livre blanc attribution management : entre technologie, marketing et statistique

1Juillet 2015Livre Blanc – Attribution Management

en collaboration avec

Attribution ManagementEntre technologie, marketing et statistique,

comment appliquer et tirer parti de l’attribution

Juillet 2015

LIVRE BLANC


Préface

► Converteo et Adversitement, sociétés de conseil et services spécialisées en mesure et amélioration de l’efficacité

marketing, ont conjointement élaboré ce livre blanc pour éclairer les annonceurs sur une discipline souvent

évoquée dans le monde de l’investissement media mais très mal maîtrisée : l’Attribution Management.

► Adopter et mettre en œuvre une politique d’attribution est aujourd’hui plus que jamais nécessaire :

● La multiplication des points de contact et du nombre de canaux d'acquisition digitaux reliant le consommateur

aux marques/enseignes a rendu les parcours d’achat plus complexes que jamais à analyser

● La concurrence féroce sur internet renchérit les coûts d’acquisition de nouveaux clients et de fidélisation des

anciens, l’optimisation des investissements media devient une nécessité vitale pour les marques

● La simple augmentation des budgets media ne suffit plus à générer un surcroit de notoriété ou de revenus, il

faut entrer dans l’ère de la micro-optimisation pour faire mentir John Wanamaker !

► L’attribution management permet d’apporter des réponses aux questions suivantes :

● Quels sont mes leviers marketing les plus efficaces ?

● Comment allouer mon budget marketing pour gagner en efficacité ?

► Mais attention à l’utiliser avec le recul nécessaire !

« Half of my marketing budget is wasted, I just don’t know which half »

John Wanamaker

Stéphane Gendrel – Managing Director, Adversitement

Raphaël Fétique – Directeur Associé, Converteo


Sommaire

1. Introduction 4

2. Les principes clefs de l’attribution 7

3. Les limites techniques de l’attribution 27

4. Méthodologie d’un projet d’attribution management 39

5. Les éditeurs de solutions d’attribution management 44

6. Les acteurs de votre transformation digitale et cross-canal 48

7. Bibliographie 55


Introduction

1


Les annonceurs n’ont pas tous le même niveau de maturité

face aux enjeux de l’attribution

Aucune connaissance

en source de trafic ou

attribution

Partition du trafic par

source

Prise de conscience

des problématiques

d’attribution

Modèles d’attribution

personnalisés

Prise en compte de

l’offline

Intégration progressive des

données Offline (budgets,

conversions, interactions)

► Modèles de contribution

sur la base d’analyses

statistiques et

économétriques

► Adoption d’outils dédiés à

l’attribution et au calcul

d’une contribution sur la

base d’un scoring en

temps réel

Analyse du trafic entrant

selon des modèles

multitouch

► Analyse et reporting selon

des modèles d’attribution

« mutlitouch »

► Intégration du post-view

dans les outils de web-

analyse

► Prise en compte des

dynamiques d’engagement

en plus de a conversion

Les limites du parti pris

« last-click » sont identifiées,

prise de conscience de

l’attribution

► Le suivi en « last click » est

opérationnel mais le ROI

de l’acquisition stagne ou

baisse

► Ni les canaux précurseurs

ni le post-view ne sont pris

en compte

Prise de conscience de la

nécessité d’une analyse du

trafic dissociée par source

► Création d’une

nomenclature de taggage

claire et pérenne par

canal, source, campagne,

…

► Aucune analyse

d’attribution

Analyse basique de son

trafic entrant sans

distinction claire des

sources

► Décompte d’un trafic et

d’un nombre de pages

vues, de visites, de

visiteurs sans se soucier

de la provenance des

visites

Niveau 1 – 5% des marques

Niveau 2 – 40%

Niveau 3 – 40%

Niveau 4 – 15%

Niveau 5 – < 1%


La réalité de l’attribution management : des défis restent à relever

Les annonceurs avisés luttent

toujours pour mettre en action les

plans d’attribution

La conduite du changement reste un

challenge

Le déploiement d’un outil d’attribution ne garantit

pas sa parfaite exploitation par l’entreprise.

De nombreux obstacles entrent en jeu :

La conviction des personnes en charge de

son exploitation au quotidien

La compréhension des modèles

analytiques/statistiques par les décideurs

L’intégration des résultats dans les

systèmes d’achats media

Seulement 14% des annonceurs

estiment que le last-click est une

méthode efficace d’attribution

Pourtant, plus de 50% continuent de

l’utiliser

La réticence vis-à-vis de l’abandon des

méthodes d’attribution classiques dans la

mesure de l’impact du cross-canal est due en

partie à :

La fragmentation de la market-place des

vendeurs :

• Les prestataires de data management

• Les prestataires de web analytics

• Les spécialistes d’attribution

• Les plateformes d’achat media


Les principes clefs

de l’attribution

2


Le multitouch


Qu’est-ce que le multitouch, quel intérêt ?

► La diversification des canaux marketing (online et offline) a fortement complexifié la compréhension

des comportements clients et donc le pilotage des investissements marketing et media.

► Un client ou prospect a, aujourd’hui, majoritairement tendance à entrer plusieurs fois en contact

avec une marque avant de réaliser un acte qualifié de conversion.

► Le multitouch vise à identifier le client ou prospect de manière unique tout au long de sa relation

avec une marque, dans le but d’obtenir une vision globale et exhaustive du parcours l’ayant mené à

une conversion.

