Les tests d'incrémentalité — mesurer la vraie contribution incrémentale de la publicité — sont devenus pratique stratégique 2026 standard pour comptes au-dessus de 20 k€/mois spend total. Les modèles attribution vous disent qui créditer pour conversions ; l'incrémentalité vous dit quelles conversions n'auraient pas eu lieu sans les ads du tout.
Ce guide couvre méthodes 2026 : Google Conversion Lift studies, geo experiments self-run, exigences taille échantillon et playbook test 30-60 jours. Ciblé sur annonceurs mid-market avec 20 k€+/mois spend.
Smart Bidding + DDA optimisent sur toutes conversions attribuées. Si 50 % de vos conversions campagne brand sont non-incrémentales (auraient eu lieu de toute façon), Smart Bidding scale quand même brand — perdant efficacité sur campagnes réellement-incrémentales. Tests d'incrémentalité révèlent le gap. Tests trimestriels améliorent typiquement allocation budget de 10-20 %.
Ce que mesure l'incrémentalité (vs attribution)
Attribution : quel touchpoint créditer pour une conversion qui est arrivée.
- Question : « Des conversions que je vois, quels canaux ont contribué ? »
- Modèle : DDA, last-click, etc.
- Utile pour : optimisation bidding, décisions niveau ad
Incrémentalité : quelles conversions n'auraient pas eu lieu sans l'ad.
- Question : « Combien de ces conversions mes ads ont-elles vraiment causées ? »
- Méthode : holdout group / expérience contrefactuelle
- Utile pour : allocation budget, évaluation canal, décisions stratégiques
Les deux comptent. Attribution = tactique, continu. Incrémentalité = stratégique, périodique.
Méthodes : geo experiments, holdout groups, Conversion Lift studies
Google Conversion Lift studies (managed) :
- Google assigne aléatoirement utilisateurs à test (voit ads) vs control (voit public service ads ou rien)
- Mesure lift en taux conversion
- Exige : 20-50 k€+ media spend pendant test, étude 30 jours, éligibilité compte
- Gratuit, demander via support Google Ads
- Pros : méthodologie propre, Google gère statistiques
- Cons : seuil éligibilité, engagement temps
Geo experiments (self-run) :
- Splitter régions géographiques matchées en test (campagnes on) vs control (campagnes off)
- Mesurer différence taux conversion
- Exige : 6-10 régions matchées, fenêtre 30-60 jours, outils analyse statistique
- Coût : coût opportunité campagnes en pause + 5-10 heures analyste
- Pros : contrôle complet, tourne sans approbation Google
- Cons : facteurs confondants (saisonnier, variation régionale)
Holdouts time-based (le moins fiable) :
- Mettre en pause campagnes pour période définie, mesurer différence conversion
- Confondu par effets time-of-year
- Pas recommandé sauf pour tests directionnels rapides
Chemin 2026 recommandé : démarrer avec Google Conversion Lift si éligible (gratuit, propre). Pour tests plus larges ou plus fréquents, bâtir capacité geo experiment.
Quand lancer tests d'incrémentalité
Raisons fortes de tester :
- Évaluer nouveau canal (Meta / LinkedIn / TikTok) pour incrémentalité vs cannibalisation
- Suspicion campagne brand (fréquemment sur-créditée)
- Décisions majeures réallocation budget
- Valider sorties MMM (Marketing Mix Modeling)
- Justifier budget pub au CFO
Raisons faibles (sauter test) :
- Optimisation jour-le-jour Smart Bidding (utiliser attribution)
- Sous 20 k€/mois spend (puissance statistique insuffisante)
- Pendant périodes saisonnières majeures (Q4 ecommerce, etc.)
- Campagnes stables tournant bien — ne pas fixer ce qui n'est pas cassé
Fréquence pratique : trimestriel pour au moins un canal/campagne majeur. Test complet cross-canal annuel pour comptes enterprise.
