Modèles d'attribution marketing : Choisir le bon pour votre entreprise

Dans le domaine du marketing, les questions qui appellent des réponses ne manquent pas. Certaines sont bénignes, comme "En quoi mon produit est-il utile ?". D'autres sont beaucoup plus gênantes, en particulier lorsqu'il s'agit de modèles d'attribution. De quoi s'agit-il et pourquoi est-ce un sujet délicat ? Les modèles d'attribution sont les règles qui déterminent quels points de contact marketing sont crédités d'une conversion.

C'est là que les questions difficiles commencent.

La première publicité payante a-t-elle créé la demande ? Le dernier courriel a-t-il poussé quelqu'un à franchir la ligne ? Ou bien cinq petites interactions, étalées sur plusieurs semaines, se sont-elles tranquillement accumulées ?

Cela modifie la façon dont vous envisagez votre système de marketing, en termes de choix pratiques : quelles campagnes mettre à l'échelle, quelles expériences supprimer, à quels rapports vous fier lors des réunions du lundi. Lorsque vous comprenez quels points de contact influencent réellement les conversions, l'attribution cesse d'être dictée par l'instinct. Elle devient délibérée.

Vous trouverez ci-dessous les modèles d'attribution les plus courants, ceux qui résistent à la pression, et comment choisir l'approche qui correspond à votre entreprise telle qu'elle fonctionne aujourd'hui, et non pas la version que vous souhaiteriez avoir.

L'importance de l'attribution dans le marketing

L'attribution façonne presque toutes les décisions significatives en marketing.

Si vous vous fiez uniquement aux conversions du dernier clic, vous surfinancerez généralement ce qui apparaît à la fin du parcours. Il peut s'agir d'une recherche de marque ou d'annonces de reciblage.

Ces canaux semblent efficaces parce qu'ils sont proches de la ligne d'arrivée. Pendant ce temps, le travail initial qui a suscité l'intérêt est sous-évalué. Au fil du temps, la demande s'amenuise. Puis la croissance s'arrête.

Jeff Zhou, PDG et fondateur de Fig Loans, voit clairement cette distorsion dans les prêts, où la confiance s'installe progressivement bien avant qu'une demande ne soit soumise.

M. Zhou explique,

"Lorsque quelqu'un demande un prêt, il est généralement revenu plusieurs fois sur sa décision. Il a lu les FAQ, comparé les options et évalué s'il vous faisait confiance. Si vous ne tenez compte que du dernier clic, vous ne tenez pas compte des interactions qui ont réellement réduit l'incertitude. Nous avons appris que les premiers points de contact éducatifs sont souvent plus importants que l'événement de conversion lui-même, même s'ils apparaissent rarement comme tels dans les rapports sur le dernier clic.

C'est là que l'attribution est vraiment importante.

Lorsque le crédit est distribué plus précisément, l'investissement se déplace. Google rapporte que

Les annonceurs qui passent de l'attribution au dernier clic à l'attribution pilotée par les données constatent une augmentation d' environ 6 % des conversions à dépenses égales.

Cette augmentation ne provient ni de nouveaux canaux ni de budgets plus importants. Elle provient de la réaffectation des dépenses aux points de contact qui influençaient déjà les décisions, mais qui n'étaient pas reconnus.

Aperçu des modèles d'attribution courants

Il n'existe pas de modèle d'attribution universellement correct. Chacun d'entre eux reflète une croyance quant à la manière dont les décisions se prennent réellement.

Certains partent du principe que l'interaction finale est la plus importante. D'autres considèrent que le premier contact mérite d'être protégé. D'autres encore répartissent équitablement le mérite, car il est difficile d'isoler l'influence. D'autres tentent de modéliser la réalité de plus près à partir de modèles observés sur des milliers de parcours.

Voici ce que chaque modèle fait réellement en coulisses.

• Ledernier clic attribue tout le mérite à la dernière interaction avant la conversion. C'est pourquoi les campagnes de recherche de marque et de reciblage semblent souvent dominantes dans les rapports.

