Dans le deuxième webinaire de notre série « The Data-Centric Revolution » (la révolution de la donnée), Jaysen Gillespie (VP et Head of Analytics and Data Science chez Criteo) et Darren Moore (Product Marketing, Measurement Lead chez Live Ramp) font le point sur le paysage actuel de la consommation, et explorent les différentes méthodes d’attribution à la disposition des marketeurs.
Dans leur intervention, Gillespie et Moore abordent avant tout les méthodes de suivi cross-canal du ROI.
Selon Gillespie, le vrai défi reste de relier entre elles les données provenant de différents systèmes : « Comment boucler la boucle entre les actions et les dépenses de marketing ? »
S’appuyant sur la dernière étude « Getting Digital Right » de Millward Brown, Moore souligne que « 40 % des marketeurs pense que les investissements médias doivent porter sur le marketing cross-canal et cross-device, plutôt que sur chaque canal individuel. »
Pour les marketeurs, il s’agit là d’un investissement essentiel. Comme l’explique Moore, « Il faut mesurer l’information pour la comprendre. Et il faut la comprendre pour la maîtriser. S’ils ne maîtrisent pas leurs données, les marketeurs ne sauront pas comment améliorer le ROI, les stratégies marketing, ou l’expérience des consommateurs. »
Alors comment calculer le ROI de chaque canal ? Tour d’horizon des méthodes d’attribution standard, pour mieux comprendre leurs avantages et leurs inconvénients.
Attribution 101 : méthodes
1. First-click
L’attribution au premier contact (« First-click » ou « first-touch » en anglais) permet de mesurer la conversion d’après la première prise de contact sur un canal. Elle met donc l’accent sur la sensibilisation dans le parcours d’achat.
Cette méthode est idéale pour les marketeurs qui cherchent à générer de la demande ou à faire connaître leur marque. Facile à mesurer, elle ne permet toutefois pas d’optimiser directement la conversion – en effet, la première prise de contact s’applique au parcours de presque tous les clients.
Moore explique que l’attribution au premier contact ne donne qu’une version ultra-simplifiée du ROI aux marketeurs. Selon lui, cette méthode est comparable aux discours de remerciement des Oscars, lorsque les anciens instituteurs reçoivent plus de louanges que l’équipe du tournage.
En misant seulement sur le premier contact, les marketeurs passent à côté de tous les autres facteurs.
2. Last-Click
L’approche « Last-click » (ou « last touch ») détecte la dernière interaction d’un consommateur sur un canal, et lui attribue la vente. Ce modèle est utilisé par les marketeurs qui cherchent à générer des conversions, et ne s’intéressent pas aux actions qui ne mènent pas à l’achat.
Tout comme l’attribution au premier contact, cette méthode généralise le parcours d’achat, et ne permet pas aux marketeurs de visualiser les points de contact qui mènent à la conversion.
Moore compare de nouveau cette méthode aux discours des Oscars – cette fois, le réalisateur est salué, et les autres laissés dans l’ombre.
3. Linéaire
Aujourd’hui, une transaction moyenne peut mobiliser jusqu’à 30 points de contact. Le modèle linéaire attribue la même valeur à tous les points de contact du parcours d’achat. Pour un taux de conversion impliquant 5 points de contact, chaque canal obtient donc 20 % de l’attribution totale.
Parce qu’elle optimise l’intégralité du parcours d’achat, et non un seul point de contact, l’attribution linéaire se rapproche de l’attribution multi-contact. Elle ne permet toutefois pas aux marketeurs d’identifier les points de contacts vecteurs de conversions.
4. Time decay
Avec le modèle en déclin (« Time Decay » en anglais), l’attribution est définie en fonction du moment où l’interaction intervient. Les points de contact précédant la conversion sont les plus valorisés. Les derniers points de contacts peuvent par exemple être, dans l’ordre, Google, Facebook et Instagram. Instagram, le dernier point de contact enregistré, compte alors pour 50 % de l’attribution, Facebook pour 30 % et Google pour 20 %.
Le modèle en déclin reconnaît donc l’importance de chaque interaction, tout en priorisant la dernière prise de contact avant la conversion. Ce modèle est utile pour les marketeurs à la recherche des points de contact les plus susceptibles de générer ou d’augmenter les conversions. Il n’identifie toutefois pas les points permettant de sensibiliser les consommateurs à la marque.
5. Position-based
L’attribution selon la position combine les techniques des approches linéaire et en déclin. Elle optimise le premier et le dernier point de contact, et attribue le reste aux contacts intermédiaires. Cette méthode permet aux marketeurs d’identifier le premier point de contact en tant que point de sensibilisation à la marque, et le dernier en tant que point de conversion.
Mais l’attribution selon la position a aussi ses inconvénients : si la majorité des ventes est attribuée aux premiers et derniers contacts, cela ne veut pas dire qu’ils sont toujours les plus grands vecteurs de conversion.
Est-il logique, par exemple, de donner autant d’importance à un premier contact via une annonce payante qu’à une conversion provenant d’une offre par e-mail ?
Criteo Shopper Graph
Pour perfectionner leur modèle d’attribution, les marketeurs doivent se concentrer sur leurs données – et sur la technologie qui permet de les relier.
Mais comment faire, et par où commencer ? Comment faire concurrence aux entreprises dotées de solides ensembles de données, et des structures nécessaires pour suivre et mesurer les actions des utilisateurs dans des environnements riches d’informations ?
Criteo aide les marketeurs à mieux comprendre l’intégralité du parcours d’achat de leurs consommateurs. L’outil Criteo Shopper Graph fournit aussi des données d’intention en temps réel, avec notamment :
- +700 millions d’appareils à l’international
- 615 Mds de dollars de ventes e-commerce annuelles
- +2 Mds de consommateurs actifs chaque mois
- 600 téraoctets de données client quotidiennes
Et plus encore…
« Nos données proviennent de nos clients », explique Gillespie, « il n’y a pas d’intermédiaire. Nous regroupons les informations des consommateurs à travers le monde, et permettons aux retailers d’accéder à de grands ensembles de données, comme le font les géants Amazon, Google et Facebook.
Enrichi de sa technologie éprouvée de machine learning, Criteo Engine permet d’optimiser notre approche du consommateur et d’améliorer le taux de clics (CTR), le taux de conversion (CR), la valeur du panier et la marge sur les ventes de produits. Criteo effectue chaque année plus de 30 000 tests sur de nouveaux algorithmes et variables de performances, pour mieux évaluer l’efficacité de chaque point de contact.
N’est-ce pas là l’objectif-même de mesurer l’attribution ? « Il s’agit avant tout de créer un ensemble de données ouvert, pour permettre aux marketeurs de cibler précisément leurs actions », explique finalement Gillespie.
