ROAS sectoriel : mesurer la performance au-delà du dernier clic

Le ROAS ne dit presque rien sans le secteur, la marge et le moment du parcours

Le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, reste l’un des indicateurs les plus utilisés par les directions marketing pour arbitrer les budgets digitaux. Sa simplicité explique son succès : si une campagne dépense 100 000 euros et génère 500 000 euros de chiffre d’affaires attribué, le ROAS est de 5. Le problème est que cette lecture, utile pour un premier niveau de pilotage, devient dangereuse lorsqu’elle est traitée comme une mesure de rentabilité, et plus encore lorsqu’elle repose sur le dernier clic.

Le last click, modèle d’attribution qui accorde 100 % du crédit de conversion au dernier point de contact avant l’achat, favorise mécaniquement les leviers proches de la transaction : search marque, retargeting, comparateurs, emailing promotionnel, marketplaces, retail media de bas de funnel. Le funnel, parcours qui va de l’exposition à la considération, puis à la conversion et à la fidélisation, est alors lu par son extrémité finale. Ce qui crée la demande devient moins visible que ce qui la capture.

Or le ROAS n’a pas la même signification selon les secteurs. Un ROAS de 3 peut être excellent dans un modèle d’abonnement à forte rétention, acceptable dans le luxe si la marge brute est élevée, insuffisant dans l’e-commerce à faible marge, ou trompeur dans le retail media si la campagne touche surtout des clients déjà intentionnistes. Dans le B2B, un ROAS immédiat peut même être impossible à calculer proprement lorsque le cycle de vente dure six à douze mois et implique plusieurs décideurs. Dans l’automobile, l’assurance ou l’immobilier, la conversion finale est rare, longue et partiellement offline. Dans le drive-to-store, le chiffre d’affaires attribué dépend de la capacité à relier exposition média, visite en point de vente et transaction.

La mesure sectorielle du ROAS consiste donc à sortir d’un indicateur universel pour construire un cadre d’évaluation adapté au modèle économique. Il ne s’agit pas de rejeter le ROAS, mais de le remettre à sa place : un signal d’efficacité attribuée, pas une preuve d’impact incrémental ni une mesure complète de création de valeur. Pour les professionnels du marketing, l’enjeu est stratégique. Un mauvais ROAS peut conduire à couper des investissements qui construisent la demande future. Un bon ROAS peut masquer une cannibalisation de ventes organiques, une dépendance promotionnelle ou une marge insuffisante.

Construire un ROAS sectoriel : partir de l’économie réelle plutôt que du reporting plateforme

La première erreur est de comparer les ROAS entre secteurs comme s’ils décrivaient la même réalité. Les plateformes publicitaires remontent des conversions selon leurs propres fenêtres, leurs propres règles d’attribution et leur propre capacité d’observation. Un ROAS Meta, Google, Amazon Ads, TikTok ou programmatique ne mesure pas exactement la même chose. Avant même de discuter performance, il faut donc définir ce que le ROAS est censé représenter.

Un cadre robuste commence par cinq variables sectorielles. La première est la marge. Un acteur vendant des produits à 70 % de marge brute peut tolérer un ROAS apparent plus bas qu’un distributeur dont la marge nette après logistique, retours et promotions tombe à 12 %. La deuxième est la fréquence d’achat. Dans la grande consommation, le premier achat peut être moins important que la récurrence ; dans l’équipement de la maison, le cycle est plus long et la valeur se joue parfois sur le panier initial. La troisième est la durée de conversion. Un achat impulsif sur mobile ne se mesure pas comme un contrat SaaS signé après quatre comités internes. La quatrième est la valeur client dans le temps. La LTV, lifetime value, valeur économique attendue d’un client sur toute sa relation avec la marque, peut transformer un ROAS court terme médiocre en investissement rentable. La cinquième est le rôle du canal dans le funnel : création de demande, capture d’intention, conversion, réactivation ou défense concurrentielle.

Prenons deux campagnes affichant chacune un ROAS de 4. Dans le premier cas, une marque de mode dépense 50 000 euros en paid social et génère 200 000 euros de chiffre d’affaires attribué, avec 55 % de marge brute, mais 25 % de retours et une remise moyenne de 20 %. La contribution réelle peut rapidement descendre sous le seuil de rentabilité. Dans le second cas, un éditeur SaaS dépense 50 000 euros pour générer des demandes de démo qui produisent 200 000 euros d’ARR, annual recurring revenue, revenu annuel récurrent contractualisé. Si le churn, taux de perte de clients ou de revenu, reste faible et que la marge logicielle est élevée, le ROAS apparent ne reflète qu’une fraction de la valeur future.

