ROI des e-mails pour les retailers : associer les envois aux révisites en magasin
Vous serez en mesure d'évaluer chaque e-mail commercial en fonction des visites supplémentaires générées en magasin, et non des ouvertures.
Part of the guide topicEmail marketing ROI for venues: measuring the visits it brings
Mesurez le ROI des e-mails en magasin par les visites en point de vente, et non par les ouvertures, en neuf étapes grâce aux points d'accès que vous possédez déjà. Associez chaque connexion WiFi de retour d'un client à l'e-mail qui l'a précédée. Conservez un groupe de contrôle aléatoire et suivez l'augmentation des visites par magasin. Purple Engage intègre la liste à partir des connexions au WiFi invité ayant obtenu un consentement GDPR, de sorte que le même identifiant enregistre la visite.
Que contiendra votre rapport d'e-mailing au niveau du magasin à la fin ?
Chaque campagne affichera un chiffre clé : les visites supplémentaires en magasin qu'elle a générées, mesurées par rapport aux acheteurs qui ne l'ont pas reçue. Vous disposerez également d'une définition écrite d'une visite de retour et d'une fenêtre d'attribution fixe. Le rapport détaille le résultat par magasin, dans un format lisible par votre équipe opérationnelle.
{"slot":"hero","alt":"Responsable marketing retail dans le back-office d'un magasin comparant les visites de retour des clients ayant reçu un e-mail avec un groupe de contrôle non exposé, ventilé par magasin","caption":"Jugez chaque envoi par les visites en magasin qu'il génère, et non par les ouvertures qu'il enregistre","prompt":"Natural light photograph in a UK fashion store back office. A marketing manager at a laptop shows a store operations director a simple bar chart comparing two groups by store. Calm, practical mood, purple accent in the interface, no readable brand logos, no readable text on screen."}
Le rapport répond à trois questions pour chaque envoi :
- A-t-il fait revenir des acheteurs ?
- Combien de visites supplémentaires a-t-il générées ?
- Quels magasins ont porté le résultat ?
Ajoutez la valeur moyenne des transactions de votre système de caisse, et le même rapport vous donnera le chiffre d'affaires par envoi.
Il s'agit d'une mesure réelle, pas d'une modélisation. Rien n'est estimé à partir de moyennes du secteur. Chaque chiffre provient de vos propres données propriétaires : les connexions au WiFi invité des acheteurs qui ont accepté de recevoir des e-mails.
De quoi avez-vous besoin avant de commencer ?
Sept éléments doivent être en place. La plupart sont des décisions plutôt que de la technologie, et ils prennent plus de temps à valider qu'à configurer.
{"caption":"Prérequis pour la mesure des e-mails basée sur les visites","asOf":"2026-06-10","columns":[{"key":"p","label":"Prérequis"},{"key":"w","label":"Pourquoi c'est important"},{"key":"c","label":"Comment vérifier"}],"rows":[["WiFi invités actif sur Purple dans chaque magasin du test","Les visites de retour ne sont visibles que là où les acheteurs se connectent","Chaque magasin affiche des connexions au cours des sept derniers jours"],["Page de connexion personnalisée avec opt-in e-mail GDPR","Seuls les contacts ayant donné leur consentement peuvent recevoir des e-mails et être mesurés","Une connexion de test enregistre l'opt-in sur le profil"],["90 jours d'historique de visites","Définit le taux de retour de référence utilisé pour le dimensionnement","Les rapports montrent les visites de retour pour toute la période"],["Une liste d'opt-in suffisamment grande pour être divisée","Un nombre d'acheteurs trop faible masque une augmentation réelle","Exécutez la formule de dimensionnement à l'étape 4"],["Magasins associés à des régions","Les petits magasins sont regroupés pour le reporting","Chaque magasin porte une étiquette de région"],["Valeur moyenne des transactions par magasin (facultatif)","Transforme les visites incrémentales en chiffre d'affaires","La finance a validé le chiffre"],["Un plan de test validé","Empêche la métrique de changer une fois les résultats arrivés","Fenêtre, définition de visite et part du groupe de contrôle définies par écrit"]],"footnote":"Les décisions de la dernière ligne sont prises conjointement par le marketing et les opérations des magasins."}
Si votre liste est encore restreinte, développez la collecte avant la mesure. Notre guide sur la collecte d'e-mails en magasin dans le retail traite de la croissance de la liste d'opt-in en caisse et sur la page de connexion.
