Livre Blanc Attribution Management : entre technologie, marketing et statistique

AVRIL 2016
Juillet 2015
LIVRE BLANC
Attribution Management
Entre technologie, marketing et statistique,
comment appliquer et tirer parti de l’attribution
Stéphane Gendrel, Managing Director, Adversitement
Raphaël Fétique, Directeur Associé
Adriano Mucciardi, Manager
Sarah Chemna, Consultant

Converteo – Livre Blanc : Attribution Management -
Préface
2
Converteo et Adversitement, sociétés de conseil et services spécialisées en mesure et amélioration de l’efficacité
marketing, ont conjointement élaboré ce livre blanc pour éclairer les annonceurs sur une discipline souvent évoquée
dans le monde de l’investissement media mais très mal maîtrisée : l’Attribution Management.
Adopter et mettre en œuvre une politique d’attribution est aujourd’hui plus que jamais nécessaire :
• La multiplication des points de contact et du nombre de canaux d'acquisition digitaux reliant le consommateur aux
marques/enseignes a rendu les parcours d’achat plus complexes que jamais à analyser
• La concurrence féroce sur internet renchérit les coûts d’acquisition de nouveaux clients et de fidélisation des
anciens, l’optimisation des investissements media devient une nécessité vitale pour les marques
• La simple augmentation des budgets media ne suffit plus à générer un surcroit de notoriété ou de revenus, il faut
entrer dans l’ère de la micro-optimisation pour faire mentir John Wanamaker !
L’attribution management permet d’apporter des réponses aux questions suivantes :
• Quels sont mes leviers marketing les plus efficaces ?
• Comment allouer mon budget marketing pour gagner en efficacité ?
Mais attention à l’utiliser avec le recul nécessaire !
« Half of my marketing budget is wasted, I just don’t know which half »
John Wanamaker
Stéphane Gendrel – Managing Director, Adversitement
Raphaël Fétique – Directeur Associé, Converteo

Sommaire
3
1. Introduction 4
2. Les principes clés de l’attribution 7
3. Les limites techniques de l’attribution 27
4. Méthodologie d’un projet d’attribution management 39
5. Les éditeurs de solutions d’attribution management 44
6. Bibliographie 48

Les annonceurs n’ont pas tous le même niveau de maturité
face aux enjeux de l’attribution
5
Aucune connaissance
en source de trafic ou
attribution
Partition du trafic par
source
Prise de conscience
des problématiques
d’attribution
Modèles d’attribution
personnalisés
Prise en compte de
l’offline
Intégration progressive des
données Offline (budgets,
conversions, interactions)
Modèles de contribution
sur la base d’analyses
statistiques et
économétriques
Adoption d’outils dédiés
à l’attribution et au calcul
d’une contribution sur la
base d’un scoring en
temps réel
Analyse du trafic entrant
selon des modèles
multitouch
Analyse et reporting
selon des modèles
d’attribution
« mutlitouch »
Intégration du post-view
dans les outils de web-
analyse
Prise en compte des
dynamiques
d’engagement en plus de
la conversion
Les limites du parti pris
« last-click » sont identifiées,
prise de conscience de
l’attribution
Le suivi en « last click »
est opérationnel mais le
ROI de l’acquisition
stagne ou baisse
Ni les canaux
précurseurs ni le post-
view ne sont pris en
compte
Prise de conscience de la
nécessité d’une analyse du
trafic dissociée par source
Création d’une
nomenclature de
taggage claire et
pérenne par canal,
source, campagne, …
Aucune analyse
d’attribution
Analyse basique de son
trafic entrant sans
distinction claire des
sources
Décompte d’un trafic et
d’un nombre de pages
vues, de visites, de
visiteurs sans se soucier
de la provenance des
visites
Niveau 1 – 5% des marques
Niveau 2 – 40%
Niveau 3 – 40%
Niveau 4 – 15%
Niveau 5 – < 1%

La réalité de l’attribution management : des défis restent à relever
6
Les annonceurs avisés luttent
toujours pour mettre en action les
plans d’attribution
La conduite du changement reste un
challenge
Le déploiement d’un outil d’attribution ne garantit
pas sa parfaite exploitation par l’entreprise.
De nombreux obstacles entrent en jeu :
La conviction des personnes en charge de
son exploitation au quotidien
La compréhension des modèles
analytiques/statistiques par les décideurs
L’intégration des résultats dans les
systèmes d’achats media
Seulement 14% des annonceurs
estiment que le last-click est une
méthode efficace d’attribution
Pourtant, plus de 50% continuent de
l’utiliser
La réticence vis-à-vis de l’abandon des
méthodes d’attribution classiques dans la
mesure de l’impact du cross-canal est due en
partie à :
La fragmentation de la market-place des
vendeurs :
• Les prestataires de data management
• Les prestataires de web analytics
• Les spécialistes d’attribution
• Les plateformes d’achat media

Les principes clés de l’attribution
2.