La lecture sectorielle oblige donc à passer du chiffre d’affaires attribué à la contribution. La contribution correspond au revenu additionnel moins les coûts variables : coût produit, remises, frais de paiement, logistique, retours, commissions, coûts commerciaux, support et coût média. Dans l’e-commerce, cette correction est indispensable. Dans le SaaS, il faut intégrer le CAC, customer acquisition cost, coût total d’acquisition d’un client, et le payback, délai nécessaire pour récupérer ce coût grâce à la marge générée. Dans le retail, il faut distinguer hausse de ventes, déplacement de panier, cannibalisation entre références et gain réel de part de catégorie.

Une règle opérationnelle consiste à définir non pas un objectif de ROAS unique, mais une matrice de seuils par secteur, marge, audience et rôle. Une campagne de conquête peut accepter un ROAS plus faible si elle recrute de nouveaux clients à forte LTV. Une campagne de retargeting sur abandonnistes doit exiger un niveau d’incrémentalité plus élevé, car une partie des conversions aurait eu lieu sans exposition. Une campagne de défense sur requêtes de marque peut être rentable même si elle ne crée pas beaucoup de demande, à condition que son rôle soit explicitement de protéger la conversion face à des concurrents.

Pourquoi le dernier clic surestime certains secteurs et invisibilise les autres

L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, est le cœur du problème. Le last click reste populaire parce qu’il est simple, lisible et compatible avec des arbitrages rapides. Mais il déforme la performance dès que le parcours d’achat est long, multi-canal ou partiellement offline. Plus le cycle est complexe, plus le dernier clic devient un indicateur de captation plutôt que de création.

Dans le search, le biais est évident. Une requête marque intervient souvent en fin de parcours, après une exposition à une vidéo, un article comparatif, une recommandation sociale, une campagne d’affichage, un email ou une visite magasin. Le last click attribue la vente au search marque parce qu’il est le dernier signal observable, alors que la demande a pu être créée ailleurs. Dans le retail media, les formats sponsorisés situés dans les pages de recherche interne captent des acheteurs déjà actifs. Ils peuvent afficher des ROAS très élevés, mais leur incrémentalité dépend de la capacité à prouver que la publicité a modifié le choix de marque, le panier ou la fréquence d’achat.

À l’inverse, les secteurs à décision longue sont pénalisés. En B2B, un prospect peut lire plusieurs contenus, assister à un webinar, échanger avec un commercial, consulter des pairs, revenir via une recherche organique, puis convertir après un email. Le dernier clic attribuera souvent la conversion à un canal de capture, alors que la progression de la confiance a été construite par des interactions amont. Dans l’assurance ou l’automobile, un comparateur ou une requête de marque peut recevoir le crédit final, alors que la préférence a été préparée par des campagnes vidéo, display, social ou CRM.

Le MTA, multi-touch attribution, modèle qui répartit le crédit d’une conversion entre plusieurs points de contact, corrige une partie du problème mais reste dépendant des traces observables. Il mesure surtout ce qui peut être suivi individuellement. Il souffre des restrictions de consentement, de la perte des identifiants tiers, des parcours cross-device et des conversions offline. Le MMM, marketing mix modeling, modélisation statistique estimant la contribution des leviers marketing à partir de séries temporelles agrégées, apporte une lecture plus macro, utile pour les budgets et les effets de marque. Mais il nécessite de l’historique, des variations de pression média, des volumes suffisants et une modélisation rigoureuse.

L’incrémentalité doit devenir le complément naturel du ROAS. L’incrémentalité mesure la part de résultats qui n’aurait pas eu lieu sans l’action marketing. Elle se teste avec des groupes exposés et non exposés, des holdouts, groupes volontairement exclus d’une campagne pour servir de comparaison, ou des découpages géographiques. Un ROAS de 8 avec seulement 20 % d’incrémentalité peut créer moins de valeur qu’un ROAS de 3 avec 80 % d’incrémentalité. C’est particulièrement vrai dans les environnements proches de la conversion, où la probabilité d’achat naturelle est déjà élevée.

Le ROAS attribué répond à la question : à quel canal le système rattache-t-il la vente ? L’incrémentalité répond à une question plus stratégique : qu’est-ce que le marketing a réellement changé ?

Adapter les benchmarks par secteur : le même ratio ne pilote pas les mêmes arbitrages

Les benchmarks de ROAS sont souvent utilisés comme repères, mais ils doivent être traités avec prudence. Les plateformes publient régulièrement des moyennes par industrie, mais ces moyennes mélangent marges, maturités de marque, niveaux de concurrence, fenêtres d’attribution, types de conversion et stratégies d’enchères. Un benchmark utile n’est pas une norme ; c’est un point de comparaison à contextualiser.

