Repenser l'attribution marketing

L'Attribution Marketing est une technique de mesure de l'efficacité des actions marketing qui apporte de la valeur aux marketeurs. Toutefois les modèles d'attribution dit 'heuristiques' sont la plupart du temps erronés comme l'ont montré nos expérimentations chez Adloop.

L'Attribution Marketing est montée en puissance ces dernières années  - à juste raison - comme une alternative au pilotage 'Dernier Clic' qui fait toujours référence. Il y a fort à parier que cette nouvelle technique de mesure des performances de l'acquisition marketing s'impose dans les prochaines années.

Toutefois, après quelques années de recul et de recherches, il devient de plus en plus évident que l'Attribution Marketing telle qu'elle est pratiquée aujourd'hui à travers les 'modèles d'attribution' est en partie fausse - tout en étant intellectuellement assez douteuse - et peut mener à des décisions d'investissement erronées.

Le dernier clic ... et les autres
Les études de données montrent que plus de 50% des conversions ont été précédées de plusieurs visites sur un site et - par conséquent - de plusieurs arrivées via des canaux marketing. De ce fait, il est tentant de répartir le fruit d'une conversion entre tous les canaux impliqués, c'est le rôle de l'Attribution Marketing.

Pour autant, l'attribution de la totalité de la conversion au dernier canal marketing cliqué a un avantage majeur sur les autres : on a la certitude qu'il y a eu un bénéfice pour l'annonceur puisque l'action marketing (le clic) est concomitante à la réalisation de l'événement observé : une vente, une demande de devis, un lead etc.

Décider d'affecter tout ou partie de la conversion aux canaux précédents est une extension de la logique du dernier clic : on considère qu'ils sont des influenceurs de la conversion finale et de ce fait méritent de se voir accorder une part de contribution.

Mais ce postulat est il réellement solide ? Personne n'est dans la tête de l'internaute et tous les clics réalisés sur des canaux marketing avant une conversion ne se valent pas : certains ont pu influencer la vente et d'autres être des visites fortuites ou sans rapport direct avec celle-ci.

Les comportements individuels sont la clé
Quand on prend la peine de regarder d'un peu plus près les 'customer journeys' (ou 'chemins de conversion' comme on appelle les chaines de clics ayant précédé une conversion), on se rend compte qu'il y a une extrême diversité de situations et de comportements de la part des internautes.

Le web est un univers tellement hétérogène (surtout quand il s'agit de publicité) que les comportements parasitaires sont légions : qui n'a pas cliqué sur une publicité sans le vouloir tout simplement parce qu'elle est subitement apparue devant le lien qu'on voulait activer ? Qui n'a pas visité une page proposée par Google pour s'apercevoir qu'elle était sans rapport avec sa recherche initiale ? Qui n'a pas cliqué 5 ou 10 fois sur un lien qui ne voulait pas s'ouvrir pour tout à coup voir s'ouvrir 5 à 10 fois la même page ?

Tous les exemples décrits font partie intégrante des chemins de conversion puisqu'il y a bien eu clic et visite sur le site mais - pour autant - ils n'ont en rien influencé la vente finale ou alors très peu.

Prenons un exemple :

Admettons qu'un utilisateur ait fait le chemin de conversion suivant :

Clic SEA > Clic Display > Clic SEO > Clic Direct --> Achat (100 €)

L'attribution marketing 'brute' selon les modèles 'Dernier clic' et 'Linéaire'*  donnerait :





Les différences sont assez importantes entre les deux modèles et on voit bien l'effet principal du modèle d'attribution Linéaire : chaque canal a influencé la vente de manière équivalente.

Or ce postulat repose sur des bases bien fragiles : la simple présence du clic dans le chemin de conversion.
Notons ici que la logique est la même quelque soit le modèle d'attribution retenu (croissant / décroissant / en U ...) car tous ces modèles rétribuent un canal sur la base de sa position dans le chemin de conversion.