Conversion


Analyse d’un parcours client sans multitouch

► Un internaute revenant plusieurs fois sur un site et via plusieurs supports est compté

plusieurs fois

► Le plus souvent, la vente est « attribuée » au dernier support utilisé par le visiteur

avant la conversion (modèle « last-click wins »)

Campagne

display RTB

Recherche « Ecran

LCD en promo »

Recherche

« Cdiscount LCD »

Visite directe

Sans multitouch

SEO


Analyse d’un parcours client avec multitouch

► Un internaute revenant plusieurs fois sur un site et via plusieurs supports est considéré

comme un seul et unique client ou prospect

► La mesure du multitouch permet de prendre en compte l’ensemble des supports

marketing et leurs différents rôles dans la génération d’une conversion

Campagne

display RTBRecherche « Ecran

LCD en promo »

Recherche

« Cdiscount LCD » Visite directe

Avec multitouch

SEO

VisiteAffichage bannière Visite Visite

Visite

Client 1 Client 2


L’attribution


Le multitouch permet la mise en place de stratégies

d’attribution et de déduplication efficaces

Différences avec la

déduplication ?

► La déduplication est une stratégie de

rétribution des leviers marketing en fonction de

leur niveau d’apport de valeur au sein d’un

processus de conversion. Elle peut être

réalisée en temps réel ou a posteriori.

► C’est un moyen « rationnel » de dédupliquer

les investissements media fonctionnant au CPA

en cherchant principalement à ne payer qu’une

fois la commission d’apport d’affaires.

Qu’est-ce que

l’attribution ?

► Méthode d’analyse de la performance des

canaux consistant à fractionner une conversion

à hauteur de la contribution de chaque levier

► L’attribution tente d’évaluer de manière

« juste » la performance des différents canaux

dans le cadre d’une analyse multi-touch

Ces deux procédés sont complémentaires dans l’optimisation d’un budget media

Avant tout, différencions deux concepts proches mais ayant des objectifs différents :


► On retient d’un match de football essentiellement les prouesses des buteurs. Toutefois, ces buteurs

n’auraient pas réussi à marquer sans l’aide de leurs co-équipiers, qui leur ont fait des passes.

► Afin de définir une stratégie de jeu efficace :

L’entraineur doit comprendre le rôle de chaque membre de son équipe afin de définir la combinaison la plus

efficace

La finalisation des actions offensives (le but, la conversion) ne doit pas être le seul critère d’évaluation pour

l’ensemble des membres d’une équipe

Une compréhension fine de l’efficacité de chaque membre de l’équipe (en fonction du rôle qui lui est attribué),

permet d’identifier une stratégie de jeu efficace ; afin de valoriser les passeurs, les défenseurs, le gardien, et

ainsi obtenir une stratégie gagnante

Faisons un parallèle avec le football

La grande majorité des outils de mesure, et notamment Google Analytics, ne prend pas,

par défaut, en compte ce concept. Ils attribuent la conversion à 100% au dernier canal

ayant généré la conversion : le buteur.


La définition d’une stratégie d’attribution

► Les stratégies d’analyse d’attribution diffèrent d’un secteur à un autre, et d’une marque à l’autre. Par

exemple :

● Les secteurs à long cycle de vente (voyage, immobilier, automobile,…) ont besoin de collecter des données de leurs

clients sur une durée supérieure à 6 mois avant de penser à appliquer un modèle d’attribution

● Les acteurs d’autres secteurs à cycle de vente court (la mode) peuvent collecter leurs données sur des courtes durées, et

donc potentiellement penser à investir dans des analyses d’attribution

● Le cycle d’achat online de la mode dure en moyenne 28 jours et comprend 8 à 10 requêtes sur 8 sites différents

► 3 dimensions permettent d’assurer une bonne adéquation entre la stratégie d’analyse d’attribution et

les spécificités de chaque marque et de son marché :

► Enfin, un modèle d’attribution, soit l’ensemble de règles permettant d’attribuer totalement ou

partiellement une conversion à respectivement un ou plusieurs canaux y ayant contribué, peut être

identifié.

La fenêtre d’attributionLe retraitement de la

donnéeLa life time value

► Durée de la période précédant la

conversion

► Elle détermine ainsi, grâce au

dépôt des cookies sur le support

du visiteur, l’historique des

contacts avec la marque

► Les leviers précédant la fenêtre

d’attribution ne sont pas pris en

compte dans le cadre de l’analyse

d’un parcours ayant généré une

conversion

► Alors que l’approche multitouch

vise la prise en compte de

l’ensemble des interactions entre

une marque et ses

clients/prospects, dans le cadre

d’une stratégie d’attribution,

l’exclusion ou le retraitement de

certaines données peut être

nécessaire afin d’optimiser les

analyses

► Il est possible de reconsidérer la

valeur / l’intérêt d’une conversion

en fonction du potentiel d’achat

futur du consommateur : la notion

de life-time-value est essentielle

pour juger de la rentabilité des

investissements media et des

efforts commerciaux réalisés en

acquisition.

► L’attribution se doit du coup

d’utiliser la life-time-value.


La définition d’un modèle d’attribution multitouch

Il n’existe pas de modèle d’attribution multitouch parfait !

► Un modèle d’attribution multitouch est souvent défini à partir de partis pris, de « points de vue » purement

marketing et analytics censés expliquer de manière juste la performance des canaux, dans le cadre d’un business

model et du contexte particulier d’une marque

► Les principaux modèles d’attribution multitouch :

N-3 N-2 N-1 N N-3 N-2 N-1 N

N-3 N-2 N-1 N N-3 N-2 N-1 N

40% 40% 40%

40%

10% 10%

10%

10%

20%

20%

30%

30%

25% 25% 25% 25%

Modèle en U Modèle progressif

Modèle dégressifModèle linéaire


Comment définir un modèle d’attribution ?