Taille d'échantillon et signification statistique
Taille échantillon dépend de :
- Taux conversion baseline
- Effet Détectable Minimum (MDE) — plus petit lift que vous voulez mesurer confidamment
- Niveau confiance statistique (typiquement 95 %)
Règle approximative :
- 1 % taux conversion baseline, vouloir détecter 10 % lift : besoin ~30 000 sessions par groupe
- 5 % taux conversion baseline, vouloir détecter 20 % lift : besoin ~3 000 sessions par groupe
- Baseline plus haute + MDE plus grand = échantillon plus petit nécessaire
Pour Google Ads à l'échelle : typiquement étude 30 jours délivre échantillon suffisant. Pour comptes plus petits : étude 60 jours ou MDE plus grand.
Signification statistique : seuil minimum p < 0,05. Reporter intervalle confiance 95 % pour ROAS incrémental.
Pièges et biais courants
1. Variables confondantes : effets saisonniers, activité concurrent, événements news pendant test. Mitigation : utiliser test/control matchés avec baselines similaires, ou assignation utilisateur randomisée (Conversion Lift).
2. Gaps attribution cross-device : utilisateur voit ad sur téléphone, convertit sur desktop. Assignation test/control peut rater ça. Mitigation : utiliser méthodologie device-aware, fenêtres attribution plus longues.
3. Effets de report : ads tournés en période pré-test peuvent influencer conversion post-test. Mitigation : période wash-out avant que mesure commence.
4. Puissance insuffisante : échantillon trop petit, ne peut pas détecter lift réel. Résultat : faux négatif. Mitigation : pré-calculer taille échantillon, étendre étude si besoin.
5. Problèmes comparaisons multiples : tester beaucoup segments inflate taux faux positif. Mitigation : correction Bonferroni ou tests single-hypothesis focalisés.
6. Mismatch définition conversion : tester impacte une métrique différente de celle sur laquelle vous optimisez. Mitigation : aligner conversion test avec KPI business primaire.
Interpréter résultats : ROAS incrémental, vrai CAC
Métriques clés du test incrémentalité :
Conversions incrémentales : conversions groupe test moins conversions groupe control, scalées à population complète.
ROAS incrémental : (revenue incrémental / spend ad pendant test). Comparer à ROAS reporté.
Vrai CAC : spend ad / acquisitions client incrémentales (vs CAC reporté = spend ad / acquisitions totales attribuées).
Pourcentage lift : (taux conversion test - taux conversion control) / taux conversion control.
Constats typiques 2026 :
- Campagnes brand search : 30-60 % incrémentales (40-70 % des « conversions » auraient eu lieu de toute façon via brand search organique)
- Search non-brand : 70-90 % incrémentales (haute contribution incrémentale)
- Retargeting Display : 30-50 % incrémentales
- Vidéo top-of-funnel : 50-80 % incrémentales (varie largement)
Interprétation actionnable : scaler canaux haute-incrémentalité, auditer/optimiser ceux à basse-incrémentalité, mais pas couper aveuglément campagnes brand (peuvent avoir basse incrémentalité mais haut LTV downstream).
Coût : temps, coût d'opportunité, infrastructure
Coûts Google Conversion Lift study :
- Coût direct : 0 € (gratuit)
- Coût d'opportunité : minimal (Google gère splitting audience sans pauser campagnes)
- Temps : étude 30 jours + 2-3 heures setup/analyse
- Éligibilité : 20-50 k€+ media spend pendant test
Coûts geo experiment :
- Coût direct : 0-1 k€ (temps analyste)
- Coût d'opportunité : 5-15 % budget test (campagnes en pause dans régions control)
- Temps : 5-10 heures setup + étude 60 jours + 10-15 heures analyse
- Logiciel : gratuit (R + package CausalImpact) à 1 k€/mois (Geox)
Incrémentalité enterprise basée MMM :
- Coût direct : 50-500 k€/an (vendor MMM)
- Temps : continu
- Idéal pour 1 M€+/mois spend total
Pour la plupart des comptes mid-market : Google Conversion Lift annuel + geo experiment occasionnel suffit.