• Le premier clic fait l'inverse. Il protège la toute première interaction, l'annonce, le post-hookup ou la recommandation qui a permis à quelqu'un de vous rencontrer.

• La méthode linéaire répartit les crédits entre tous les points de contact enregistrés. Il n'y a pas de favori.

• La décomposition temporelle augmente le poids des interactions produites plus près de la conversion, tout en reconnaissant les contacts antérieurs.

• Les modèles basés sur la position donnent la priorité aux bords du parcours. La première interaction a suscité l'intérêt. La dernière interaction l'a clos. Tout ce qui se trouve entre les deux se partage le reste.

• L'attribution fondée sur les données s'éloigne totalement des règles fixes. Au lieu de cela, elle analyse les schémas de parcours réels des clients et attribue les crédits en fonction de l'impact observé, et non sur la base d'hypothèses.

Les plateformes Analytics et Ads de Google offrent une documentation détaillée si vous souhaitez voir comment ces modèles sont mis en œuvre sur le plan technique.

Mais la vraie différence se situe dans les décisions. Pas dans les définitions.

Attribution au dernier clic

L'attribution au dernier clic attribue tout le mérite à l'interaction finale. En pratique, il s'agit souvent d'une recherche de marque, d'une publicité de reciblage ou d'une visite directe.

Ce modèle est populaire parce qu'il est simple. Il est facile à expliquer et à défendre en réunion.

Il répond très bien à une question précise : qu'est-ce qui a permis de conclure l'affaire ?

Mais il ignore tout ce qui a créé l'opportunité au départ. L'annonce initiale sur laquelle quelqu'un a cliqué il y a trois semaines. Le guide de comparaison qu'il a lu. Le webinaire auquel il a assisté. Rien de tout cela n'est reconnu.

Au fil du temps, les investissements sont orientés vers les canaux du bas de l'entonnoir. Les équipes développent ce qui semble convertir et réduisent discrètement les canaux qui ont réellement créé la demande.

Le dernier clic fonctionne comme un objectif de clôture, mais devient dangereux lorsqu'il est perçu comme une histoire complète.

Attribution au premier clic

L'attribution au premier clic attribue tout le mérite à la première interaction enregistrée.

Cela permet de protéger les canaux qui créent un nouvel intérêt net. Social payant. Contenu. Partenariats. Campagnes de sensibilisation qui ne convertissent pas immédiatement, mais qui lancent le processus.

C'est particulièrement utile lorsque les budgets de sensibilisation sont sous pression. Le premier clic le rend visible.

Mais il a ses propres lacunes. Il sous-évalue tout ce qui nourrit et transforme l'intérêt initial. Séquences d'e-mails. Le reciblage. Ou les conversations de vente.

La sensibilisation est importante. Il en va de même pour le suivi.

Attribution linéaire

L'attribution linéaire traite chaque point de contact de la même manière. C'est donc l'un des points de départ les plus sûrs pour les équipes aux parcours complexes.

Aucun canal n'est ignoré. Aucune étape n'est artificiellement gonflée.

Cette méthode est particulièrement utile dans les environnements B2B, où les conversions impliquent souvent des interactions multiples sur plusieurs semaines ou mois, des webinaires, des démonstrations, des études de cas et des suivis de vente.

Mais l'attribution linéaire manque de précision. Elle suppose que chaque contact a contribué de la même manière, ce qui reflète rarement la réalité. Certains contacts font avancer les décisions. D'autres sont à peine enregistrés.

Néanmoins, elle permet d'éviter une vision étroite des choses. Et c'est parfois la priorité.

Attribution de la désintégration temporelle

L'attribution en fonction du temps accroît le crédit pour les interactions plus proches de la conversion.

Cette méthode convient parfaitement aux cycles d'achat rapides. Promotions au détail. Campagnes saisonnières. Situations où la récence prédit fortement l'action.

Une personne qui a cliqué sur une publicité hier a plus d'importance qu'une personne qui a navigué par hasard il y a un mois.