Comment une visite de retour est-elle associée à un e-mail ?
Pourquoi les ouvertures et les clics induisent le retail physique en erreur
Les ouvertures ont cessé d'être un signal fiable lorsque Apple a introduit la protection de la confidentialité dans Mail avec iOS 15 en 2021. La fonctionnalité précharge les images des e-mails, de sorte qu'un message peut être enregistré comme ouvert, que quelqu'un l'ait lu ou non. Les taux d'ouverture en disent désormais plus sur la répartition des applications de messagerie de votre liste que sur votre campagne.
Les clics sont honnêtes mais limités. Un acheteur qui lit une offre de week-end et se rend dans le magasin ne clique jamais. Votre plateforme d'e-mailing n'enregistre rien, pourtant cette visite est le résultat pour lequel vous avez payé. Les clics sont également biaisés en faveur de vos acheteurs les plus engagés, qui étaient susceptibles de venir de toute façon.
La règle d'association
L'association fonctionne parce que l'adresse e-mail et la visite proviennent du même endroit. Lorsqu'un acheteur se connecte au WiFi invités, il fournit une adresse e-mail et effectue un opt-in délibéré. Purple Engage enregistre cette information en tant que contact propriétaire (first-party). Lorsque ce même acheteur se connecte à nouveau lors d'une visite ultérieure, cette visite est enregistrée sur le même profil.
La règle elle-même est simple. Une visite de retour est prise en compte lorsque le profil qui a reçu l'e-mail se connecte dans n'importe quel magasin pendant la fenêtre d'attribution. Chaque acheteur compte une seule fois par fenêtre, donc trois visites d'un même acheteur représentent un seul retour. Cela permet de conserver une mesure sous forme de taux, ce qui est nécessaire pour la comparaison avec le groupe de contrôle.Le consentement prévaut. En vertu du GDPR, le consentement doit être donné librement, spécifique, éclairé et univoque. Une case d'opt-in e-mail non cochée et une notice de confidentialité claire lors de la connexion constituent le point de départ. Confirmez la formulation avec votre délégué à la protection des données.
{"kind":"flow","direction":"lr","caption":"How a WiFi sign-in links an email to a return visit","alt":"Flow from a shopper's first guest WiFi sign-in, through a random split into treated and control groups, to return sign-ins and a store-level uplift report.","nodes":[{"id":"a","label":"Shopper signs in to guest WiFi","sub":"Email and GDPR opt-in captured at login","tone":"brand"},{"id":"b","label":"Profile created in Purple Engage","sub":"First-party contact with visit history","tone":"neutral"},{"id":"c","label":"Random split before send","sub":"Treated group and held-back control","tone":"neutral"},{"id":"d","label":"Email sent to treated group","sub":"Control receives nothing from this campaign","tone":"neutral"},{"id":"e","label":"Return sign-in inside window","sub":"Same profile, any store, counted once","tone":"success"},{"id":"f","label":"Uplift reported by store","sub":"Treated return rate minus control rate","tone":"brand"}],"edges":[{"from":"a","to":"b","style":"solid"},{"from":"b","to":"c","style":"solid"},{"from":"c","to":"d","label":"treated","style":"solid"},{"from":"c","to":"e","label":"control","style":"dashed"},{"from":"d","to":"e","style":"solid"},{"from":"e","to":"f","style":"solid"}]}
Pourquoi le groupe témoin est essentiel
Le rapprochement des données montre que les acheteurs ayant reçu un e-mail sont revenus. Il ne prouve pas que c'est l'e-mail qui les a fait revenir. Les acheteurs ayant donné leur consentement sont déjà vos clients les plus fidèles, et beaucoup seraient revenus sans recevoir aucun e-mail.
