Aujourd’hui, je vous propose un article sur les modèles d’attribution en matière de Multitouch Analytics. Dans cet article, nous étudierons pourquoi il existe plusieurs modèles d’attribution et nous détaillerons ensemble trois modèles ; qui ont été mis en avant par Thibaut Lemay lors du Web Analytics Camp.

Pour rappel:

Les outils standards de suivi des performances des campagnes e-marketing affectent les ventes à la dernière source de trafic. Pourquoi cela ? Nous n’avons pas de réponse claire à ce sujet pour le moment. Probablement des raisons techniques ? Stratégiques ? Business ? ou autres.

Conscient de cette problématique, chez Mazeberry nous avons décidé de développer une solution dite « Multitouch Analytics » destinée à des clients soucieux de suivre les performances de leurs campagnes. Tous les sites Internet rencontrent cette problématique cependant, l’utilisation d’une solution de Multitouch Analylitics peut s’avérer rentable, en particulier pour les groupes e-commerce (pure players), les groupes financiers, les voyagistes, etc.

 


Un résumé de l’article complet au format slideshare 😉

Qu’est ce qu’un modèle d’attribution?

Un modèle d’attribution est un schéma de répartition de poids entre plusieurs sources de trafic. Il permet de déterminer le niveau de contribution d’une source de trafic pour une action donnée. L’action en question doit être réalisée sur un site Internet et peut faire référence à un achat en ligne, au remplissage d’un formulaire de contact ou à tout type d’action réalisée en ligne comme :

  • La réalisation d’une simulation sur un site de crédit en ligne.
  • La souscription à une newsletter.
  • La création d’une fiche de profil
  • etc.

 

Les trois modèles d’attribution ci-dessous répondent chacun à une typologie client que nous allons découvrir ensemble :

 

 

Pourquoi existe t-il plusieurs modèles d’attribution?

Plusieurs raisons permettent d’expliquer l’existence de plusieurs modèles d’attribution. La première serait de constater que chaque site Internet est unique par rapport à sa stratégie de Marketing Mix. Ce qui veut dire, que les sites ont des leviers d’acquisition différents, des produits différents, des modèles économiques différents, des clients différents, des prix différents, des périodes de vente différentes (effet saisonnier, marronniers),  etc.

En effet,  si j’avais à définir Multitouch Analytics en deux mots, je dirais: Interprétation et précision.

Or, si on souhaite apporter un haut niveau de précision, il faut étudier en amont la problématique et les spécificités du client afin d’effectuer la meilleure « interprétation ». Cette analyse complète, permettra au consultant Multitouch Analytics de comprendre les besoins et spécificités du client afin de lui proposer un paramétrage adapté. Le client, responsable e-marketing ou responsable acquisition, peut également apporter des remarques dans la définition ou le choix du modèle d’attribution.

Dernièrement, Mazeberry a développé 2 nouveaux modèles en forme de Parabole sur la base de recommandations d’un partenaire.

En termes de Multitouch Analytics, ce sont ces études et ces paramétrages qui feront toute la différence dans votre projet d’optimisation des investissements E-marketing. Ce sont ces analyses qui permettront, à terme, un haut niveau de précision en matière de suivi réel des performances des campagnes marketing.

Chez Mazeberry, nous recommandons toujours à nos clients de prendre le temps de choisir un modèle d’attribution mais de n’en choisir qu’un, car le pilotage sur plusieurs modèles peut s’avérer très complexe pour lui et ses collaborateurs. Le risque de confusion est trop grand.

En matière de Multitouch Analytics, il faut garder à l’esprit que l’analyse des données s’effectue en plusieurs dimensions : la dimension de finalisation et la dimension de contribution (notez qu’il peut y avoir plusieurs contributeurs, ayant chacun un poids différent*).

Les analyses sur plusieurs dimensions permettent aux consultants en Multitouch Analytics de comprendre les réelles performances de chaque levier marketing. Ainsi, une étude détaillée des données permettra au consultant de segmenter ces leviers marketing en 3 catégories. Il y aura alors, les sources de trafic dites de « découverte », les sources de « séduction » et les sources de « closing ».

