Un client voit une bannière display en allant au travail, fait défiler une publicité de reciblage à midi sans s’arrêter, regarde un pre-roll vidéo le soir, et achète le produit le lendemain matin. Quatre points de contact, un seul achat. La question qui empêche les marketeurs de dormir est simple à poser et étonnamment difficile à trancher : lequel de ces quatre moments mérite vraiment le crédit ?
Un seul achat, construit à partir de plusieurs points de contact répartis sur une journée. L’attribution décide comment le crédit se répartit entre eux.
Se tromper de réponse, c’est récompenser le mauvais canal, couper le budget qui faisait discrètement le travail en amont, et tirer des conclusions de chiffres qui ne mesuraient jamais ce que l’on croyait. Les modèles d’attribution programmatique existent précisément pour trancher cette question, et le modèle choisi décide quel canal reçoit le crédit.
Quels sont les principaux modèles d’attribution ?
L’attribution au dernier clic est la réponse la plus courante, et la plus critiquée. Elle attribue 100 % du crédit au point de contact survenu juste avant l’achat, ce qui est facile à mettre en place mais aveugle à tout ce qui a construit l’intérêt plus tôt dans le parcours. L’attribution au premier clic inverse entièrement cette logique, en créditant le tout premier point de contact et en ignorant tout ce qui a maintenu l’engagement du prospect par la suite.
L’attribution linéaire répartit le crédit à parts égales sur chaque point de contact, échangeant les angles morts des modèles à contact unique contre un autre défaut : traiter une impression de notoriété et une relance de dernière minute comme également importantes, ce qu’elles sont rarement. L’attribution à décroissance temporelle penche dans l’autre sens, en donnant plus de poids aux points de contact proches de la conversion, une hypothèse raisonnable pour des cycles d’achat courts mais qui peut sous-estimer le travail de notoriété en amont.
Pourcentages d’exemple, mais le phénomène est réel : le même parcours client peut produire quatre résultats d’attribution très différents, juste en changeant la règle.
L’attribution positionnelle essaie de prendre le meilleur des deux mondes, en pondérant généralement fortement le premier et le dernier contact (40 % chacun, dans un exemple courant) et en répartissant le reste entre ce qui s’est passé au milieu, reconnaissant que la découverte et la conclusion comptent toutes les deux. L’attribution data-driven abandonne les règles fixes, en utilisant des modèles statistiques pour pondérer chaque point de contact selon des schémas réellement observés dans les chemins de conversion. Elle tend à être l’option la plus précise, mais seulement une fois qu’il y a assez de données pour lui faire confiance.
Quatre modèles, les quatre mêmes points de contact, quatre histoires différentes sur ce qui a vraiment fonctionné.
Pourquoi l’offline et le cross-canal compliquent-ils l’attribution ?
L’attribution se complique dès qu’une campagne s’étend sur plusieurs canaux (display, vidéo, TV connectée, digital out-of-home) et que l’objectif visé est quelque chose qui se passe entièrement hors écran. L’attribution post-vue essaie de créditer une impression que l’utilisateur n’a jamais cliquée, dans une fenêtre définie après l’exposition. La mesure de fréquentation prend un angle différent, en utilisant des données de localisation mobile pour corréler l’exposition publicitaire avec une visite ultérieure en magasin physique, ce qui compte énormément quand le résultat recherché est que quelqu’un franchisse une porte plutôt qu’il finalise un achat en ligne. Les tests d’incrémentalité vont encore plus loin, en menant des expériences avec groupe témoin pour mesurer l’effet réel qu’une campagne a produit, indépendamment de ce qu’affirme un modèle d’attribution donné.
Le moment où une cliente consulte son téléphone avant d’entrer dans un magasin est lui-même un point de contact, et un point de contact difficile à attribuer proprement.
Les pièges qui faussent les chiffres
Deux problèmes reviennent sans cesse. Le premier est le double comptage : quand plusieurs plateformes revendiquent chacune le crédit de la même conversion avec sa propre logique, souvent parce que chacune ne voit qu’une partie du parcours, la somme des conversions déclarées par tous les outils peut largement dépasser le nombre de conversions réellement survenues. Centraliser la mesure via un seul ad server ou un seul partenaire de mesure indépendant est le remède habituel.