Le groupe témoin exclu répond à la véritable question. Il s'agit d'échantillons aléatoires de la même liste qui ne reçoivent rien de la campagne. L'écart entre le taux de retour des deux groupes correspond aux visites générées par l'e-mail.
Comment configurer la mesure basée sur les visites, étape par étape ?
Suivez les neuf étapes dans l'ordre. Les étapes un à six se déroulent avant l'envoi. Les étapes sept à neuf ont lieu une fois la fenêtre de temps fermée.
{"title":"Mesurer le ROI des e-mails du commerce de détail par les visites en magasin","steps":[{"title":"Confirmer le consentement lors de la connexion","body":"Vérifiez que chaque magasin utilise une page de connexion personnalisée avec une case d'acceptation des e-mails non cochée et un avis de confidentialité couvrant les données de visite.","check":"Une connexion de test crée un profil marqué comme ayant accepté de recevoir des e-mails."},{"title":"Définir une visite de retour","body":"Comptabilisez une connexion au WiFi invité un jour ultérieur, dans n'importe quel magasin, une fois par acheteur et par période. Excluez les appareils du personnel.","check":"La définition est intégrée au plan de test et validée."},{"title":"Fixer la fenêtre d'attribution","body":"Choisissez sept ou 14 jours après l'envoi, en fonction de la fréquence habituelle de retour de vos acheteurs.","check":"La fenêtre et la date d'envoi sont enregistrées avant l'envoi."},{"title":"Dimensionner le groupe de contrôle","body":"Utilisez la formule de dimensionnement ci-dessous avec votre taux de retour de référence sur 90 jours pour définir la part d'exclusion.","check":"Le groupe de contrôle atteint le nombre minimum d'utilisateurs requis pour l'augmentation que vous souhaitez détecter."},{"title":"Diviser l'audience au hasard","body":"Répartissez au hasard les contacts ayant donné leur consentement entre le groupe traité et le groupe de contrôle dans chaque magasin. Excluez le groupe de contrôle de tout autre e-mail pendant la période.","check":"Les taux de retour antérieurs sur 90 jours des deux groupes se situent dans l'écart d'un point de pourcentage."},{"title":"Envoyer uniquement au groupe traité","body":"Planifiez la campagne pour le segment traité et notez l'heure d'envoi.","check":"Le journal d'envoi montre que zéro contact du groupe de contrôle n'a reçu l'e-mail."},{"title":"Exporter les visites à la fermeture de la fenêtre","body":"Extrayez les visites de retour pour les deux groupes par magasin, en utilisant la même définition et les mêmes dates.","check":"Chaque visite comporte un profil, un magasin et un horodatage dans la fenêtre."},{"title":"Calculer l'augmentation par magasin","body":"Soustrayez le taux de retour du groupe de contrôle du taux de retour du groupe traité, puis multipliez par le nombre d'acheteurs traités pour obtenir les visites incrémentales.","check":"Les visites incrémentales par magasin s'additionnent pour former le total de l'ensemble des réseaux."},{"title":"Vérifier la méthode","body":"Exécutez un test A/A : divisez la liste, n'envoyez rien et comparez les taux de retour sur la même durée de fenêtre.","check":"L'augmentation A/A reste proche de zéro sur l'ensemble du réseau."}]}
Quelle doit être la taille du groupe exclu ?
La taille du groupe de contrôle dépend de deux facteurs. L'un est votre taux de retour de référence. L'autre est la plus petite augmentation qui mérite d'être prise en compte. Ce n'est pas un pourcentage fixe qui la détermine. La règle de Lehr fournit une estimation rapide pour une puissance d'environ 80 % à un niveau de signification de 5 % :
Acheteurs nécessaires par groupe = 16 × p × (1 − p) ÷ d²
p = taux de retour de référence dans la fenêtre (0,18 pour 18 %)
d = plus petite augmentation à détecter (0,02 pour deux points)
Exemple : 16 × 0,18 × 0,82 ÷ 0,0004 = 5 904 acheteurs par groupe
Votre part d'exclusion peut compter moins de 5 904 acheteurs. Si c'est le cas, trois options s'offrent à vous. Vous pouvez augmenter la part d'exclusion, accepter une augmentation détectable plus élevée, ou regrouper plusieurs envois d'une même campagne.