Dans l’e-commerce, les seuils de ROAS doivent être construits à partir de la marge contributive. Une marque vendant en direct peut intégrer panier moyen, coût produit, frais logistiques, retours, remises, taxes, commissions de paiement et coût du service client. Si le panier moyen est de 80 euros, la marge brute de 50 %, les retours et frais variables de 12 euros, et la remise moyenne de 8 euros, la contribution avant média est de 20 euros. Dans ce cas, un CPA, cost per acquisition, coût nécessaire pour générer une conversion attribuée, supérieur à 20 euros détruit de la valeur au premier achat. Mais si 40 % des clients rachètent dans les trois mois avec une marge plus élevée, le seuil acceptable remonte. Le ROAS cible doit donc être calculé en ROAS premier achat et en ROAS cohorte.

Dans le SaaS B2B, le ROAS immédiat a peu de sens si la conversion mesurée est un lead ou une démo. Le pilotage doit relier dépenses média, MQL, marketing qualified leads, leads considérés comme suffisamment qualifiés pour être travaillés, SQL, sales qualified leads, leads acceptés par les ventes comme opportunités potentielles, taux de closing, ARR, churn et expansion. Un canal peut générer peu de leads mais de très bons comptes. À l’inverse, un canal à CPA bas peut saturer les équipes commerciales avec des prospects peu qualifiés. Le ROAS sectoriel se rapproche ici d’un ratio pipeline ou revenu pondéré par qualité.

Dans le retail et le retail media, le ROAS doit être lu avec trois corrections : nouveaux acheteurs, cannibalisation et marge. Une campagne peut augmenter les ventes d’une référence promue tout en déplaçant des ventes depuis une autre référence de la même marque. Elle peut recruter des acheteurs déjà fidèles à l’enseigne mais pas à la marque, ce qui est utile, ou simplement pousser une promotion à des consommateurs qui auraient acheté sans incitation. Le bon reporting doit distinguer nouveaux foyers, acheteurs existants, fréquence de rachat, panier additionnel et contribution par catégorie.

Dans les secteurs à lead long, comme l’automobile, l’énergie, la banque ou l’assurance, le ROAS doit intégrer les micro-conversions. Une simulation de devis, une prise de rendez-vous, une configuration produit ou une visite qualifiée n’ont pas la même valeur qu’une vente, mais elles peuvent être fortement prédictives. Le défi est d’attribuer une valeur économique réaliste à ces étapes sans surévaluer les signaux faibles. Un formulaire rempli par curiosité ne vaut pas un rendez-vous honoré. Une visite de page tarif ne vaut pas une demande de proposition. La qualité du scoring est donc déterminante.

Dans les médias et abonnements, le ROAS doit intégrer rétention et churn. Une campagne d’acquisition très agressive, portée par une offre d’essai à bas prix, peut produire un ROAS court terme flatteur et une base d’abonnés fragile. Le vrai seuil dépend du taux de conversion après essai, du nombre de mois payés, du coût de contenu ou de service, et du churn par cohorte. Les arbitrages entre volume et qualité sont souvent plus importants que le coût initial.

Réconcilier ROAS média, qualité d’audience et mécanique d’achat programmatique

La mesure du ROAS sectoriel ne peut pas ignorer la façon dont l’inventaire média est acheté. En publicité programmatique, achat automatisé d’espaces publicitaires à partir de données, d’enchères et de règles de diffusion, la performance dépend autant de la qualité du signal que du prix de l’impression. Une DSP, demand-side platform, plateforme permettant aux annonceurs d’acheter des impressions publicitaires de manière automatisée, peut accéder à des audiences très variées. Le RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression lorsqu’elle devient disponible, permet d’ajuster le prix impression par impression. Mais l’automatisation ne garantit ni l’attention, ni l’incrémentalité, ni la sécurité de marque.

Un ROAS élevé en programmatique peut être le résultat d’un retargeting très proche de la conversion, d’une audience déjà captive ou d’une fenêtre d’attribution trop généreuse. Un ROAS faible peut au contraire provenir d’une campagne de prospection qui nourrit la demande mais convertit plus tard via search ou direct. Le CPM, cost per mille, coût pour mille impressions publicitaires, le CPC, cost per click, coût payé pour chaque clic, et le taux de conversion ne suffisent donc pas. Il faut ajouter la visibilité, la qualité d’environnement, la fréquence, la part d’audience nouvelle, le taux de duplication avec d’autres canaux et la contribution mesurée par tests.

