Consultant ROAS : piloter à la marge, attribution data-driven, dashboards

Le ROAS (Return on Ad Spend) tel qu’affiché par défaut dans Google Ads et Meta est un ROAS brut au CA, qui ne tient pas compte de votre marge produit ni de votre taux de retour. Un ROAS de 4 à 60 % de marge est largement plus rentable qu’un ROAS de 6 à 15 % de marge — pourtant l’algorithme publicitaire va privilégier le second, parce qu’il ne sait pas que la marge diffère. Mon rôle de consultant ROAS est de remettre la mesure d’équerre : pousser la marge réelle vers les plateformes publicitaires, croiser les dépenses Ads avec les retours et les remboursements, et construire les dashboards multi-source qui éclairent vraiment les décisions budgétaires. Forfait dashboard ROAS : 3 600 € HT pour ~6 jours consultant.

Pourquoi le ROAS brut Google Ads ment

Trois biais structurels.

Il ne voit pas la marge produit. Le ROAS brut = CA tracké / dépense Ads. Si vos catégories produits ont des marges de 15 % à 65 %, l’algo Ads optimise sans le savoir. Une montée en puissance sur une catégorie en promo à marge négligeable peut afficher un ROAS apparent élevé mais détruire la rentabilité réelle.

Il ne voit pas les retours. Sur les sites mode/luxe, les taux de retour peuvent atteindre 25-40 %. Une commande passée à 200 € qui est retournée à 60 % laisse 80 € de CA net. Le ROAS brut compte les 200 €. L’algo continue d’apporter du trafic sur les pages produit retournées massivement.

Il ne voit pas la marge incrémentale. Une vente faite sans publicité (clients existants, SEO organique) compte aussi dans le ROAS attribué Ads à cause de l’attribution. Le ROAS incrémental (= la vente que la pub a fait apparaître en plus) est typiquement 30 à 60 % du ROAS brut sur Google Ads, et 40 à 70 % sur Meta.

Mes missions ROAS

1. Branchement marge produit via OCI Google Ads

Push de la marge réelle (au lieu du CA) comme Conversion Value via Offline Conversion Import. L’algo apprend à cibler les produits rentables. Voir conversions offline e-commerce pour le pipeline.

2. Dashboard ROAS net (Looker Studio + BigQuery)

Dashboard multi-source qui croise : (a) la dépense Ads par canal et campagne (Google, Meta, LinkedIn, TikTok), (b) le CA tracké GA4, (c) la marge issue de votre back-office ou ERP, (d) les retours et remboursements, (e) le calcul ROAS brut + ROAS net + ROAS incrémental estimé.

3. Attribution data-driven exploitée

Activation de l’attribution data-driven dans GA4 (gratuit), construction de modèles d’attribution custom en BigQuery si DDA ne suffit pas (Markov, Shapley), alimentation des dashboards Looker Studio. Voir GA4 + BigQuery.

4. ROAS par cohorte client (LTV)

Pour les sites avec rétention forte (abonnement, achats récurrents), le ROAS à 90 jours peut être très inférieur au ROAS à 365 jours (cohorte). Construction d’un modèle LTV qui pousse la valeur cohorte attendue dans Google Ads.

Architecture type d’un dashboard ROAS

Sources                    BigQuery                Looker Studio
 │                           │                        │
 │ GA4 (events purchase)     │                        │
 ├──────────────────────────▶│                        │
 │                           │                        │
 │ Google Ads API            │                        │
 │ (dépense + conversions)   │                        │
 ├──────────────────────────▶│  vue                   │
 │                           │  ▶ roas_par_canal      │
 │ Meta Ads API              │  ▶ roas_par_produit    │
 │ (dépense + conversions)   │  ▶ roas_cohorte        │
 ├──────────────────────────▶│  ▶ marge_par_categorie ├──▶ Dashboard
 │                           │                        │
 │ Back-office               │                        │
 │ (marge + retours)         │                        │
 ├──────────────────────────▶│                        │
 │                           │                        │
 │ CRM (si B2B)              │                        │
 │ (LTV cohortes)            │                        │
 └──────────────────────────▶│                        │

Sources connectées via : extensions natives Looker Studio (Google Ads, Search Console), Fivetran / Airbyte (Meta, LinkedIn, TikTok), Cloud Functions custom (back-office, CRM).

Cas concret

Retailer mode/lifestyle ~10 M€ CA tracké, ROAS Google Ads brut 4,5 affiché. Mission : audit pour identifier l’écart entre ROAS brut et ROAS net.

Travail réalisé : extraction de la marge produit par catégorie depuis le back-office, croisement avec les ventes Google Ads attribuées sur 90 jours, prise en compte des retours, push de la marge en Conversion Value via OCI.

Résultat de l’analyse : ROAS net réel = 2,1 (au lieu de 4,5 affiché). Le segment “promotions premium” affichait un ROAS brut de 6 mais un ROAS net de 0,4 (perte). Réallocation budgétaire vers les segments avec marge supérieure à 40 % en 6 semaines. À budget constant, marge totale Google Ads +38 % à 90 jours.

Foire aux questions

Combien de temps pour mettre en place ?

Dashboard ROAS standard : 6 jours consultant sur 3-4 semaines calendaires. Pour les sites avec sources multiples complexes (4+ plateformes pubs, back-office custom), comptez 8-10 jours sur 6 semaines.

Et si on n’a pas accès à la marge produit ?

Pour les sites où la marge est confidentielle ou pas remontée systématiquement, on peut utiliser un proxy : taux de marge moyen par catégorie (estimation interne), ou taux de marge cible défini par la direction. Imparfait mais déjà mieux que le CA brut.

Vous travaillez avec quels outils de dataviz ?

Looker Studio par défaut (gratuit, connecté à BigQuery natif). Power BI pour les structures déjà sous Microsoft. Metabase pour les structures open-source. Tableau plus rare.

Quel est le ROI typique d’un dashboard ROAS ?

Variable selon la maturité initiale. Sur des structures qui pilotent déjà finement, le gain est marginal. Sur des structures qui découvrent l’écart brut/net, on a vu des réallocations budgétaires qui produisent +20 à +40 % de marge à 6 mois.