La boîte à outils de la mesure causale

Plusieurs méthodes permettent d’estimer l’incrémentalité, chacune adaptée à des contraintes différentes. Le bon outil est celui qui répond à la question avec les contraintes du terrain.

Exposés vs Témoins

La plus intuitive consiste à créer des groupes exposés et témoins au niveau utilisateur : on parle de randomisation utilisateur. Lorsqu’elle est disponible, cette méthode est robuste et particulièrement utile pour les dispositifs adressables comme le retargeting.

GéoLift

Quand l’assignation individuelle n’est pas possible ou pas souhaitable, les expérimentations géographiques sont une alternative efficace. On répartit des zones en deux ensembles comparables (traitement et contrôle) et l’on mesure la différence d’évolution, généralement sur des ventes par point de vente, des visites ou des requêtes de marque. Ce cadre fonctionne bien pour la vidéo, la notoriété et les stratégies à couverture large, y compris avec une part d’offline.

Quasi-Expérimentale

Enfin, des approches dites « quasi‑expérimentales » peuvent être mobilisées lorsque la randomisation pure est hors de portée. Il s’agit par exemple de marchés appariés ou de dispositifs de type difference‑in‑differences, qui comparent l’évolution d’un groupe traité à celle d’un groupe comparable non traité. Ces méthodes demandent un peu plus de rigueur de contrôle, mais permettent de progresser dans des contextes opérationnels réels.

Un annonceur vidéo répartit 24 régions en 12 « traitées » et 12 « témoins » pour tester une publicité haut de funnel. Deux semaines plus tard, on observe une hausse nette des requêtes génériques et des visites magasin dans les zones traitées.