// étude de cas · détaillant électronique montréalais
ROAS > 10× caché dans les données — alors que le tableau de bord disait « coupez »
La situation
Un détaillant en électronique e-commerce basé à Montréal est venu nous voir convaincu qu'il devait couper immédiatement son canal publicitaire le plus performant. Les coûts grimpaient mois après mois sans dépense supplémentaire de leur part, et le tableau de bord existant leur disait la même chose chaque matin : ce canal perd de l'argent.
Le verdict semblait simple. Le canal avec la plus grosse dépense était aussi celui avec le plus faible retour apparent. Conseil standard : couper, réallouer, passer à autre chose. Sauf que l'entreprise elle-même ne s'effondrait pas. Les revenus tenaient. Les clients ne disparaissaient pas. Quelque chose dans les chiffres ne concordait pas avec ce que l'entreprise faisait réellement.
Ce que nous avons construit
Plutôt que de retravailler le tableau de bord, nous avons reconstruit la mesure qui le sous-tendait. La configuration existante utilisait une attribution linéaire sur les revenus observés uniquement, ce qui garantit que la dépense d'acquisition récente paraît toujours non rentable — la majeure partie de la valeur vie que ces clients généreront n'a pas encore eu lieu. Étendre la fenêtre vers l'arrière ne corrigerait pas le problème ; cela ajouterait plus de dépenses historiques à la comparaison sans déverrouiller aucun des revenus futurs que ces dépenses achètent réellement.
- ✓Courbes de revenus par cohorte— chaque cohorte d'acquisition suivie comme une unité dans le temps, pas fondue dans des totaux mensuels agrégés où les nouveaux clients tirent toujours la moyenne vers le bas
- ✓Courbes de survie Kaplan-Meier pour la rétention— pour que les revenus par cohorte puissent être projetés vers l'avant au-delà de ce qui a déjà été observé, produisant un chiffre de valeur vie attendue plutôt qu'un simple revenu-à-ce-jour
- ✓ROAS par canal contre le revenu vie attendu— avec intervalles de confiance, pour que les décisions soient prises en fonction de valeurs attendues et de plages de risque plutôt que d'une estimation ponctuelle sur un horizon tronqué
- ✓Séparation de l'économie d'acquisition de la rétention— pour que les comparaisons entre canaux ne soient pas faussées par le mélange des âges de cohortes, qui pénalisait silencieusement tout canal en phase de montée en régime
Le résultat
Une fois les revenus totaux attendus de chaque cohorte projetés vers l'avant par le modèle de survie, l'image s'est inversée. Le canal « coûteux » que tous voulaient couper acquérait en fait des clients dont la valeur vie attendue représentait 10 à 20× leur coût d'acquisition. Retour réel sur la dépense publicitaire : supérieur à 10×.
Le canal est resté actif. L'entreprise a continué d'acquérir des clients grâce à lui. Plus important encore, l'entreprise disposait maintenant d'un système de mesure reflétant le comportement réel de ses clients — pas un système qui traitait chaque acquisition récente comme un coût perdu.
L'ancien tableau de bord était juste sur ce qu'il mesurait. Ce qu'il mesurait n'était simplement pas ce que l'entreprise avait besoin de savoir. Étendre la fenêtre vers l'arrière n'aurait fait qu'empirer l'apparence du court terme ; le correctif était de projeter le futur vers l'avant, cohorte par cohorte. C'est ce qui se produit quand la BI est traitée comme un exercice de modèles : les chiffres ont l'air confiants, et la décision se prend sur une prémisse fausse.
Ce n'était pas un problème de visualisation. C'était un problème de mesure.
Lié
Curieux de savoir ce que votre tableau de bord pourrait cacher ? Dites-nous ce que vous cherchez à mesurer →