Sous-titre
Le multitouch
8

Qu’est-ce que le multitouch, quel intérêt ?
9
La diversification des canaux marketing (online et offline) a fortement complexifié la
compréhension des comportements clients et donc le pilotage des investissements marketing
et media.
Un client ou prospect a, aujourd’hui, majoritairement tendance à entrer plusieurs fois en
contact avec une marque avant de réaliser un acte qualifié de conversion.
Le multitouch vise à identifier le client ou prospect de manière unique tout au long de sa
relation avec une marque, dans le but d’obtenir une vision globale et exhaustive du parcours
l’ayant mené à une conversion.
Conversion

Analyse d’un parcours client sans multitouch
10
Un internaute revenant plusieurs fois sur un site et via plusieurs supports est
compté plusieurs fois
Le plus souvent, la vente est « attribuée » au dernier support utilisé par le visiteur
avant la conversion (modèle « last-click wins »)
Campagne
display RTB
Recherche « Ecran
LCD en promo »
Recherche
« Cdiscount LCD »
Visite directe
Sans multitouch
SEO

Analyse d’un parcours client avec multitouch
11
Un internaute revenant plusieurs fois sur un site et via plusieurs supports est
considéré comme un seul et unique client ou prospect
La mesure du multitouch permet de prendre en compte l’ensemble des supports
marketing et leurs différents rôles dans la génération d’une conversion
Campagne
display RTB
Recherche « Ecran
LCD en promo »
Recherche
« Cdiscount LCD »
Visite directe
Avec multitouch
SEO
VisiteAffichage bannière Visite Visite
Visite
Client 1 Client 2

Sous-titre
L’attribution
12

Le multitouch permet la mise en place de stratégies d’attribution
et de déduplication efficaces
Différences avec la
déduplication ?
La déduplication est une stratégie de
rétribution des leviers marketing en fonction de
leur niveau d’apport de valeur au sein d’un
processus de conversion. Elle peut être
réalisée en temps réel ou a posteriori.
C’est un moyen « rationnel » de dédupliquer
les investissements media fonctionnant au CPA
en cherchant principalement à ne payer qu’une
fois la commission d’apport d’affaires.
Qu’est-ce que
l’attribution ?
Méthode d’analyse de la performance des
canaux consistant à fractionner une conversion
à hauteur de la contribution de chaque levier
L’attribution tente d’évaluer de manière
« juste » la performance des différents canaux
dans le cadre d’une analyse multi-touch
Ces deux procédés sont complémentaires dans l’optimisation d’un budget media
Avant tout, différencions deux concepts proches mais ayant des objectifs différents :
13

Faisons un parallèle avec le football
14
On retient d’un match de football essentiellement les prouesses des buteurs. Toutefois, ces
buteurs n’auraient pas réussi à marquer sans l’aide de leurs co-équipiers, qui leur ont fait des
passes.
Afin de définir une stratégie de jeu efficace :
• L’entraineur doit comprendre le rôle de chaque membre de son équipe afin de définir la combinaison la
plus efficace
• La finalisation des actions offensives (le but, la conversion) ne doit pas être le seul critère d’évaluation
pour l’ensemble des membres d’une équipe
• Une compréhension fine de l’efficacité de chaque membre de l’équipe (en fonction du rôle qui lui est
attribué), permet d’identifier une stratégie de jeu efficace ; afin de valoriser les passeurs, les défenseurs,
le gardien, et ainsi obtenir une stratégie gagnante
La grande majorité des outils de mesure, et notamment Google Analytics, ne prend pas,
par défaut, en compte ce concept. Ils attribuent la conversion à 100% au dernier canal
ayant généré la conversion : le buteur.

La définition d’une stratégie d’attribution
Les stratégies d’analyse d’attribution diffèrent d’un secteur à un autre, et d’une marque à l’autre. Par exemple :
• Les secteurs à long cycle de vente (voyage, immobilier, automobile,…) ont besoin de collecter des données de leurs clients sur
une durée supérieure à 6 mois avant de penser à appliquer un modèle d’attribution
• Les acteurs d’autres secteurs à cycle de vente court (la mode) peuvent collecter leurs données sur des courtes durées, et donc
potentiellement penser à investir dans des analyses d’attribution
• Le cycle d’achat online de la mode dure en moyenne 28 jours et comprend 8 à 10 requêtes sur 8 sites différents
3 dimensions permettent d’assurer une bonne adéquation entre la stratégie d’analyse d’attribution et les
spécificités de chaque marque et de son marché :
Enfin, un modèle d’attribution, soit l’ensemble de règles permettant d’attribuer totalement ou partiellement une
conversion à respectivement un ou plusieurs canaux y ayant contribué, peut être identifié.
La fenêtre d’attribution
Le retraitement de la
donnée
La life time value
• Durée de la période précédant la
conversion
• Elle détermine ainsi, grâce au
dépôt des cookies sur le support
du visiteur, l’historique des
contacts avec la marque
• Les leviers précédant la fenêtre
d’attribution ne sont pas pris en
compte dans le cadre de l’analyse
d’un parcours ayant généré une
conversion
• Alors que l’approche multitouch
vise la prise en compte de
l’ensemble des interactions entre
une marque et ses
clients/prospects, dans le cadre
d’une stratégie d’attribution,
l’exclusion ou le retraitement de
certaines données peut être
nécessaire afin d’optimiser les
analyses
• Il est possible de reconsidérer la
valeur / l’intérêt d’une conversion
en fonction du potentiel d’achat
futur du consommateur : la notion
de life-time-value est essentielle
pour juger de la rentabilité des
investissements media et des
efforts commerciaux réalisés en
acquisition.
• L’attribution se doit du coup
d’utiliser la life-time-value.
15