Tous les clics ne sont pas égaux
Allons maintenant qu'on aille un peu plus loin prenons en compte le comportement de l'utilisateur sur le site visité après chaque clic effectué :

Clic n°1: canal SEA > Visite avec 2 pages vues

Clic n°2: canal Display > Visite à 10 pages vues

Clic n°3: canal SEO > Visite à 1 page

Clic n°4: canal Email >Visite à 8 pages + Conversion


Dans ce cas, l'influence des canaux devient nettement plus évidente :

- les visites SEA (Clic n°1) et SEO (Clic n°3) n'ont eu que peu d'influence sur la vente finale puisque l'internaute s'est limité à 1 ou 2 pages vues sur le site

- au contraire, les visites amenées par les canaux Display (Clic n°2) et Email (Clic n°4) ont eu une influence importante puisque l'utilisateur a visité le site en profondeur et acheté

Dans ce cas - tout à fait représentatif des comportements web -  aucun 'modèle' basé la position du canal dans la chaîne ne peut rendre compte de la réalité des intentions de l'utilisateur.
C'est ce que nous appelons L'ANALYSE COMPORTEMENTALE : l'influence d'un canal marketing n'est pas déterminée par sa position mais plutôt par la valeur de la visite concomitante.

L'analyse algorithmique comme juge de paix

Le problème posé par l'analyse comportementale est un problème de données massives ('Big Data') car plus on va prendre en compte de dimensions, plus la quantité de données à analyser sera importante.

Sur le chemin de conversion pris en exemple : Clic SEA > Clic Display > Clic SEO > Clic Direct --> Achat (100 €), on prend en compte une seule dimension qui est le Clic.

A chaque dimension ajoutée dans l'analyse, le nombre d'éléments à analyser sera multiplié par un exposant : 4² pour une dimension additionnelle, 4^3 pour 2 dimensions, 4^6 pour 5 dimensions etc.

Les dimensions pouvant être la survenue de tel ou tel événement dans la visite (pages vues, ajouts au panier, vente) ou des données liées au temps (moment du clic, écart entre deux clics), au contexte du clic voire à des dimensions extérieures comme la saison, la météo etc.

Chez Adloop, nous avons expérimenté des jeux de données contenant plus de 20 dimensions différentes : pour un site faisant 4000 ventes par semaine, la quantité de données analysées dépasse les 1,5 millions (soit un rapport de 375 !).

Si l'on devait faire l'exercice sur la base de notre exemple en prenant en compte 2 dimensions additionnelles (pages vues et conversions), on aurait un score faible sur les clics peu engageants (ici SEA et SEO) et un score fort sur les clics ayant généré de l'engagement et la conversion.

Pour reprendre notre exemple et appliquer l'analyse comportementale, on aboutirait à un rapport  de ce type (mis en comparaison avec les modèles classiques pour plus de clarté) :





Sur cet exemple précis, on voit que la lecture de l'efficacité des leviers est totalement différente entre l'approche comportementale et l'approche 'modèle' utilisée précédemment. Si elle l'est sur un seul chemin de conversion, imaginez ce que cela peut donner sur des milliers de cas !

En conclusion : intéressez vous avant tout aux algorithmes et méthodes de calcul

L'approche proposée dans l'exemple est simpliste car il y a de très nombreux autres facteurs à prendre en compte mais elle illustre l'idée générale de l'Attribution Comportementale telle que nous la pratiquons Adloop : la réalité de l'attribution marketing repose avant tout dans  la capacité d'un algorithme à analyse et comprendre les intentions des utilisateurs et non dans l'application simpliste de formules de calcul à une succession de clics.

Dans le choix d'une solution d'attribution, il faut donc faire très attention à bien comprendre comment les calculs sont effectués dans le détail et à déterminer dans quelle mesure ils sont réellement fiables et crédibles. En effet, les résultats présentés dans un rapport sont synthétisés et agrégés et le lecteur les reçoit comme tel sans les remettre en question.

S'ils sont erronés, les décisions prises sur ces bases seront erronées. S’ils sont justes et subtils, l'optimisation pourra s'effectuer sur des bases  solides.


* : Modèle 'Dernier clic' : attribution de 100% de la vente au dernier canal marketing cliqué - modèle 'Linéaire' : répartition de la vente parts égales sur l'ensemble des canaux impliqués

Autour du même sujet