Attribution : ce que chaque modèle vous fait croire

Sommaire

Un client vous découvre par une recherche, revient par une publicité, ignore un e-mail, revient encore par un lien direct, et achète. Quatre points de contact, une vente. Lequel l’a produite ?

La question n’a pas de réponse observable. L’attribution ne prétend pas la trouver : elle applique une règle de partage pour rendre le chiffre exploitable. Comprendre que c’est une convention, et non une découverte, change tout ce qu’on en fait.

Ce que l’attribution répond, et ce qu’elle ne répond pas

Elle répond : comment répartir le crédit d’une conversion entre les points de contact observés, de façon cohérente d’un mois sur l’autre.

Elle ne répond pas : qu’est-ce qui a réellement causé la vente. Cette question-là est une question d’incrémentalité, et elle demande une expérience — on y revient plus bas.

Confondre les deux conduit à la décision la plus destructrice du métier : couper un canal parce qu’il « n’attribue rien », alors qu’il alimentait les autres.

Les modèles à règles

Ce sont les plus anciens et les plus lisibles. Chacun applique une convention explicite au parcours observé.

La colonne de droite est celle qui compte. Aucun de ces modèles n’est faux ; chacun produit un biais connu, et c’est ce biais qu’il faut garder en tête en lisant le rapport.

Le dernier clic mérite une mention particulière, parce qu’il est resté longtemps la référence par défaut et qu’il reste le réflexe implicite de beaucoup de tableaux de bord. Il favorise systématiquement les canaux de fin de parcours — la marque, le direct, le reciblage — et sous-évalue tout ce qui crée la demande. Un dispositif piloté au dernier clic finit mécaniquement par ne plus financer que la récolte.

L’attribution fondée sur les données

Plutôt qu’une règle fixe, l’approche par les données compare les parcours qui ont converti et ceux qui n’ont pas converti, et en déduit une contribution par point de contact.

C’est plus fin, et cela déplace le problème plutôt que de le résoudre. Trois points à connaître :

• Elle exige du volume. En dessous d’un certain nombre de conversions, le calcul n’est pas disponible.
• Elle n’est pas auditable. On ne peut pas expliquer ligne à ligne pourquoi tel canal reçoit telle part.
• Elle ne voit que ce qui est mesuré. Les points de contact hors ligne, les recommandations, les conversations n’y figurent pas — et n’en reçoivent donc jamais le crédit.

Elle reste préférable au dernier clic dès qu’on en a le volume. Elle ne transforme pas pour autant une convention en vérité.

Ce qui casse l’attribution

Quatre phénomènes rendent le parcours partiellement invisible, et aucun ne se corrige par un réglage.

Le consentement. Un visiteur qui refuse ne laisse pas de trace exploitable ; son parcours n’existe pas dans le modèle. Le mode Consentement permet une estimation, pas une reconstitution.

Le multi-appareil. Découvrir sur mobile et acheter sur ordinateur produit deux parcours distincts, sauf si un identifiant authentifié les relie.

Le hors-ligne. Un appel, une visite en magasin, une recommandation ne remontent que si quelqu’un les fait remonter.

Les conversions après affichage. Créditer une impression que l’utilisateur n’a peut-être pas regardée est une convention généreuse, et elle gonfle le canal qui l’utilise face à ceux qui ne comptent que les clics. C’est l’une des cinq causes des écarts entre plateformes.

Les fenêtres

Toute attribution s’exerce dans une fenêtre : au-delà, le point de contact n’est plus créditable. La fenêtre se règle, elle diffère d’une plateforme à l’autre, et elle doit se choisir sur le cycle d’achat réel — pas sur la valeur par défaut.

Le repère utile : mesurez le délai médian entre le premier contact et l’achat sur vos propres données. Une fenêtre plus courte que ce délai vous rend structurellement aveugle à la moitié de vos parcours.

Attribution n’est pas incrémentalité

C’est la distinction la plus utile de tout le sujet.

L’attribution répartit le crédit des conversions observées. L’incrémentalité mesure ce qui ne serait pas arrivé sans la dépense. Un canal peut recevoir beaucoup de crédit et n’apporter presque aucune conversion supplémentaire : le cas d’école est le reciblage, qui touche des gens déjà décidés et s’attribue leur achat.

Une expérience de ce type demande de la discipline — une zone témoin, une durée suffisante, aucune autre modification pendant la période — et elle apprend en trois semaines ce qu’aucun modèle d’attribution ne dira jamais.

