Qu’est-ce qu’un modèle d’attribution dans le marketing numérique

Chaque année aux États-Unis, les entreprises dépensent près de 200 milliards de dollars en efforts de marketing numérique, faisant de ce segment l’une des industries les plus importantes du pays et le classant parmi les dépenses les plus importantes pour les entreprises américaines.

Avec des sommes aussi importantes investies dans des campagnes de marketing, il est plus important que jamais que les entreprises tirent autant de valeur de chaque dollar de marketing qu’elles dépensent. Pour ce faire, le mieux est d’utiliser un modèle d’attribution marketing, qui permet de quantifier dans quelle mesure chaque point de contact du parcours client contribue aux conversions finales.

L’attribution marketing est un élément indispensable de la publicité numérique

Alors que de nombreuses entreprises consacrent une part importante de leurs coûts totaux au marketing, l’industrie généralisée estime que moins d’un tiers de toutes les entreprises utilisent actuellement l’attribution marketing peut constituer une grande surprise.

Le simple fait est que sans une sorte de modèle d’attribution, les spécialistes du marketing volent complètement à l’aveugle, n’ayant aucun moyen d’estimer avec précision quels éléments d’une campagne marketing mènent à des conversions réelles, à la qualification de prospects ou à la création de la demande. Et bien que tout le monde puisse utiliser des métriques de vanité, telles que les likes, les partages ou les taux de clics sur les réseaux sociaux, ces moyens d’attribution primitifs se sont avérés peu fiables au mieux et les coûts nets au pire. Une grande étude a révélé qu’il n’y avait aucune corrélation entre les taux de clics et les conversions. Il n’est pas étonnant que 43% des responsables marketing disent que la détermination du retour sur investissement est leur défi numéro un.

Certains points de contact sont plus significatifs que d’autres

Une approche naïve pour créer un modèle d’attribution marketing peut impliquer simplement de regarder le dernier arrêt du parcours du client avant qu’une vente ne soit conclue. Il s’agit d’une méthode brute qui est rarement optimale, même pour les entreprises les plus simples. Mais pour les entreprises avec un cycle de vente plus long, cela peut être pire qu’inutile.

Supposons, par exemple, qu’une vente d’un module complémentaire logiciel ait été effectuée directement après qu’un client a cliqué sur un e-mail de soutien. Un spécialiste du marketing suivant une approche naïve pourrait attribuer complètement la vente à l’e-mail en question. Cependant, cela peut être radicalement trompeur.

Dans ce cas, il est possible que le client ait déjà pris la décision d’acheter le module complémentaire avant l’e-mail et que sa réception ait simplement servi de rappel pratique, l’invitant à cliquer et à effectuer l’achat. De plus, si le spécialiste du marketing ne fait pas attention à la façon dont il définit ses objectifs, il peut confondre ce client existant, qui est très avancé dans le parcours client, avec d’autres prospects qualifiés qui n’ont peut-être même pas acheté le logiciel sous-jacent pour lequel le -on est vendu. Dans chaque cas, le modèle d’attribution utilisé par le spécialiste du marketing est susceptible de surestimer considérablement la valeur réelle des e-mails nourriciers, ce qui pourrait conduire à une allocation extrêmement médiocre de ressources marketing limitées.

Un autre scénario concerne les entreprises qui consacrent une grande partie de leur budget marketing à la génération de prospects vers le haut de l’entonnoir de vente. Si un prospect a été exposé à plusieurs canaux publicitaires en ligne et qu’il recherche ensuite le site d’une entreprise via Google ou saisit l’URL directement dans la barre d’adresse, une approche naïve peut attribuer complètement la visite à une recherche organique alors qu’en fait, il s’agit de très clairement pas une attribution précise de la valeur réelle pour conduire le client sur le site.