La fréquence est un point critique. Une campagne peut améliorer son ROAS attribué en multipliant les expositions sur des utilisateurs déjà intentionnistes, mais réduire la rentabilité marginale. La bonne question n’est pas seulement combien de conversions la campagne génère, mais à partir de quelle exposition additionnelle le rendement diminue. Les analyses de fréquence montrent souvent des courbes non linéaires : les premières expositions créent de la reconnaissance, les suivantes renforcent la considération, puis la pression devient inutile ou irritante. Le seuil varie selon le secteur, le cycle d’achat, la notoriété de marque et la complexité de l’offre.

Le ciblage doit aussi être évalué par qualité de cohorte. Une audience lookalike construite sur tous les acheteurs peut optimiser le volume, mais attirer des profils à faible valeur. Une audience construite sur les meilleurs clients, les paniers à forte marge ou les comptes les plus récurrents peut coûter plus cher mais améliorer la LTV. La CDP, customer data platform, plateforme centralisant et activant les données clients issues de plusieurs sources, devient alors un levier stratégique : elle permet d’exclure les clients récents des campagnes d’acquisition, de différencier les enchères selon la valeur probable, de synchroniser CRM et paid media, et de limiter la cannibalisation.

Le ROAS sectoriel impose enfin une discipline sur les fenêtres d’attribution. Une fenêtre de sept jours peut sous-évaluer les cycles longs. Une fenêtre de trente jours peut surévaluer les canaux de retargeting. Les secteurs impulsifs peuvent travailler sur des fenêtres courtes ; les secteurs à considération longue doivent combiner fenêtres opérationnelles, analyses de cohortes et mesure agrégée. L’important est de ne pas comparer deux canaux ou deux secteurs avec des fenêtres incohérentes.

Cas pratiques : trois lectures du ROAS qui changent la décision budgétaire

Premier cas : une marque de cosmétique vendue en ligne affiche un ROAS paid social de 2,7, inférieur à son objectif historique de 3,5. Une lecture last click pousse à réduire le budget. L’analyse de cohorte montre pourtant que les clientes acquises via ces campagnes ont un taux de second achat de 46 % contre 29 % pour la moyenne, et qu’elles achètent davantage de soins récurrents à marge élevée. En corrigeant les retours, les remises et la rétention à six mois, le canal devient rentable. La décision rationnelle n’est pas de couper, mais de distinguer les créations qui recrutent des clientes récurrentes de celles qui génèrent des commandes opportunistes.

Deuxième cas : un distributeur active une campagne retail media sur des produits sponsorisés. Le reporting annonce un ROAS de 11. La performance semble excellente. Un test holdout montre cependant que 65 % des ventes attribuées auraient eu lieu sans exposition, car les audiences ciblées étaient déjà acheteuses de la catégorie et très proches de l’achat. La contribution incrémentale, une fois la marge intégrée, devient faible. La campagne peut rester justifiée comme dispositif défensif face aux concurrents, mais elle ne doit plus être financée avec le même budget qu’une campagne de conquête de nouveaux acheteurs.

Troisième cas : un éditeur B2B investit en display programmatique, contenus sponsorisés et retargeting. Le ROAS immédiat est impossible à lire, car les ventes sont signées par les commerciaux plusieurs mois plus tard. Le last click attribue la majorité des conversions au search marque et à l’email de relance. En connectant les expositions média aux comptes cibles dans le CRM, customer relationship management, ensemble des outils et méthodes permettant de gérer la relation client, l’équipe observe que les comptes exposés à une séquence éditoriale ont un taux de réponse commerciale supérieur de 18 % et une progression plus rapide de MQL vers SQL. Il ne s’agit pas de prouver que le média a causé toute la vente, mais d’identifier sa contribution à la réduction d’incertitude dans le cycle d’achat.

Ces trois exemples montrent que la question n’est jamais seulement : quel est le ROAS ? Elle devient : quel ROAS, sur quelle population, avec quelle marge, quelle fenêtre, quelle incrémentalité et quel rôle dans le parcours ? Le même chiffre peut conduire à trois décisions opposées selon la réponse.

Mettre en place une gouvernance de mesure : du dashboard plateforme au système de décision

La maturité ne vient pas d’un nouvel indicateur isolé, mais d’une gouvernance. Beaucoup d’organisations disposent de dashboards très détaillés et de décisions encore très pauvres. Le problème n’est pas l’accès aux données ; c’est l’absence de règles communes pour les interpréter. Un ROAS sectoriel doit être défini avant les campagnes, pas reconstruit après coup pour justifier une performance.