{"tone":"tip","title":"Part de groupe de contrôle par défaut","text":"Commencez à 10% pour les listes de plus de 50 000 clients opt-in et à 20% en dessous. Appliquez ensuite la formule pour confirmer que le groupe de contrôle est suffisamment vaste."}
Calcul du gain d'engagement et des revenus
Utilisez le même calcul pour chaque campagne afin d'obtenir des résultats comparables.
Taux de retour exposés = clients exposés revenus ÷ clients exposés
Taux de retour contrôle = clients témoins revenus ÷ clients témoins
Gain d'engagement = taux de retour exposés − taux de retour contrôle
Visites incrémentales = gain d'engagement × clients exposés
Chiffre d'affaires incrémental = visites incrémentales × panier moyen
{"tone":"warning","title":"Un seul envoi parasite fausse le test","text":"Excluez les clients témoins de tous les e-mails pendant cette période, y compris les newsletters et les flux automatisés. Un seul envoi au groupe de contrôle réduit le gain mesuré, sans possibilité de le corriger après coup."}
Comment rapporter les résultats par magasin ?
Rapportez la performance de chaque magasin par rapport à ses propres clients témoins, et non par rapport à la moyenne du réseau. Effectuez le tirage au sort au sein de chaque magasin (méthode d'échantillonnage stratifié) afin que chaque point de vente conserve la même part de groupe de contrôle.
Faites preuve de rigueur concernant la précision statistique. Un magasin comptant 1 000 clients témoins et un taux de référence de 18% ne peut détecter un gain supérieur à environ cinq points. Ne présentez un magasin de manière isolée que si son groupe témoin atteint cette taille. Regroupez les magasins plus petits par région. Considérez chaque chiffre de magasin comme une tendance ; le chiffre global du réseau constitue le résultat réel.
{"caption":"Exemple de rapport par magasin pour un envoi, fenêtre de 14 jours","asOf":"2026-06-10","columns":[{"key":"s","label":"Magasin"},{"key":"n","label":"Clients exposés / témoins"},{"key":"t","label":"Taux de retour exposés"},{"key":"c","label":"Taux de retour contrôle"},{"key":"u","label":"Gain d'engagement (pts)"},{"key":"i","label":"Visites incrémentales"}],"rows":[["Magasin A (flagship)","9 000 / 1 000","23.0%","19.5%","3.5","315"],["Magasin B","5 400 / 600","20.5%","18.0%","2.5","135"],["Magasin C","2 700 / 300","19.0%","19.7%","-0.7","-19"],["15 autres magasins","47 700 / 5 300","20.8%","18.4%","2.4","1 145"],["Total réseau","64 800 / 7 200","21.0%","18.6%","2.4","1 576"]],"footnote":"Chiffres illustratifs. Les magasins B et C comptent moins de 1 000 clients témoins : leurs résultats doivent être interprétés comme de simples tendances et regroupés par région. Le total des visites incrémentales du réseau correspond à la somme des lignes de magasins ; le gain d'engagement est arrondi.","download":{"filename":"store-email-uplift-report.csv"}}
Le magasin C affiche un gain d'engagement négatif sur un échantillon de 300 clients témoins. À ce niveau de taille d'échantillon, cela relève de l'imprécision statistique et ne prouve aucunement que l'e-mail a fait fuir les clients. Regroupez ces données au niveau régional avant d'en tirer des conclusions.
Cas pratique : un détaillant de mode de 18 magasins
Chiffres illustratifs calculés selon la méthode ci-dessus.
Contexte. Un détaillant de mode comptant 18 magasins a collecté 72 000 profils clients opt-in via son WiFi invité au cours des 12 derniers mois. Ses rapports e-mail affichaient les ouvertures et les clics. Les équipes en magasin souhaitaient savoir si un e-mail de ventes privées avait réellement généré des visites en point de vente.
