Cette question de l’attribution et de la contribution est très complexe à appréhender. La première difficulté consiste à comprendre clairement le concept même de la contribution.
Ces deux termes définissent la manière dont une conversion est attribuée à un canal ou une source. Par défaut, le modèle utilisé est celui du last-clic. Pour un commerçant, comprendre d’où vient son client, par quel chemin publicitaire il est passé pour acheter, est très important pour ajuster au mieux sa stratégie publicitaire. Chaque vente à une origine, par canal (SEO, SEA, Direct, Display, Affiliation…).
On considère, généralement, que le dernier clic de l’internaute avec sa conversion est le plus important, celui qui déclenche la vente. La tentation est alors importante de comparer les sources entre-elles et de considérer que celles qui sont le moins rentables doivent être abandonnées.
Dans le cas de tunnels courts de conversion, avec un faible panier moyen, donc un achat impulsif, cette règle peut tout à fait se comprendre et représente souvent le meilleur modèle.
Cela suppose néanmoins que dans le chemin de conversion (l’ensemble des interactions publicitaires effectuées avant une conversion), les points de contact de l’internaute avec les investissements publicitaires et SEO, soient le plus court possible (un seul point d’interaction en moyenne).
Car si ce chemin est plus long, si l’internaute a plusieurs points de contact avant sa conversion, fonder son analyse sur la dernière interaction risque de fausser les décisions à prendre.
En effet, dans ce cadre-là, les premières interactions ne seraient pas prises en compte dans l’analyse. Or, ces étapes du chemin de conversion participent pleinement à la vente, car, si elles ne déclenchent pas immédiatement de conversions, elles permettent à l’internaute de découvrir la marque et le site, l’amenant, par une autre requête, à finalement réaliser une vente. Elles contribuent donc à la finalité d’achat, en participant au processus de découverte de l’offre proposée.
Dès lors, ne pas en tenir compte faussera les décisions et pourrait même anéantir les optimisations publicitaires.
Prenons un exemple simple. Si une campagne display génère de nombreuses visites, mais quasiment aucune conversion, que la plupart des internautes exposés à cette campagne reviennent finalement consommer, en passant par un canal SEO ou SEA, alors, ne pas tenir compte du display, ou le considérer comme non rentable (du fait de son faible taux de conversion), serait une erreur. Le pourcentage de clients ayant été préalablement exposés au display, étant passés par la suite par le SEO ou SEA, serait peut-être perdu, si le display était coupé. En fermant une voie d’accès, on réduit l’affluence.
Ce canal display jouerait alors un autre rôle que celui de convertisseur, facilitant la notoriété, l’acquisition… Il serait alors soit initiateur de la visite (permettant la découverte du site internet), soit passeur (amenant l’internaute à revenir visiter le site).
Aussi, mesurer un chemin de conversion, consolider la contribution entre les leviers et canaux, donnera une vision plus réaliste de l’attribution, permettant de comprendre et ajuster plus précisément ses investissements publicitaires.
Il existe de nombreux modèles, dont certains sont utilisés par défaut. Dans la mesure où chacun peut se construire son propre modèle, fondé sur l’analyse des logs et des sources, seuls ceux communément utilisés seront ici développés et présentés.
Mais avant d’aborder cette dimension, il est nécessaire de bien comprendre le fonctionnement d’un chemin de conversion. Ce dernier reprend, pour chaque vente, l’ensemble des points d’interaction publicitaires que l’internaute a initié avant de convertir. Il est donc important d’utiliser un chemin complet plutôt qu’un chemin réduit au 5 ou dix dernières interactions (dans un tunnel d’acquisition long). A l’inverse, pour un tunnel court, 5 interactions peuvent être suffisante, si l’immense majorité des chemins est inférieure à 5.
Ce chemin présente pour chaque interaction la typologie et la source : clic ou impression, source et canal. Elles s’affichent dans l’ordre où elles ont été effectuées, étant classées par date.
Un chemin de conversion peut donc se présenter, par canal, comme ceci :
Display -> SEO -> SEO – > SEA => conversion.