La première étape consiste à créer un dictionnaire de mesure. Que signifie une conversion ? Un achat ? Un nouveau client ? Une réactivation ? Un lead qualifié ? Une vente incrémentale ? Quelle fenêtre d’attribution est utilisée ? Le chiffre d’affaires inclut-il les taxes, les retours, les remises, les annulations ? La marge est-elle brute, nette ou contributive ? Sans définitions partagées, les équipes acquisition, CRM, finance, data et commerce peuvent piloter des réalités différentes sous les mêmes mots.

La deuxième étape est de construire une matrice ROAS par rôle. Les campagnes de création de demande doivent être évaluées avec des signaux comme reach qualifié, lift de recherche marque, visites nouvelles, progression de considération et contribution MMM lorsque c’est possible. Les campagnes de capture d’intention peuvent être pilotées au CPA, au taux de conversion et au ROAS court terme, mais avec une vigilance sur la cannibalisation. Les campagnes de fidélisation doivent intégrer fréquence, marge, churn, pression commerciale et valeur incrémentale. Les campagnes de conquête doivent distinguer nouveaux clients, LTV attendue et coût marginal.

La troisième étape est de programmer des tests d’incrémentalité réguliers. Toutes les campagnes ne peuvent pas être testées en permanence, mais les grands arbitrages doivent l’être : retargeting, search marque, retail media de bas de funnel, promotions CRM, campagnes de prospection à fort budget. Un test imparfait mais bien conçu vaut souvent mieux qu’un ROAS exact en apparence et biaisé dans sa causalité.

La quatrième étape est de relier média et finance. Les directions financières ne doivent pas intervenir uniquement pour réduire les budgets ; elles doivent aider à définir les seuils de contribution, les horizons de payback et les scénarios de LTV. Dans les organisations les plus avancées, le marketing ne défend pas un ROAS plateforme, mais une allocation de capital : quel investissement produit le meilleur retour marginal selon le secteur, la marge, la maturité de marque et le cycle client ?

La cinquième étape est d’accepter plusieurs vérités simultanées. Le last click reste utile pour l’optimisation tactique. Le MTA peut éclairer les parcours observables. Le MMM aide les arbitrages macro. Les tests d’incrémentalité apportent une lecture causale. Les cohortes révèlent la qualité des clients acquis. Aucun modèle ne suffit seul. La gouvernance consiste à savoir quel modèle utiliser pour quelle décision.

Conclusion : faire du ROAS un indicateur contextualisé, pas un réflexe de pilotage automatique

Mesurer la performance au-delà du dernier clic ne signifie pas abandonner le ROAS. Cela signifie le sectoriser, le corriger et l’interpréter avec discipline. Le ROAS reste utile pour comparer des campagnes proches, suivre des optimisations tactiques et dialoguer avec les plateformes. Mais il devient insuffisant dès qu’il est utilisé pour arbitrer des budgets entre secteurs, objectifs, audiences ou moments du funnel.

Une feuille de route actionnable peut se structurer en sept étapes. Premièrement, définir le modèle économique de référence : marge, fréquence d’achat, LTV, cycle de décision et coûts variables. Deuxièmement, distinguer ROAS attribué, ROAS contributif et ROAS incrémental. Troisièmement, fixer des seuils par secteur, audience et rôle de campagne plutôt qu’un objectif unique. Quatrièmement, compléter le last click par des cohortes, des tests holdout, du MTA lorsque les données le permettent et du MMM pour les arbitrages de portefeuille. Cinquièmement, intégrer la qualité client : nouveaux acheteurs, rétention, churn, panier à marge, expansion ou valeur de compte. Sixièmement, auditer les mécaniques d’achat média : fréquence, inventaire, duplication, visibilité, fenêtres d’attribution et qualité des signaux. Septièmement, aligner marketing, data, finance, CRM et sales sur un dictionnaire commun de la performance.

Le point critique est culturel autant que technique. Les plateformes optimisent ce qu’elles peuvent observer et attribuer. Les directions marketing doivent piloter ce qui crée réellement de la valeur. Entre les deux, il existe un écart que le ROAS sectoriel permet de réduire. Dans un marché où les coûts média augmentent, où les identifiants se fragmentent et où la pression sur la rentabilité se renforce, les organisations qui continueront à piloter au dernier clic risquent d’acheter de plus en plus cher une demande déjà existante. Celles qui contextualiseront le ROAS par secteur, marge, incrémentalité et cycle client disposeront d’un avantage plus durable : savoir non seulement quel canal convertit, mais quel investissement change réellement la trajectoire économique du client.