Exemple :

  • Découverte : Je clique sur un lien sponsorisé après une recherche sur le mot clé « Appareil photo »
  • Séduction : Je visite un comparateur de prix afin d’identifier la meilleure offre pour l’appareil photo qui m’intéresse.
  • Closing : Je recherche dans Google le nom du site choisi après quelques jours de réflection.

Certains décideurs (responsables marketing) perçoivent les sources de « closing » comme des sources très importantes et d’autres non, ce qui explique encore une fois ce choix en matière de modèles d’attribution.

 

*sauf pour le modèle à répartition constante

 

Le modèle d’attribution à répartition exponentielle :

Si votre site est mono produit ou alors s’il ne vend qu’une et une seule catégorie de produits, vous pouvez utiliser le modèle à répartition exponentielle.

En effet, si vous êtes un spécialiste des appareils photos, vous pouvez alors considérer le fait que si un internaute visite plusieurs fois votre site,  il le fait à chaque fois pour la même chose. Ainsi, il sera alors pertinent d’affecter plus de poids à la  source de découverte plutôt qu’aux sources de séduction et de closing. De plus, notez que dans la plupart des cas, la source de découverte est la plus coûteuse car elle est générique à l’inverse des autres sources qui sont plus spécialisées.

Exemple :

  • Générique : Appareil photo
  • Spécialisée :
    • Comparer canon ixus 500
    • Mazephoto

 

 

Le modèle d’attribution à répartition constante :

De manière générale, le modèle à répartition constante est destiné aux sites ayant une offre de produits très variée, comme par exemple des « grills pain » et des « matelas ». Dans ce cas, imaginez qu’un internaute effectue une visite sans achat sur votre site après avoir tapé le mot clé « grill pain » dans Google et qu’il revienne 10 jours plus tard en provenance d’un comparateur de prix pour acheter un matelas. En effectuant un achat lors de cette deuxième visite, la transaction déclencherait alors une analyse des sources de trafic et dans ce cas précis, il serait dommage d’affecter plus de poids à la source de découverte car elle n’est pas vraiment significative.

La probabilité d’erreur d’affectation étant importante, nous recommanderons le modèle à répartition constante sur les sites généralistes.

 

Le modèle d’attribution à répartition linaire :

Le modèle à répartition linaire (comme  l’illustre le schéma ci-dessous) est intermédiaire deux modèles précédents.

 

 

 

Pour les besoins de ses clients, Mazeberry a développé à ce jour 13 modèles d’attribution et d’autres peuvent être développés à la demande. Ces modèles d’attribution sont ainsi personnalisés en fonction des clients, un peu comme les produits financiers dans le domaine de la finance. La finance étant un milieu dans lequel, l’interprétation et la précision sont déjà de rigueur depuis des années.

Ci dessous, la modélisation graphique du dernier modèle développé par Mazeberry : Le modèle d’attribution parabolique.

Exemple :

Répartition sur 3 "touches" : #1 => 40.88% ; #2 => 18.24% ; #3=> 40.88%

 

Répartition sur 7 "touches" : #1 => 32.60% ; #2 => 11.99% ; #3 => 4.41% ; etc.

 

2 Responses to Les modèles d’attribution Multitouch Analytics

  1. Daniel Roch dit :

    Quel article complet et précis, sur un sujet des webanalytics peu courant sur Internet !

    Ma grosse question par rapport à ce qui est dit, c’est de savoir quel modèle d’analyse utiliser pour quel type de site et de visite. Si je reprend le modèle à répartition constante par exemple, comment savoir si, pour mes visiteurs multitouch, leurs visites ont ou n’ont pas un lien entre elles (comme la personne qui consulte le site pour un grille pain et un matelas), pour pouvoir ensuite appliquer le bon modèle d’analyse…

  2. tlemay dit :

    @Daniel : Merci Daniel pour ton commentaire. Pour répondre à ta question, je dirais que c’est une question de probabilité sur le risque d’erreur d’affectation en fonction des spécificités du client. C’est une décision complexe et importante que doit prendre le client sur la base des recommandations du consultant Multitouch Analytics.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Blue Captcha Image
Refresh

*

A propos de Mazeberry





Suivez-nous sur Twitter

Visitez notre Facebook