tout de même eu lieu ?

C’est une question différente de celle à laquelle répond un pixel de suivi seul, ce qui explique pourquoi les équipes gérant des budgets natifs ou sociaux de plusieurs centaines de milliers de dollars par mois finissent par mettre en place un programme d’incrémentalité en complément de leurs tableaux de bord de plateforme, et non en remplacement.

Comment les équipes le mettent en œuvre concrètement#

Deux conceptions couvrent la plupart des cas réels. Un test au niveau géographique suspend complètement un canal dans un ensemble de régions appariées et compare le taux de conversion avec les régions où les dépenses se poursuivent. Un test au niveau utilisateur utilise l’outil de lift de conversion intégré à la plateforme publicitaire, proposé nativement par plusieurs demand-side platforms, pour retenir les annonces d’une tranche aléatoire de l’audience.

Dans les deux cas, le calcul est le même : le lift incrémental est égal au taux de conversion du groupe test moins le taux de conversion du groupe de contrôle. Un canal affichant un ROAS auto‑rapporté élevé dans la plateforme peut afficher un lift incrémental proche de zéro une fois qu’un contrôle propre retire les utilisateurs qui auraient quand même converti.

À quoi cela sert#

Les acheteurs médias exécutent des tests d’incrémentalité pour décider de l’allocation du budget entre les réseaux, et pas seulement pour auditer un canal isolément. Un schéma que nous observons dans l’index : les marques qui diffusent le même angle créatif simultanément sur plusieurs réseaux supposent souvent que tous contribuent de manière égale, alors qu’un test de lift montre qu’un canal ne fait que récupérer une demande déjà créée par un autre.

Avant de lancer un test formel, la plupart des équipes commencent par observer ce que les concurrents de leur secteur sont réellement en train de scaler, car un canal saturé avec une longue ad longevity constitue un bon indicateur de l’endroit où le budget incrémental a tendance à fonctionner. Les outils d’ad intelligence d’OpenAdLibrary vous permettent de vérifier le recoupement créatif et la durée des campagnes entre réseaux avant de consacrer le ad spend du test à un groupe de contrôle.

Erreurs fréquentes#

Le groupe de contrôle doit être suffisamment grand et aléatoire pour détecter un vrai signal, et non simplement du bruit. Un test d’une semaine sur un canal à faible volume ne pourra généralement pas atteindre la signification statistique. Les équipes lancent souvent le test pendant un pic saisonnier ou une promotion site‑wide, ce qui contamine les deux groupes de manière égale et rend le chiffre de lift sans signification. Effectuez le test pendant une période représentative, dimensionnez le groupe de contrôle avec un calcul de puissance approprié, et n’arrêtez pas prématurément simplement parce que le chiffre intermédiaire semble bon ou mauvais.