Voici pourquoi le modèle d’attribution incrémentale multipoint est la seule option envisageable pour vous
Les modèles d’attribution basés sur le premier ou le dernier point de contact sont tout simplement catastrophiques. Heureusement, la plateforme Optimove intègre le seul modèle véritablement efficace. Découvrez comment il fonctionne, puis parlez-en avec un expert Optimove.
L’étude des modèles d’attribution est relativement jeune. Elle voit le jour en 1958 quand Fritz Heider, un psychologue autrichien, publie un ouvrage intitulé « La psychologie des relations interpersonnelles », posant ainsi les bases de la première théorie de l’attribution. Selon F.Heider, nous sommes tous des psychologues naïfs : nous nous efforçons de comprendre les causes des actions et des comportements mais nous sommes susceptibles de commettre des erreurs de jugement quand nous essayons de leur attribuer des effets.
Malheureusement, les erreurs d’attribution sont bien connues des professionnels du marketing, en particulier lorsqu’ils sont confrontés à l’un des défis les plus ardus de leur métier : l’attribution des revenus ou, autrement dit, comment mesurer avec précision l’impact relatif de chaque campagne et de chaque point de contact sur le comportement des clients ? Ce n’est pas si simple et la moindre erreur peut avoir des conséquences majeures. En effet, le but ultime de l’attribution est l’optimisation des dépenses marketing et des campagnes. Attribuer les résultats aux mauvaises campagnes ou aux mauvais points de contact peut donc poser de vrais problèmes.
Les professionnels du marketing peuvent s’appuyer sur différents modèles, mais tous ont leurs limites. Les modèles d’attribution au premier ou au dernier point de contact sont les plus simples mais aussi les moins fiables. Selon le modèle d’attribution au premier point de contact, un achat est intégralement mis au crédit de la campagne qui a établi le contact entre le client et votre marque. Mais pensez-y : pouvez-vous réellement attribuer l’achat à une campagne unique, la première, en ignorant complètement celles qui l’ont suivie ? Bien sûr que non.
Selon le modèle d’attribution au dernier point de contact, 100 % du crédit de l’achat est attribué au dernier point de contact avant la conversion du prospect. Mais votre client a peut-être pris sa décision après trois mois de campagnes par e-mail et par SMS, d’annonces sur Google et Facebook et de notifications push sur appareil mobile, qui ont toutes exercé une influence sur lui. Pourquoi, alors, attribuer tout le crédit de l’achat à la dernière campagne seulement ?
Incrémentalité, mon cher Watson
Une approche plus sophistiquée consisterait à mesurer l’impact relatif et combiné de chaque campagne à l’aide d’un modèle d’attribution multipoint.
Les modèles d’attribution multipoint reposent sur l’affectation de pondérations (ou crédits) aux différents points de contact, proportionnellement à leur contribution au résultat. Par exemple, 20 % du crédit est attribué aux campagnes par e-mail, 30 % aux publicités sur Facebook, etc.
Il reste toutefois un problème : la répartition des pondérations n’est pas exempte d’erreurs, car il peut être difficile d’identifier les points de contact qui ont le plus d’impact sur les conversions.
Et si nous vous disions qu’il existe une meilleure approche ? Une approche qui mesure avec précision l’impact de chaque point de contact et l’impact agrégé de l’ensemble du parcours ? Qui ne nécessite pas d’assigner des pondérations ? Qui s’actualise régulièrement pour tenir compte des changements dans le comportement des clients, de la lassitude vis-à-vis des campagnes, des variations saisonnières, etc. ? Et qui évalue les campagnes par rapport au comportement de référence de vos clients, pour éviter notamment d’attribuer un crédit pour des achats qui auraient quand même eu lieu sans leur influence ?
C’est presque magique. Nous appelons cette méthode « l’incrémentalité » et elle repose sur une approche « test/contrôle » tout ce qu’il y a de plus traditionnelle.
Chez Optimove, nous utilisons souvent le terme d’incrémentalité pour décrire l’impact réel des campagnes, par opposition à la mesure du nombre d’ouvertures et de clics, certes flatteur mais peu significatif. Il s’agit, en fait, de la même approche mais appliquée à l’attribution des revenus. Vous obtenez ainsi le meilleur modèle d’attribution multipoint qui soit, l’attribution multipoint sous stéroïdes, en quelque sorte.
Dans le sens du vent… et à contre-courant
Examinons un exemple simple pour illustrer le fonctionnement de ce que nous venons d’évoquer.
