Panorama des principaux modèles d’attribution marketing (standards & sur-mesure)

Un modèle d’attribution permet de déterminer la contribution de chaque canal marketing sur les conversions. Autrement dit, le modèle marketing répond à la question : “Quel est le rôle (et donc le mérite) de mes différents canaux et points de contact sur ma performance (notamment commerciale) ?”.

Disons-le tout de suite, la réponse n’est pas simple, pour 3 raisons : 

• Les parcours d’achat sont parfois longs, complexes, sinueux. Le parcours qui conduit à une conversion, à un achat, peut comporter de très nombreuses étapes et utiliser de nombreux canaux.
• Il n’est pas toujours possible de retracer fidèlement toutes les étapes du parcours. Le tracking est toujours limité, même si la digitalisation des parcours a permis de renforcer le degré de traçabilité.
• A supposer que ce soit le cas, que tout soit traçable et enregistrable, il n’est pas possible de déterminer objectivement la contribution de chaque canal et point de contact dans la décision d’achat. La décision d’achat (et donc la conversion) est toujours subjective. Nous entrons ici sur les terres obscures de la psychologie humaine.

Par conséquent, un modèle d’attribution est toujours imparfait – ce qui n’invalide pas du tout leur utilité !

Découvrez les retours d’expérience et témoignages d’experts ayant participé à la mise en place d’un système de reporting CRM.

Utiliser un modèle d’attribution en marketing permet ceci :

• Identifier les canaux marketing les plus efficaces, ceux qui ont le plus d’impact sur les conversions (ventes, inscriptions, complétion de formulaires…).
• Mesurer le Retour sur Investissement des efforts marketing déployés pour maximiser les conversions et les ventes.
• Imaginer des axes d’amélioration du parcours clients et des axes d’évolution du mix-canal.
• Ajuster ses efforts marketing sur les canaux et points de contact contribuant le plus à la performance de l’entreprise.

Ce modèle, comme son l’indique, consiste à attribuer 100% de la conversion au dernier clic de l’internaute (ou au dernier canal utilisé par celui-ci). C’est un modèle assez classique, souvent utilisé par défaut – sur Google Analytics, par exemple.

Ce modèle a le défaut de présenter une vision très déformée de la réalité. Prenons un exemple : un internaute découvre votre page Facebook. Une semaine plus tard, il clique sur une annonce sponsorisée Instagram et atterrit sur votre landing page. Il quitte le site sans convertir. Après quelques jours de réflexion, il décide d’acheter le produit : il cherche votre site sur Google, clique sur le lien de votre site et achète votre produit.

Dans le modèle last click, tout le mérite de la vente sera attribué à Google, au trafic organique – ce qui ne reflète pas la réalité du parcours complexe du client et la diversité des points de contact mobilisés.

Ce modèle a généralement pour conséquence de surestimer le poids des annonces sponsorisées (des publicités) et du trafic organique en provenance des moteurs de recherche. On comprend pourquoi Google propose ce modèle par défaut…

L’avantage de ce modèle est qu’il est très simple à mettre en place. Il a l’avantage de ses inconvénients : plus un modèle est simple, moins il est parfait et moins il reflète la réalité.

Ce modèle peut convenir aux entreprises qui ont des parcours d’achat très courts et faisant intervenir peu de points de contact.

Il existe deux variantes de ce modèle : 

Le modèle first click qui, comme son nom l’indique, consiste à attribuer tout le mérite de la conversion au premier client. Si un client découvre votre entreprise sur Instagram, puis clique plus tard sur une annonce sponsorisée Facebook, c’est Instagram qui se verra attribuer 100% de la conversion.

Ce modèle partage les avantages et inconvénients du modèle last click : il est simple mais ne reflète pas bien la réalité. Signalons qu’il est assez peu utilisé dans la pratique.

Le modèle au dernier clic non direct, qui est le même que le modèle au dernier clic sauf qu’il exclut le trafic direct. Si un internaute découvre votre site en naviguant sur Google ou les réseaux sociaux, qu’il ne convertit pas mais qu’il retourne sur votre site un peu plus tard en tapant l’url dans le navigateur, c’est Google ou les réseaux sociaux qui se verront attribuer le mérite de la conversion. 

Ce modèle est en général plus proche de la réalité que le modèle last click classique. Si l’on reprend l’exemple donné plus haut, il est évident que l’internaute n’aurait jamais eu l’idée de taper l’url dans son navigateur s’il n’avait pas découvert l’entreprise plus tôt sur Google ou les réseaux sociaux. Le trafic direct ici, comme souvent, n’a aucun mérite à avoir.

Le modèle consiste à distribuer le crédit de la conversion à parts égales entre tous les clics du parcours de conversion. Le modèle linéaire permet d’écarter le principal défaut des modèles last click et first click qui consiste à attribuer tout le mérite d’une conversion à un seul canal.

Ce modèle a l’avantage, comme tous les modèles standards, d’être simple. Un client vous découvre sur Facebook et s’inscrit à votre newsletter. Plus tard, il se rend directement sur votre site (trafic direct) sur lequel il réalise un achat. Dans le modèle linéaire, Facebook, l’email marketing et le trafic direct se voient attribuer la même valeur.

Ce modèle a encore le défaut de son avantage : il ne reflète pas de manière réaliste la contribution respective de chaque canal ou clic. Il est néanmoins plus satisfaisant que les précédent, car il prend en compte tous les canaux ayant, chacun à leur niveau, joué un rôle dans la conversion. Mais il surestime la contribution des uns et surestime celle des autres.

Vous envisagez de construire un dispositif de reporting de la performance marketing – CRM ? Découvrez les 4 étapes à suivre.