La définition d’un modèle d’attribution multitouch
16
Il n’existe pas de modèle d’attribution multitouch parfait !
Un modèle d’attribution multitouch est souvent défini à partir de partis pris, de « points de vue » purement marketing et
analytics censés expliquer de manière juste la performance des canaux, dans le cadre d’un business model et du
contexte particulier d’une marque
Les principaux modèles d’attribution multitouch :
N-3 N-2 N-1 N N-3 N-2 N-1 N
N-3 N-2 N-1 N N-3 N-2 N-1 N
40% 40% 40%
40%
10% 10%
10%
10%
20%
20%
30%
30%
25% 25% 25% 25%
Modèle en U Modèle progressif
Modèle dégressifModèle linéaire

Sous-titre
Comment définir un modèle d’attribution ?
17

Quelques analyses permettant de définir le meilleur modèle
d’attribution
18
Quatre typologies d’analyses multitouch permettent de développer la connaissance
des interactions d’une marque avec ses clients et prospects dans le but de définir
le modèle d’attribution le plus adapté au pilotage des budgets media d’une marque
Evaluer le nombre de points de contact moyen avant
conversion (peut varier par produit / période)
Analyser les chemins de conversion « bout-en-bout » pour
identifier le rôle des leviers de trafic
Tester la sensibilité de chaque levier à différents modèles
d’attribution des conversions
Evaluer les parcours qui convertissent le moins bien pour
isoler les leviers à faible performance
1/
2/
3/
4/

Evaluation du nombre de points de contact moyen avant
conversion (peut varier par produit / période)
19
L’évaluation du nombre de points de contact moyen pour une conversion est un préalable à la
compréhension des parcours et l’adoption d’un modèle d’attribution
Il permet notamment :
• De justifier le besoin d’une analyse d’attribution
 Si le nombre de « points de contact » avant conversion est proche de 1, il est inutile d’envisager
l’adoption d’un modèle d’attribution sous l’angle « multitouch »
• D’évaluer la complexité du modèle d’attribution
 Plus le cycle d’achat est long et plus le modèle d’attribution sera complexe

Analyser les chemins de conversion « bout-en-bout » pour
identifier le rôle des leviers de trafic
20
Tout l’intérêt d’une analyse multitouch consiste ainsi à comprendre à quelles étapes du
processus d’achat est-ce que les différents leviers sont le plus déterminants
• Découverte de la marque
• Engagement supplémentaire
• Conversion
Cela passe notamment par l’analyse de la succession des points de contact ayant mené à la
conversion et ce, pour tous les visiteurs du site
%
%
%
%
EXPOSITION VISITE IMPLICATION CONVERSIONEXPOSITION VISITE IMPLICATION CONVERSION
Support
4
Support
1
Support
3
Support
4
Support
2
Support
2
Support
3
Support
2
Support
1
Support
1
Support
4
Support
3
Support
1
Support
1
Support
2
Support
4

Tester la sensibilité de chaque levier à différents modèles
d’attribution des conversions
21
Modèle
en U
Modèle
linéaire
Modèle
progressif
0% 20% 40% 60% 80% 100%
++
--
-
/
- ++
++++
N.B. : les modèles d’attribution
reposent sur les mêmes critères
de choix que les modèles de
rétribution
La compréhension du rôle et de
la place « moyenne » de chaque
support passe aussi par des
tests de sensibilité à chaque
modèle
L’évolution à la hausse ou à la
baisse de la contribution des
supports à la conversion en
fonction des modèles permet en
effet de faire des hypothèses
fortes sur le positionnement
moyen et donc le rôle de chaque
levier
Contribution des leviers aux conversions
Display Adwords Organic Direct

Evaluer les parcours qui convertissent le moins bien pour
isoler les leviers à faible performance
22
Enfin, lorsque l’on souhaite optimiser ses budgets e-marketing, il faut bien sûr
optimiser ce qui marche, mais aussi détecter et couper ce qui ne marche pas ou
ne contribue pas suffisamment à l’effort global
Il est ainsi nécessaire de remettre en question les points de contact
• souvent présents dans les parcours de visites…
• … mais qui n’aboutissent que trop rarement à une conversion
Ceci peut être fait en comparant la composition des parcours ayant une faible
probabilité de mener à une conversion, à ceux ayant une plus forte probabilité
Conversion ?

