Attribution marketing, choisir le bon modèle sans fausser vos décisions

L'attribution marketing est le processus qui identifie quelles interactions marketing contribuent aux conversions et répartit entre elles le crédit de ces conversions.

Quand une campagne se termine, la question n'est jamais « combien de ventes ? » mais « quelle part revient à quoi ? ». L'attribution marketing est le processus qui identifie les interactions ayant contribué aux conversions et répartit le crédit entre elles. Elle répond donc à une question de répartition : chaque point de contact du parcours reçoit une part du résultat, ni plus, ni moins.

Pour cela, elle s'appuie sur des données de tracking : clics, impressions, identifiants, événements de conversion. Mais attention, les mêmes données brutes ne donnent pas le même classement : chaque modèle applique ses propres règles de répartition, donc tel canal ressort gagnant dans l'un et secondaire dans l'autre. Choisir un modèle, ce n'est pas choisir la vérité, c'est choisir la règle de partage qui correspond à votre façon de vendre.

Un même parcours peut être crédité de façons très différentes selon le modèle : une visite depuis une recherche générique, une lecture d'article, un clic sur une annonce puis un retour direct donnent quatre répartitions distinctes.

Prenez une personne qui vous découvre par une recherche générale, lit un de vos articles, puis clique plus tard sur une annonce avant de revenir directement à votre site pour acheter. Selon le modèle, la répartition de ce parcours change complètement : le premier contact emporte tout, ou la dernière visite rafle la mise, ou chaque étape reçoit sa part. Le nombre de points de contact fait l'écart : plus le parcours est long, plus les modèles divergent. C'est aussi là que les pertes de tracking guettent : sur un cheminement à plusieurs étapes, un clic non suivi suffit à fausser la lecture.

Un parcours court et direct, à l'inverse, se crédite presque de la même façon quel que soit le modèle : peu d'étapes, peu de débat. Votre effort d'analyse doit donc se concentrer là où les chemins s'allongent et se fragmentent, car c'est là que la décision change de camp selon la règle choisie.

L'attribution relie une conversion à des interactions tracées, la contribution mesure la part du résultat imputable à une action sans prétendre à la causalité, et le MMM estime l'effet des investissements à partir de données agrégées par canal.

Ces trois approches ne posent pas la même question, donc elles ne se remplacent pas : elles se complètent. L'attribution relie une conversion aux interactions tracées qui l'ont précédée ; la contribution mesure la part du résultat imputable à une action, sans prétendre établir un lien de cause à effet ; le MMM, lui, estime l'effet des investissements à partir de données agrégées par canal, sans aucun identifiant individuel. Ce fonctionnement le rend moins sensible aux restrictions de cookies, là où l'attribution dépend de ce qui reste traçable.

Le piège, c'est de prendre l'attribution pour une preuve de causalité. Un canal vu juste avant la conversion récolte le crédit, alors qu'il n'a peut-être fait que passer au bon moment ; vous financez ainsi un point de contact qui n'a rien déclenché. Pour un indépendant ou une petite équipe, retenez simplement que ces lectures se croisent : si l'attribution et le MMM pointent dans le même sens, vous avancez avec plus de confiance ; s'ils divergent, cherchez pourquoi avant d'arbitrer un budget.

Les modèles single touch attribuent 100 % du crédit de la conversion à un seul point de contact : le premier clic (first click) ou le dernier clic (last click).

Le first click donne tout le mérite de la conversion à la première interaction. Vous récompensez donc les canaux de découverte : l'article de blog, la recherche organique ou la publicité qui a fait connaître votre offre. Pratique si votre enjeu est d'alimenter le haut de l'entonnoir, car le modèle met en avant ce qui attire l'attention au départ.

Le last click fait l'inverse : il crédite le dernier contact avant l'achat, souvent l'e-mail de relance ou la recherche de marque. Vous mettez alors en avant la clôture, celui qui concrétise la vente. Mais ces deux modèles ont un angle mort commun : tout le milieu du parcours disparaît, la newsletter, la comparaison, la visite de retour. Un canal qui fait mûrir la décision peut donc paraître inutile alors qu'il a travaillé.

Les modèles multi touch répartissent le crédit entre plusieurs points de contact du parcours, selon des règles définies à l'avance.

Ces modèles-là ne se contentent pas de désigner un contact gagnant : ils répartissent le crédit entre plusieurs points de contact du parcours, selon des règles fixées à l'avance. Le linéaire applique le même poids à chaque étape, ce qui produit un signal lissé, facile à lire, mais noye les étapes déterminantes dans la masse. Le time decay, lui, accentue les contacts les plus proches de la conversion : si votre cycle de vente s'étale sur plusieurs mois, cela revient souvent à créditer un clic final très ordinaire et à ignorer le contenu qui a lancé la réflexion.

Le U et le W corrigent ce déséquilibre en réservant une part du crédit au premier contact et à la conversion, avec des pondérations intermédiaires variables pour le reste du parcours. Le U reconnaît que l'ouverture de la relation et sa conclusion comptent le plus ; le W ajoute un point de bascule au milieu, utile quand une étape intermédiaire pèse réellement dans la décision. À vous de choisir selon ce que votre équipe peut tenir dans le temps : un modèle ne vaut que s'il est appliqué avec constance.

Les chaînes de Markov calculent la contribution de chaque contact à partir des données observées, sans pondération fixée à la main ; la valeur de Shapley fait de même.