Ce qui a été fait. L'équipe a défini une fenêtre de 14 jours. Elle a extrait un taux de retour de référence de 18 % à partir de 90 jours d'historique. Un groupe de contrôle de 10 % a permis d'obtenir 7 200 acheteurs témoins, ce qui est suffisant pour détecter une hausse d'environ 1,8 point. L'équipe a effectué une répartition aléatoire au sein de chaque magasin et a envoyé l'e-mail aux 64 800 autres acheteurs.
Résultat. Les acheteurs ciblés ont affiché un taux de retour de 21,0 %, contre 18,6 % pour le groupe de contrôle. Cela représente 2,4 points, soit 1 576 visites supplémentaires. Avec une valeur moyenne des transactions de 38 £, cela génère environ 60 000 £ de chiffre d'affaires supplémentaire avant déduction du coût des remises et des marges.seul le magasin principal a dépassé le seuil des 1 000 acheteurs requis pour sa propre analyse. L'équipe a présenté les résultats des autres magasins par région.
Exemple concret : un groupe de 12 bars
Chiffres à titre indicatif.
Situation. Un groupe de 12 bars souhaitait savoir si un e-mail envoyé le jeudi permettait de remplir ses établissements le week-end. Il disposait de 9 000 clients inscrits via le WiFi visiteurs et d'un taux de retour de référence sur sept jours de 12 %.
Ce qui a été fait. Avec un fichier de cette taille, un groupe de contrôle de 10 % ne pouvait détecter qu'une hausse d'environ 4,3 points. L'équipe a porté le groupe de contrôle à 20 %. Cela a permis d'obtenir 1 800 clients témoins et de détecter une hausse d'environ 3,1 points.
Résultat. Les clients ayant reçu l'e-mail ont affiché un taux de retour de 16,0 % dans les sept jours, contre 12,0 % pour le groupe de contrôle. Cela représente quatre points sur 7 200 clients, soit 288 visites supplémentaires. Le groupe a présenté le résultat uniquement à l'échelle du réseau. Avec environ 150 clients témoins par établissement, aucun bar ne disposait d'un échantillon suffisant pour sa propre analyse.
Comment vérifier le résultat avant d'en faire part ?
Passez cette liste en revue avant que le rapport ne soit transmis aux équipes opérationnelles des magasins ou au service financier.
{"title":"Vérifier le résultat avant de le partager","groups":[{"heading":"Avant l'envoi","items":[{"text":"Définition et fenêtre de la visite de retour validées","why":"Évite de modifier la métrique après l'obtention des résultats"},{"text":"Taux de retour antérieurs ciblés et témoins écartés de moins d'un point","why":"Confirme que la répartition est aléatoire"},{"text":"Groupe de contrôle exclu de tous les autres e-mails pendant la période"},{"text":"Appareils du personnel exclus des deux groupes"}]},{"heading":"Après la fermeture de la fenêtre","items":[{"text":"Le journal d'envoi indique zéro destinataire témoin"},{"text":"Les totaux par magasin concordent avec le total du réseau"},{"text":"Magasins de moins de 1 000 acheteurs témoins regroupés par région","why":"Les petits échantillons génèrent du bruit, pas des résultats"},{"text":"Le test A/A sur une période sans envoi montre une hausse proche de zéro","why":"Prouve que la méthode n'invente pas de hausse"},{"text":"Le chiffre d'affaires utilise la valeur moyenne des transactions validée par la finance"}]}],"download":{"filename":"retail-email-roi-verification.csv"}}
Ce que les chiffres ne peuvent pas vous dire
- Visites des acheteurs qui ne se connectent pas. Le WiFi ne détecte que les acheteurs qui se connectent, la méthode sous-évalue donc le nombre total de visites. La comparaison des hausses reste valable, car les deux groupes sont sous-évalués de la même manière.
- Dépenses. Une connexion indique une visite, pas un panier d'achat. Le chiffre d'affaires repose sur la valeur moyenne des transactions, à moins d'associer les données WiFi aux tickets de caisse.