Les contacts antérieurs comptent toujours. Elles ont simplement moins de poids.

Le compromis est prévisible. La sensibilisation des clients et l'exploration précoce peuvent sembler moins précieuses, même si elles ont suscité l'intérêt initial.

Attribution basée sur la position

L'attribution basée sur la position accorde la majeure partie du crédit aux premiers et derniers points de contact, en utilisant souvent une structure telle que 40 % pour la première interaction, 40 % pour la dernière et les 20 % restants répartis entre les deux.

Cela reflète la manière dont les parcours se déroulent réellement.

Quelqu'un vous découvre. Puis il se convertit. Les interactions intermédiaires sont utiles, mais ces deux moments ont un poids disproportionné.

Ce modèle permet souvent d'obtenir des informations que le dernier clic ne permet pas de fournir. La structure elle-même demeure une règle empirique. Les poids sont prédéfinis et non découverts.

Mais elle est souvent plus proche de la réalité que les modèles à touche unique.

Matthew Thompson, fondateur d'OwnerWebs, a constaté qu'en se concentrant à la fois sur les points d'entrée et de conversion, on découvrait des schémas que les modèles à une seule touche n'avaient pas du tout détectés.

C'est ce que dit Thompson,

"Nous avons vu des cas où des clients potentiels nous découvraient par le biais d'un annuaire ou d'une recommandation, disparaissaient, puis revenaient des semaines plus tard par le biais d'une recherche de marque pour se convertir. Le dernier clic donnait l'impression que la recherche de marque faisait tout le travail. L'attribution basée sur la position a montré que la découverte et l'intention se produisaient bien plus tôt. Une fois que nous avons vu cela clairement, nous avons changé notre façon d'investir".

Attribution basée sur les données

L'attribution fondée sur les données repose sur le comportement observé plutôt que sur des règles fixes.

Elle analyse la manière dont les différents points de contact influencent les résultats au fil de nombreux parcours et attribue les crédits en fonction de leur impact réel. Des techniques telles que les valeurs de Shapley ou la modélisation contrefactuelle permettent d'isoler les interactions ayant modifié la probabilité de conversion.

Lorsque les données disponibles sont suffisantes, il s'agit de la vision la plus précise.

Mais elle s'accompagne d'exigences. Un suivi propre. Un étiquetage cohérent. Un volume de conversion suffisant pour permettre une analyse pertinente. Et la confiance des parties prenantes dans un système qu'elles ne peuvent pas vérifier manuellement étape par étape.

L'attribution pilotée par les données fonctionne mieux lorsque les parcours des clients sont complexes et comportent plusieurs points de contact. Les algorithmes peuvent identifier des effets d'interaction subtils entre les canaux que l'analyse manuelle ne prendrait pas en compte. Pour les entreprises qui réalisent au moins 600 conversions par mois, cette approche permet souvent d'obtenir la répartition des crédits la plus précise.

Sans un volume suffisant, le modèle ne peut pas apprendre. Et sans confiance, il ne sera pas utilisé.

Christopher Skoropada, PDG d'Appsvio, constate que la clarté de l'attribution s'améliore considérablement lorsque les équipes dépassent les règles fixes et commencent à analyser des modèles d'utilisation complets.

Skoropada déclare,

"En SaaS, le moment où une personne se convertit est rarement le moment où elle se décide. Il se peut qu'il ait exploré le produit des semaines plus tôt, qu'il ait vu une présentation plus tard et qu'il n'ait procédé à une mise à niveau qu'après avoir répondu à un besoin spécifique. Lorsque nous avons commencé à analyser des parcours d'interaction complets plutôt que des clics isolés, il est apparu clairement que les points de contact faisaient réellement progresser les utilisateurs. Cela a changé notre façon de donner la priorité à l'éducation et à l'acquisition de produits.

Choisir le bon modèle d'attribution pour votre entreprise

Commencez par étudier le fonctionnement réel de votre entreprise.