Le premier point rencontré se trouve à gauche, le dernier à droite.
Dans un modèle au dernier clic, le SEA prend la vente, rendant les canaux SEO et Display non rentables. Mais d’autres modèles vont alors proposer une toute autre lecture :
Règle du premier clic : A l’inverse de la règle du dernier clic (que l’on trouve surtout pour des tunnels courts de conversion), celle du premier clic peut mieux convenir à des tunnels longs. Ce premier clic est intéressant car c’est lui qui amène l’internaute à découvrir le site, à passer de visiteur à potentiel prospect. Il joue alors le rôle d’initiateur. Si l’on supprime ce canal, jugé non rentable en last-clic, alors on risque de supprimer cette dimension d’initiation, de notoriété, donc de réduire la portée des canaux contributeurs.
Dans un cas, où la décision avant achat est plus ou moins longue, le produit convoité pouvant être plus complexe à acquérir qu’un objet du quotidien, cette première interaction peut alors jour un rôle essentiel, souvent plus importante que le dernier clic.
Avec ces deux règles, existent aussi celles des premières et dernières interactions. En effet, dans l’investissement publicitaire, impliquant le display ou le retargeting, le chemin de conversion sera confronté à une dimension supplémentaire, non négligeable, celle de la différence entre post-clic et post-impression.
Le post-clic correspond à toutes les interactions réalisées, sur un site internet, suite à un clic publicitaire, en dernière interaction. Le post-impression concerne celles réalisées après une impression. Un certain nombre d’entreprises ne regardent que le post-clic, considérant qu’une impression n’est ni quantitative, ni qualitative. Le problème se pose en programmatique, où de nombreuses impressions simultanées où en bas de page peuvent être générées, sans être pour autant réellement vues. Mais les impressions vues, ce qui se mesure, ont autant d’impact qu’une campagne d’affichage. Ne pas les prendre en compte peut réduire la puissance des investissements publicitaires.
Outre ces quatre premiers modèles, plutôt simples à interpréter, d’autres, plus complexes, existent :
Le modèle basé sur la position, également appelé modèle en U, donne à la première et à la dernière interaction, la même valeur : 40% chacune. Les interactions se situant entre ces deux points de contact se partageront les 20% restant. Ce modèle part du principe qu’une vente est réalisée grâce à la première interaction qui a fait découvrir le site, ainsi qu’à la dernière amenant l’acte d’achat. Ce modèle n’est utile qu’avec un long chemin de conversion. Dans l’exemple ci-dessus, alors qu’un modèle last-clic excluait le display et le SEO au profit du SEA, ici, le SEA et le display aurait la même portée, et seul le SEO serait plus bas.
Il est aussi possible, dans un modèle hybride appelé « dépréciation dans le temps », de mesurer l’importance des leviers, en considérant que les points de contact les plus lointains ont moins contribué à la vente que les dernières interactions. Dans ce cas, l’on va donner à la dernière interaction un poids de 50% puis un poids divisé pour les précédentes (25%, 12.5%, 6.25%…). Ce modèle semble plus réaliste que le dernier clic, dans la mesure où il n’exclut pas les précédents points de contact.
La dernière règle commune est la plus simple. Le modèle linéaire considère que chaque point d’interaction possède la même valeur, quelque soit sa place, dans le chemin de conversion.
Avant d’envisager l’analyse de la contribution et de l’attribution, il faut s’assurer que toutes les interactions soient tracées, pondérer ou non l’impression par rapport au clic. De la longueur de ce chemin, du délai avant achat (date d’achat moins la date de la première exposition publicitaire), dépendra, en partie, le choix du modèle de contribution.
L’attribution qui découlera de cette contribution, par l’analyse du chemin de conversion, donnera des indicateurs performants pour comprendre et mieux gérer ses investissements publicitaires, sortant progressivement de la règle du dernier clic pour mieux prendre en compte le rôle d’initiateur, passeur et convertisseur des leviers entre eux.
Dans un modèle en U, la première interaction est initiatrice, la dernière convertit et celles qui se trouvent entre les deux, jouent un rôle de passeur.