- Ventes en ligne. Un acheteur qui lit l'e-mail et achète sur votre site web apparaît comme n'ayant effectué aucune visite.
- Pourquoi cela a fonctionné. Le test montre que l'e-mail a généré des visites. Il n'indique pas si c'est l'objet, l'offre ou l'image qui a fait la différence. Testez un seul changement à la fois si vous avez besoin de cette réponse.
- Effets à long terme. Une fenêtre de 14 jours passe à côté d'un acheteur qui revient la troisième semaine. Isolez un groupe témoin sur un trimestre entier pour évaluer l'impact sur la valeur vie client.
En cas d'échec d'une étape
- Les groupes diffèrent avant l'envoi (étape 5). Réattribuez la répartition de manière aléatoire. N'ajustez jamais les groupes manuellement.
- Le groupe témoin a reçu l'e-mail (étape 6). Annulez le test et recommencez-le lors du prochain envoi.
- Un magasin n'enregistre aucune visite (étape 7). Vérifiez que les connexions au WiFi invité sont bien actives dans ce magasin avant d'en tirer la moindre conclusion.
- L'incrément semble anormalement élevé (étape 8). Vérifiez que l'export compte les acheteurs une seule fois par fenêtre, et non chaque visite.
Pour un diagnostic plus approfondi sur la manière dont les visites récurrentes sont comptabilisées et les raisons pour lesquelles certaines manquent, consultez notre guide sur la façon de mesurer les visites récurrentes.
Quelles erreurs faussent l'attribution des e-mails dans le retail ?
- Considérer les ouvertures comme une intention. Les fonctionnalités de confidentialité gonflent artificiellement les ouvertures ; un taux d'ouverture élevé ne prouve donc rien quant aux visites en magasin.
- Choisir la fenêtre après avoir vu les résultats. Une fenêtre choisie pour flatter une campagne ne peut pas être comparée à la suivante. Définissez-la dans le plan de test.
- Laisser les acheteurs du groupe témoin recevoir d'autres e-mails. Les flux automatisés en sont généralement la cause. Excluez le groupe témoin de chaque flux pendant la durée de la fenêtre.
- Compter chaque visite au lieu de chaque acheteur. Vos acheteurs les plus réguliers dominent alors le résultat, et l'incrément cesse d'être un taux.
- Inclure les appareils du personnel. Les membres du personnel se connectent à chaque shift, ce qui fausse les deux groupes.
- Classer les magasins sur des échantillons restreints. Un classement établi à partir de 300 acheteurs du groupe témoin relève du hasard. Regroupez les petits magasins par région.
- Comparer avec l'année précédente au lieu du groupe témoin. La météo, le calendrier et les gammes de produits changent. Seul un groupe témoin simultané permet d'isoler l'impact réel de l'e-mail.
Comment cela s'intègre-t-il dans votre programme de ROI de l'e-mail ?
Ce guide constitue le volet retail de notre dossier de référence sur le ROI du marketing par e-mail pour les établissements et les visites qu'il génère. Ce dossier couvre l'ensemble du programme : capture, segmentation, mesure et reporting dans les secteurs de l'hôtellerie-restauration, du retail et de l'événementiel. Pour la capture et la segmentation dans le retail, consultez Purple Engage pour le retail. Pour en savoir plus sur les opportunités offertes par le marketing via le WiFi, consultez le guide du marketing par WiFi.
Cette méthode repose sur un élément que les plateformes d'e-mailing génériques n'offrent pas : une liste qui s'enrichit automatiquement à partir des connexions au WiFi en magasin, les visites étant enregistrées sur le même profil.
{"tone":"proof","title":"Purple à grande échelle","text":"Purple gère le WiFi invité dans plus de 80 000 sites répartis dans 90 pays, en traitant 500 millions de connexions par an, et les pages de connexion personnalisées enregistrent des taux d'adhésion environ 50 % plus élevés (données Purple). Des marques telles que Harrods et McDonald's utilisent Purple."}
Foire aux questions
La correspondance des visites fonctionne-t-elle avec les points d'accès que nous possédons déjà ?
