Attribution Data-Driven

Passez à l'attribution data-driven et découvrez la contribution réelle de vos partenaires publicitaires sur la générations de conversions.

Qu'est-ce que l'attribution multi-touch (MTA) ?

Face à des parcours clients de plus en plus complexes, comportant de multiples points de contact entre une marque et ses prospects, il est essentiel de discerner quels éléments de ce parcours influencent réellement la conversion.

Si l'attribution single-touch offre une vue simplifiée en attribuant le crédit à un seul point de contact, l'attribution multi-touch (MTA) offre une perspective plus nuancée et complète.

L'attribution multi-touch est une technique qui attribue le crédit d'une conversion (comme une vente ou un lead) à plusieurs points de contact ou interactions que le client a eus avec la marque avant de se convertir.

Elle reconnaît que le parcours du client est souvent complexe, avec plusieurs interactions qui jouent toutes un rôle dans la décision finale.


Quels sont les bénéfices du MTA ?

L'attribution multi-touch permet aux marques de :

Comprendre le parcours client : Elle montre quelles interactions ont le plus d'influence sur la décision d'achat.

Optimiser les dépenses : En comprenant quelles interactions sont les plus précieuses, les entreprises peuvent allouer leur budget plus efficacement.


Quels sont les principaux modèles de MTA ?

Lorsqu'il s'agit d'analyser l'efficacité du mix marketing à l'aide du MMM, voici les composants couramment examinés :

Basé sur les données (data-driven) : Utilise des algorithmes pour attribuer du crédit en fonction de l'efficacité réelle de chaque point de contact.

Les algorithmes les plus utilisés dans le contexte de la mesure marketing se basent sur la valeur Shapley ou sur les chaînes de Markov.

Linéaire : Chaque point de contact reçoit un crédit égal pour la conversion.

Déclin temporel (time decay) : Les points de contact les plus proches de la conversion reçoivent le plus de crédit.

Comprendre les modèles MTA :

Shapley : La valeur de Shapley, qui provient de la théorie des jeux, est considérée comme une méthode d'attribution data-driven lorsqu'elle est appliquée au marketing.

Elle est utilisée comme un modèle d'attribution multi-touch (MTA) pour répartir le crédit d'une conversion entre différents points de contact ou canaux marketing.

La valeur de Shapley attribue une "valeur" à chaque joueur (dans ce contexte, un point de contact ou un canal marketing) en fonction de sa contribution à l'ensemble.

Cette méthode prend en compte toutes les combinaisons possibles de canaux pour déterminer la contribution marginale de chaque canal à la conversion. De cette façon, la valeur de Shapley donne une vision équilibrée de l'importance de chaque canal, évitant les biais qui pourraient résulter de méthodes d'attribution plus simples.

En utilisant la valeur de Shapley, les marques peuvent obtenir une meilleure compréhension de la performance relative de leurs différents canaux marketing, ce qui leur permet d'optimiser leurs dépenses et leurs efforts.


Markov : Les chaînes de Markov décrivent une séquence d'événements dans laquelle la probabilité de transition chaque événement dépend d'une ou plusieurs étapes précédentes.

Dans le contexte de l'attribution marketing, chaque événement peut représenter un canal marketing (un clic ou une impression), et les probabilités de transition représentent la probabilité qu'un client passe d'un canal à un autre.

L'objectif est d'évaluer l'importance relative de chaque canal dans le parcours de conversion.

Cela est fait en examinant les probabilités de transition et en identifiant les canaux qui ont le plus grand impact sur la conversion.

Les chaînes de Markov peuvent aider à identifier non seulement les canaux qui contribuent directement à la conversion, mais aussi ceux qui jouent un rôle crucial dans le parcours, même s'ils ne sont pas le dernier point de contact.

Ainsi, tout comme la valeur de Shapley, les chaînes de Markov offrent une perspective data-driven et plus nuancée de l'attribution par rapport aux modèles d'attribution plus traditionnels.


Quels sont les défis du MTA ?


Complexité : La mise en œuvre de modèles d'attribution multi-touch peut être complexe ou souffrir du phénomène de boite noire.

C'est ici qu'Eulerian apporte une réponse, en facilitant la création "au clic" de modèles MTA Prédéfinis (Markov, Shapley) ou Personnalisés, avec une totale transparence sur la façon dont les algorithmes gèrent les poids.


Comment le MTA se compare-t-il à d'autres méthode d'analyse marketing ?

Le MTA est généralement déployé chez des annonceurs qui :
  • Pilotaient historiquement leurs investissements marketing à l'aide de modèles single-touch avancés
  • Sont désireux d'obtenir une lecture plus fiable de la rentabilité de chaque canal marketing et de chaque partenaire publicitaire
  • Ont un mix média riche (de nombreux partenaires publicitaires activés tout au long de l'année)