Attribution Data-Driven (MTA)
Passez à l'attribution data-driven et découvrez la contribution réelle de vos partenaires publicitaires sur la générations de conversions.
I. Comprendre l'attribution multi-touch
II. Les bénéfices du MTA
III. Les principaux modèles MTA
Modèle Shapley
Modèle Markov
IV. Créer un modèle personnalisé MTA
I. Comprendre l'attribution multi-touch (MTA) ?
Le parcours du client est souvent complexe, avec plusieurs interactions qui jouent toutes un rôle dans la décision finale.
Ainsi le Multi-Touch Attribution (MTA) répartit la valeur d'une conversion entre les interactions qui ont contribué au parcours d'un utilisateur, contrairement à l'attribution single touche (STA) qui attribue le crédit à un seul point de contact.
Son objectif est de mieux mesurer la contribution de chaque levier marketing afin d'aider à prendre de meilleures décisions d'investissement.
II. Les bénéfices du MTA
L'attribution multi-touch permet aux marques de :
- Comprendre le parcours client en montreant quelles interactions ont le plus d'influence sur la décision d'achat dans des parcours riches et/ou complexes.
- Lecture plus fiable de la rentabilité de chaque canal marketing et de chaque partenaire publicitaire
- Optimiser les dépenses en comprenant quelles interactions sont les plus précieuses, les entreprises peuvent allouer leur budget plus efficacement.
III. Les principaux modèles de MTA
- 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.
- 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
- les chaînes de Markov
Comprendre les modèles MTA data driven :
a. 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.
b. Markov : Le modèle utilise pour cela l’historique de tous les chemins pour déterminer la juste répartition du crédit d’une conversion. A partir de cet historique, sont mesurées les performances individuelles des joueurs, mais surtout les performances réalisées lors de combinaisons. C’est à partir des mesures tirées des différentes synergies entre joueurs que sera calculée leur contribution marginale, c’est-à-dire la valeur ajoutée d’un levier lorsqu’il viendra se joindre à la suite d’un historique existant.
L’autre point important pour le calcul de la contribution marginale des leviers est l’ordre d’entrée dans le jeu. De ce fait, la contribution marginale d’un joueur évoluera selon qu’il soit entré en première position, en deuxième position, etc., mais également des joueurs déjà présents dans le jeu.
IV. Créer un modèle personnalisé MTA
La mise en œuvre de modèles d'attribution multi-touch est simple et transparente au sein d'Eulerian.
Vous pouvez effectuer une création "au clic" de modèles MTA prédéfinis (Markow, Shapley) ou personnalisés, avec une transparence totale sur les algorithmes.
Accès : Paramètres > Attribution > Modèles MTA > Ajouter un nouveau modèle mta
Paramétrage :
Nom : renommer vos sous-modèles en fonction du scénario ou objectif
Objectifs : sélectionner l'objectif cible (ventes, devis, paniers commencés...)
Unité : unités désigne le volume et le montant une somme
Distribution : par défaut paramétrée sur « flat / position de la touche ». Vous allez ici décider si on doit prendre en compte :
- Choisir une distribution : cliquez sur ce menu déroulant afin d’ouvrir la fenêtre de personnalisation de la distribution
- Choix de répartition : selon la distribution sélectionnée
- Variable de distribution : la position d’une touche seulement ou bien si son ancienneté (son âge)
Touches : nombre de touches maximal
Algorithme :
- Répartition brute : cette option n’applique aucun algorithme mais vous permet tout de même de simplifier les parcours
- Le modèle Shapley : modèle mathématique qui favorise les leviers qui apportent le plus de valeurs à vos parcours marketing (voir plus haut).
- Le modèle Markov : qui est un algorithme probabiliste qui analyse l'ensemble de vos parcours marketing (voir plus haut).
Filtres : Il existe de nombreux filtres que vous pouvez ajouter à votre modèle et qui viendront influencer directement le dataset envoyé dans le moteur MTA.
Cliquer sur la disquette pour enregistrer.
Pour aller plus loin, contacter votre CSM pour vous accompagner dans la création de modèles personnalisés.