Quelques modèles d’attribution multicanaux réels

Le fait est que les entreprises qui utilisent plusieurs canaux de marketing ont besoin d’un moyen de déterminer la valeur relative de chacun. Cela ne peut être fait qu’en utilisant une forme de modèle d’attribution rigoureux.

Il existe de nombreuses formes différentes de modèles d’attribution. Cependant, plus ils sont granulaires, plus ils ont tendance à transmettre des informations exploitables.

Le modèle d’attribution qu’un spécialiste du marketing choisira finalement d’utiliser dépendra de plusieurs variables, y compris leur budget, leurs compétences et la sophistication de leur approche marketing.

Le modèle d’attribution au premier contact

Les modèles d’attribution au premier contact attribuent 100% de la vente au premier point auquel le client est entré dans l’entonnoir de vente.

Si un client a cliqué sur une publicité Facebook, puis a interagi 10 fois avec le matériel marketing de l’entreprise, effectuant finalement un achat après avoir cliqué sur un e-mail de soutien, la vente sera entièrement attribuée à l’annonce Facebook d’origine.

Les modèles d’attribution au premier contact présentent l’avantage d’une extrême simplicité, chacun pouvant facilement en configurer un. Cependant, ils ne conviennent généralement qu’aux entreprises qui ont tendance à avoir des parcours clients très courts ou à des situations où les spécialistes du marketing ne sont intéressés que par des benchmarks haut de gamme, tels que la création d’autant de prospects qualifiés que possible.

Bien que l’attribution de premier contact ne soit pas appropriée en tant qu’outil unique pour la plupart des applications marketing, elle peut être utile pour peaufiner les stratégies de marketing haut de gamme, même pour les entreprises ayant des parcours clients complexes ou plus longs.

Attribution au dernier contact

L’attribution au dernier contact est l’inverse de l’attribution au premier contact: elle ne prend en compte que le dernier point de contact qu’un client a effectué avant d’effectuer un achat.

L’attribution au dernier contact est le modèle le plus populaire auprès des spécialistes du marketing, servant de paramètre d’attribution par défaut dans Google Analytics. Elle a tendance à être plus utile que l’attribution au premier contact, car elle met en évidence les points de l’entonnoir de vente qui mènent directement aux ventes. Cependant, il manque encore gravement de granularité, manquant de nombreuses informations critiques sur le parcours du client.

Cela dit, lorsqu’il s’agit d’optimiser une campagne pour les conversions plutôt que pour la génération principale de demande, la méthode de la dernière touche est assez efficace. Pour les spécialistes du marketing qui n’ont peut-être pas beaucoup de temps et d’argent à consacrer à la modélisation d’attribution, le modèle last-touch offre beaucoup pour leur argent, fournissant des informations assez puissantes tout en restant aussi simple que possible.

Attribution linéaire

L’attribution linéaire ou pondérée est la première étape vers des modèles d’attribution plus sophistiqués.

Contrairement aux modèles à simple contact, l’attribution linéaire peut prendre en compte tous les points de contact du parcours client. Cela peut donner aux spécialistes du marketing une compréhension beaucoup plus nuancée de la dynamique en jeu dans une stratégie marketing, en voyant les façons dont les ventes sont créées à partir d’une longue chaîne d’événements plutôt que de les considérer comme une action client isolée.

Un modèle d’attribution linéaire peut donc fournir une image beaucoup plus réaliste du processus marketing. Et ce n’est pas beaucoup plus difficile à configurer ou à utiliser qu’un modèle à une seule touche. Cependant, les informations fournies par un modèle d’attribution linéaire sont souvent encore assez limitées par rapport aux approches plus sophistiquées.

Comme il n’est pas possible de pondérer des points individuels tout au long du parcours client, le modèle d’attribution linéaire est nécessairement une abstraction grossière de ce qui se passe réellement. Cela peut être beaucoup plus utile pour les spécialistes du marketing qui travaillent avec des entonnoirs de vente volumineux ou profonds. Mais il fait encore défaut par rapport aux approches plus nuancées.