Quelques analyses permettant de définir le meilleur modèle

d’attribution

Evaluer le nombre de points de contact moyen avant

conversion (peut varier par produit / période)

Analyser les chemins de conversion « bout-en-bout » pour

identifier le rôle des leviers de trafic

Tester la sensibilité de chaque levier à différents modèles

d’attribution des conversions

Evaluer les parcours qui convertissent le moins bien pour

isoler les leviers à faible performance

1/

2/

3/

4/

Quatre typologies d’analyses multitouch permettent de développer la connaissance des

interactions d’une marque avec ses clients et prospects dans le but de définir le modèle

d’attribution le plus adapté au pilotage des budgets media d’une marque


► L’évaluation du nombre de points de contact moyen pour une conversion est un préalable à

la compréhension des parcours et l’adoption d’un modèle d’attribution

► Il permet notamment :

● De justifier le besoin d’une analyse d’attribution

Si le nombre de « points de contact » avant conversion est proche de 1, il est inutile d’envisager

l’adoption d’un modèle d’attribution sous l’angle « multitouch »

● D’évaluer la complexité du modèle d’attribution

Plus le cycle d’achat est long et plus le modèle d’attribution sera complexe

Evaluation du nombre de points de contact moyen avant

conversion (peut varier par produit / période)


Analyser les chemins de conversion « bout-en-bout » pour

identifier le rôle des leviers de trafic

► Tout l’intérêt d’une analyse multitouch consiste ainsi à comprendre à quelles étapes du processus

d’achat est-ce que les différents leviers sont le plus déterminants

● Découverte de la marque

● Engagement supplémentaire

● Conversion

► Cela passe notamment par l’analyse de la succession des points de contact ayant mené à la

conversion et ce, pour tous les visiteurs du site

%

%

%

%

EXPOSITION VISITE IMPLICATION CONVERSIONEXPOSITION VISITE IMPLICATION CONVERSION

Support

4

Support

1

Support

3

Support

4

Support

2

Support

2

Support

3

Support

2

Support

1

Support

1

Support

4

Support

3

Support

1

Support

1

Support

2

Support

4


Tester la sensibilité de chaque levier à différents modèles

d’attribution des conversions

Modèle

en U

Modèle

linéaire

Modèle

progressif

0% 20% 40% 60% 80% 100%

++

--

-

/

- ++

++++

► N.B. : les modèles d’attribution

reposent sur les mêmes critères

de choix que les modèles de

rétribution

► La compréhension du rôle et de

la place « moyenne » de chaque

support passe aussi par des

tests de sensibilité à chaque

modèle

► L’évolution à la hausse ou à la

baisse de la contribution des

supports à la conversion en

fonction des modèles permet en

effet de faire des hypothèses

fortes sur le positionnement

moyen et donc le rôle de chaque

levier

Contribution des leviers aux conversions


Evaluer les parcours qui convertissent le moins bien pour isoler

les leviers à faible performance

► Enfin, lorsque l’on souhaite optimiser ses budgets e-marketing, il faut bien sûr optimiser ce qui

marche, mais aussi détecter et couper ce qui ne marche pas ou ne contribue pas suffisamment à

l’effort global

► Il est ainsi nécessaire de remettre en question les points de contact

● souvent présents dans les parcours de visites…

● … mais qui n’aboutissent que trop rarement à une conversion

► Ceci peut être fait en comparant la composition des parcours ayant une faible probabilité de mener

à une conversion, à ceux ayant une plus forte probabilité

Conversion ?


La prise en compte de l’engagement dans un modèle d’attribution

► Un modèle d’attribution peut être affiné par la prise en compte d’actions « engageantes » pouvant

être effectuées au cours de chaque visite par les clients ou prospects, telles que :

• La consultation de plus d’une page produit

• L’inscription à une newsletter

• La création d’un compte client

• L’ajout d’un produit au panier

► Ces actions viennent renforcer ou, au contraire, diminuer la contribution de chaque touch au sein

d’un modèle d’attribution déterminé (exemple ci-dessous avec un modèle linéaire) :

N-3 N-2 N-1 N

25% 25% 25% 25%

Modèle linéaire Toute la difficulté réside dans la définition du niveau de

pondération (+ ou - X%) en fonction de chaque action.

Ce type de modèle, à l’image de l’ensemble des modèles

descriptifs, peut souffrir de la détermination arbitraire de

l’incrémentale de contribution de la touch ayant généré

une visite à fort engagement.

Est-ce que l’inscription à la newsletter est deux fois plus

intéressante que l’ajout au panier ? Est-ce que cette

inscription a vraiment un impact sur la conversion ?

Cette démarche a toutefois l’avantage d’intégrer la réalité

de l’expérience utilisateur pour pondérer l’impact des

canaux.


Les modèles d’attribution statistiques


Les modèles statistiques comme moyen de dépasser les

limites des modèles descriptifs

Pour bien comprendre les limites des modèles descriptifs, nous pouvons encore comparer facilement une conversion

au fait de marquer un but.

Chaque fois qu’un joueur touche le ballon, nous avons un touchpoint. Nous avons ainsi des séries de passes

qui amènent ou non un but.