Là où l'attribution classique répartit le crédit selon une règle choisie à l'avance, les modèles data driven laissent les données parler. Les chaînes de Markov en donnent l'illustration la plus directe : elles lisent le parcours comme une suite d'états, puis comparent la probabilité de conversion avec et sans un point de contact donné. Elles mesurent l'effet réel d'un canal en observant ce qui change quand on l'ajoute ou qu'on le retire.

La valeur de Shapley vient d'ailleurs : elle emprunte à la théorie des jeux et teste toutes les combinaisons possibles de canaux pour isoler la contribution marginale de chacun. Un canal qui pèse lourd dans un parcours donné peut alors se révéler décisif une fois toutes les configurations examinées. Mais ces modèles ont une contrepartie : ils exigent du volume et de la qualité de données. Sur un petit site, le résultat devient instable, car trop peu de parcours nourrissent le calcul.

Un modèle inadapté réoriente les budgets vers les canaux qu'il survalorise et coupe les étapes du parcours qu'il ne voit pas.

Avec un réglage en last click, seuls les points de contact qui précèdent immédiatement la vente reçoivent le crédit. Vous surinvestissez donc dans les canaux qui convertissent le plus facilement, souvent les moins coûteux à activer, et vous financez la répétition publicitaire plutôt que l'acquisition. Quand vous lisez ses totaux, vous ne vous trompez pas sur les volumes. Ce qui vous échappe, c'est la répartition.

Un modèle qui ignore le haut du tunnel coupe aussi la notoriété, car il ne lui attribue aucune conversion. L'effet arrive plus tard, quand le volume baisse des mois après, au moment où les contacts initiés ne peuvent plus être touchés. Le budget a alors été réalloué en toute confiance, selon un chiffre qui ne mesurait qu'une partie du parcours.

La restriction des cookies tiers et le recueil du consentement réduisent la part de parcours observables, ce qui fragilise les modèles qui reposent sur l'identification individuelle.

Quand un cookie tiers disparaît et qu'un visiteur refuse le suivi, son parcours se coupe en deux. Un modèle data driven additionne alors ces fragments et vous présente comme certaine une route que vous n'avez jamais observée en entier. Ses chiffres sont justes, mais le parcours réel qu'il décrit, lui, ne l'est pas.

Le MMM, lui, travaille sur des données agrégées par canal et par période. Comme il perd l'observation individuelle, il en souffre moins. Mais agrégé signifie estimation, avec ses hypothèses. Alors documentez votre couverture de tracking, ce qui est mesuré et ce qui ne l'est pas : c'est du travail d'attribution, pas un détail technique.

Le bon modèle est celui qui correspond à la décision que vous devez prendre : comprendre la découverte, optimiser la clôture ou arbitrer l'ensemble du mix.

Votre choix dépend d'abord de la décision à éclairer. Écrivez-la avant de regarder les outils. Cherchez-vous à comprendre ce qui a fait découvrir votre marque, à optimiser la clôture commerciale ou à arbitrer l'ensemble de votre mix ? Le modèle n'est que le moyen, jamais le point de départ. Pesez ensuite votre réalité : cycle de vente, maturité de vos données, ressources disponibles. Une équipe réduite et des données partielles ne soutiennent pas la même mécanique qu'un service structuré. La grille de décision relie votre objectif au modèle recommandé, pour aligner l'analyse sur ce que vous pouvez réellement exploiter.

Un modèle d'attribution se pilote comme une règle de gestion. Il s'écrit, se révise à date fixe et se communique à ceux qui prennent les décisions budgétaires.

Fixez la fréquence de revue à l'avance, avant tout changement de mix média. Car si vous révisez votre modèle au moment où les résultats vous surprennent, vous choisissez la règle qui vous arrange : la décision perd toute valeur de comparaison. Écrivez donc la règle noir sur blanc : le modèle retenu, les canaux couverts, la période d'analyse et la date de mise en service. Un tel document vous évite de redébattre chaque mois de ce qui a déjà été tranché.

Chaque révision s'accompagne d'un document qui conserve l'historique des modèles utilisés et des décisions prises. Vous saurez alors pourquoi un canal a été favorisé l'an dernier, et vous pourrez mesurer l'effet du changement. Communiquez ensuite aux équipes qui lisent les rapports quel modèle s'applique, et ce qu'il ne montre pas : elles interpréteront les chiffres sans leur prêter une précision qu'ils n'ont pas.

Aucun modèle ne convient à tous. Le bon est celui qui éclaire la décision que vous devez prendre, et il se gouverne dans le temps.

Toutes les méthodes ne se valent pas, et aucune ne raconte la vérité entière d'un parcours : le single touch simplifie à l'extrême en écrasant le crédit sur un seul contact, les modèles multi touch répartissent selon des règles fixées à l'avance, et les approches data driven calculent la contribution à partir des données observées. Le critère de choix n'est ni la sophistication ni la mode, mais la décision à éclairer : comprendre la découverte, optimiser la clôture ou arbitrer l'ensemble du mix n'appellent pas le même outil.

Le choix du modèle n'est pas neutre : il survalorise certains canaux et invisibilise les étapes que vous ne mesurez pas, ce qui réoriente les budgets au mauvais endroit, d'autant plus que la restriction des cookies tiers et le recueil du consentement réduisent la part de parcours observables. Traitez donc votre modèle comme une règle de gestion. Écrivez-le, révisez-le à date fixe et partagez-le avec ceux qui décident des budgets.