Lire un rapport de parcours

Avant de choisir un modèle, il vaut la peine de regarder les parcours eux-mêmes. La plupart des outils proposent un rapport qui liste les séquences de canaux ayant mené à une conversion, avec leur fréquence.

Trois choses s’y lisent, qu’aucun modèle ne dira.

• La longueur réelle des parcours. Si la majorité des conversions tient en un seul point de contact, le débat sur le modèle est largement théorique — et le budget se pilote au dernier clic sans grand dommage.
• Les séquences récurrentes. « Recherche de marque puis direct » signale une demande déjà créée ailleurs. « Publicité puis recherche de marque » signale l’inverse.
• Les canaux qui n’apparaissent jamais seuls. Ce sont ceux que le dernier clic condamne, et ceux dont la suppression coûte le plus cher.

Le cas du B2B

Sur un cycle B2B, l’attribution mesure une fraction de plus en plus faible du réel. Le premier contact peut précéder l’achat de six mois. La décision implique trois à cinq personnes, dont deux n’ont jamais visité le site. La conversation décisive a lieu par téléphone.

Dans ce contexte, exiger d’un modèle d’attribution qu’il arbitre le budget revient à demander à un thermomètre de prévoir la météo. Deux pratiques valent mieux : faire remonter au CRM la source d’origine au moment de la création du contact, sans jamais l’écraser ensuite ; et demander à l’acheteur, dans le formulaire ou lors du premier échange, comment il vous a connu. La réponse est déclarative et imparfaite ; elle voit ce que la mesure ne verra jamais.

Trois signaux quand l’attribution ne suffit plus

Quand le parcours échappe largement à la mesure, il reste des indicateurs robustes, précisément parce qu’ils ne dépendent d’aucun modèle.

1. Le coût d’acquisition global. Toute la dépense marketing divisée par tous les nouveaux clients, sans répartition par canal. Grossier, insensible aux modèles, et le seul que personne ne peut contester.
2. La part de nouveaux clients. Elle dit si l’acquisition crée de la demande ou récolte l’existante.
3. L’effet d’une variation de budget. Augmenter ou réduire une ligne et observer le total, à conditions par ailleurs constantes : c’est de l’incrémentalité au sens strict, et c’est gratuit.

Choisir un modèle

Trois questions, dans cet ordre.

1. Combien de conversions par mois ? En dessous du volume nécessaire à une approche par les données, un modèle à règles explicite vaut mieux qu’un modèle qu’on ne peut pas interroger.
2. Quelle longueur de cycle ? Un cycle court rend le choix moins déterminant. Un cycle long rend le dernier clic franchement trompeur.
3. Quelle décision ce chiffre doit-il servir ? Arbitrer entre canaux et optimiser une campagne ne demandent pas le même référentiel.

Et une règle qui vaut plus que le choix lui-même : changez de modèle en connaissance de cause, et notez la date. Un changement de modèle déplace les volumes entre canaux sans qu’aucun budget n’ait bougé. Sans la date, la variation sera lue comme un résultat.

Le modèle que vous donnez à l’algorithme

Un dernier point, souvent absent des discussions sur l’attribution : le modèle ne sert pas qu’à lire un rapport. Il détermine aussi ce que les stratégies d’enchères automatiques cherchent à produire.

Une régie qui optimise sur des conversions attribuées au dernier clic apprendra à trouver les gens déjà décidés. Une régie qui optimise sur un modèle réparti apprendra à intervenir plus tôt. La différence ne se lit pas dans un tableau : elle se voit six semaines plus tard dans la composition du trafic acheté.

C’est la raison pour laquelle un changement de modèle sur un compte publicitaire ne doit jamais être traité comme un réglage d’affichage. Il se planifie, se date, et s’observe sur un cycle complet avant toute conclusion — comme on le ferait pour un changement de structure de campagne.

Les erreurs fréquentes

Comparer deux périodes sous deux modèles différents. L’écart mesuré est celui des modèles, pas celui des performances.

Couper un canal sur sa seule attribution. Voir plus haut : c’est la décision la plus destructrice du métier.

Croire qu’un modèle plus sophistiqué est plus vrai. Il est différemment conventionnel.

Ne jamais tester. Une expérience d’incrémentalité par an sur la ligne la plus grosse du budget rapporte davantage que trois ans de discussions sur le modèle.