Entre la pression d’atteindre des objectifs court terme et la complexité des parcours clients modernes, beaucoup de marketeurs tombent dans un piège subtil : confondre ce que les plateformes attribuent et ce que les campagnes génèrent réellement comme valeur additionnelle. La clé pour démêler ce paradoxe tient en un concept devenu incontournable : l’incrémentalité. 🎯
Incrémentalité : la métrique qui révèle l’impact réel de vos campagnes
Par incrémentalité, on entend la part de résultats (conversions, revenus, leads, visites) qui n’auraient pas eu lieu sans l’exposition publicitaire. Autrement dit, c’est la différence entre le monde “avec” et le monde “sans” votre campagne. Cette notion dépasse l’attribution traditionnelle — dernier clic, linéaire, data-driven — car elle cherche la causalité, pas seulement la corrélation. 🔍
Pour des campagnes de type “Demand Gen” (portées par YouTube, Discover, Gmail, etc.), la question est cruciale : ces formats touchent des audiences haut-de-funnel et multiplient les points de contact, ce qui gonfle mécaniquement les conversions attribuées. Mais combien de ces conversions auraient eu lieu de toute façon via une recherche de marque, un email CRM ou un achat direct ? L’incrémentalité répond précisément à cette question.
Sur le plan business, l’enjeu est double : piloter vos budgets selon la valeur ajoutée réelle (et non supposée), et orienter votre stratégie créative vers les messages qui provoquent un véritable “lift” sur les conversions et les revenus. C’est ainsi que vous optimisez l’iROAS (ROAS incrémental) et le coût par conversion incrémentale (iCPA), deux indicateurs plus fiables pour arbitrer à la marge. 📈
Pourquoi l’attribution ne suffit pas (et peut vous induire en erreur)
Imaginons un utilisateur qui voit une vidéo YouTube, ne clique pas, mais tape votre marque sur Google trois jours plus tard et convertit. Selon vos réglages, la plateforme peut attribuer une part — voire l’intégralité — de cette conversion à la campagne vidéo. Pourtant, rien ne prouve que l’expo publicitaire a causé l’achat ; elle a peut-être seulement précédé un comportement qui aurait eu lieu quoi qu’il arrive. C’est l’illusion d’attribution. 🫥
Les modèles multi-touch “data-driven” améliorent la répartition du crédit entre canaux, mais ils n’évaluent pas le scénario contrefactuel (ce qu’il se serait passé sans publicité). Sans ce contrepoint, vous mesurez surtout des coïncidences. L’incrémentalité, via des expériences contrôlées, confronte enfin la publicité à l’épreuve de la causalité.
Mesurer l’incrémentalité de vos campagnes Demand Gen : la méthode scientifique appliquée au marketing
La façon la plus robuste d’évaluer l’incrémentalité est l’expérimentation contrôlée. Concrètement, vous scindez votre audience éligible en deux groupes :
• Groupe test : exposé à la publicité (ou à un nouvel asset créatif).
• Groupe témoin (contrôle) : non exposé, ou exposé à une version neutre (PSA, “ghost ads”).
Vous comparez ensuite les KPI clés entre les deux groupes. L’écart observé — toutes choses égales par ailleurs — correspond au lift incrémental. 🧪
Choisir la bonne approche d’expérimentation
Plusieurs schémas sont adaptés aux campagnes Demand Gen :
• A/B split au sein de la plateforme : la plateforme répartit aléatoirement l’exposition entre test et contrôle. Idéal pour tester l’impact d’un asset créatif spécifique.
• Holdout géographique : certaines zones sont volontairement non exposées (ou sous-exposées), les autres constituent le test. Utile lorsque l’aléatorisation au niveau utilisateur est difficile ou risquée.
• Public Service Ads (PSA) / Ghost Ads : le groupe contrôle voit des publicités sans effet business direct ou ne voit rien, tout en étant mesuré en arrière-plan.
• Conversion Lift dédié : certaines plateformes proposent des études de “conversion lift” avec un groupe contrôle constitué de véritables “non-exposés”.