► Dans les modèles descriptifs, nous l’avons vu, c’est la position dans la série de passes ou les actions réalisées par

le joueur qui déterminent son poids dans la conversion (marquer un but). Par exemple :

● Dans le modèle last-click, seul le buteur est valorisé

● Dans le modèle linéaire, tous les joueurs ayant touché le ballon seront valorisés de manière équivalente

● Dans le modèle avec engagement, le joueur ayant réalisé un contrôle du ballon, un drible, une grande course

vers l’avant, décalage dans la défense adverse… aura un poids considéré supérieur à celui qui s’est contenté

de faire une seule passe

► Les modèles descriptifs passent ainsi à côté de certains éléments pourtant clefs par leur dimension prédéfinie :

● Les complémentarités entre joueurs ne sont pas valorisées : si deux joueurs sont très complémentaires, les

modèles descriptifs ne permettront pas de le mettre en lumière

● Le buteur inscrit parfois des buts très faciles à marquer (la contribution au but du buteur est inférieure à celle

du passeur par exemple qui a offert le but sur un plateau…) alors que parfois son rôle est essentiel

● Qu’importe la composition de l’équipe, sa disposition ou le niveau de l’adversaire, la manière de valoriser les

joueurs et leur apport reste le même, ce qui est une vision très/trop simplifiée

Les modèles statistiques visent donc à distribuer la valeur de la conversion en fonction d’un poids calculé pour chaque

levier sur base d’une contribution à la conversion : le poids d’un levier est d’autant plus élevé que ce levier est

important (au sens que son absence ou sa substitution rendrait la conversion moins probable).


► Les démarches d’apprentissage (machine learning en anglais) consistent a confier à des algorithmes le soin de

déterminer la contribution de chaque canal sur la base des comportements passés.

● Le postulat de départ est que tous les canaux ont les mêmes chances de contribuer à une conversion : ni leur position

dans le parcours de conversion, ni les actions de l'utilisateur ne sont a priori plus importantes

● En analysant les données passées, l’algorithme va tester toutes les dimensions qu’on lui confie pour déterminer

lesquelles sont importantes : position dans la chaîne, nature et nombre des actions réalisées dans la visite, nature de la

source, nature du device, source précédente, source suivante, jour, heure, temps entre deux sources, météo, ville…

● Peu à peu, l’algorithme va identifier des dimensions importantes pour une future conversion et d’autres a contrario

moins importantes. La démarche passe notamment par la réalisation de milliers de tests A/B visant à déterminer si la

présence d’un canal ou d’une action dans une chaine par rapport à une autre quasi-identique augmente ou diminue la

chance de convertir.

● Cet apprentissage permet à la fois de déterminer un score de contribution pour chaque entrée, base pour proposer un

reporting fin aux décideurs marketing, mais également pour prévoir les conversion futures. On parle alors de marketing

prédictif.

► Par exemple, dans le cas du football, sur une situation de but donnée, si n’importe quel joueur en position de buteur

inscrit ce but, alors nous aurons déterminé que la contribution du buteur sur ce but semble faible. A contrario, si un

seul joueur de l’équipe parvient à marquer le but, alors sa contribution semble maximale sur ce but.

► Il est par contre très difficile d’expliquer à son management le

concept d’algorithme d’apprentissage et encore plus difficile de

lui soumettre les résultats intermédiaires des algorithmes : des

arbres avec plusieurs millions de branches… largement plus

difficiles à présenter qu’une règle last-click ou linéaire.

L’approche statistique est plus juste, mais sa complexité limite

son adoption : la notion de « boite noire » est souvent évoquée.

Les équipes data science des éditeurs de solutions d’attribution management

se basent de plus en plus sur des algorithmes d’apprentissage

http://www.heinz.cmu.edu/ResearchSeminarSeries/MediaExposure.pdf


3

Les limites

techniques de

l’attribution


Les hypothèses prises précédemment sont simplistes…

La réalité est bien plus compliquée

Les défis majeurs de l’attribution sont liés à :

La reconnaissance de l’utilisateur unique sur

plusieurs dispositifs de connexion (multi-

device, multi-navigateur)

L’instabilité des cookies

La prise en compte des événements hors-site

(le post-view et le touch ou conversion offline)


La reconnaissance de l’utilisateur unique


Les cookies et l’identification client

► Un cookie est un petit fichier texte déposé sur le disque dur de l’internaute par le serveur du site

visité ou par un serveur tiers (régie publicitaire, service de web analytique, etc…).

► Un cookie d’identification est un cookie contenant un numéro unique – et anonyme –permettant

de reconnaître un visiteur au travers de ses différentes visites sur un voire plusieurs site(s).

► Toutefois, sur un plan technique, le cookie est propre à chaque navigateur utilisé. Il n’est pas

commun à plusieurs navigateurs sur un même machine et encore moins commun à plusieurs

dispositifs de connexion (smartphone, tablette, ordinateur personnel, etc.)

► En conséquence, en l’absence d’un identifiant unique permettant de faire la liaison entre les

cookies, un même utilisateur utilisant différents navigateurs sur différents dispositifs de

connexion est considéré comme autant de visiteurs uniques

► La conséquence pratique du point de vue de l’attribution marketing est que si le visiteur à

commencé son parcours de conversion sur un dispositif (tablette par exemple) et l’a terminé sur

un autre (ordinateur de bureau) par un achat, les deux expériences resteront disjointes

► La réconciliation des expériences reste donc un défi majeur de l’attribution

Cookies

ouou


La réconciliation des expériences disjointes

• Nous avons vu que le last-click ne prenait pas les leviers intermédiaires avant la conversion, ce qui

avait pour conséquence de réduire à néant toute possibilité d’optimisation des investissements media

• Une rupture de l’expérience utilisateur du fait d’un changement de dispositif produit quasiment les

mêmes effets !

