Attribution marketing : Sous un épais nuage de données

À quelle source de données doit-on accorder le plus de crédit ?

Généralement, la somme du chiffre d'affaires attribuée à vos campagnes marketing sur Meta Ads, Google Ads, et à votre CRM, n'a pas grand-chose à voir avec les données de votre outil de web analyse, ou les rapports statistiques de votre plateforme e-commerce.

Et pour cause, aucune de ces solutions n'emploie le même modèle d'attribution.

Au-delà de cette problématique, c'est le principe même d'attribution marketing que vous êtes en bon droit de questionner.

Plus les paniers moyens sont élevés et les cycles d'achat longs, plus ce phénomène se retrouve structurellement amplifié.

L'attribution est un mythe (et la psychologie le confirme)

Avant de revenir aux outils et modèles, faisons un détour par la psychologie cognitive. 

Il existe un biais bien documenté appelé "l'erreur fondamentale d'attribution". 

Biais identifié et étudié de manière approfondie par les psychologues sociaux Lee Ross et Edward E. Jones dans les années 1970.

En substance : nous avons une tendance naturelle à surestimer le poids des facteurs internes (les actions individuelles) et à sous-estimer le poids des facteurs externes (le contexte, l'environnement) quand nous essayons d'expliquer un événement.

Transposé au marketing, ce biais est omniprésent. 

Nous avons une tendance naturelle à surestimer le poids des facteurs internes (les actions individuelles) et à sous-estimer le poids des facteurs externes (le contexte, l'environnement) quand nous essayons d'expliquer un événement

Une cliente achète un collier à 2000€ sur votre site internet. 

Google Ads revendique une fraction de cette conversion car cette cliente a cliqué sur une annonce de brand protection 10 jours auparavant. 

Meta Ads revendique 100% de cette même conversion car une publicité a été vue sur Instagram par cette même personne le jour de la vente.

Mais ce que personne ne mesure, c'est que cette cliente a en réalité découvert la marque en boutique il y a trois mois. 

Une amie lui en a parlé sur WhatsApp, elle a lu un article dans Vogue, elle suit le compte Instagram de la maison depuis des semaines, elle a discuté du prix avec son conjoint...

Tout ce parcours (le contexte) est invisible. 

Les plateformes attribuent la vente à leur dernier point de contact (le facteur interne). Voici un parfait exemple d’une erreur fondamentale d'attribution appliquée à l'échelle d'un écosystème publicitaire.

Quand l'algorithme optimise contre l'incrémentalité

Les algorithmes publicitaires optimisent la diffusion des campagnes de conversions pour en maximiser le volume ou la valeur. 

Jusqu'ici rien qui ne paraisse préoccupant, bien au contraire.

Concrètement, vos campagnes se concentrent sur des utilisateurs en phase de recherche active de vos produits ou de produits similaires. 

Le souci, c’est que ces audiences in-market ne représentent en réalité qu’une très faible part de votre marché addressable total.

Au-delà de cette limitation considérable, et même lorsque vos bases de données clients et vos visiteurs engagés sont rigoureusement exclus de vos ciblages publicitaires, le doute persiste. 

Dans quelle mesure le simple affichage ou le clic sur une publicité a-t-il véritablement été déterminant dans l'acte d'achat ? 

Les plateformes dépensent votre budget pour toucher des utilisateurs qui, dans de nombreux cas, auraient acheté sans avoir vu la publicité à laquelle leur achat a été "attribué".

Pour répondre à cette problématique, Meta Ads a déployé un modèle d'attribution incrémental qui demeure une boîte noire tout aussi obscure que les modèles d'attribution data-driven de Google Ads.

La raison est simple (et personne n'a véritablement envie de se l'avouer) : nous sommes incapables d'établir avec certitude le lien de causalité entre une interaction publicitaire et un acte d'achat.