Le choix dépend de vos contraintes d’activation, de volume et de granularité des rapports. L’essentiel : une répartition aléatoire robuste, une fenêtre de mesure maîtrisée et une limitation des fuites d’exposition côté contrôle. 🔒
Mettre en place un test “asset uplift” pour juger l’effet d’un créa
Les tests de type “asset uplift” s’attachent à isoler l’impact additionnel d’un élément créatif (visuel, vidéo, headline, hook, appel à l’action). Voici un canevas simple :
1) Hypothèse claire : “L’asset B génère un iCPA de 20 % inférieur à l’asset A auprès des prospecteurs 25-44.”
2) Cible stable : choisissez une audience cohérente, évitez de multiplier les signaux pendant le test (élargissements, exclusions, changements brusques d’enchères).
3) Aléatorisation : répartissez équitablement l’exposition entre le créa test et le créa contrôle au sein du même inventaire (YouTube Shorts vs In-Stream, Discover, Gmail).
4) Fenêtre de mesure : définissez une période qui couvre la latence de conversion habituelle (ex. 7 à 14 jours post-expo pour des achats rapides, plus pour des cycles longs B2B).
5) Verrous opérationnels : suspendez les grosses promotions, évitez les changements de prix et conservez un budget suffisant pour atteindre la puissance statistique.
6) Critères d’arrêt : interdisez les “pics” de lecture des résultats ; attendez le seuil d’événements prédéfini (ex. 500 conversions par bras) avant d’en tirer des conclusions. 🚦
Les KPI et calculs qui comptent vraiment
• Lift incrémental (%) : (taux de conversion test – taux de conversion contrôle) / taux de conversion contrôle.
• Conversions incrémentales : conversions test – conversions attendues sans pub (basées sur le contrôle).
• iCPA : budget dépensé / conversions incrémentales.
• iROAS : revenu incrémental / budget dépensé.
• Taux d’exposés réels (reach effectif) : part d’utilisateurs du groupe test ayant réellement vu l’annonce (important pour interpréter un lift faible mais un reach partiel). 📏
Pour réduire le bruit, privilégiez des KPI avals (conversion, revenu net, LTV estimée) plutôt que des intermédiaires (CTR, vues à 25 %). Les indicateurs d’engagement sont utiles pour diagnostiquer le créatif, pas pour juger l’incrémentalité.
Bonnes pratiques pour des tests fiables et actionnables
Taille d’échantillon et durée suffisantes
Un test court ou sous-dimensionné amplifie le risque d’erreurs. Calibrez votre taille d’échantillon en fonction de votre taux de conversion de base, du lift minimum détectable (ex. 10 %) et du niveau de confiance voulu (souvent 90-95 %). En pratique, visez des centaines à des milliers de conversions par bras pour des décisions à fort enjeu budgétaire. ⏱️
Éviter la contamination et le biais
Les audiences se recouvrent souvent entre canaux (YouTube, social, display, search). Un utilisateur contrôle peut être exposé ailleurs, ce qui réduit le lift mesuré. Limitez les recouvrements pendant la phase de test, segmentez vos budgets par zones géographiques si besoin, et consignez toute variation d’activation. 🧩
Vérifiez également la parité des groupes en amont (volume, démographie, historique d’achat, affinités). Une randomisation imparfaite ou une optimisation dynamique asymétrique (bidding, frequency capping) peut créer des écarts artificiels.
Fenêtre d’attribution, effets retardés et adstock
Certains effets publicitaires se matérialisent dans la durée (recherches de marque ultérieures, visites en magasin, réachat). Définissez une fenêtre d’observation alignée sur votre cycle d’achat et, si besoin, ajoutez une période d’extension post-campagne pour capter l’adstock. Sans cela, vous risquez de sous-estimer l’incrémentalité des assets qui jouent surtout sur la considération. 🧠
Attention au “last click cannibalism”
Quand les campagnes Demand Gen augmentent les recherches de marque, le Search s’approprie souvent le dernier clic. C’est normal, mais cela brouille la lecture si on ne regarde que le ROAS attribué par canal. L’incrémentalité, elle, remet du contexte : si votre vidéo provoque une vague de recherches qui n’existaient pas, c’est bien le créatif qui a créé la valeur.