Oui. Purple est indépendant du matériel et s'exécute comme une superposition cloud sur Cisco Meraki, HPE Aruba, Ruckus, Juniper Mist, Ubiquiti UniFi, Cambium, Extreme et Fortinet. La mesure présentée dans ce guide s'effectue dans Purple Engage, et non sur le point d'accès. La méthode est donc la même, quel que soit le fournisseur utilisé par chaque magasin. Si votre parc mêle plusieurs fournisseurs à la suite d'une acquisition, le rapport de magasin traite chaque point de vente de la même manière.
En quoi cela diffère-t-il du reporting de ROI des e-mails dans Mailchimp, Klaviyo ou HubSpot ?
Ces plateformes indiquent ce qui se passe dans la boîte de réception et en ligne : ouvertures, clics et commandes web. Elles envoient des messages à une liste que vous fournissez, mais ne la constituent pas. Purple Engage bâtit la liste à partir des connexions au WiFi invité ayant fait l'objet d'un consentement et enregistre chaque reconnexion ultérieure d'un client dans un magasin. Cela vous permet d'évaluer un envoi en fonction des visites qu'il génère - ce qui correspond au résultat qu'un enseigne physique présente à son conseil d'administration.
La mesure des visites de retour à partir des connexions WiFi est-elle conforme au GDPR ?
Elle peut l'être, à condition que le consentement soit collecté correctement et que votre politique de confidentialité explique comment les données de visite sont utilisées. Le GDPR exige un consentement libre, spécifique, éclairé et univoque. En pratique, cela implique une case d'adhésion non cochée et une formulation claire lors de la connexion. Purple est certifié ISO 27001 et conforme au GDPR, et la page de connexion enregistre le choix de chaque client. Confirmez la formulation avec votre délégué à la protection des données avant le lancement.
Combien de temps faut-il attendre avant d'obtenir un résultat fiable ?
Comptez une fenêtre d'attribution complète après l'envoi, plus une journée pour extraire les données. Avec une fenêtre de 14 jours, vous disposez d'une lecture environ 15 jours après l'envoi. La fiabilité dépend de la taille de l'échantillon plutôt que du temps. Si la formule de dimensionnement indique que vos groupes sont trop restreints, répétez la campagne sur deux ou trois envois. Regroupez ensuite les résultats avant de tirer une conclusion.
Pouvons-nous attribuer un chiffre de chiffre d'affaires à chaque envoi ?
Oui, si le service financier fournit un panier moyen par magasin. Multipliez les visites incrémentales par cette valeur pour obtenir le chiffre d'affaires incrémental. Soustrayez le coût des remises et le coût d'envoi pour obtenir un chiffre de rendement. Les données WiFi indiquent qu'un client est revenu, pas ce qu'il a acheté. Associer les connexions aux tickets de caisse permet d'obtenir la dépense par visite, mais il s'agit d'un projet de données distinct. Le chiffre basé sur les visites se suffit à lui-même.
Qu'en est-il des contacts que nous possédons déjà en dehors de Purple ?
Vous pouvez continuer à leur envoyer des e-mails, mais excluez-les du test mesuré. Le rapprochement nécessite une connexion WiFi sur le même profil. Un contact qui ne s'est jamais connecté dans un magasin ne peut pas être associé à une visite de retour. Mesurez d'abord la liste issue du WiFi. Augmentez ensuite la part mesurable grâce à la capture en caisse et sur la page de connexion, comme détaillé dans notre guide de capture d'e-mails dans le commerce de détail.
Pourquoi ne pas mesurer avec un code promo imprimé à la place ?
Les codes mesurent les utilisations, pas les visites. Ils manquent les acheteurs qui sont revenus grâce à l'e-mail mais n'ont jamais utilisé le code. Ils récompensent également les acheteurs qui auraient acheté de toute façon. Un groupe témoin exclu capture ces deux effets, car il compare les taux de retour au lieu de compter des coupons. Conservez les codes pour la mécanique des offres et utilisez le groupe témoin pour la mesure.