Dans le labyrinthe du "Messy Middle"

Les biais d'attribution sont d'autant plus critiques lorsque les paniers moyens sont élevés.

Les achats impulsifs se font plus rares, les cycles d'achat plus longs. 

Le déclencheur est émotionnel, mais il survient dans un climat de confiance qui s'est développé avec le temps ou sous l'influence de figures affectives ou d'autorité.

Pour mieux l'appréhender, les recherches de Google sur le Messy Middle offrent une grille de lecture pertinente. 

Le parcours d'achat n'a jamais été un entonnoir, mais plutôt une boucle complexe où le consommateur navigue entre deux états :

• L'exploration : Il découvre des collections, lit la presse, s'imprègne de l'univers. 
• L'évaluation : Il compare, discute avec ses proches, visite une boutique, vérifie les prix en ligne.

Dans l'univers du luxe et des marques premium, un client peut naviguer entre la phase d'exploration et d'évaluation pendant des semaines, voire des mois. 

Résumer ce labyrinthe cognitif au dernier clic d'une campagne de reciblage est non seulement réducteur, mais potentiellement dangereux lorsqu'il s'agit de motiver des choix stratégiques.

Le mirage des tests géographiques (Geo-holdout tests)

Face à l'obsolescence de l'attribution classique, l'industrie s'est tournée vers la mesure de l'incrémentalité, souvent présentée comme la solution miracle à travers les tests géographiques (Geo-holdout tests). 

Sur le papier, l'idée est séduisante : on coupe les publicités sur une région A, on les maintient sur une région B, et on compare.

Dans la réalité, cette méthode se heurte à plusieurs limitations :

Le manque de volume 

Atteindre la significativité statistique pour valider un test géographique demande un temps et des budgets que peu de marques peuvent se permettre de geler.

L'illusion des régions "jumelles" 

La validité méthodologique d'un test repose sur la comparaison entre deux zones aux comportements d'achat strictement identiques. 

Or, trouver une région témoin qui soit le parfait miroir socio-économique de votre marché principal (pour comparer Paris à une autre ville française, par exemple) relève souvent de la gageure.

L'inadéquation avec le temps long 

Un test d'incrémentalité classique dure rarement plus de 4 à 6 semaines, notamment pour limiter le coût d'opportunité lié à la coupure média. 

C'est bien trop court pour capturer un cycle d'achat premium qui peut s'étaler sur plusieurs mois. 

Le test s'arrête bien avant d'avoir pu mesurer l'impact réel à long terme, conduisant mécaniquement à sous-évaluer l'impact réel.

Le "Spillover effect" (effet de débordement) 

Les clients des marques premium ou de luxe sont souvent mobiles. 

Une publicité peut être vue sur un téléphone à Londres, un site parcouru via un VPN depuis un hôtel à Milan, et un achat finalisé dans une boutique parisienne. 

Les tests géographiques peinent considérablement à réconcilier cette réalité.

La bien-nommée Zero-Party Data

Une autre approche pour tenter d'y voir plus clair dans votre attribution marketing consiste à réaliser des enquêtes directement auprès des clients pour comprendre ce qui a réellement motivé leur achat.

Cette attribution déclarative semble à première vue être une alternative concrète et solide face aux boîtes noires de l'attribution data-driven des plateformes.

Malheureusement, cette alternative présente elle aussi ses limites : 

La significativité statistique

Le nombre et la variété de profils des répondants sont-ils suffisamment représentatifs de l'ensemble de vos clients ?

L'erreur fondamentale d'attribution 

Celle-là même à laquelle nous avons consacré un chapitre et qui met à mal la fiabilité des réponses des personnes sondées.

Dès lors, la significativité statistique importe peu, car les répondants surestiment le poids de leurs actions individuelles par rapport à celui des facteurs externes qui ont réellement influencé leur décision.

Et si la triangulation était la solution ?

De nouvelles approches ont émergé depuis plusieurs années pour tenter de répondre aux questions que la plupart des membres de la C-suite se pose.