Lire les résultats et décider vite (sans vous brûler les ailes)
Votre objectif n’est pas seulement de “prouver” que ça marche : c’est d’apprendre quoi faire ensuite. Quelques principes d’interprétation utiles :
• Si l’iCPA est inférieur à votre CPA cible et que le lift est statiquement robuste, montez en puissance progressivement (budget, extensions d’audience).
• Si le lift est positif mais l’iCPA trop élevé, testez des variantes créatives plus directes (USP, preuve sociale, offre) et travaillez le ciblage.
• Si aucun lift n’est détecté, réexaminez le hook des 3 premières secondes, la promesse de valeur et la cohérence landing page. Parfois, c’est l’angle narratif — pas le canal — qui plafonne. 🚀
Pensez “portefeuille d’assets” : tout ne doit pas viser la conversion immédiate. Des créas d’amorçage (mémoire, différenciation) peuvent préparer le terrain pour d’autres assets orientés conversion. L’incrémentalité sert aussi à séquencer la pression publicitaire intelligemment.
Cas pratique fictif : quand l’incrémentalité raconte une autre histoire
Contexte : une marque DTC teste deux vidéos YouTube pour générer des ventes. Budget total : 60 000 €. Ciblage : prospecting large, 25-44 ans. Conversion mesurée : achat en ligne.
• Groupe Test (Vidéo A + B) : 30 000 € dépensés, 2,5 M d’impressions, 5 000 conversions attribuées.
• Groupe Contrôle (non exposé) : taille d’audience similaire, 3 800 conversions pendant la même période.
Lift global : (5 000 – 3 800) = 1 200 conversions incrémentales, soit un lift de 31,6 % par rapport au contrôle. iCPA global : 30 000 € / 1 200 = 25 €. Si votre CPA cible est de 30 €, la campagne est rentable en incrémental.
En décomposant par asset :
• Vidéo A (storytelling fort) : 18 000 € dépensés, 700 conversions incrémentales, iCPA = 25,7 €.
• Vidéo B (offre claire -20 %) : 12 000 € dépensés, 500 conversions incrémentales, iCPA = 24 €.
Lecture stratégique : B est plus efficiente à court terme, mais A génère un reach qualifié plus large et améliore la mémorisation. Décision : scaler B tout en réitérant sur A avec un appel à l’action renforcé et des preuves sociales. Sans l’analyse d’incrémentalité, l’équipe se serait probablement focalisée uniquement sur les 5 000 conversions attribuées et aurait sous-estimé le différentiel réel entre les assets. 📊
Intégrer l’incrémentalité dans votre gouvernance marketing
Passer à une culture orientée incrémentalité demande de la méthode, mais génère des arbitrages plus sains et des gains budgétaires durables. Voici un cadre d’adoption :
• Roadmap d’expérimentation trimestrielle : priorisez 2 à 3 questions causales à haute valeur (ex. “Le nouveau concept vidéo réduit-il l’iCPA de 15 % chez les nouveaux clients ?”).
• Standards de test : templates d’hypothèses, checklists de randomisation, seuils de puissance statistique, journal de modifications (changes log).
• Indicateurs structurants : iROAS et iCPA en première ligne, puis ROAS attribué en second rideau pour le pilotage quotidien.
• Partage transverse : rendez les apprentissages visibles pour les équipes créa, media et produit ; l’incrémentalité éclaire aussi les choix UX et offres. 🤝
Au fil du temps, vous créez un capital d’insights cumulatif : quels “hooks” déclenchent vraiment l’intention, quelles offres activent les indécis, quels formats stimulent la recherche de marque. C’est ce patrimoine qui rend vos investissements plus résilients face aux changements d’algorithmes et aux évolutions de la privacy.
Outils et méthodes pour tester l’incrémentalité à grande échelle
La plupart des plateformes proposent aujourd’hui des briques d’expérimentation utiles :
• Expériences A/B intégrées pour tester des assets, des audiences ou des stratégies d’enchères au sein des campagnes Demand Gen.
• Études de “Conversion Lift” et “Brand Lift” pour quantifier le gain causal sur les conversions ou la notoriété.
• Approches “ghost ads” et PSA pour constituer de vrais groupes non exposés, mesurés passivement.
• Export des log-level data (selon accès) pour analyses causales avancées avec votre stack analytique.