La prise en compte de l’engagement dans un modèle d’attribution
23
Un modèle d’attribution peut être affiné par la prise en compte d’actions « engageantes »
pouvant être effectuées au cours de chaque visite par les clients ou prospects, telles que :
• La consultation de plus d’une page produit
• L’inscription à une newsletter
• La création d’un compte client
• L’ajout d’un produit au panier
Ces actions viennent renforcer ou, au contraire, diminuer la contribution de chaque touch au
sein d’un modèle d’attribution déterminé (exemple ci-dessous avec un modèle linéaire) :
N-3 N-2 N-1 N
25% 25% 25% 25%
Modèle linéaire Toute la difficulté réside dans la définition du niveau de
pondération (+ ou - X%) en fonction de chaque action.
Ce type de modèle, à l’image de l’ensemble des modèles
descriptifs, peut souffrir de la détermination arbitraire de
l’incrémentale de contribution de la touch ayant généré
une visite à fort engagement.
Est-ce que l’inscription à la newsletter est deux fois plus
intéressante que l’ajout au panier ? Est-ce que cette
inscription a vraiment un impact sur la conversion ?
Cette démarche a toutefois l’avantage d’intégrer la réalité
de l’expérience utilisateur pour pondérer l’impact des
canaux.

Sous-titre
Les modèles d’attribution statistiques
24

Les modèles statistiques comme moyen de dépasser les
limites des modèles descriptifs
25
Pour bien comprendre les limites des modèles descriptifs, nous pouvons encore comparer facilement une conversion au fait
de marquer un but.
Chaque fois qu’un joueur touche le ballon, nous avons un touchpoint. Nous avons ainsi des séries de passes qui
amènent ou non un but.
Dans les modèles descriptifs, nous l’avons vu, c’est la position dans la série de passes ou les actions réalisées par le
joueur qui déterminent son poids dans la conversion (marquer un but). Par exemple :
• Dans le modèle last-click, seul le buteur est valorisé
• Dans le modèle linéaire, tous les joueurs ayant touché le ballon seront valorisés de manière équivalente
• Dans le modèle avec engagement, le joueur ayant réalisé un contrôle du ballon, un drible, une grande course vers
l’avant, décalage dans la défense adverse… aura un poids considéré supérieur à celui qui s’est contenté de faire
une seule passe
Les modèles descriptifs passent ainsi à côté de certains éléments pourtant clefs par leur dimension prédéfinie :
• Les complémentarités entre joueurs ne sont pas valorisées : si deux joueurs sont très complémentaires, les
modèles descriptifs ne permettront pas de le mettre en lumière
• Le buteur inscrit parfois des buts très faciles à marquer (la contribution au but du buteur est inférieure à celle du
passeur par exemple qui a offert le but sur un plateau…) alors que parfois son rôle est essentiel
• Qu’importe la composition de l’équipe, sa disposition ou le niveau de l’adversaire, la manière de valoriser les
joueurs et leur apport reste le même, ce qui est une vision très/trop simplifiée
Les modèles statistiques visent donc à distribuer la valeur de la conversion en fonction d’un poids calculé pour chaque
levier sur base d’une contribution à la conversion : le poids d’un levier est d’autant plus élevé que ce levier est important (au
sens que son absence ou sa substitution rendrait la conversion moins probable).

Les équipes data science des éditeurs de solutions d’attribution management
se basent de plus en plus sur des algorithmes d’apprentissage
26
Les démarches d’apprentissage (machine learning en anglais) consistent a confier à des algorithmes le soin de
déterminer la contribution de chaque canal sur la base des comportements passés.
• Le postulat de départ est que tous les canaux ont les mêmes chances de contribuer à une conversion : ni leur position
dans le parcours de conversion, ni les actions de l'utilisateur ne sont a priori plus importantes
• En analysant les données passées, l’algorithme va tester toutes les dimensions qu’on lui confie pour déterminer
lesquelles sont importantes : position dans la chaîne, nature et nombre des actions réalisées dans la visite, nature de la
source, nature du device, source précédente, source suivante, jour, heure, temps entre deux sources, météo, ville…
• Peu à peu, l’algorithme va identifier des dimensions importantes pour une future conversion et d’autres a contrario
moins importantes. La démarche passe notamment par la réalisation de milliers de tests A/B visant à déterminer si la
présence d’un canal ou d’une action dans une chaine par rapport à une autre quasi-identique augmente ou diminue la
chance de convertir.
• Cet apprentissage permet à la fois de déterminer un score de contribution pour chaque entrée, base pour proposer un
reporting fin aux décideurs marketing, mais également pour prévoir les conversion futures. On parle alors de marketing
prédictif.
Par exemple, dans le cas du football, sur une situation de but donnée, si n’importe quel joueur en position de buteur
inscrit ce but, alors nous aurons déterminé que la contribution du buteur sur ce but semble faible. A contrario, si un seul
joueur de l’équipe parvient à marquer le but, alors sa contribution semble maximale sur ce but.
Il est par contre très difficile d’expliquer à son management le
concept d’algorithme d’apprentissage et encore plus difficile de
lui soumettre les résultats intermédiaires des algorithmes : des
arbres avec plusieurs millions de branches… largement plus
difficiles à présenter qu’une règle last-click ou linéaire.
L’approche statistique est plus juste, mais sa complexité limite
son adoption : la notion de « boite noire » est souvent évoquée.

Les limites techniques de
l’attribution
3.

