Les données de fréquentation sont-elles vraiment fiables ?

Les données de fréquentation sous-tendent aujourd'hui des décisions qui relevaient autrefois de l'intuition : quel site prendre à bail, comment un magasin se situe par rapport au réseau, si une campagne a réellement fait entrer du monde. Dès lors qu'un chiffre sert à justifier une décision de ce type, la question suivante s'impose. Quelle est vraiment la fiabilité des données de fréquentation, et comment savoir si l'on peut se fier au chiffre que l'on a sous les yeux ?

Ce guide expose d'où viennent les données de fréquentation, ce qui influe généralement sur leur exactitude, comment celle-ci est contrôlée et validée, et ce qu'il faut regarder avant de s'appuyer sur un chiffre pour un choix d'implantation, une revue de performance ou une décision d'expansion.

Que sont les données de fréquentation ?

Les données de fréquentation sont un relevé, ou une estimation, du nombre de personnes qui passent devant un lieu défini, y entrent ou le traversent sur une période donnée. Ce lieu peut être l'entrée d'un magasin, un centre commercial, ou une zone plus large comme une rue commerçante ou un retail park.

Les données de fréquentation proviennent de plusieurs sources, et la source pèse directement sur l'exactitude probable du chiffre obtenu :

• Les capteurs et compteurs en magasin, qui enregistrent un comptage en un point fixe, par exemple une porte d'entrée.
• La détection Wi-Fi ou Bluetooth, qui estime les appareils à proximité plutôt que de compter directement des personnes.
• Les estimations modélisées, construites à partir de signaux de localisation mobiles agrégés et anonymisés, qui permettent d'estimer la fréquentation de toute une zone, y compris des emplacements qu'une entreprise n'exploite pas elle-même.

Chacune produit un chiffre que l'on appelle « données de fréquentation », mais ces chiffres ne sont pas interchangeables et chacun comporte une marge d'erreur d'un type et d'une ampleur différents.

Pourquoi l'exactitude des données de fréquentation varie

Aucun chiffre d'exactitude unique ne s'applique à toutes les données de fréquentation, car l'exactitude dépend de ce qui est mesuré, où et comment. Un comptage à une porte et une estimation modélisée pour un retail park entier répondent à des questions différentes, et chacun est plus ou moins fiable selon l'usage qu'on en fait.

Quelques facteurs font régulièrement varier l'exactitude :

• La densité du lieu : les rues commerçantes et centres commerciaux animés et bien cartographiés donnent en général des estimations plus fiables que des sites ruraux peu fréquentés, où les données de référence sont plus rares.
• La source des données et la taille de l'échantillon : plus la base d'appareils ou de capteurs est large et représentative, moins une estimation est biaisée par un petit nombre de visites atypiques.
• La période : des chiffres agrégés sur une semaine ou un mois sont généralement plus stables que des instantanés journaliers, plus exposés aux événements ponctuels.
• Le placement des capteurs et la couverture : un compteur de porte ne mesure que sa position exacte ; un capteur mal placé ou mal entretenu peut sous-compter ou sur-compter pendant des mois sans que personne ne s'en aperçoive.
• La validation par rapport à des points de référence réels : les fournisseurs qui confrontent régulièrement leurs chiffres à des comptages connus, comme des séries de fréquentation publiées ou des tendances de transactions en caisse, détectent et corrigent les dérives plus tôt que les autres.

Les fournisseurs sérieux ne se contentent pas de produire une estimation. Ils comparent leurs chiffres en continu à des points de référence indépendants et réels, comme les comptages communiqués par les bailleurs ou les données de capteurs en magasin, et traitent tout écart comme un point à investiguer et à corriger plutôt qu'à ignorer.

Comment mesure-t-on l'exactitude des données de fréquentation ?

L'exactitude se contrôle normalement en comparant un chiffre de fréquentation à un point de référence indépendant déjà reconnu comme fiable : un comptage manuel, un indice de fréquentation publié ou les données de transactions d'une enseigne. Plus le chiffre modélisé ou issu de capteurs est proche de cette référence, plus la confiance dans le jeu de données dont il provient est élevée.