Le second est la fenêtre d’attribution elle-même, la durée que l’on regarde en arrière pour créditer un point de contact. Une fenêtre de 7 jours et une fenêtre de 30 jours, appliquées à la même campagne, peuvent raconter deux histoires nettement différentes sur ce qui a fonctionné. Les jardins fermés ajoutent une difficulté supplémentaire, car les grandes plateformes rapportent généralement leurs chiffres avec leur propre logique d’attribution, qui se réconcilie rarement proprement avec les chiffres d’outils indépendants.
Quel que soit le modèle choisi, le reporting qui le nourrit doit être fiable avant que la logique d’attribution posée par-dessus ne veuille dire quoi que ce soit.
Quel modèle choisir pour le retail local ?
Le retail local convertit rarement via un panier en ligne. Les événements de conversion réels sont souvent des visites en magasin, des appels, ou des achats locaux qui ne passent jamais par un parcours e-commerce, ce qui rend les approches de mesure offline particulièrement pertinentes aux côtés de l’attribution digitale classique, surtout quand les campagnes s’appuient sur de vraies zones de temps de trajet plutôt que sur un simple rayon. Les cycles d’achat courts, typiques des décisions locales, une promotion du week-end, une vente d’un jour, un concurrent du quartier qui ferme, rendent souvent les modèles à décroissance temporelle pertinents par défaut, puisque le point de contact qui a le plus compté est généralement le plus proche de la décision. Les campagnes de notoriété à plus long terme de réflexion, celles construites autour de la notoriété plutôt que d’une offre immédiate, s’accordent mieux en général avec une approche positionnelle ou data-driven, puisque l’objectif est de comprendre comment la découverte et la conclusion ont fonctionné ensemble plutôt que de ne récompenser que la dernière relance.
FAQ
Quel est le meilleur modèle d’attribution pour un petit budget ?
Il n’existe pas de meilleur modèle universel. La décroissance temporelle est un choix par défaut raisonnable pour des cycles d’achat courts et locaux, car elle est simple à mettre en place et reflète souvent la façon dont les gens décident réellement. Un modèle data-driven ne la surpasse qu’une fois qu’il y a assez de volume de conversions pour s’entraîner dessus.
L’attribution par défaut d’une plateforme est-elle data-driven ?
Pas automatiquement. Beaucoup de plateformes utilisent par défaut le dernier clic ou un modèle à règles simples, sauf si vous configurez spécifiquement une option statistique data-driven. Vérifiez le paramètre plutôt que de supposer que l’étiquette correspond au comportement réel.
Quelle durée donner à une fenêtre d’attribution ?
Cela dépend du cycle d’achat. Un achat local et impulsif se prête à une fenêtre courte de quelques jours, tandis qu’un produit à réflexion plus longue peut justifier 30 jours ou plus. Faire tourner la même campagne avec deux fenêtres différentes est le moyen le plus rapide de voir à quel point ce choix change réellement l’image obtenue.
L’attribution peut-elle fonctionner sans cookies tiers ?
Oui. Les approches construites sur le ciblage sans cookies, les données first-party, et des signaux au niveau de l’appareil ou du foyer sont de plus en plus ce qui fait tenir l’attribution cross-canal à mesure que les cookies disparaissent du web ouvert.
Comment Arago vous aide
Arago rapporte les impressions, les clics, le CTR, les impressions visibles, le CPM et le CPM visible par ligne, par création et par taille de publicité pendant que la campagne tourne, vous donnant une vue cohérente et indépendante de la performance sur chaque canal activé via le DSP, plutôt qu’un patchwork de chiffres propres à chaque plateforme.
Comme chaque emplacement tourne comme sa propre ligne, jusqu’à un seul magasin avec son propre budget et sa propre création, vous pouvez voir précisément quelles zones et quelles tailles de publicité tirent leur poids sans attendre un rapport de fin de campagne. Configurez vos premières lignes dans le DSP, ou consultez notre tarification pour comprendre ce que vous payez réellement.