On distingue 2 grands types d’approches pour remédier à ce problème d’identification et réaliser une analyse d’attribution

multi-device :

► Les méthodes déterministes :

On utilise une clé d’identification permettant d’associer un device à un utilisateur donné et de réconcilier les historiques de

navigation des différents appareils > Cette méthode est très fiable mais se heurte à la difficulté de collecter des identifiants

uniques pour une grande proportion d’utilisateurs

► Les méthodes probabilistes :

On collecte à chaque visite un très grand nombre d’informations sur les appareils, leur configuration et les comportements de

leurs utilisateurs, puis on utilise des modélisations mathématiques permettant d’associer chaque appareil à un utilisateur

donné > Ces méthodes – séduisantes intellectuellement – n'ont pas encore fait leurs preuves et rien ne dit que l'on pourra

arriver à un taux de reconnaissance satisfaisant

Exposition

SEONL

EmailingSEA Retargeting Conversion

Implication Décision


L’instabilité des cookies


Le nombre d’applications de webmarketing installées sur

les sites est exponentiel (elles le sont via des ’tags’ toujours

plus nombreux)

Chaque application cherche à identifier l’utilisateur par le biais d’un cookie propre.

Le nombre de cookies augmente également de

façon exponentielle

Des effets de bord apparaissent comme le

ralentissement du temps de chargement des pages et

l’expérience utilisateur s’en trouve perturbée

La méfiance sur les atteintes à la vie privée et l’environnement législatif incite de plus en plus les utilisateurs à bloquer ou

supprimer les cookies (‘cookie churn’).

La suppression des cookies entraine une mauvaise

reconnaissance de l’utilisateur et rend moins

efficace les applications de webmarketing ou d’analytics

La prolifération et l’instabilité des cookies

28%

des internautes européens suppriment

les cookies provenant des serveurs des

sites visités

4 fois par jour*

37% des internautes européens suppriment

les cookies tiers de serveurs

publicitaires

6 fois par jour*

*en moyenne

92% le taux d'acceptation des

cookies en Europe, d’après AT

Internet


Intégralité de l’expérience : Canaux et Evénements off-site ou

off-line


Qu’est ce que le post-view ?

► Les internautes sont sans cesse exposés à des

messages publicitaires : Bannières, Emails, Annonces

Adwords, Messages facebook etc. mais ils ne cliquent

que sur un nombre très restreint d’entre eux

► Toutefois, le simple fait d’être exposé à un message peut

influencer l’utilisateur et ainsi participer à une conversion

alors même qu’il n’y a pas eu de clic.

Prenons un exemple :

• Un utilisateur voit une bannière indiquant une

réduction de 40% sur un produit. Il ne clique pas

dessus mais mémorise l’information

• Le soir venu, il se connecte sur le site en tapant

l’adresse directement dans son navigateur et

achète le produit en question

► Dans cet exemple, l’élément déterminant de l’acte

d’achat est l’exposition à la bannière

► Le concept de « post-view » se rattache aux

comportements sur le site de l’annonceur des utilisateurs

ayant été exposés à des publicités mais n’ayant pas

cliqué dessus – c’est le concept jumeau du « post-clic »

x

Définitions

► Off-site : événements digitaux hors du site mesurés

(site de l’annonceur)

► Off-line : événements non-digitaux en relation avec la

marque de l’annonceur


Intérêts et problématiques du post-view ?

Expositions à

des messages

de la marque

(Views)Clics

Pourquoi faut il tenir compte du Post-View ?

► Les taux de clics restent faibles quel que soit le

canal utilisé :• Bannières : moins de 0,1%

• Emails : moins de 1%

• Liens sponsorisés : moins de 1%

► Aussi, si l’on ne tient compte que des clics dans

ses modèles d’attribution, on ne mesure pas

l’influence de la grande majorité des rencontres

avec la marque.

► Aujourd’hui, les taux de clic sur les formats display

et emailing nous laissent à penser que le post click

ne capture pas toute la contribution de ces leviers à

la conversion. L’intégration du post view permet d’y

remédier avec une lecture des impacts indirects :

par exemple, si un email ouvert non cliqué a

contribué à générer quelques heures plus tard une

visite en search.

Exemple graphique de la proportion Views / Clics.

Les expositions (views) sont infiniment plus

nombreuses

Post-view ou post-visibilité?

Une impression sur deux est visible

Une bannière visible n’est pas forcément vue. Il est en effet

possible que la bannière soit affichée sur plus de 50% d’un écran

pendant plus d’une seconde sans que l’internaute ne la voit.

Persistance des publicités vues (mais pas cliquées)

Une expiration plus courte que les clics

L’utilisateur n’ayant pas eu d’action volontaire, il est difficile de

considérer qu’une vue publicitaire persiste longtemps dans l’esprit

du visiteur. La durée de prise en compte sera donc moindre que

pour les clics (par ex. 2 jours contre 30 jours).

Pondération Views vs. Clics

Une nécessaire hiérarchie

Le simple fait de voir une publicité ne présente pas le même

caractère engageant que le fait de cliquer dessus. De plus, la

multi-exposition aux Views est importante. Autant d’éléments à

prendre en compte dans les modèles d’attribution pour éviter de

sur-pondérer les Views.

Identification de l’utilisateur off-site / on-site

Une réconciliation difficile

Les systèmes de diffusion publicitaires (Ad Servers, E-mailers …)

sont totalement séparés des systèmes de tracking Site-Centric.

Les cookies d’identification des visiteurs sont donc totalement

différents, aussi les solutions techniques pour relier les deux sont

elles compliquées à mettre en place de manière fiable. Les DMPs

et solutions apparentées sont un moyen de pallier à cette difficulté

(voir notre livre blanc sur les DMPs).