Les hypothèses prises précédemment sont simplistes…
La réalité est bien plus compliquée
28
Les défis majeurs de l’attribution sont liés à :
La reconnaissance de l’utilisateur unique
sur plusieurs dispositifs de connexion
(multi-device, multi-navigateur)
L’instabilité des cookies
La prise en compte des événements hors-
site (le post-view et le touch ou conversion
offline)

Sous-titre
La reconnaissance de l’utilisateur unique
29

Les cookies et l’identification client
30
Un cookie est un petit fichier texte déposé sur le disque dur de l’internaute par le serveur du site visité ou par un
serveur tiers (régie publicitaire, service de web analytique, etc…).
Un cookie d’identification est un cookie contenant un numéro unique – et anonyme –permettant de reconnaître
un visiteur au travers de ses différentes visites sur un voire plusieurs site(s).
Toutefois, sur un plan technique, le cookie est propre à chaque navigateur utilisé. Il n’est pas commun à
plusieurs navigateurs sur un même machine et encore moins commun à plusieurs dispositifs de connexion
(smartphone, tablette, ordinateur personnel, etc.)
En conséquence, en l’absence d’un identifiant unique permettant de faire la liaison entre les cookies, un même
utilisateur utilisant différents navigateurs sur différents dispositifs de connexion est considéré comme autant de
visiteurs uniques
La conséquence pratique du point de vue de l’attribution marketing est que si le visiteur à commencé son
parcours de conversion sur un dispositif (tablette par exemple) et l’a terminé sur un autre (ordinateur de bureau)
par un achat, les deux expériences resteront disjointes
La réconciliation des expériences reste donc un défi majeur de l’attribution
Cookies
ouou

La réconciliation des expériences disjointes
31
On distingue 2 grands types d’approches pour remédier à ce problème d’identification et réaliser une analyse d’attribution
multi-device :
Les méthodes déterministes :
• On utilise une clé d’identification permettant d’associer un device à un utilisateur donné et de réconcilier les historiques de navigation des
différents appareils > Cette méthode est très fiable mais se heurte à la difficulté de collecter des identifiants uniques pour une grande
proportion d’utilisateurs
Les méthodes probabilistes :
• On collecte à chaque visite un très grand nombre d’informations sur les appareils, leur configuration et les comportements de leurs
utilisateurs, puis on utilise des modélisations mathématiques permettant d’associer chaque appareil à un utilisateur donné > Ces méthodes –
séduisantes intellectuellement – n'ont pas encore fait leurs preuves et rien ne dit que l'on pourra arriver à un taux de reconnaissance
satisfaisant
Nous avons vu que le last-click ne prenait pas les leviers intermédiaires avant la conversion, ce qui avait pour
conséquence de réduire à néant toute possibilité d’optimisation des investissements media
Une rupture de l’expérience utilisateur du fait d’un changement de dispositif produit quasiment les mêmes effets !
Exposition
SEO
NL
Emailing
SEA Retargeting Conversion
Implication Décision

Sous-titre
L’instabilité des cookies
32

La prolifération et l’instabilité des cookies
33
Le nombre d’applications de
webmarketing installées sur
les sites est exponentiel (elles
le sont via des ’tags’ toujours
plus nombreux)
Chaque application cherche à
identifier l’utilisateur par le
biais d’un cookie propre.
Le nombre de cookies
augmente également de
façon exponentielle
Des effets de bord
apparaissent comme le
ralentissement du temps de
chargement des pages et
l’expérience utilisateur s’en
trouve perturbée
La méfiance sur les atteintes à
la vie privée et l’environnement
législatif incite de plus en plus
les utilisateurs à bloquer ou
supprimer les cookies (‘cookie
churn’).
La suppression des cookies
entraine une mauvaise
reconnaissance de
l’utilisateur et rend moins
efficace les applications de
webmarketing ou d’analytics
28%
des internautes européens suppriment
les cookies provenant des serveurs des
sites visités
4 fois par jour*
37%
des internautes européens suppriment
les cookies tiers de serveurs
publicitaires
6 fois par jour*
*en moyenne
92%
le taux d'acceptation des
cookies en Europe, d’après AT
Internet

Sous-titre
Intégralité de l’expérience : Canaux et Evénements
off-site ou off-line
34

Qu’est ce que le post-view ?
35
Les internautes sont sans cesse exposés à des
messages publicitaires : Bannières, Emails, Annonces
Adwords, Messages facebook etc. mais ils ne cliquent
que sur un nombre très restreint d’entre eux
Toutefois, le simple fait d’être exposé à un message peut
influencer l’utilisateur et ainsi participer à une conversion
alors même qu’il n’y a pas eu de clic.
Prenons un exemple :
• Un utilisateur voit une bannière indiquant une réduction de
40% sur un produit. Il ne clique pas dessus mais mémorise
l’information
• Le soir venu, il se connecte sur le site en tapant l’adresse
directement dans son navigateur et achète le produit en
question
Dans cet exemple, l’élément déterminant de l’acte
d’achat est l’exposition à la bannière
Le concept de « post-view » se rattache aux
comportements sur le site de l’annonceur des
utilisateurs ayant été exposés à des publicités mais
n’ayant pas cliqué dessus – c’est le concept jumeau du
« post-clic »
x
Définitions
Off-site : événements digitaux hors du site mesurés
(site de l’annonceur)
Off-line : événements non-digitaux en relation avec la
marque de l’annonceur