Une comparaison unique sur une journée n'apprend pas grand-chose. Ce qui compte, c'est qu'un fournisseur procède à ce contrôle de façon régulière, sur de nombreux emplacements et dans la durée, et qu'il accepte d'être transparent sur les endroits où ses chiffres tiennent bien et ceux où ils sont plus faibles. Un fournisseur capable de montrer ses chiffres face à un large ensemble de références connues, plutôt qu'à une poignée d'exemples favorables, est en général le plus sûr pour fonder des décisions.

huq, par exemple, publie une grille d'exactitude tenue à jour en continu plutôt qu'une validation ponctuelle. Ses estimations de fréquentation sont soumises à des tests de régression face à des centaines de sources externes de référence, avec un MAPE médian (erreur absolue moyenne en pourcentage) de 14,5 % par rapport à la ground truth en Allemagne. C'est ce type d'historique permanent et vérifiable qu'il faut rechercher avant de s'engager sur un jeu de données.

Données de capteurs ou données modélisées : lesquelles sont les plus exactes ?

Aucune des deux sources n'est purement et simplement « plus exacte » que l'autre. Chacune a une force propre et un angle mort propre.

• Les capteurs et compteurs en magasin sont précis à l'endroit exact où ils sont installés, mais ils ne couvrent que les emplacements déjà exploités par l'enseigne, et leur exactitude dépend fortement d'un placement correct et d'un bon entretien.
• Les données de fréquentation modélisées, fondées sur les signaux mobiles, couvrent des emplacements où l'enseigne ne dispose d'aucun équipement, y compris des sites qu'elle ne fait qu'envisager ; mais il s'agit d'une estimation et non d'un comptage direct, et leur fiabilité dépend de l'ampleur et de la représentativité des données sous-jacentes ainsi que de la fréquence des contrôles face à des chiffres réels.

Pour une enseigne qui compare des magasins qu'elle exploite déjà, données de capteurs et données modélisées sont souvent utilisées côte à côte. Pour un choix d'implantation, où aucun matériel n'est en place, les données de fréquentation modélisées sont généralement la seule option praticable — raison pour laquelle leur exactitude compte tant.

Signes que vos données de fréquentation ne sont peut-être pas exactes

Certains schémas méritent d'être traités comme des signaux d'alerte plutôt que comme du bruit ponctuel :

• Des chiffres de fréquentation qui évoluent systématiquement à l'inverse des ventes ou du nombre de transactions, sans explication évidente comme un problème de conversion ou de prix.
• Des sauts ou des chutes soudains et inexpliqués de la fréquentation sur un seul emplacement, sans événement, opération commerciale ni motif saisonnier correspondant.
• Des chiffres qui paraissent suspicieusement ronds ou répétitifs d'un emplacement à l'autre, ce qui peut signaler un capteur défaillant ou un problème de modélisation plutôt qu'une tendance réelle.
• Un fournisseur incapable d'expliquer simplement comment un chiffre a été obtenu ou contrôlé.

Aucun de ces signes ne prouve à lui seul qu'un jeu de données est faux, mais ils invitent raisonnablement à remonter à l'origine d'un chiffre avant qu'il ne serve à justifier une décision.

Comment les enseignes britanniques valident les données de fréquentation en pratique

Au-delà de la parole du fournisseur, la plupart des enseignes et bailleurs britanniques qui s'appuient sur des données de fréquentation mettent en place leurs propres contrôles. Les approches courantes consistent à croiser la fréquentation avec les tendances de caisse ou de point de vente pour vérifier que les deux évoluent de concert, à contrôler par sondage un échantillon d'emplacements face à un comptage manuel ou à un capteur en magasin existant, et à comparer une nouvelle source à un jeu de données déjà éprouvé sur un sous-ensemble de sites avant de la déployer plus largement.

Ces contrôles n'ont pas besoin d'être élaborés pour être utiles. Même un exercice de validation modeste et délibéré sur une poignée de sites représentatifs suffit à révéler si un jeu de données se comporte de façon cohérente avant d'être utilisé sur tout un portefeuille.

Vous souhaitez savoir quelle serait l'exactitude des données de fréquentation pour vos propres sites ? Contactez l'équipe huq pour échanger sur vos emplacements et voir les données de validation qui les accompagnent.