Imaginons que vous ayez conçu un parcours en 3 étapes (e-mail, SMS, e-mail) et qu’un client fasse un achat de 100 € après la dernière campagne.
Avec le modèle d’attribution au dernier contact, malheureusement très répandu sur les plateformes marketing d’aujourd’hui, les deux premières campagnes ne recevraient aucun crédit pour cet achat et la troisième en recevrait, en revanche, l’intégralité.
Autrement dit :
E-mail n° 1 : 0 % (= 0 €)
SMS : 0 % (= 0 €)
E-mail n° 2 : 100 % (= 100 €)
Dans le modèle proposé par Optimove, les trois campagnes forment un flux qui est associé à un groupe contrôle de 5 % (5 % des clients ne reçoivent aucune campagne et nous évaluons leur comportement spontané, qui sert ensuite de référence).
Toujours dans le cadre de notre exemple, imaginons que certains clients du groupe contrôle fassent des achats (ce qui se produit inévitablement). Ils ont donc fait un achat sans recevoir AUCUNE campagne.
Imaginons maintenant que la commande moyenne des clients du groupe contrôle s’élève à 70 €, tandis qu’elle atteint 100 € chez les clients qui ont reçu le flux de trois campagnes.
Nous pouvons donc en conclure que le flux composé par les trois campagnes produit une hausse incrémentale de 30 € (étant donné que la commande moyenne des clients ayant reçu les campagnes est de 100 €).
Vous comprenez ainsi que les campagnes ne sont pas entièrement responsables des 100 € de commande, mais simplement d’une hausse de 30 € par rapport à un groupe contrôle statistiquement pertinent.
L’étape suivante consiste à appliquer l’approche « test/contrôle » à chaque campagne afin de mesurer son impact spécifique. Naturellement, chaque groupe contrôle du flux doit être représentatif. Par exemple, le groupe contrôle de la campagne n° 3 contient des clients qui ont été ciblés par les campagnes n° 1 et 2, afin d’intégrer l’impact combiné des deux premières campagnes dans le comportement de référence de ce groupe et donc de mesurer la hausse incrémentale de la campagne n° 3.
Nous avons ainsi une méthode qui permet de mesurer la hausse moyenne par client de chaque campagne !
Classement final
Imaginons maintenant que la hausse de 30 € se répartisse comme suit : 5 € pour la campagne n° 1, 15 € pour la campagne n° 2 et 10 € pour la campagne n° 3. Étant donné que la hausse globale du flux complet s’élève à 30 €, la campagne n° 1 reçoit 17 % du crédit (5 sur 30), la campagne n° 2, 50 % du crédit (15 sur 30), et la campagne n° 3, 30 % (10 sur 30).
C’est la méthode la plus précise statistiquement pour déterminer l’impact de chaque campagne sur vos revenus. Sans poudre aux yeux ni préjugés. Et surtout, sans cette idée catastrophique qui consiste à donner tout le crédit d’un but marqué au seul attaquant qui a frappé le ballon, en ignorant l’équipe qui lui a permis d’arriver dans la position idéale.
La bonne nouvelle, c’est que ce modèle existe et qu’il est déjà intégré dans les outils qu’Optimove met à disposition des professionnels du marketing pour leur permettre de déployer de puissantes stratégies de gestion des relations client (CRM) et de fidélisation.
Selon le modèle d’Optimove, qui mesure la valeur incrémentale de l’ensemble du flux ET de chaque campagne qui le compose, l’impact de la campagne n° 3 sur les conversions n’est que de 30 %, et non de 0 % ou de 100 %.
Selon le modèle d’attribution au dernier point de contact, en revanche, la campagne n° 3 recevrait TOUT le crédit des conversions, et c’est sur celle-là que le professionnel déciderait de concentrer ses efforts. Voilà ce qu’est, selon nous, une erreur d’attribution.
Shai Frank serves as the SVP of Product and GM of the Americas at Optimove. Since his start in 2018, Shai has played a pivotal role in shaping the vision, strategy, and roadmap for Optimove’s product portfolio. Under his leadership, the product department is designing and delivering innovative customer-led marketing solutions that have been instrumental in elevating the success of Optimove’s clients.
Shai brings a wealth of experience from nearly 20 years in product leadership and management across various industries. He holds a B.Sc. in Industrial Engineering and an MBA from Tel Aviv University in Israel.
