Pourquoi les canaux Gratuits ne sont pas disponibles au niveau "Support" et "Campagne" au sein des rapports MTA ?
Qu'est-ce que l'analyse d'attribution multi-touch (MTA) et comment fonctionne-t-elle ?
L'analyse d'attribution multi-touch (MTA) examine l'ordre et la séquence des interactions qu'un utilisateur a avec différents points de contact avant de réaliser une conversion.
Cette méthode attribue un poids relatif à chaque interaction en se basant sur des règles prédéfinies, permettant ainsi de déterminer les contributions effectives aux conversions.
Pourquoi existe-t-il des limites dans la comparaison entre différents niveaux ou dimensions comme le levier, le support, ou la campagne dans l'analyse MTA ?
Les algorithmes MTA traitent chaque point de contact, comme une campagne, de manière indépendante, en attribuant du crédit en fonction de sa performance spécifique.
Lorsque nous analysons des données à un niveau particulier, comme celui de la campagne, les algorithmes traitent chaque variable unique (dans ce cas, chaque campagne) de manière indépendante.
Cela signifie que si nous comparons des campagnes entre elles, les algorithmes les évaluent individuellement et leur accordent du crédit en fonction de leurs performances respectives.
Pourquoi les canaux Gratuits ne sont-ils pas comparables au niveau "Support" et "Campagne" ?
Car ces canaux ne bénéficient pas de dimensions "Support" et "Campagne".
Imaginons que nous devions comparer une dimension générale telle qu'un canal marketing (par exemple, le SEO) avec des centaines de campagnes payantes uniques, chacune avec ses propres attributs.
Si nous devions appliquer un nom de campagne générique à l'ensemble du canal gratuit SEO et le comparer à ces différentes campagnes, les résultats seraient trompeurs et inexacts.
Les algorithmes ne seraient pas en mesure de nuancer les sous-dimensions du canal SEO, ce qui conduirait à des conclusions biaisées et peu fiables.
Comment adapter mon analyse ?
Pour prendre en compte cette problématique, il est essentiel d'analyser les données dans le contexte de la dimension choisie.
Cela signifie que vous devez concentrer votre analyse sur des variables qui contiennent le même niveau ou la même dimension d'intérêt, qu'il s'agisse d'un levier, d'un support ou d'une campagne.
Pour limiter la perception des écarts entre vos analyses MTA, nous conseillons de vous concentrer sur les pourcentages du total attribués à chaque variable plutôt que les valeurs brutes.
Les pourcentages ne s'additionneront toujours pas, mais cela peut vous aider à prendre du recul et à voir les résultats sous un angle plus large.
Mise en pratique
Dans l'exemple ci-contre, le SEA, lorsque analysé au niveau Canal, se voit attribuer 300 conversions sur un total de 1000 (30% du total).
Cependant, dans l'analyse au niveau Support, Google Ads à lui tout seul se voit attribuer 360 conversions, alors même que le total est inférieur (600 conversions).
Les conversions manquantes sont celles qui ne contenaient que des parcours gratuits.
Cet exemple illustre l'impossibilité de comparer les niveaux entre eux.
Chaque analyse n'est pertinente qu'au sein de sa propre dimension.
Ces deux analyses basées sur le même jeu de donnée initial sont correctes dans leur périmètre respectif.