Dans ce modèle, le crédit attribué au canal dépend de sa position dans le parcours de conversion : le premier canal se voit attribuer la plus faible contribution, le dernier est celui qui se voit attribuer le plus de poids. Plus un canal est situé proche de la conversion, plus il est crédité.

Ce modèle est plus pertinent que les précédents pour les entreprises qui ont des cycles de ventes longs et un panier moyen très élevé. Nous pensons par exemple aux entreprises B2B. 

Mais là encore, ce modèle d’attribution ne reflète pas parfaitement la réalité. Il contribue à surestimer certains canaux et à sous-estimer les autres.

A noter qu’il existe une variante à ce modèle : le modèle décroissant, inverse du modèle croissant.

Comme dans les deux précédents modèles (linéaire et croissant), le modèle parabolique, aussi appelé modèle en U, crédite tous les canaux mobilisés dans le parcours de conversion.

Sa particularité est qu’il sur-crédite le tout premier canal et le tout dernier canal. Les canaux intermédiaires se voient attribuer un poids inférieur.

Ce modèle peut être personnalisé. Vous pouvez en effet déterminer la valeur attribuée au premier et au dernier canal. Par exemple : 40% pour chacun… ou 50%, ou 30%. 

Ce modèle fonctionne assez bien pour les entreprises qui ont des parcours clients longs, jalonnés de multiples canaux. Son défaut est qu’il sous-estime la contribution des canaux intermédiaires, qui sont tous logés à la même enseigne, et sur-estiment celle du premier et du dernier canal.

Les modèles standards ont tous pour point commun d’être simples à paramétrer mais ne reflètent pas la réalité complexe de vos parcours clients, que seule l’analyse des données clients et l’utilisation de modélisations mathématiques avancées (algorithmes) permettent d’approcher.

Découvrez qui sont les principaux acteurs d’un projet de reporting de la performance CRM.

Ce modèle est basé sur une approche probabiliste. Il fonctionne en deux temps : 

• Le modèle analyse tous les parcours réels des clients, sur la base d’une analyse des données, et détermine la probabilité de transition d’un point de contact à l’autre. 
• Une fois les probabilités calculées, il suffit de supprimer un canal du modèle pour en déduire son rôle et sa contribution relative sur la conversion. On parle alors de méthode “removal effect”.

Prenons un exemple pour bien faire comprendre la logique de ce modèle. 

La première étape consiste à déterminer les probabilités de transition d’un canal à l’autre. Pour simplifier les choses, supposons que vos parcours clients sont constitués de 3 canaux (ou, ce qui revient au même, que vous souhaitez mesurer la performance de ces 3 canaux uniquement) : les réseaux sociaux (C1), le référencement payant (C2) et le référencement naturel (C3).

Sur la base de l’analyse de vos parcours clients (ou, ce qui revient au même, de l’analyse des parcours client faisant intervenir l’un de ces 3 canaux), vous allez pouvoir déterminer grâce au modèle la probabilité que vos clients passent d’un canal à l’autre.

Illustration proposée par comtogether.

Nous en arrivons à la deuxième étape du modèle des chaînes de Markov, qui se base sur l’utilisation de la méthode “removal effect”. Celle-ci consiste à supprimer un canal du set de donnés utilisé pour l’analyse et à constater l’impact de cette suppression sur le nombre de conversions en bout de chaîne. Il faut reproduire le même exercice pour chaque canal. On arrive ainsi à déterminer indirectement le poids de chaque canal.

Illustration proposée par comtogether.

Pour une explication très détaillée du fonctionnement des chaînes de Markov et si vous êtes à l’aise avec les mathématiques probabilistes, nous vous recommandons la lecture de cet article d’Adequat.

Signalons simplement l’une des limites des chaînes de Markov : la probabilité de chaque état est conditionnée uniquement par l’état qui le précède, ce qui fait passer à côté des synergies réelles que l’on peut constater entre canaux. Il est possible de complexifier le modèle pour le rapprocher de la réalité, en utilisant des chaînes de Markov d’ordre 3 ou 4, c’est-à-dire où la probabilité est calculée en fonction des 3 ou 4 derniers états. L’autre alternative consiste à utiliser le modèle basé sur les valeurs de Shapley.

Ce modèle d’attribution fonctionne avec un algorithme basé sur les valeurs de Shapley, une modélisation ensembliste. Les valeurs de Shapley sont une théorie issue de la théorie des jeux. Ce modèle consiste à évaluer la contribution à la victoire du jeu de chaque joueur dans un groupe de joueurs, en prenant en compte les synergies (positives ou négatives) entre les joueurs. 

Source de l’illustration : pjdelta.

Remplacez “joueurs” par “canal” et “victoire” par “conversion” et vous obtenez l’application des valeurs de Shapley à l’attribution marketing. Concrètement, il s’agit de déterminer la contribution : 

• De chaque canal (= de chaque joueur). Par exemple : 
  • C1 = 385 conversions.
  • C2 = 473 conversions.
  • C3 = 39 conversions.
• De chaque combinaisons de joueur. Par exemple : 
  • C1 + C2 = 493 conversions.
  • C1 + C3 = 185 conversions.
  • C2 + C3 = 29 conversions.
  • C1 + C2 + C3 = 230 conversions.

Ces calculs permettent ensuite de déduire la contribution marginale de chaque canal aux conversions totales. Par exemple : C1 contribue à X% du nombre total de conversions, C2 contribue à etc.

Nous espérons que ce tour d’horizon vous aura permis de mieux appréhender les différents modèles d’attribution utilisés en marketing.

En synthèse (extrait de notre livre blanc) :

Extrait de notre Livre Blanc : « Comment construire un dispositif de Pilotage de la Performance marketing & commerciale« .

Maintenant, à vous de jouer !