Attribution et mesure de la performance

  • Concept
  • Avancé
  • IA générative
  • Toujours utilisé

En bref

L'attribution et la mesure de la performance consistent à identifier quels canaux marketing contribuent réellement aux ventes ou aux conversions, pour évaluer leur efficacité.

Définition complète

L’attribution et la mesure de la performance regroupent l’ensemble des méthodes qui permettent de savoir quel canal marketing (publicité, réseau social, email, recherche Google) a réellement contribué à une vente ou à une conversion. Un client peut voir une publicité, cliquer sur un email quelques jours plus tard, puis finalement acheter en tapant directement le nom de la marque dans un moteur de recherche : l’attribution cherche à répartir le mérite de cette vente entre les différentes étapes de son parcours.

Par exemple, un modèle d’attribution « dernier clic » attribuera 100 % de la vente au dernier point de contact avant l’achat, alors qu’un modèle « multi-touch » répartira le mérite entre plusieurs canaux, par exemple 40 % à la publicité, 30 % à l’email et 30 % à la recherche directe.

Attention : aucun modèle d’attribution n’est parfaitement exact, car il est impossible de connaître avec certitude tout ce qui se passe dans la tête d’un client avant qu’il n’achète.

À quoi ça sert

L’attribution et la mesure de la performance servent à savoir où investir un budget marketing limité. Sans elles, une entreprise pourrait continuer à dépenser de l’argent sur un canal qui ne rapporte presque rien, simplement parce qu’elle ne sait pas mesurer sa contribution réelle.

Elles aident aussi à justifier des choix auprès d’une direction ou d’un client : montrer, chiffres à l’appui, qu’une campagne a bien participé aux ventes, ou au contraire qu’elle doit être arrêtée.

Enfin, elles permettent de comparer plusieurs canaux entre eux de façon plus juste, en évitant de récompenser uniquement le dernier canal visité alors que d’autres ont préparé la décision d’achat en amont.

Cas d'usage typiques

– Comparer : évaluer si la publicité en ligne ou les réseaux sociaux génèrent le plus de ventes.
– Justifier : présenter à une direction les résultats chiffrés d’une campagne marketing.
– Arbitrer : décider de réduire le budget d’un canal qui contribue peu aux conversions.
– Corriger : repérer un modèle d’attribution qui sous-estime un canal important comme l’email.
– Optimiser : identifier les étapes du parcours client qui préparent le mieux la vente finale.
– Rapporter : construire un tableau de bord mensuel de performance pour une équipe marketing.

Ce que tu sauras faire

Choisir un modèle d'attribution adapté à une situation donnée et interpréter des résultats de performance marketing pour orienter une décision budgétaire.

Mises en situation

Situation 1 : deux campagnes publicitaires en parallèle

Contexte : une entreprise de literie fait tourner en même temps une campagne Google Ads et une campagne Facebook Ads, sans savoir laquelle amène le plus de clients.

Application : le responsable marketing met en place un suivi qui note, pour chaque vente, quels canaux le client a rencontrés avant d’acheter.

Résultat attendu : il découvre que Facebook Ads sert surtout à faire connaître la marque, alors que Google Ads capte la vente au moment où le client est déjà décidé ; les deux canaux se complètent au lieu de se concurrencer.

Situation 2 : une boutique locale avec newsletter et publicité

Contexte : une boutique de décoration envoie une newsletter chaque semaine et diffuse aussi des publicités locales sur les réseaux sociaux.

Application : la gérante compare le nombre de ventes attribuées uniquement à la newsletter, uniquement à la publicité, et à la combinaison des deux.

Résultat attendu : elle constate que les clients exposés aux deux canaux achètent davantage que ceux exposés à un seul, ce qui justifie de maintenir les deux actions plutôt que d’en supprimer une.

Situation 3 : une association qui collecte des dons

Contexte : une association caritative reçoit des dons via son site internet, un mailing postal et une page de collecte en ligne partagée sur les réseaux sociaux.

Application : l’association met en place des liens et des codes différents pour chaque canal afin de savoir d’où viennent réellement les dons.