Combien de temps faut-il à une personne pour se convertir ? Combien de points de contact sont typiques ? Quelle est la fiabilité de votre suivi ?

Ces réponses sont plus importantes que la précision théorique.

Votre modèle d'attribution doit refléter la réalité de votre entreprise. Les entreprises de commerce électronique dont les cycles de vente sont courts peuvent s'épanouir avec un modèle d'attribution à décomposition temporelle, tandis que les entreprises de commerce interentreprises dont les phases de considération sont longues bénéficient souvent de modèles linéaires.

L'essentiel est de comprendre le parcours unique du client avant de choisir un modèle :

Quelques questions diagnostiques permettent de clarifier l'état de préparation :

• Connaissez-vous la durée typique de votre cycle de vente ?

• Combien de contacts une conversion typique implique-t-elle ?

• Quelle étape semble actuellement sous-évaluée ?

• Votre suivi est-il cohérent et fiable ?

• Avez-vous suffisamment de conversions pour une modélisation basée sur les données ?

• Les dirigeants peuvent-ils comprendre rapidement le modèle ?

• Les informations recueillies modifieront-elles réellement les décisions en matière de dépenses ?

Si la plupart des réponses sont incertaines, les modèles les plus simples sont les plus sûrs.

Tendances futures de la modélisation d'attribution

Les changements en matière de protection de la vie privée obligent l'attribution à évoluer.

L'attribution en fonction de la protection de la vie privée devient essentielle à mesure que les cookies tiers sont progressivement supprimés. Les responsables marketing avisés investissent dans la collecte de données de première main et explorent les modèles probabilistes. Les entreprises qui s'adaptent dès maintenant conserveront leur avantage concurrentiel à mesure que le paysage numérique évoluera.

Le suivi déterministe devient moins fiable. L'attribution modélisée devient la norme.

Ryan Walton, ambassadeur du programme The Anonymous Project, estime que l'attribution évolue vers une reconnaissance de modèles plus large, à mesure que le suivi devient moins déterministe.

Walton déclare,

"Nous observons déjà des situations où le parcours complet du client n'est plus visible en un seul endroit. Les gens passent d'une plateforme à l'autre, d'un appareil à l'autre et d'une interaction anonyme à l'autre. L'attribution exige désormais de comprendre les schémas comportementaux, et pas seulement les clics enregistrés. Les organisations qui s'adaptent le plus rapidement sont celles qui construisent des systèmes à partir de données incomplètes mais directionnelles".

Cela signifie qu'il faut s'appuyer davantage sur les données de première partie, les identifiants consentis, le suivi côté serveur et les rapports agrégés.

Les approches de mesure hybrides sont de plus en plus courantes, l'attribution multi-touch pour les parcours numériques combinée à des techniques de modélisation plus larges pour capturer les effets hors ligne et indirects.

L'attribution pilotée par l'IA devient également la solution par défaut dans de nombreuses plateformes, car elle permet de mieux gérer la complexité.

Les parcours des clients sont fragmentés. Les canaux se chevauchent. Les systèmes d'attribution doivent suivre.

Une étude de la Harvard Business Review montre que les clients omnicanaux ont tendance à dépenser plus et à rester plus fidèles. L'attribution transcanal précise est donc plus qu'un simple exercice de reporting. Elle devient une infrastructure opérationnelle.

Prendre une décision

Le choix d'un modèle d'attribution n'est pas une question de précision théorique. Il s'agit de la qualité de la décision.

Commencez par quelque chose d'utilisable. Veillez à ce que les informations fournies éclairent les décisions en matière de dépenses. Puis évoluez au fur et à mesure que vos données et votre suivi s'améliorent.

Le bon modèle est celui en lequel votre équipe a suffisamment confiance pour agir.

Si vous souhaitez approfondir la manière dont les modèles d'attribution fonctionnent en pratique et comment les appliquer sans compliquer à l'excès votre reporting, Aspiration Marketing propose une analyse utile des options et des compromis.