Plus de 90% des ventes de détails sont réalisées en magasin alors même que la plupart des achats sont préparés en ligne*. Tous les marketeurs comprennent aujourd’hui l’effet du ROPO (Research Online, Purchase Offline) et entreprennent des actions pour le mesurer précisément. La nécessité de bien mesurer les performances du digital sur les ventes en magasin croît à mesure que les investissements dans le digital s'accélèrent. Il existe des dizaines de méthodes différentes. Toutes ne se valent pas. La fiabilité des résultats varient beaucoup d’une méthode à l’autre ainsi que les résultats obtenus. Alors que vous soyez responsable des achats médias, analyste ou dirigeant, vous devez avoir connaissance des méthodes de tracking Drive-to-Store et en comprendre les tenants et aboutissants.
Lors de passages en caisse, les distributeurs via la carte de fidélité ou la numérisation des tickets de caisse enregistrent les coordonnées des consommateurs mais aussi l’ensemble des achats réalisés par ces derniers. Grâce aux informations clients recueillies (CRM) et aux cookies des utilisateurs, des sociétés de CRM Onboarding (comme LiveRamp, Temelio ou RelevanC) peuvent mesurer l’impact d’une publicité sur les achats en magasin. Ces sociétés associent les données CRM - Customer Relationship Management, le plus souvent l’adresse email avec les données de navigation sur les sites Internet, cookie ou ID mobile. Les données sont cryptées afin de respecter le Règlement Général sur la Protection des Données (RGPD).
Ces sociétés de CRM Onboarding peuvent ensuite mesurer sur une période donnée le comportement d’achat d’une population exposée et d’une population non exposée.
Avantages
Le CRM Onboarding permet de réconcilier les données online et offline pour mieux comprendre ses clients et mesurer l’impact du digital sur les décisions prises en magasin.
En déterminant le chiffre d’affaires générés par acheteur, le panier moyen et la fréquence de transactions par acheteur sur la période, cette méthodologie permet de déterminer le chiffre d’affaires incrémental généré en magasin, les ventes incrémentales, le ROAS et l’uplift.
Les analyses peuvent être particulièrement détaillées, en fonction du volume d’informations à votre disposition dans votre CRM et du volume de données collectées dans votre campagne de marketing digital.
Limites
Cette méthodologie nécessite un volume de données important pour être statistiquement significative. Elle n’est donc pas adaptée aux campagnes digitales avec un budget ou un périmètre limité.
Les données offline et online ne sont pas toujours réconciliables. En général, le taux de matching des données online et offline est de 30 à 60%.
Cette méthodologie ne permet pas de mesurer le recrutement réalisé par la publicité auprès des non-porteurs de cartes. Pour certaines enseignes, notamment non-alimentaires, cela peut être un frein majeur.
Le CRM onboarding a un coût qui peut être significatif. Il nécessite également de la technologie et de l’expertise. Cette méthodologie, relativement avancée, est donc à privilégier pour les campagnes les plus importantes.
La méthode statistique qui permet de déduire un “incrément” (uplift) peut être parfois remise en question. Comme toute méthodologie statistique, le CRM onboarding dispose d’un degré de liberté qu’il est nécessaire d’appréhender.
Exemple de mesure CRM Onboarding : Bonial accompagne le Groupe Carrefour dans la digitalisation de son Plan d’Animation Commerciale (PAC). Pour mesurer les résultats, Carrefour a fait appel à Liveramp, expert du CRM onboarding. Découvrez les résultats obtenus.
Grâce à un SDK (Software Development Kit) implanté dans une application, il est possible de géolocaliser des utilisateurs. Si l’utilisateur de l’application a donné son consentement, le SDK va fournir des données géolocalisées (entrée et sortie d’une zone de geofence) et anonymisées des utilisateurs. Ces données seront ensuite traitées et analysées : temps passé dans la zone, heures de passage, nombre de visites…
Avantages
Le volume d’utilisateurs via SDK peut être important si l’application a un grand nombre d’utilisateurs.
