MTA basé sur les données : le seul modèle d'attribution qui compte

Les modèles d'attribution aident les spécialistes du marketing à comprendre la valeur des points de contact des canaux marketing lorsque leurs clients passent de la notoriété à la conversion.

Dans le passé, l'attribution à une seule touche, comme les modèles « dernier clic » et « premier clic », était souvent la valeur par défaut. Ils nécessitaient relativement peu de données et étaient faciles à observer dans les logiciels d'analyse.

Par exemple, si j'ai réalisé 1 000 ventes sur mon site Web en octobre et que je peux voir 75 % du trafic provenant de la recherche organique et 25 % directement, il est logique de consacrer une plus grande partie de mes investissements de novembre à mes activités de recherche organique.

Ce serait adopter le modèle du dernier clic. Je n'attribue de valeur qu'au point de contact que mes clients ont utilisé juste avant d'accéder à mon site. Alors, qu'en est-il des chaînes avec lesquelles ils ont interagi auparavant ?

Alors que les parcours des clients sont devenus plus complexes ces dernières années, les modèles d'attribution sont également disponibles pour garantir que les spécialistes du marketing accordent un poids précis aux canaux en cours de route et y investissent en conséquence.

L'attribution multi-touch (MTA) et l'attribution basée sur les données (DDA) sont de plus en plus privilégiées. Après tout, les visiteurs de mon site Web peuvent voir des messages marketing à divers endroits (d'une myriade de sites de médias sociaux à un certain nombre d'annonces hors ligne, de la télévision aux panneaux d'affichage) avant de se tourner vers Google pour effectuer leur recherche.

Les modèles MTA garantissent que tous les canaux reçoivent au moins un certain crédit pour une conversion

Finnian Bradfield, analyste chez Fospha, société de données et d'attribution d'IA, souligne que ce n'est pas seulement la complexité croissante des parcours clients qui rend le MTA plus efficace aujourd'hui que les modèles à simple contact.

« La principale valeur du MTA est de permettre aux spécialistes du marketing de mieux répartir leurs dépenses et de comprendre les véritables performances de chaque point de contact », dit-il.

« En utilisant uniquement un modèle du dernier clic, vous ne valorisez ou ne voyez essentiellement que le dernier point de contact avec lequel le client s'est engagé avant la conversion et vous accordez peu d'attention ou de considération à ce qui a pu influencer le consommateur avant cela. Le résultat est plus de dépenses sur le dernier point de contact, mais en réalité, cette conversion n'aurait peut-être jamais eu lieu s'il n'y avait pas eu un point de contact avec lequel le consommateur s'est engagé au début de son parcours. Ainsi, en examinant tous les points de contact et en attribuant une valeur à chacun en fonction de leur rôle, vous pouvez obtenir des résultats beaucoup plus efficaces de vos dépenses marketing.

Dans le monde omnicanal d'aujourd'hui, les modèles MTA semblent certainement être le meilleur choix pour garantir aux spécialistes du marketing une clarté sur ce qui fonctionne et ce qui ne fonctionne pas. Mais tous les modèles d'attribution ne sont pas égaux.

Examinons en détail en quoi ils diffèrent, leurs avantages et leurs inconvénients, les défis de leur mise en œuvre et pourquoi les modèles MTA basés sur les données sont l'option d'attribution que tous les spécialistes du marketing devraient viser.

Quels sont les modèles de base ?

Le modèle d'attribution « linéaire » ou « même crédit » est sans doute le premier modèle MTA auquel nous pensons lorsque nous commençons à penser au-delà du premier et du dernier clic.

C'est certainement une amélioration par rapport aux modèles à une seule touche. Le modèle linéaire reconnaît qu'il y a plus dans le parcours client que simplement le canal que le client voit au stade de la sensibilisation, ou celui qu'il utilise dans l'étape avant d'effectuer sa conversion.

Il attribue tous les contacts de la même manière, il n'est donc vraiment utile que lorsque vous avez de bonnes preuves que toutes les parties de votre stratégie marketing fonctionnent à peu près au même niveau d'efficacité.

Mais sa simplicité devient rapidement très apparente, car elle ne tient pas compte du fait que différents points de contact auront probablement eu plus ou moins d'impact sur la décision du client de se convertir que d'autres.

La "décroissance temporelle" est un autre modèle MTA relativement simple. Il crédite tous les points de contact d'un parcours utilisateur, avec une pondération accrue à mesure que le contact est proche de la conversion.