Résultat attendu : elle découvre que le mailing postal, bien que coûteux, déclenche une part importante des gros dons, une information qu’elle n’aurait pas pu voir sans ce suivi.

Application guidée : comparer deux modèles d’attribution

Contexte : pour une même série de ventes, le modèle « dernier clic » attribue 70 % du mérite à la recherche Google et 30 % à l’email, alors que le modèle « multi-touch » attribue 40 % à la publicité, 35 % à l’email et 25 % à la recherche Google.

Question : pourquoi ces deux modèles donnent-ils des résultats aussi différents, et lequel choisir pour décider du budget publicitaire ?

Résultat attendu : le modèle « dernier clic » ignore les canaux qui interviennent en amont du parcours, comme la publicité qui fait découvrir la marque ; le modèle multi-touch donne une vision plus complète et évite de sous-investir dans la publicité, même si elle n’est pas le dernier point de contact avant l’achat.

Application guidée : trouver le vrai canal responsable d’une baisse

Contexte : les ventes attribuées à l’email ont baissé de moitié en un mois, alors que le nombre d’abonnés à la newsletter n’a pas changé.

Question : quelles hypothèses faut-il vérifier avant de conclure que l’email fonctionne moins bien ?

Résultat attendu : il faut vérifier si un autre canal, comme une nouvelle campagne publicitaire, ne capte pas désormais le dernier clic avant l’achat à la place de l’email, ce qui changerait l’attribution sans que l’email ait réellement perdu en efficacité.

Pour bien le retenir

L'analogie

C’est comme mesurer le succès d’une recette de cuisine partagée avec des amis. On peut compter combien de personnes ont d’abord vu la photo du plat, combien ont ensuite demandé la recette, et combien l’ont réellement cuisinée chez elles. Attribuer tout le mérite à la seule photo, ou à la seule recette écrite, donnerait une image fausse : c’est l’ensemble du parcours, de la découverte à la réalisation, qui explique le succès final.

« Répartir le mérite d'une vente entre toutes les étapes du parcours, pas seulement la dernière. »

Pièges à éviter

À ne pas confondre avec

Ne croyez jamais qu'un modèle d'attribution donne la vérité absolue sur ce qui a fait acheter un client : il ne donne qu'une estimation, plus ou moins fine selon la méthode choisie.

Évitez aussi de comparer deux canaux uniquement sur le nombre de ventes qui leur sont attribuées en dernier clic, car cela pénalise systématiquement les canaux qui interviennent tôt dans le parcours, comme la publicité de notoriété ou les réseaux sociaux.

Enfin, changer de modèle d'attribution du jour au lendemain peut donner l'impression qu'un canal s'est soudainement effondré ou envolé, alors que ce sont simplement les règles de calcul qui ont changé.

Évolution historique

Apparition : Depuis les années 2000, avec le développement du marketing en ligne

Quels changements depuis l’arrivée de l’IA ?

Avant

Avant l’intelligence artificielle, les modèles d’attribution étaient le plus souvent des règles simples et fixes, comme le dernier clic ou le premier clic, choisies une fois pour toutes par l’entreprise.

Aujourd’hui

Avec l’IA, des modèles d’attribution dits « data-driven » (pilotés par la donnée) analysent automatiquement des milliers de parcours clients pour répartir le mérite de façon plus fine entre les canaux, sans règle fixée à l’avance. Ces modèles s’adaptent aussi plus vite lorsque le comportement des clients change.

Évolution historique

Années 1990-2000 : les premières mesures se limitent souvent au dernier canal visité avant une vente, faute d’outils plus fins.

Années 2000 : le développement du marketing en ligne permet de suivre plus précisément les clics et d’introduire des modèles comme le premier clic ou le dernier clic.

Années 2010 : apparition de modèles multi-touch qui répartissent le mérite entre plusieurs canaux au sein d’un même parcours.

Années 2020 : les modèles pilotés par l’intelligence artificielle se généralisent, et les restrictions croissantes sur le suivi des utilisateurs (cookies, vie privée) compliquent la mesure exacte du parcours.