Le SDK permet de suivre le mobinaute en temps réel toute la journée. Lors de sa visite en magasin, il est possible de collecter des informations plus complètes sur le parcours d’achat et le temps passé en point de vente.
Limites
La mesure du geofence fonctionne avec des polygones et la précision de la mesure (environ 5m) est moins bonne qu’avec des leviers Wifi ou Beacons, voir ci-dessous.
La mesure via SDK ne permet pas de savoir si l’utilisateur a réalisé des achats en magasin et le montant de son panier.
Cette mesure ne peut s’effectuer que sur mobile et via des applications. Il était possible avant l’implémentation du RGPD d’installer un SDK dans des applications tierces (sites e-commerce, sites d’informations ou de météo…) en échange d’une rémunération. Cette pratique est toujours possible mais désormais plus limitée puisqu’elle nécessite le consentement des utilisateurs.
Bonial a intégré un SDK via radar.io dans son application pour suivre le trafic généré en magasin entre les lecteurs et les non-lecteurs des catalogues. Pour aller plus loin dans la certification des données communiquées, Bonial est certifié par Nielsen sur la méthodologie de calcul de mesure du trafic incrémental généré en magasin.
Exemple de mesure via SDK : Bonial accompagne le Groupe Casino dans la digitalisation de son Plan d’Animation Commerciale (PAC). Découvrez les performances en termes de trafic en magasin mesurées avec un tracking SDK.
Lorsqu’un utilisateur se connecte à un site ou à une application, il va générer une requête publicitaire (Bid request). Les données de localisation -sous couvert de consentement préalable de l’utilisateur- sont alors récoltées dans les Ad Exchanges, les plateformes publicitaires programmatiques via les SSPs. La donnée de localisation est récupérée lors de chaque appel publicitaire et permet donc d’identifier une visite en magasin.
Ce protocole de mesure permet de fournir une information sur le taux de visites incrémentales générées en magasin et non pas sur le trafic total généré en magasin, toutes les personnes exposées à la campagne ne pouvant pas être identifiées en magasin.
Avantage
Cette solution est moins intrusive que le SDK puisqu’elle ne nécessite pas d’être installée sur une application.
Limites
Cette mesure ne permet pas de remonter un taux de visite en magasin mais simplement un taux d’uplift entre deux populations (exposée et non exposée).
Cette mesure nécessite que l’utilisateur ouvre une application ou un site partenaire en magasin pour que la donnée de géolocalisation remonte : un faible échantillon des personnes exposées est donc traçable en magasin. La loi RGPD a mis un frein à la pratique du bid request dans la mesure du drive-to-store. Le consentement des utilisateurs est en effet plus compliqué à obtenir et l’échantillon de personnes en magasin souvent trop faible pour être fiable et représentatif.
Les bornes Beacons (Bluetooth basse consommation) ou Wifi installées dans les points de ventes utilisent un système de Bluetooth / Wifi pour communiquer avec les smartphones sur une courte zone. La borne va ainsi détecter l’entrée d’un appareil mobile en magasin et sa sortie. D’autres méthodes similaires existent via les bornes NFC, Ultrason, capteur laser…
Avantage :
Limites :
Pour fonctionner, il est nécessaire que le bluetooth ou le wifi soit activé sur le téléphone. Cela représente entre 20 et 30% des consommateurs selon les sources. .
Facebook a mis en place à l’été 2016 sa propre solution de tracking des visites en magasin. Pour cela, le distributeur doit créer une page Facebook pour chacun de ses points de vente.
Le réseau social va pouvoir ensuite géolocaliser les utilisateurs de son application qui se rendent dans les points de vente, sous couvert que ces derniers aient donné leur consentement dans les paramètres de confidentialité.