Intérêts et problématiques du post-view ?
36
Pourquoi faut il tenir compte du Post-View ?
Les taux de clics restent faibles quel que soit le
canal utilisé :
• Bannières : moins de 0,1%
• Emails : moins de 1%
• Liens sponsorisés : moins de 1%
Aussi, si l’on ne tient compte que des clics dans
ses modèles d’attribution, on ne mesure pas
l’influence de la grande majorité des rencontres
avec la marque.
Aujourd’hui, les taux de clic sur les formats display
et emailing nous laissent à penser que le post click
ne capture pas toute la contribution de ces leviers
à la conversion. L’intégration du post view permet
d’y remédier avec une lecture des impacts
indirects : par exemple, si un email ouvert non
cliqué a contribué à générer quelques heures plus
tard une visite en search.
Expositions à
des messages
de la marque
(Views)
Clics
Exemple graphique de la proportion Views / Clics.
Les expositions (views) sont infiniment plus
nombreuses
Post-view ou post-visibilité?
Une impression sur deux est visible
Une bannière visible n’est pas forcément vue. Il est en effet
possible que la bannière soit affichée sur plus de 50% d’un écran
pendant plus d’une seconde sans que l’internaute ne la voit.
Persistance des publicités vues (mais pas cliquées)
Une expiration plus courte que les clics
L’utilisateur n’ayant pas eu d’action volontaire, il est difficile de
considérer qu’une vue publicitaire persiste longtemps dans l’esprit
du visiteur. La durée de prise en compte sera donc moindre que
pour les clics (par ex. 2 jours contre 30 jours).
Pondération Views vs. Clics
Une nécessaire hiérarchie
Le simple fait de voir une publicité ne présente pas le même
caractère engageant que le fait de cliquer dessus. De plus, la
multi-exposition aux Views est importante. Autant d’éléments à
prendre en compte dans les modèles d’attribution pour éviter de
sur-pondérer les Views.
Identification de l’utilisateur off-site / on-site
Une réconciliation difficile
Les systèmes de diffusion publicitaires (Ad Servers, E-mailers …)
sont totalement séparés des systèmes de tracking Site-Centric.
Les cookies d’identification des visiteurs sont donc totalement
différents, aussi les solutions techniques pour relier les deux sont
elles compliquées à mettre en place de manière fiable. Les DMPs
et solutions apparentées sont un moyen de pallier à cette difficulté
(voir notre livre blanc sur les DMPs).

La prise en compte des canaux offline : la quadrature du cercle
37
Mesurer l’effet des canaux offline
Dans la plupart des secteurs, la majorité des dépenses media s’effectue sur des canaux traditionnels : aussi de très nombreux
utilisateurs ne sont-ils pas devant un écran mais plutôt dans leurs canapés devant la TV ou en train de lire la presse, dans leur
voiture à écouter la radio ou à passer devant des affiches 4x3 … autant d’occasions de les solliciter via des publicités.
Or, pour ces canaux, point de cookies ou autres moyens d’identification ; la prise en compte de ces canaux dans les chaines
d’attribution se complique fortement.
Comment mesurer les canaux purement offline ?
Autant le dire tout de suite, tout repose sur des méthodes statistiques, rien ne peut relier à coup sûr un quidam rêvassant
devant une affiche à un achat quelques heures plus tard dans un quelconque magasin de la même marque.
Et pourtant, dans un monde où tout doit être mesurable, ce ne sont pas les tentatives qui manquent. Voici quelques
expériences en la matière :
• ‘TV Attribution’, la plus avancée : un certain nombre de start-ups proposent des solutions de mesure de l’influence des spots TV. En
prenant pour base les heures de diffusion et la zone géographique d’influence de la chaine TV, elles arrivent à détecter des
augmentations de trafic sur les dispositifs digitaux. Elles indiquent même pouvoir poser des cookies d’identification sur des internautes
qu’elles auraient identifiés comme étant susceptibles d’avoir été influencés par les spots TV.
• Affichage et Presse : aucune méthode fiable à l’horizon si ce n’est la bonne vieille technique de l’URL dédiée. Proposez à vos lecteurs
ou badauds une adresse spécifique de votre site, éventuellement assortie d’une promotion spécifique et vous pouvez être quasi
certains que les utilisateurs arrivant sur cette adresse ont été influencés par la publicité.
TV AFFICHAGE RADIO PRESSE BOUCHE-A-OREILLE