Modèles d’attribution pondérés

Pour les spécialistes du marketing qui cherchent vraiment à obtenir des informations utiles sur la dynamique de leurs stratégies marketing, l’utilisation d’une forme de modèle d’attribution pondérée sera une exigence minimale.

Il existe un certain nombre de variantes sur le thème de l’attribution pondérée, y compris les modèles de décroissance temporelle, les modèles en forme de U et les modèles en forme de W. Mais ce que chacun a en commun, c’est que différents points de contact sur le parcours client se voient attribuer des pondérations uniques. Cela peut aider les spécialistes du marketing à construire une image très détaillée de ce qui fonctionne exactement, de ce qui ne fonctionne pas et du degré d’ampleur auquel chaque canal marketing contribue à la création de la demande, à la qualification des prospects et aux conversions ultimes.

Le véritable avantage des modèles à contribution pondérée est qu’ils permettent aux spécialistes du marketing de comprendre exactement ce que chaque canal contribue. Par exemple, certains spécialistes du marketing ont tenté d’utiliser la publicité Facebook pour des conversions finales en ventes avec des résultats médiocres. Mais ces spécialistes du marketing ont découvert plus tard que Facebook était, en fait, un excellent moyen de générer des prospects, permettant à ces spécialistes du marketing de peaufiner leurs campagnes de manière à tirer parti des atouts naturels de Facebook à cette fin.

Le principal inconvénient des modèles d’attribution pondérée est qu’ils nécessitent des compétences, des connaissances et du temps réels pour produire des résultats utiles. Cependant, pour les spécialistes du marketing soucieux de maximiser le rendement de leurs dépenses publicitaires, il s’agit de l’approche minimale qu’ils devraient adopter.

Modèles d’attribution algorithmique

Le lecteur avisé a peut-être deviné où la sophistication croissante de la modélisation décrite jusqu’à présent mène finalement: les approches basées sur l’apprentissage automatique.

Également connue sous le nom de modélisation d’attribution algorithmique, l’utilisation de l’apprentissage automatique pour optimiser les dépenses publicitaires est l’état actuel de l’art en matière d’attribution pour le marketing numérique. En raison des vastes quantités de données très précises générées au sein de la pile technologique de marketing moderne, l’attribution du marketing numérique est précisément le type de problème qui se prête le mieux à la résolution grâce à l’apprentissage automatique et à d’autres techniques avancées de statistique et d’exploration de données.

Les avantages de l’apprentissage automatique sont assez évidents: l’utilisation sophistiquée de méthodes statistiques avancées fournira les informations les plus puissantes possibles, donnant à toute entreprise capable de rassembler de telles ressources un avantage considérable sur ses concurrents moins informés.

Le principal inconvénient est que l’utilisation de ces méthodes nécessite souvent des compétences spécialisées avancées et qu’il est préférable de la laisser à des spécialistes des données formés. Alternativement, des solutions d’entreprise telles que Google Analytics 360 peuvent être utilisées. Cependant, avec des étiquettes de prix à six chiffres, ces outils sont pour la plupart hors de portée des petites et moyennes entreprises.

Impliquez les experts

Chez Gal-agency , nous croyons qu’il faut aller au-delà des simples analyses de base. L’accès aux données dont vous avez besoin pour tirer parti des points forts et filtrer les points faibles doit inclure la mise en place d’un modèle d’attribution approprié. Contactez-nous aujourd’hui si vous ne savez pas par où commencer ou si vous avez besoin d’une équipe d’experts en marketing pour vous aider à passer au niveau supérieur!

Partager :

Partager sur facebook
Facebook
Partager sur twitter
Twitter
Partager sur pinterest
Pinterest
Partager sur linkedin
LinkedIn

Add a Comment

Your email address will not be published. Required fields are marked *

Articles similaires

Shopping Basket