Facebook utilise les données cartographiques pour délimiter les points de vente et les informations partagées par les services de localisation sur les mobiles. Les données collectées sont échantillonnées et le résultat est donc une modélisation du nombre de visites et non le nombre réel de visites.
Avantages
La solution permet une forte granularité de précisions dans les dates de visites (dans la journée, à 7 jours, 28 jours…) ou dans le ciblage des campagnes.
Les visites en magasin dans les zones de forte activité (centre commercial ou gares) ne sont pas prises en compte pour plus de précisions dans la mesure
Inconvénients
Un nombre très limité de clients peuvent recourir à ce dispositif car il nécessite d’avoir un volume publicitaire important.
La collecte des données est effectuée par Facebook lui-même qui administre également la campagne ce qui peut poser des questions quant à l’impartialité des résultats. Les visites sont comptabilisées 24h après l’exposition à une publication et jusqu’à 28 jours après le clic.
La mesure du Facebook Store Visits est limité au seul écosystème de Facebook : elle ne permet donc pas de comparer les performances avec d’autres campagnes en dehors de l’écosystème.
Si l’enseigne est éligible, Google Ads modélise à partir de données anonymisées récoltées en fonction des historiques de géolocalisation un estimatif du nombre de personnes qui se sont rendus dans les magasins de l’enseigne.
Pour bénéficier de ce tracking, l’enseigne doit avoir des comptes Google My Business associés à un compte Google Ads et une base suffisamment importante de clics pour que l’échantillonnage puisse être significatif. Pour plus d'informations sur le Google Store Visits, rendez-vous sur notre glossaire.
Avantages
Il est possible d’effectuer des rapports précis sur les visites en magasin avec une granularité en fonction des thématiques des campagnes pour optimiser au mieux les leviers drive-to-store.
Google prend en compte l’ensemble des appareils pour mesurer la conversion en magasin (tablette, smartphone, ordinateur), permettant ainsi une optimisation par device et une grande quantité de données collectées.
Inconvénients
Peu de clients peuvent recourir à ce dispositif car il nécessite d’avoir un volume publicitaire important.
La collecte des données est effectuée par Google lui-même qui administre également la campagne ce qui peut poser des questions quant à l’impartialité des résultats. Toutefois, Google envoie fréquemment des sondages à ses utilisateurs pour vérifier l’information de visite en magasin et fiabiliser la mesure, au moins dans le discours.
Comme pour le Facebook Store Visit, la mesure du Google Store Visits est limité au seul écosystème de Google : elle ne permet donc pas de comparer les performances avec d’autres campagnes en dehors de l’écosystème.
La conversion est mesurée à partir des utilisateurs qui ont cliqué sur une publicité et qui se sont rendus en magasin. Rien ne permet de connaître l’impact du clic sur la conversion en magasin et si l’utilisateur a été exposé à d’autres publicités. A l’heure où la plupart des achats sont préparés en ligne et où Google représente plus de 90% des recherches en ligne**, on peut se questionner quant à la réelle contribution à la visite en magasin.
De nombreux acteurs proposent des méthodologies de mesure du trafic généré en magasin, chacune avec ses avantages et inconvénients. Il n’existe à ce jour peu de normes de mesure du trafic en magasin. L’important est de bien comprendre la méthodologie utilisée par chaque acteur et la méthode d’attribution des visites en magasin, les avantages mais aussi les biais de la méthodologie pour interpréter correctement les résultats et prendre les bonnes décisions marketing. La comparaison des performances entre différentes mesures est impossible et sujette à interprétation. Toutefois, en définissant en amont des indicateurs clés de performance, il est pertinent de mesurer avec la même méthode l’efficacité de plusieurs campagnes. Cela permet d’optimiser au sein de chaque plateforme la conversion et les métriques d’engagement.
* LSA — 2020
** Source Statista 2020 — Part du trafic de recherches provenant de Google dans plusieurs pays du monde en février 2019