Le cross-canal : la difficile prise en compte des interactions
offsite ou offline
38
Prendre en compte l’intégralité de l’expérience utilisateur
Les conversions online se prolongent de plus en plus dans l’univers
physique quel que soit le modèle économique
Ecommerce
• Modification / Annulation de commande
• Retour de produits
Lead Generation (exemple : Banque / Assurance)
• Demandes finalisées via un service client
• Demandes de rendez-vous, d’échantillons etc.
Or, ces prolongements peuvent modifier les résultats économiques
dans une grande proportion (les demandes de crédit connaissent
des taux d’échec de plus de 50%). Si l’on veut mesurer les
interactions digitales sur la base des résultats effectifs, la
réintégration de ces données offline devient donc une nécessité.
Comment rattacher online et offline ?
Pour rattacher les deux mondes, il faut disposer d’un identifiant
unique qui soit disponible dans les deux systèmes.
Le plus souvent, on peut prendre un numéro de commande ou
alors un numéro de client.
La Conversion débutée online et achevée offline
A820153 A820153
SEA SEO AFF
ONLINE OFFLINE
Clé de liaison (ID client ou ID commande)
Le Graal : la vue unifiée du consommateur
Les interactions des utilisateurs sont depuis longtemps
mesurées et stockées dans des bases de données
stockant les informations des consommateurs : les bien
connues Bases CRM.
A partir du moment où un identifiant unique permet de
faire le lien entre interactions online et offline, il est
possible de réconcilier les deux univers et d’obtenir une
carte relativement exhaustive des actions des clients
et/ou prospects. Ces identifiants peuvent être une
adresse email, un ID utilisateur ou un login.
A partir de cette clé, il devient possible de créer un
référentiel unique des actions des utilisateurs et de les
rassembler dans un entrepôt de données où des
traitements statistiques avancés permettront aux
directions commerciales, marketing et CRM de mieux
connaitre chaque utilisateur sur tous ses points de
contact avec la marque.
La focalisation n’est alors plus sur un acte d’achat isolé et
sur ce qui l’a permis mais bien sur tout l’historique des
actions. On peut alors piloter son marketing sur
l’indicateur ultime de ‘LIFETIME CUSTOMER VALUE’

Méthodologie d’un projet
d’attribution management
4.

Une méthodologie synthétique en 3 temps pour maîtriser l’attribution
40
1. 2. 3.
Objectifs
• Dresser l’état des lieux de la
donnée disponible et des canaux
à suivre
• Améliorer le tracking post clic
• Réaliser les premières analyses
avec les outils analytics en place
et des modèles descriptifs
• Optimiser l’efficacité intra-levier
• Mettre en place le tracking post
view et favoriser l’identification
cross canal / cross device
• Analyser avec l’outil d’attribution
management en intégrant le post
view dans les modèles
descriptifs
• Optimiser l’efficacité du mix des
leviers
• Optimiser l’efficacité du mix
media sur base de modèles
statistiques via l’outil d’attribution
management avec réintégration
des données cross-canal / cross
device pour avoir une vision la
plus exhaustive
• Compléter avec le mix media
Modeling
Outils
Identification cross-
canal / Cross device
Difficulté
Durée
Quickwin/Deepwin
• Prise en compte du sujet pour
limiter la portée des analyses
• Post view non géré
Débutant / 3 mois
Quickwin/Deepwin
• Digital Analytics (GA / Adobe
Analytics / AT Internet…)
• Excel
• Proposition de mécaniques
marketing favorisant le taux
d’identification des visiteurs
Expérimenté / 6 mois
Quickwin/Deepwin
• Outil d’attribution management
(voir la partie outil du livre blanc)
• Optimisation des mécaniques
d’identification
• Approche probabiliste
complémentaire
Expert / Amélioration
continue
Quickwin/Deepwin
• Outil d’attribution management
(voir la partie outil du livre blanc)
• Logiciel statistique (R, SaS,…)

1. Dresser un état des lieux et exploiter l’existant pour réaliser
des gains rapides
41
1. Lister les leviers media utilisés de manière exhaustive (online/offline)
2. Définir clairement les objectifs de la stratégie digitale et cross-canal qui présideront à la
construction des modèles d’attribution
3. Auditer la nature et la qualité des données disponibles sur base de l’outillage en place afin
notamment d’améliorer le tracking post clic
• Analyse de la fiabilité de la donnée collectée et du tracking en place notamment concernant le Digital Analytics
(Ad centric ou Site centric)
• Au niveau de la classification des canaux et des campagnes
• Au niveau du paramétrage des objectifs de conversion
• La démarche d’audit de la donnée peut aussi concerner le tracking des leviers de marketing direct ou les
données relatives aux investissements media remontant au sein des outils de CRM ou marketing automation
4. Identifier les contours du problème d’identification pour limiter la portée des analyses et identifier
des quickwins en termes de tracking à déployer
• Cross canal / Cross device
5. Réaliser les premières analyses par levier et mesurer la sensibilité aux modèles descriptifs
classiques sur base des données post clic présentes au sein des outils de digital analytics
(Google Analytics, Adobe Analytics, AT Internet…)
• Déterminer quel modèle descriptif sans postview semble le plus adapté
6. Optimiser l’efficacité intra levier
• Définir des KPIs pour challenger la performance des leviers
7. Discuter avec les agences pour améliorer le tracking et les challenger sur base des premières
analyses et des KPIS