Playbook tests incrémentalité 30 jours
Le schema HowTo couvre jour-par-jour. Cadrage stratégique :
Semaine 1 — Setup. Définir question, choisir méthode, baseline pré-test.
Semaines 2-7 — Lancer test (30-60 jours selon méthode).
Semaine 8 — Analyse. Analyse statistique, intervalles confiance, documenter constats.
Semaine 9 — Décision et action. Appliquer apprentissages à allocation budget, planifier prochain cycle test.
Pour contexte complémentaire, voir notre guide attribution DDA, guide MMM vs Attribution et guide modélisation LTV.
Si vous souhaitez de l'optimisation pilotée par IA qui supporte allocation budget consciente d'incrémentalité, SteerAds lance un audit gratuit de 14 jours sur Google + Microsoft Ads.
Sources
- support.google.com/google-ads — doc Conversion Lift studies
- research.google/pubs — research Google sur méthodologie incrémentalité
- google.github.io/CausalImpact — package R Google CausalImpact
- thinkwithgoogle.com — insights industrie Google
- geoxlibrary.com — outil geo experiment Geox
FAQ
Quelle différence entre tests incrémentalité et attribution ?
Attribution mesure quels touchpoints obtiennent crédit pour conversions qui sont arrivées. Incrémentalité mesure quelles conversions n'auraient PAS eu lieu sans vos ads — la vraie contribution incrémentale. La différence compte : une campagne brand avec haute attribution last-click peut avoir basse incrémentalité si ces utilisateurs auraient cherché votre brand et converti de toute façon.
Comment marche l'étude Conversion Lift Google Ads ?
Tests d'incrémentalité built-in dans Google Ads. Assigne aléatoirement utilisateurs à groupes test (ads servis) vs control (ads retenus). Mesure différence taux conversion entre groupes. Exige 20-50 k€+ media spend pour signification statistique + fenêtre étude 30+ jours.
Qu'est-ce qu'un geo experiment pour incrémentalité ?
Test incrémentalité self-run. Splitter régions géographiques similaires : moitié obtient campagnes ad qui tournent (test), moitié sont en pause (control). Mesurer lift conversion entre groupes. Moins cher que Google Conversion Lift studies mais exige analyse statistique DIY et fenêtre 60-90 jours.
Quand devrais-je lancer tests incrémentalité en 2026 ?
Trois triggers : (1) Évaluation nouveau canal (tester si Meta / LinkedIn / TikTok drive vraiment incrémental vs cannibalise trafic Google), (2) Scepticisme campagne brand (valider que brand search est incrémental, pas juste intercepter organic), (3) Décisions allocation budget. Sauter incrémentalité si vous faites confiance modèle attribution et plateformes sont stables.
Combien coûte un test d'incrémentalité ?
Google Conversion Lift study : gratuit (Google le lance) mais exige 20-50 k€ media spend + 30 jours. Geo experiment self-run : time-intensive (5-10 heures analyste) + coût d'opportunité campagnes en pause (5-15 % budget test). Coût total : 5-15 k€ typique pour test significatif.
Qu'est-ce que ROAS incrémental vs ROAS reporté ?
ROAS reporté (basé attribution) : valeur conversion totale / spend ad. Inclut conversions qui auraient eu lieu de toute façon. ROAS ecommerce reporté typique : 3-5x. ROAS incrémental (basé lift) : conversions incrémentales seulement / spend ad. Souvent 30-60 % plus bas que reporté. Campagnes brand montrent fréquemment 8-10x ROAS reporté mais 2-3x ROAS incrémental.
Les tests d'incrémentalité peuvent-ils remplacer l'attribution ?
Non, elles répondent à questions différentes. Attribution = quel touchpoint créditer / comment enchérir dans Smart Bidding. Incrémentalité = ce canal/campagne ajoute-t-il vraiment de la valeur ? Utiliser attribution pour optimisation continue (Smart Bidding, allocation budget), incrémentalité pour validation stratégique (trimestriel / annuel).