L'attribution de la décroissance temporelle peut être utile. Et ce serait probablement préférable à l'une des options tactiles simples. Il est souvent utilisé avec des campagnes marketing urgentes ou lorsque les entreprises cherchent à se concentrer sur des canaux qui jouent un rôle de conversion. Mais ses défauts sont assez faciles à voir.

Bien sûr, il existe des parcours clients où les points de contact plus proches de la conversion sont plus importants que ceux proches du début. Mais à mesure que les parcours des utilisateurs deviennent plus longs et plus complexes, ce n'est de moins en moins le cas. La décroissance du temps, en fin de compte, repose toujours sur une certaine quantité de conjectures et manque de précision réelle.

L'attribution en « U » ou « basée sur la position » est un autre modèle de MTA qui, encore une fois, améliore les méthodes à une seule touche en garantissant que tous les canaux reçoivent un certain crédit, mais cela reste une approche relativement simpliste.

La forme en U crédite tous les points de contact mais donne plus de poids - 40 % chacun - au premier et au dernier canal. Les 20% restants du crédit sont répartis entre tous les points de contact au milieu du voyage.

Encore une fois, le modèle en forme de U a son utilité. Cela peut être efficace, par exemple, dans le cas des entreprises qui investissent dans la génération de leads et est un bon candidat pour des parcours clients plus longs. Mais il peut échouer à créditer avec précision les points de contact au milieu du parcours qui peuvent avoir joué un rôle plus important dans la conversion que ce à quoi le spécialiste du marketing pourrait s'attendre.

Qu'est-ce que l'attribution basée sur les données ?

L'attribution « pilotée par les données » (DDA) est un autre modèle MTA. Il diffère de ceux dont nous avons discuté jusqu'à présent en ce sens qu'il utilise des données entre les points de contact pour éliminer toute conjecture et attribuer du crédit aux canaux en fonction de leurs performances plutôt que de leur position.

DDA appelle à disposer de données complètes et d'une vue complète du parcours client. Les spécialistes du marketing doivent également avoir les moyens d'utiliser efficacement ces données, souvent en utilisant une plate-forme de données client.

Ils peuvent être le modèle MTA le plus coûteux à mettre en œuvre, mais l'un des principaux objectifs de l'utilisation d'un modèle DDA est d'obtenir un meilleur retour sur investissement qui peut être utilisé pour compenser leur coût supplémentaire.

Quand un modèle MTA basé sur les données est-il utile ?

Bradfield est clair sur le moment où il est le plus logique pour les spécialistes du marketing de mettre en œuvre un MTA basé sur les données : « Une approche d'attribution basée sur les données est la plus efficace lorsque vous dépensez sur plusieurs canaux payants qui incluent des mélanges de recherche payante, de réseaux sociaux et d'affiliation pour exemple », dit-il. « La raison en est simplement que si vous dépensez en marketing, vous devez savoir où dépenser le mieux et lesquels de ces canaux sont les plus efficaces pour les KPI de votre entreprise. Nous avons tendance à voir les entreprises qui ont des budgets marketing plus importants tirer beaucoup de valeur de ces types d'outils. »

En 2019, Fospha a travaillé avec un fournisseur de vacances de premier plan pour assembler leurs données en ligne et hors ligne avec MTA.

Cela a donné une vue cross-canal des parcours de leurs clients et a mis en évidence que leur activité de recherche payante était surévaluée avec l'attribution au dernier clic.

Le processus automatisé n'a pas grignoté la capacité ou le temps des analystes. Mais plus important encore, Fospha a ensuite pu utiliser le budget libéré du canal de recherche payant pour la croissance de nouveaux points de contact/sous-évalués.

Les économies réalisées pour l'année se sont élevées à environ 600 000 £ et leur stratégie de marketing télévisé a été mise en évidence comme un domaine qui était auparavant difficile à mesurer à l'aide des modèles d'attribution traditionnels. En utilisant MMM (Marketing Mix Modelling), Fospha a pu identifier que la télévision était une chaîne très performante avec une marge de croissance et de revenus supplémentaires.

Dès que cela a été révélé, l'entreprise n'a pas tardé à réinvestir environ 250 000 £ dans ce canal hors ligne vital.

« Les outils de mesure indépendants de Fospha ont fourni à notre équipe des données transparentes et la possibilité de lier nos ventes hors ligne à notre marketing hors ligne et en ligne », a déclaré le directeur marketing du groupe du client. « Nous avons maintenant la confiance nécessaire pour investir davantage dans notre marketing et nous sommes ravis de voir les résultats. »

De plus en plus, ce ne sont pas seulement les organisations disposant de gros budgets qui se tournent vers la DDA. C'est le rôle d'entreprises comme Fospha de rendre ces MTA accessibles à toutes les entreprises travaillant avec le marketing multicanal et omnicanal.