La prise en compte des canaux offline : la quadrature du cercle

► Mesurer l’effet des canaux offline

Dans la plupart des secteurs, la majorité des dépenses media s’effectue sur des canaux traditionnels : aussi de très nombreux

utilisateurs ne sont-ils pas devant un écran mais plutôt dans leurs canapés devant la TV ou en train de lire la presse, dans leur

voiture à écouter la radio ou à passer devant des affiches 4x3 … autant d’occasions de les solliciter via des publicités.

Or, pour ces canaux, point de cookies ou autres moyens d’identification ; la prise en compte de ces canaux dans les chaines

d’attribution se complique fortement.

► Comment mesurer les canaux purement offline ?

Autant le dire tout de suite, tout repose sur des méthodes statistiques, rien ne peut relier à coup sûr un quidam rêvassant

devant une affiche à un achat quelques heures plus tard dans un quelconque magasin de la même marque.

Et pourtant, dans un monde où tout doit être mesurable, ce ne sont pas les tentatives qui manquent. Voici quelques

expériences en la matière :

• ‘TV Attribution’, la plus avancée : un certain nombre de start-ups proposent des solutions de mesure de l’influence des

spots TV. En prenant pour base les heures de diffusion et la zone géographique d’influence de la chaine TV, elles arrivent

à détecter des augmentations de trafic sur les dispositifs digitaux. Elles indiquent même pouvoir poser des cookies

d’identification sur des internautes qu’elles auraient identifiés comme étant susceptibles d’avoir été influencés par les

spots TV.

• Affichage et Presse : aucune méthode fiable à l’horizon si ce n’est la bonne vieille technique de l’URL dédiée. Proposez à

vos lecteurs ou badauds une adresse spécifique de votre site, éventuellement assortie d’une promotion spécifique et vous

pouvez être quasi certains que les utilisateurs arrivant sur cette adresse ont été influencés par la publicité.

TV AFFICHAGE RADIO PRESSE BOUCHE-A-OREILLE


Le cross-canal : la difficile prise en compte des interactions

offsite ou offline

Prendre en compte l’intégralité de l’expérience utilisateur

Les conversions online se prolongent de plus en plus dans l’univers

physique quel que soit le modèle économique

► Ecommerce

• Modification / Annulation de commande

• Retour de produits

► Lead Generation (exemple : Banque / Assurance)

• Demandes finalisées via un service client

• Demandes de rendez-vous, d’échantillons etc.

Or, ces prolongements peuvent modifier les résultats économiques

dans une grande proportion (les demandes de crédit connaissent

des taux d’échec de plus de 50%). Si l’on veut mesurer les

interactions digitales sur la base des résultats effectifs, la

réintégration de ces données offline devient donc une nécessité.

Comment rattacher online et offline ?

Pour rattacher les deux mondes, il faut disposer d’un identifiant

unique qui soit disponible dans les deux systèmes.

Le plus souvent, on peut prendre un numéro de commande ou

alors un numéro de client.

La Conversion débutée online et achevée offline

A820153 A820153

SEA SEO AFF

ONLINE OFFLINE

Clé de liaison (ID client ou ID commande)

Le Graal : la vue unifiée du consommateur

► Les interactions des utilisateurs sont depuis longtemps

mesurées et stockées dans des bases de données stockant

les informations des consommateurs : les bien connues Bases

CRM.

► A partir du moment où un identifiant unique permet de faire le

lien entre interactions online et offline, il est possible de

réconcilier les deux univers et d’obtenir une carte relativement

exhaustive des actions des clients et/ou prospects. Ces

identifiants peuvent être une adresse email, un ID utilisateur

ou un login.

► A partir de cette clé, il devient possible de créer un référentiel

unique des actions des utilisateurs et de les rassembler dans

un entrepôt de données où des traitements statistiques

avancés permettront aux directions commerciales, marketing

et CRM de mieux connaitre chaque utilisateur sur tous ses

points de contact avec la marque.

► La focalisation n’est alors plus sur un acte d’achat isolé et sur

ce qui l’a permis mais bien sur tout l’historique des actions. On

peut alors piloter son marketing sur l’indicateur ultime de

‘LIFETIME CUSTOMER VALUE’


Méthodologie projet

Attribution Managementpar Adversitement & Converteo

4


Une méthodologie synthétique en 3 temps pour maîtriser l’attribution

1. 2. 3.

Objectifs

• Dresser l’état des lieux de la

donnée disponible et des canaux

à suivre

• Améliorer le tracking post clic

• Réaliser les premières analyses

avec les outils analytics en place

et des modèles descriptifs

• Optimiser l’efficacité intra-levier

• Mettre en place le tracking post

view et favoriser l’identification

cross canal / cross device

• Analyser avec l’outil d’attribution

management en intégrant le post

view dans les modèles

descriptifs

• Optimiser l’efficacité du mix des

leviers

• Optimiser l’efficacité du mix

media sur base de modèles

statistiques via l’outil d’attribution

management avec réintégration

des données cross-canal / cross

device pour avoir une vision la

plus exhaustive

• Compléter avec le mix media

Modeling

Outils

Identification cross-

canal / Cross device

Difficulté

Durée

Quickwin/Deepwin

• Prise en compte du sujet pour

limiter la portée des analyses

• Post view non géré

Débutant / 3 mois

Quickwin/Deepwin

• Digital Analytics (GA / Adobe

Analytics / AT Internet…)

• Excel

• Proposition de mécaniques

marketing favorisant le taux

d’identification des visiteurs

Expérimenté / 6 mois

Quickwin/Deepwin

• Outil d’attribution management

(voir la partie outil du livre blanc)