Il est possible également de jouer sur plusieurs modèles pour affiner sa stratégie. Chacun d’eux donnera une attribution pondérée des ventes, permettant à des leviers initiateurs de gagner en rentabilité, au profit d’autres, plutôt convertisseurs. Chaque modèle montrera une attribution différente, permettant par comparaison de voir l’intérêt de tel ou tel investissement.
Si un canal n’est jamais performant quelque soit le modèle, peut-être peut-on envisager de le supprimer. Mais ne fonder son analyse que sur le dernier clic est un frein à toute optimisation, dans la mesure où les conclusions que l’on tirerait d’un tel scénario ne reflèteraient pas la réalité du parcours de l’internaute avant sa conversion. Ainsi supprimer un canal initiateur peut fortement réduire la puissance d’un convertisseur.
Il est également possible de se créer son propre modèle, de même qu’un chemin de conversion traité par de l’IA contribuera également à la prise de décision, pouvant faire ressortir la meilleure suite de canaux à exploiter, le montant précis des investissements à réaliser, suivant les objectifs. D’autres modèles mathématiques peuvent aussi être utilisés (Arima, Emax…) pour affiner les données, prévoir le montant exact des investissements à réaliser pour atteindre la courbe de rentabilité souhaitée.
Malheureusement, l’attribution des conversions par Analytics, fondée uniquement sur le dernier clic, risque tout simplement de ne plus sembler très efficace. Analytics propose pourtant différents modèles, fondés uniquement sur le post-clic (puisque l’outil, or 360, ne traite pas les statistiques d’impressions publicitaires).
Certains outils externes payants (Wizaly, Mazeberry…) offrent de meilleures performances dans l’analyse, puisqu’ils peuvent intégrer le post-impression et parfois des canaux offline (télévision).
Dans une démarche purement roïste, il semble indispensable de se pencher sur cette question, de choisir le meilleur modèle, en fonction des paramètres évoqués (longueur du chemin de conversion, délai avant achat, longueur du tunnel de conversion…).
Il est surtout indispensable de sortir de la règle du dernier clic, lorsque l’achat n’est pas impulsif, afin de ne pas fausser ses analyses et ses investissements. Il est en effet très rare qu’une conversion n’ai été initiée que par une seule interaction publicitaire. Dès lors, pour une meilleure fiabilité, il est préférable d’intégrer, dans son analyse, la totalité des points de contact du chemin de conversion.
- Demandez votre audit gratuit ou votre devis gratuit
Un Consultant Senior dédié
1 outil unique au monde
15 années d’existence
+ de 1.000 sites optimisés
+100 experts
10 chercheurs
– Vous serez aussi intéressé par :
Comment améliorer son tunnel en couplant Analytics et les outils de CRO ?
Google Analytics Au service du marketing de contenu
Comment l’analyse des recherches internes et externes (segmentée ou non) permet d’ajuster l’adéquation du contenu du site avec les attentes des utilisateurs ?
Compter ou non les interactions d’évènement peut fausser les stats. Comment le prévenir ?
Avantages et inconvénients des principaux TMS (TagCo, GTM, Tealium…)
Gérer le double tracking sur GTM.
Importer les principaux KPI de CRM pour affiner la segmentation, améliorer son remarketing et optimiser les parcours.
Comment utiliser les variables personnalisées pour calculer le CA par produit acheté.
L’importance de l’arborescence des données dans le datalayer
Comprendre les différences entre filtres et segments et apprendre à les exploiter ?
Quelle est l’importance d’une configuration optimale de vos groupe de canaux ?
Comment contourner un datalayer mal renseigné ?
Quel est l’intérêt d’un outil de gestion des tags (Tag Management System) ?
Comment s’assurer de la fiabilité des données Analytics
Comment repérer que vos données son altérées dans Google Analytics ?
Quelle est l’importance du bon paramétrage du commerce électronique dans Google Analytics ?
Quels outils utiliser pour debugger GTM et Analytics ?
Comment structurer l’arborescence de ses événements dans Google Analytics ?