« Je pense que toute entreprise qui dépense en cross-canal devrait être en mesure d'identifier la véritable valeur de ses efforts », poursuit Bradfield, « c'est pourquoi Fospha a éliminé les obstacles à la mise en œuvre de la DDA pour tous les types d'entreprises. »

Les défis du MTA basé sur les données et comment les surmonter

Le coût n'est pas le seul obstacle à la mise en œuvre d'un modèle MTA complet basé sur les données. Écrivant pour ClickZ, PDG et co-fondateur de Measured, Trevor Testwuide cite la politique de l'adtech, l'évolution des « jardins clos » tels que Google et Facebook, ainsi que les données désordonnées au niveau des utilisateurs comme des défis importants qui doivent être surmontés dans attribution.

Bradfield réfléchit à cela : « Les jardins clos des plateformes adtech rendent certainement la précision complète difficile », dit-il.

« Il est important de savoir qu'il n'y a pas de modèle MTA parfait ou d'outils de suivi complètement précis sur le marché. Ce que nous trouvons comme principal problème, c'est la mise en œuvre de l'attribution basée sur les données via une plate-forme publicitaire telle que Google en raison de l'inexactitude et du biais des données.

Même le fait d'avoir toutes les données pour chaque client à travers chaque point de contact de canal ne peut pas encore garantir une précision MTA complète, mais Bradfield indique un moyen de surmonter ces défis.

« Il est important de se procurer un outil indépendant », dit-il. « Ensuite, il n'y a aucun objectif pour eux de vendre des publicités et vous pouvez éliminer une partie de ce biais. »

Les modèles MTA s'améliorent toujours sur une seule touche, mais sans données, ils reposent toujours sur des conjectures

Les modèles MTA linéaires, à décroissance temporelle et en forme de U aident à garantir que tous les points de contact obtiennent au moins un certain crédit pour une conversion. Mais comme nous l'avons vu, ils peuvent manquer de précision.

Dans le cas du modèle linéaire, tous les canaux reçoivent un crédit égal. Mais cette option ne prend pas en compte la probabilité qu'un certain nombre de points de contact au cours de ce parcours aient pu avoir plus d'impact sur le consommateur que d'autres.

La décroissance temporelle peut être souhaitable pour les campagnes urgentes. Mais, encore une fois, cela suppose que certains canaux - simplement parce qu'ils voient une interaction plus tôt - pourraient avoir moins d'impact qu'ils ne le sont.

Et le modèle en forme de U, tout en adhérant à la logique selon laquelle le premier et le dernier contact d'un parcours utilisateur sont souvent importants, il peut sérieusement sous-créditer les canaux intermédiaires, en particulier dans le contexte d'entonnoirs d'achat plus longs.

L'option MTA qui élimine cette conjecture est le modèle DDA (parfois appelé MTA algorithmique). Alors que les données client ne peuvent jamais être précises à 100 % et, comme le souligne Bradfield, même le meilleur modèle MTA n'est pas parfait, l'inclusion de données dans le mix d'attribution attribue aux canaux de crédit la façon dont ils sont perçus comme étant performants, plutôt que simplement à quel étape dans le parcours client qu'ils apparaissent.

Des outils indépendants éliminent certains des biais et des données faussées que les spécialistes du marketing ont signalés dans les jardins clos de Google et de Facebook. Tandis qu'une solide plate-forme de données client s'efforce de consolider, d'organiser et d'ajuster la stratégie marketing en temps réel.

Il n'est donc pas surprenant que les modèles MTA basés sur les données se révèlent inestimables pour les entreprises à gros budget. Ce sont souvent les organisations avec de nombreux canaux payants dans leur arsenal marketing, mais ces modèles deviennent également de plus en plus accessibles aux moyennes et petites entreprises, grâce à la capacité de compenser les coûts avec un meilleur retour sur investissement.

Dans le monde omnicanal d'aujourd'hui, le coût ne devrait pas être un obstacle pour une entreprise de toute taille considérant un modèle MTA basé sur les données. Mais pour toute organisation qui pense qu'elle n'est toujours pas prête à s'engager à ce niveau d'attribution, les MTA linéaires, à décroissance temporelle et en forme de U sont toujours une meilleure option que les modèles d'attribution au premier et au dernier clic que beaucoup utilisent. par défaut.

Contenu réalisé en collaboration avec Fospha .