• Optimisation des mécaniques

d’identification

• Approche probabiliste

complémentaire

Expert / Amélioration

continue

Quickwin/Deepwin

• Outil d’attribution management

(voir la partie outil du livre blanc)

• Logiciel statistique (R, SaS,…)


1. Dresser un état des lieux et exploiter l’existant pour réaliser

des gains rapides

1. Lister les leviers media utilisés de manière exhaustive (online/offline)

2. Définir clairement les objectifs de la stratégie digitale et cross-canal qui présideront à la

construction des modèles d’attribution

3. Auditer la nature et la qualité des données disponibles sur base de l’outillage en place afin

notamment d’améliorer le tracking post clic

● Analyse de la fiabilité de la donnée collectée et du tracking en place notamment concernant le Digital Analytics

(Ad centric ou Site centric)

Au niveau de la classification des canaux et des campagnes

Au niveau du paramétrage des objectifs de conversion

● La démarche d’audit de la donnée peut aussi concerner le tracking des leviers de marketing direct ou les

données relatives aux investissements media remontant au sein des outils de CRM ou marketing automation

4. Identifier les contours du problème d’identification pour limiter la portée des analyses et identifier

des quickwins en termes de tracking à déployer

● Cross canal / Cross device

5. Réaliser les premières analyses par levier et mesurer la sensibilité aux modèles descriptifs

classiques sur base des données post clic présentes au sein des outils de digital analytics

(Google Analytics, Adobe Analytics, AT Internet…)

● Déterminer quel modèle descriptif sans postview semble le plus adapté

6. Optimiser l’efficacité intra levier

● Définir des KPIs pour challenger la performance des leviers

7. Discuter avec les agences pour améliorer le tracking et les challenger sur base des premières

analyses et des KPIS


2. S’outiller pour franchir un cap et se projeter dans les

enjeux de vision client unifiée

1. Mettre en place un outil d’attribution management et piloter sur la base de modèles descriptifs

● Choisir un outil (voir la partie outils du livre blanc)

2. Mettre en place le tracking post view pour les dispositifs du type display

● Bonne pratique : travailler sur base d’un temps cumulé de visibilité réelle en s’appuyant sur des acteurs comme

Alenty

3. Favoriser l’identification cross canal / cross device

● Réfléchir à la proposition de valeur qui pourrait amener davantage de visiteurs à s’identifier sur les dispositifs

de la marque

● Investiguer les mécaniques techniques permettant de « propager » l’identification dans les contextes multicanal

/ multidevice

4. Analyser avec l’outil d’attribution management en intégrant les données post view dans les

modèles descriptifs

5. Optimiser l’efficacité du mix des leviers

● Ajuster son mix media et observer les résultats

● Faire évoluer ses KPIs

6. Partager avec les agences


3. Mettre à profit la puissance des statistiques au quotidien

avec une démarche d’amélioration continue

1. Optimiser l’efficacité du mix media sur base de modèles statistiques via l’outil d’attribution

management avec réintégration des données cross-canal / cross-device pour avoir une vision la

plus exhaustive :

● Réinjection des plans media offline

● Exploitation d’algorithmes d’apprentissage

● Optimisation des mécaniques d’identification

● Approche probabiliste complémentaire ou non (basée sur les cookies)

2. Compléter l’approche attribution avec une démarche de Mix-Media Modeling

3. Mettre en place une gouvernance, des processus et des dashboards autour de l’optimisation media

afin de l’ancrer dans une démarche d’amélioration continue

4. Ne pas oublier le volet formation

5. Collaborer avec les agences en partageant les enseignements et en les impliquant /

responsabilisant


5

Les éditeurs de

solution d’attribution

management


Matrice des solutions d’attribution

ONLINE DATA

ONLINE/OFFLINE

DATA

PURE PLAYER

ATTRIBUTION

SOLUTION AVEC

FONCTIONS

D’ATTRIBUTION

: solutions françaises

• Les fournisseurs de

solutions proposant

de l’attribution sont

nombreux. Toutefois

l’offre est assez

disparate entre les

fournisseurs orientés

DMP et ceux

orientés analytics.

• La mise en place est

souvent assez

consommatrice de

ressources et de

temps.

Les solutions du marché classées en fonction de leur spécialité Attribution et de leur affinité Online /

Offline


Les fournisseurs de services d’attribution sont de plus en plus

nombreux à intégrer des algorithmes d’apprentissage dans leurs outils

• Le classement Forrester

Wave 2014 ci-contre ne

prend en compte que les

acteurs ayant mis en place

des algorithmes auto-

apprenants (machine

learning).

• Bien que l’analyse de

Forrester soit issue avant

tout d’un questionnaire et

financée par les entreprises

elles-mêmes, ce

classement reste une

référence.

La vision d’un cabinet d’étude américain, via l’une de ses études annuelles faisant référence en la

matière


Les modèles économiques proposés

€

Conso

€

1

2

3

Modèle SaaS Pourcentage Dépenses Prix fixe

Modèle économique basé

sur l’utilisation du système.

L’indicateur pris en compte

peut être le nombre de

visites ou le nombre

d’entrées.

En général, ce système

fonctionne par seuils sur la

base d’une anticipation de

trafic.

Modèle économique basé

sur un pourcentage des

dépenses de campagnes

gérées par l’outil.

Souvent utilisé pour les

outils intégrant des

fonctionnalités de gestion

automatisée des

investissements marketing

(ex. Bid Management)

Modèle économique assis

sur un prix fixe mensuel ou

annuel.

Le niveau de prix peut

dépendre du nombre

d’utilisateurs, du nombre de

serveurs ou de la taille de la

société.