Parmi les plus récentes, souvent présentée comme l'avenir de la mesure : la "Triangulation" ou "Suite of Truth" (vous m'en direz tant).

Le principe consiste à superposer et réconcilier trois approches complexes :

Le Marketing Mix Modeling (MMM) pour la vue d'ensemble 

Le MMM analyse les grandes masses budgétaires et historiques pour comprendre l'impact global de vos investissements sur les ventes (une analyse qui part du général vers le particulier).

La Multi-Touch Attribution (MTA) pour le parcours individuel

Elle tente de reconstituer le cheminement précis de chaque acheteur, interaction par interaction, même si la disparition progressive des traceurs de navigation (les fameux cookies) rend cet exercice de plus en plus illusoire.

Les Conversion Lift Studies (ou tests d'incrémentalité) pour mesurer le gain réel 

Ces expérimentations en conditions réelles servent de juge de paix pour isoler ce qu'une campagne a véritablement rapporté, permettant ainsi de corriger les erreurs d'interprétation des deux modèles précédents.

Le problème dans tout ça, c'est que le fait d'empiler trois modèles statistiques complexes, tous structurellement imparfaits, ne génère pas pour autant une source de vérité absolue, mais bien souvent une usine à gaz onéreuse et difficilement lisible.

Aussi sophistiqués soient-ils, ces modèles de triangulation se nourrissent toujours de données initiales tronquées.

L'équation est implacable : appliquer des mathématiques de pointe à des données incomplètes donnera toujours un résultat incertain.

Ces algorithmes restent par nature aveugles à des éléments pourtant déterminants dans les parcours d'achat : les recommandations des pairs, l'influence de figures d'autorité, les discussions privées et les émotions intimes, par nature insondables et bien souvent irrationnelles, qui participent à la désirabilité d'un produit ou d'une marque.

Le paysan et le financier

L'attribution marketing parfaite est une chimère. 

C'est une problématique d'une complexité vertigineuse, et la solution réside peut-être dans le fait d'accepter cette part d'incertitude.

Plutôt que de s'épuiser à chercher une vérité absolue dans des modèles statistiques toujours plus opaques, une approche pérenne consisterait à concilier deux postures complémentaires : le pragmatisme du bon sens paysan et la rigueur d'une vision financière.

Le bon sens paysan au service du marketing, c'est l'intuition forgée par la connaissance intime de votre marché et de votre produit. 

C'est accepter qu'une part essentielle des décisions marketing doit reposer sur des convictions qualitatives et empiriques. Il s'agit de comprendre les codes de votre audience, de savoir où capter son attention de manière organique ou payante, et d'admettre que la désirabilité ou l'émotion ne se mettent pas en équation.

L'impact de ce travail d'image échappera toujours en partie aux outils de tracking traditionnels.

C’est précisément pour cette raison que l'approche financière intervient alors comme le garde-fou indispensable de cette intuition. 

On oublie les vanity metrics d’engagement et les ROAS biaisés des plateformes publicitaires pour se concentrer sur l'essentiel : le P&L.

La question n'est plus de savoir précisément combien de ventes un canal spécifique revendique, mais d'observer l'impact macroéconomique de vos arbitrages. 

• Que se passe-t-il concrètement quand vous modifiez significativement vos investissements publicitaires ou votre stratégie média ? 
• Les revenus incrémentaux liés aux nouveaux clients progressent-ils ? 
• La marge de contribution globale suit-elle ?

Le marketing dans des secteurs à forte valeur ajoutée ne se pilote pas au pixel près, mais à l'équilibre. 

Naviguer sereinement sous cet épais nuage de données demande d'allier la finesse de compréhension de son marché à la froideur des résultats financiers. 

La vérité absolue ne se trouve pas dans la somme de vos dashboards publicitaires ; elle s'observe dans la croissance saine et pérenne de votre rentabilité.