2. S’outiller pour franchir un cap et se projeter dans les
enjeux de vision client unifiée
42
1. Mettre en place un outil d’attribution management et piloter sur la base de modèles descriptifs
• Choisir un outil (voir la partie outils du livre blanc)
2. Mettre en place le tracking post view pour les dispositifs du type display
• Bonne pratique : travailler sur base d’un temps cumulé de visibilité réelle en s’appuyant sur des acteurs comme
Alenty
3. Favoriser l’identification cross canal / cross device
• Réfléchir à la proposition de valeur qui pourrait amener davantage de visiteurs à s’identifier sur les dispositifs
de la marque
• Investiguer les mécaniques techniques permettant de « propager » l’identification dans les contextes multicanal
/ multidevice
4. Analyser avec l’outil d’attribution management en intégrant les données post view dans les
modèles descriptifs
5. Optimiser l’efficacité du mix des leviers
• Ajuster son mix media et observer les résultats
• Faire évoluer ses KPIs
6. Partager avec les agences

3. Mettre à profit la puissance des statistiques au quotidien
avec une démarche d’amélioration continue
43
1. Optimiser l’efficacité du mix media sur base de modèles statistiques via l’outil d’attribution
management avec réintégration des données cross-canal / cross-device pour avoir une vision la
plus exhaustive :
• Réinjection des plans media offline
• Exploitation d’algorithmes d’apprentissage
• Optimisation des mécaniques d’identification
• Approche probabiliste complémentaire ou non (basée sur les cookies)
2. Compléter l’approche attribution avec une démarche de Mix-Media Modeling
3. Mettre en place une gouvernance, des processus et des dashboards autour de l’optimisation media
afin de l’ancrer dans une démarche d’amélioration continue
4. Ne pas oublier le volet formation
5. Collaborer avec les agences en partageant les enseignements et en les impliquant /
responsabilisant

Les éditeurs de solutions
d’attribution management
5.

Matrice des solutions d’attribution
45
ONLINE DATA
ONLINE/OFFLINE
DATA
PURE PLAYER
ATTRIBUTION
SOLUTION AVEC
FONCTIONS
D’ATTRIBUTION
: solutions françaises
Les fournisseurs de
solutions proposant de
l’attribution sont
nombreux. Toutefois
l’offre est assez
disparate entre les
fournisseurs orientés
DMP et ceux orientés
analytics.
La mise en place est
souvent assez
consommatrice de
ressources et de
temps.
Les solutions du marché classées en fonction de leur spécialité Attribution et de leur affinité Online /
Offline

Les fournisseurs de services d’attribution sont de plus en plus
nombreux à intégrer des algorithmes d’apprentissage dans leurs outils
46
Le classement Forrester Wave
2014 ci-contre ne prend en
compte que les acteurs ayant
mis en place des algorithmes
auto-apprenants (machine
learning).
Bien que l’analyse de Forrester
soit issue avant tout d’un
questionnaire et financée par les
entreprises elles-mêmes, ce
classement reste une référence.
La vision d’un cabinet d’étude américain, via l’une de ses études annuelles faisant référence en la
matière

Les modèles économiques proposés
47
€
Conso
€
1
2
3
Modèle SaaS Pourcentage Dépenses Prix fixe
Modèle économique basé
sur l’utilisation du système.
L’indicateur pris en compte
peut être le nombre de
visites ou le nombre
d’entrées.
En général, ce système
fonctionne par seuils sur la
base d’une anticipation de
trafic.
Modèle économique basé
sur un pourcentage des
dépenses de campagnes
gérées par l’outil.
Souvent utilisé pour les
outils intégrant des
fonctionnalités de gestion
automatisée des
investissements marketing
(ex. Bid Management)
Modèle économique assis
sur un prix fixe mensuel ou
annuel.
Le niveau de prix peut
dépendre du nombre
d’utilisateurs, du nombre de
serveurs ou de la taille de la
société.
15.000 € 50.000 €
Budget annuel typique d’une solution
d’attribution professionnelle
€
%
%
%
Campagnes Quantité

Bibliographie
• Forrester: Cross-channel attribution must convert insight into action
• http://services.google.com/fh/files/misc/marketing_attribution_whitepaper.pdf#utm_medium=email&utm_source=ne
wsletter&utm_campaign=apr2012&utm_content=Attribution_whitepaper
• http://www.heinz.cmu.edu/ResearchSeminarSeries/MediaExposure.pdf
• http://www.ad-exchange.fr/le-ctr-est-une-mesure-trompeuse-selon-letude-de-comscore-sur-la-performance-de-la-
pub-digitale-19710/
• http://pro.clubic.com/webmarketing/publicite-en-ligne/actualite-742853-fingerprinting-cookies.html
• http://www.iab.net/media/file/IABPostCookieWhitepaper.pdf
• http://www.iab.net/media/file/IABPostCookieWhitepaper.pdf
• Forrester Wave: les fournisseurs de services d’attribution multicanal
49

Merci de votre attention
Converteo – Livre Blanc : Attribution Management
Stéphane Gendrel, Managing Director, Adversitement
Raphaël Fétique, Directeur Associé
Adriano Mucciardi, Manager
Sarah Chemna, Consultant
15, place de la Nation
Paris 75011
+33 (0)1 84 16 06 60
contact@converteo.com

Livre Blanc Attribution Management : entre technologie, marketing et statistique

Contenu connexe

Tendances

Similaire à Livre Blanc Attribution Management : entre technologie, marketing et statistique

Plus de Converteo

Livre Blanc Attribution Management : entre technologie, marketing et statistique

Notes de l'éditeur