Incrementality testing

  • Concept
  • Avancé
  • IA générative
  • Toujours utilisé

En bref

L'incrementality testing est une méthode qui vérifie si une action marketing génère réellement des ventes supplémentaires, ou si ces ventes auraient eu lieu de toute façon.

Définition complète

L’incrementality testing (test d’incrémentalité en français) est une méthode qui consiste à mesurer l’effet réel d’une action marketing, par exemple une campagne publicitaire, en comparant les résultats obtenus avec un groupe de personnes exposées à cette action et un groupe similaire qui n’y a pas été exposé.

Par exemple, une entreprise peut suspendre temporairement sa publicité dans une région tout en la maintenant ailleurs, puis comparer l’évolution des ventes entre les deux zones. Si les ventes ne baissent pas dans la région sans publicité, cela signifie que cette publicité n’apportait pas de ventes réellement supplémentaires, mais touchait peut-être des clients qui auraient acheté de toute façon.

Attention : un bon test d’incrémentalité demande de comparer des groupes réellement similaires, sinon les différences observées peuvent venir d’autres facteurs que l’action marketing testée.

À quoi ça sert

L’incrementality testing sert à savoir si un investissement marketing produit un effet réel, plutôt que de se contenter d’observer des ventes qui auraient pu se produire même sans cette action. Cela évite de continuer à dépenser de l’argent dans des actions qui semblent efficaces uniquement en apparence.

Il aide aussi à répartir plus justement un budget marketing entre plusieurs canaux, en identifiant ceux qui apportent vraiment des ventes supplémentaires et ceux qui se contentent d’accompagner des ventes déjà acquises par ailleurs.

Cas d'usage typiques

– Évaluer l’efficacité réelle d’une campagne publicitaire : les ventes observées seraient-elles survenues sans cette campagne ? / cela justifie ou remet en question l’investissement publicitaire.
– Comparer plusieurs canaux marketing entre eux : quel canal apporte le plus de ventes vraiment supplémentaires ? / cela oriente la répartition du budget marketing.
– Décider de réduire ou d’arrêter une action marketing : l’arrêt de cette action provoquerait-il une baisse réelle des résultats ? / cela évite de maintenir des dépenses inutiles.
– Justifier un budget auprès d’une direction : peut-on prouver que l’argent investi a généré des ventes qui n’auraient pas eu lieu autrement ? / cela renforce la crédibilité des choix marketing.
– Identifier les clients qui auraient acheté de toute façon : certains segments de clients sont-ils moins sensibles aux actions marketing que d’autres ? / cela permet de mieux cibler les efforts futurs.

Ce que tu sauras faire

Savoir concevoir une comparaison simple entre un groupe exposé et un groupe non exposé à une action marketing, afin d'évaluer son effet réel sur les ventes.

Mises en situation

Situation 1 : une publicité qui semble efficace mais ne l’est peut-être pas

Contexte : une entreprise constate que ses ventes augmentent pendant une campagne publicitaire, et en conclut que la publicité fonctionne bien.

Application : elle réalise un test d’incrémentalité en suspendant la publicité dans une zone tout en la maintenant ailleurs, pour comparer l’évolution des ventes.

Résultat attendu : l’entreprise découvre que les ventes ont continué à augmenter presque autant dans la zone sans publicité, ce qui remet en question l’efficacité réelle de cette campagne.

Situation 2 : un commerce qui distribue des flyers par habitude

Contexte : un commerce de quartier distribue des flyers chaque mois depuis des années, sans jamais avoir vérifié leur réelle utilité.

Application : il arrête la distribution de flyers dans une partie du quartier pendant un mois, en continuant ailleurs, pour comparer les ventes des deux zones.

Résultat attendu : si les ventes restent stables dans la zone sans flyers, le commerce peut envisager de réduire cette dépense sans risque réel pour son activité.

Situation 3 : une entreprise qui répartit mal son budget publicitaire

Contexte : une entreprise investit massivement dans un canal publicitaire qui semble performant, sans avoir vérifié s’il générait vraiment des ventes supplémentaires.

Application : elle met en place un test d’incrémentalité comparant les ventes avec et sans ce canal sur des groupes similaires.

Résultat attendu : l’entreprise découvre qu’une partie du budget peut être réorientée vers un autre canal qui génère un effet réellement supplémentaire plus important.

Application guidée : concevoir un test d’incrémentalité simple

Contexte : une chaîne de magasins veut savoir si ses publicités sur les réseaux sociaux génèrent vraiment des ventes supplémentaires, ou si les clients seraient de toute façon venus en boutique.

Question : comment organiser un test simple pour vérifier l’effet réel de cette publicité ?

Résultat attendu : suspendre la publicité dans certains magasins comparables à d’autres qui continuent de la recevoir, puis comparer l’évolution des ventes entre les deux groupes sur une période identique.

Application guidée : interpréter un résultat de test

Contexte : après un test d’incrémentalité, une entreprise observe que les ventes ont baissé de 2 % seulement dans la zone sans publicité, contre une baisse attendue de 15 % si la publicité était vraiment essentielle.

Question : que peut-on en conclure sur l’efficacité réelle de cette publicité ?

Résultat attendu : la publicité semble avoir un effet réel mais limité sur les ventes ; l’entreprise peut envisager de réduire son investissement dans ce canal sans risque majeur pour son chiffre d’affaires.

Pour bien le retenir

L'analogie

C’est comme arrêter de distribuer des flyers dans un quartier pour voir si les ventes y baissent. Si elles ne baissent pas, cela signifie que les flyers n’avaient pas d’impact réel sur les achats des habitants de ce quartier.

« Retirer une action pour voir si son absence change vraiment quelque chose. »

Pièges à éviter

À ne pas confondre avec

Une erreur fréquente consiste à confondre corrélation et effet réel : une hausse des ventes pendant une campagne ne prouve pas que cette campagne en est la cause, d'autres facteurs peuvent expliquer cette hausse.

Une autre confusion consiste à comparer des groupes trop différents entre eux, par exemple deux régions aux habitudes de consommation très différentes, ce qui fausse les conclusions du test.

Enfin, certains réalisent un test trop court pour en tirer une conclusion fiable, alors qu'une durée suffisante est nécessaire pour observer un effet réel et stable, au-delà des variations habituelles de l'activité.

Évolution historique

Apparition : Années 2010

Quels changements depuis l’arrivée de l’IA ?

Avant

Les tests d’incrémentalité demandaient une organisation manuelle importante, avec une analyse statistique réalisée après coup par des équipes spécialisées.

Aujourd’hui

Des outils utilisant l’intelligence artificielle permettent d’analyser plus rapidement de grands volumes de données pour détecter des effets réels, en tenant compte de nombreux facteurs simultanément, ce qui rend ces tests plus accessibles à des entreprises de taille plus modeste.

Évolution historique

Années 2000 : les grandes entreprises commencent à s’interroger sur l’efficacité réelle de leurs investissements publicitaires, sans toujours disposer des outils pour la mesurer précisément.

Années 2010 : le concept d’incrementality testing se développe et se formalise, porté notamment par les grandes plateformes publicitaires en ligne.

Fin des années 2010 : cette approche se diffuse au-delà des très grandes entreprises, à mesure que les outils de mesure deviennent plus accessibles.

Depuis les années 2020 : l’analyse de données assistée par l’intelligence artificielle facilite la réalisation de ces tests, y compris pour des entreprises disposant de moyens plus limités.