15.000 € 50.000 €

Budget annuel typique d’une solution

d’attribution professionnelle

€%

%

%

Campagnes Quantité


Acteurs

de votre transformation

digitale et cross-canal

6


Acteurs de votre transformation digitale et data

►35 consultants de haut niveau, spécialisés dans le digital et le cross-canal,

au service de votre croissance, de votre rentabilité et de la montée en

compétence de vos équipes

►2 pôles pour vous aider à devenir customer & data-centric

Conseil et services

digital analytics

& data science

15 consultants et experts

Conseil stratégique et opérationnel

transformation digitale

& cross-canal

20 consultants et experts

DATA

&

CLIENT

Enjeux METIER Enjeux TECHNOLOGIE & STATISTIQUES


Nos services Transformation digitale & Cross-canal

DÉFINIR LA STRATÉGIE

► Cadrage de la stratégie digitale & cross

canal : business plan, définition du rôle

du digital et de son articulation cross

canal, lancement d’un e-commerce ou

lead generation, internationalisation

► Organisation : digitalisation de la

relation client / CRM, intégration du

digital aux processus métier

► Interactions on/off-line (cross-canal :

points de vente/call/print/digital)

► Conception de plans media online

► Structuration des roadmaps de

développement du canal digital

METTRE EN ŒUVRE OPTIMISER

► Conception de dispositifs digitaux (web

et mobile)

► Conseil en choix d’agence et de solution

technique

► Gestion externalisée de projets digitaux

(AMOA)

► Accompagnement au changement /

Formations / Coaching / Académies du

digital

► Mise en place d’une démarche de

mesure online analytics groupe

► Audit et optimisation de la

performance de dispositifs (sites/appli)

► Audit et optimisation du plan media

online (attribution / multitouch / cross-

canal)

► Accompagnement annuel performance

(reporting, suivi, recommandations,

AMOA)

► Accompagnement full-service testing

A/B et multivarié (techno, conseil,

accompagnement)


Nos services Digital Analytics & Data Science

DATA MANAGEMENT

Sélection outils et

mise en place

► Tag Management

► Web Analytics

► Attribution Management

► DMP

► Testing

Maintenance et

évolution

► Intégration partenaires

(media)

► Intégration nouvelles

solutions

► MAJ des plans de tags

► Suivi documenté

Monitoring et qualité

des données

► Monitoring des plans de

taggage

► Monitoring du tracking

media

► Monitoring des scenarii

clés

DATA EXPLOITATION

Pilotage de l’activité

digitale

Optimiser l’acquisition de

trafic et les budgets

media

Agir sur l’engagement et

la conversion

► Tableaux de pilotage

► Formations utilisateurs

► Accompagnement continu

► Processus et gouvernance

► Analyses des leviers

marketing

► Multitouch et attribution

► Actions de remarketing

► Analyse des parcours

► Optimisation des pages

clés

► Optimisation de la

navigation

► Full Service AB Testing

DATA SCIENCE

Modélisations

mathématiques

Data Mining

Algorithmique

& Big Data

► Mix Media Modeling

► Modélisation impact

promo / livraison gratuite

► Modèle prédictif des

ventes

► Segmentation de bases

► Score d’appétence

► Clustering

► Conception et

optimisation des

algorithmes moteur de

recherche interne,

ordonnancement liste

produit, attribution des

ventes…


Quelques clients Converteo & Adversitement France


Les solutions de marketing digital que nous vous aidons à utiliser

Digital Analytics

TMSTag Management System

Testing

Media tracking

Attribution management

CEMCustomer Experience

Management

Business Intelligence

Dashboarding

TMS

Tag Management System

Certification Power user

ex Coremetrics

Adobe Dynamic

Tag Management


Nous intervenons en Europe et au-delà au quotidien grâce à

nos processus et méthodologies de travail

35 consultants de haut niveau experts du digital basés à Paris

− Tous nos consultants ont une forte culture internationale et maîtrisent l’anglais

− Nos processus et méthodologies de travail sont construits pour les environnements internationaux

avec des équipes à distance et une utilisation massive des solutions SaaS (Software as a Service)

Converteo & Adversitement France

Nous accompagnons nos clients internationaux (Michelin, Euromaster, Club Med, Danone, McCain…) sur

quasiment tous les continents


Bibliographie

7


Bibliographie

Forrester: Cross-channel attribution must convert insight into action

http://services.google.com/fh/files/misc/marketing_attribution_whitepaper.pdf#utm_medium=email&utm_source=new

sletter&utm_campaign=apr2012&utm_content=Attribution_whitepaper

http://www.heinz.cmu.edu/ResearchSeminarSeries/MediaExposure.pdf

http://www.ad-exchange.fr/le-ctr-est-une-mesure-trompeuse-selon-letude-de-comscore-sur-la-performance-de-la-

pub-digitale-19710/

http://pro.clubic.com/webmarketing/publicite-en-ligne/actualite-742853-fingerprinting-cookies.html

http://www.iab.net/media/file/IABPostCookieWhitepaper.pdf

http://www.iab.net/media/file/IABPostCookieWhitepaper.pdf

Forrester Wave: les fournisseurs de services d’attribution multicanal


en collaboration avec

Les contributeursStéphane Gendrel – Managing Director, Adversitement

Raphaël Fétique – Directeur Associé, Converteo

Adriano Mucciardi – Manageur, Converteo

Sarah Chemna – Consultante, Converteo

Nous vous remercions

pour votre lecture attentive

[email protected]

livre blanc attribution management : entre technologie, marketing et statistique

Marketing