Complétez avec des approches modélisées : le MMM (Marketing Mix Modeling) répond à d’autres questions (effets macro et long terme) et se marie très bien avec des études incrémentales ponctuelles, qui servent de points d’ancrage pour le modèle. Ensemble, expérimentation + MMM offrent une vision robuste, actionnable et durable. 🧱
Erreurs fréquentes à éviter quand on mesure l’incrémentalité
• Multiplier les variables pendant le test : si vous changez l’audience, l’enchère et le créatif à la fois, vous ne saurez jamais d’où vient le lift. Testez un facteur à la fois.
• Oublier la saisonnalité : un lancement en plein Black Friday fausse la lecture. Comparez test et contrôle sur la même fenêtre et documentez les promos.
• Arrêter trop tôt : l’impatience est l’ennemi de la causalité. Attendez d’atteindre la puissance statistique.
• Ignorer la qualité des conversions : une hausse de conversions à faible panier moyen peut dégrader l’iROAS. Suivez le revenu incrémental, pas uniquement le volume.
• Négliger la cohérence post-clic : si la landing page n’est pas alignée sur la promesse créative, vous sous-estimez le potentiel d’incrémentalité du message. 🚫
Optimiser vos créations pour maximiser l’incrémentalité
L’incrémentalité n’est pas qu’une affaire de ciblage ou de budget ; c’est d’abord une question de message. Quelques leviers créatifs qui, test après test, reviennent comme des moteurs de lift :
• Le “hook” dans les 3 premières secondes : capter l’attention avec un problème concret ou une promesse spécifique change l’issue du parcours.
• La preuve sociale : avis clients, chiffres d’usage, labels renforcent la crédibilité et stimulent la conversion incrémentale.
• La démonstration produit : montrer le “avant/après” ou un cas d’usage clair.
• La friction réduite : annoncer la facilité (“livraison 24h”, “retours gratuits”) lève des barrières invisibles.
• L’offre contextualisée : une incitation limitée dans le temps peut déclencher les hésitants, mais testez l’élasticité pour éviter l’érosion de marge. 🎬
Relier incrémentalité et Search pour une orchestration gagnante
Les campagnes Demand Gen efficaces font monter la courbe de recherche de marque. C’est une bonne nouvelle, à condition de gérer l’orchestration :
• Surveillez les requêtes de marque et non-marque pendant les tests.
• Ajustez vos enchères Search pour absorber proprement l’augmentation de la demande.
• Harmonisez le message entre vidéo/Discover/Gmail et vos annonces Search et vos landing pages.
• Calculez un iROAS cross-canal : revenu incrémental global (y compris Search de marque activé par vos vidéos) rapporté au budget vidéo. 🔗
Checklist express pour lancer votre première étude d’incrémentalité
1) Cadrez l’hypothèse et choisissez un KPI business (iCPA, iROAS, conversions incrémentales).
2) Sélectionnez la méthode (A/B split, holdout géo, PSA) selon vos contraintes.
3) Assurez la randomisation et verrouillez les autres variables d’activation.
4) Fixez un seuil minimal d’événements et une fenêtre de mesure réaliste.
5) Lancez, tenez un journal des changements, ne “regardez” pas les résultats avant l’échéance.
6) Analysez, décidez, documentez, puis itérez avec une nouvelle hypothèse. ✅
Conclusion : faites de l’incrémentalité votre boussole
À l’ère des signaux fragmentés et des walled gardens, piloter au seul prisme de l’attribution, c’est naviguer de nuit sans instruments. L’incrémentalité vous rend la vue : elle distingue ce qui se serait produit sans vous de ce que votre marketing a réellement déclenché. En combinant expérimentations contrôlées, discipline d’analyse et créativité orientée preuve, vous transformez vos campagnes Demand Gen en un moteur fiable de croissance. 🌟
Commencez petit mais commencez vite : un test d’asset bien cadré, une lecture iCPA/iROAS claire, un apprentissage concrètement réinjecté dans vos créations. À mesure que la culture de l’incrémentalité s’installe, vos arbitrages gagnent en précision, vos budgets en efficience et vos résultats en durabilité. C’est ainsi que vous passez du “ressenti” au “réel”, et que chaque euro investi trouve sa meilleure utilisation. 🚀
