Comment faire la modélisation de l'attribution: un guide honnête

Bon, soyons honnêtes dès le départ : un client n’achète presque jamais à cause d’une chose. Ils ont vu votre Instagram bobine, oublié sur vous, a été retargeted, a cliqué sur un Google ad, lire un article de blog, a demandé à un ami, et alors enfin acheté. Donc quand tu es en train de comprendre Comment faire de la modélisation d’attribution, Ce que vous faites vraiment, c’est de décider comment diviser le crédit pour cette vente entre tous ces points de contact. — Assez pour vous guider dans la direction de votre budget. C’est tout le travail: un modèle d’attribution est simplement une règle pour attribuer du crédit aux moments qui ont conduit à une conversion, de sorte que vous pouvez investir plus dans ce qui fonctionne et moins dans ce qui ne fonctionne pas. Et voici la partie que personne ne vous dit — Il n’y a pas de modèle “correct”. Chacun raconte une histoire différente sur le même voyage, et votre travail consiste à choisir l’histoire qui convient à votre entreprise et à rester humble à ce sujet.

Je sais que la « modélisation de l’attribution » ressemble à quelque chose dont vous avez besoin d’un diplôme en science des données et d’un outil à six chiffres pour même tenter. Tu ne le sais pas. Vous avez besoin d’une tête claire, un peu d’honnêteté sur ce que les chiffres peuvent et ne peuvent pas vous dire, et une façon reproductible de penser. Voici exactement comment je guiderais un ami à travers elle – ce que les modèles sont, quand chacun correspond, ce que vous avez besoin en place d’abord, et les vérités inconfortables qui vous empêchent de faire des erreurs coûteuses. Je vous promets que cela devient plus clair au fur et à mesure.

Qu’est-ce que la modélisation d’attribution, vraiment ?

Définissons-le proprement. La modélisation de l’attribution est la pratique de décider combien de crédit chaque point de contact marketing obtient pour une conversion. Un point de contact est toute interaction en cours de route — une impression publicitaire, un message social, un email ouvert, un clic de recherche organique, une visite sur votre site. Une conversion est tout ce qui vous importe: une vente, une inscription, une démo réservée. Le modèle est la règle qui distribue le crédit entre ces points de contact.

Pourquoi s’embêter ? Parce que sans règle, vous créditerez instinctivement tout ce qui est arrivé dernier — le dernier clic avant l’achat — et qui punit discrètement tout ce qui a fait le vrai travail d’introduction et de soin du client plus tôt. L’attribution existe pour répondre à une question pratique : Si j’ai un autre dollar à dépenser, où dois-je aller? Fait honnêtement, il vous dirige vers les canaux qui poussent vraiment les gens vers l’achat, pas seulement ceux qui ont la chance d’être le plus proche de la ligne d’arrivée. Savoir comment bien faire la modélisation d’attribution est vraiment de protéger votre budget de ce biais de récence.

Une chose à retenir dès le début: un modèle est une lentille, pas une mesure de la réalité. Il ne découvre pas la «vraie» cause d’une vente, car il n’y a souvent pas une seule cause vraie. Il applique une hypothèse cohérente afin que vous puissiez comparer les canaux assez au fil du temps. Cette distinction vous évitera beaucoup d’excès de confiance plus tard.

Quels sont les principaux modèles d’attribution ?

Il y en a six que vous rencontrerez encore et encore. Passons en revue chacun d’eux clairement – ce qu’il fait, et le genre d’histoire qu’il raconte.

Dernier clic (ou dernière touche) donne 100% du crédit jusqu’au point de contact final avant la conversion. C’est la valeur par défaut dans beaucoup d’outils car il est simple et facile à suivre. Le hic, c’est qu’il sur-crédite massivement les canaux en bas de l’entonnoir — Recherche de marque, retargeting — et donne zéro crédit à ce qui a été introduit par le client en premier lieu. C’est le modèle le plus susceptible de vous faire tuer à tort un canal de sensibilisation.

Premier clic (ou premier contact) fait le contraire: tout le mérite revient à la toute première interaction. Cela flatte vos canaux de sensibilisation et de découverte et ignore complètement tout ce qui a nourri et fermé la vente. Utile si toute votre question est “qu’est-ce qui met les gens dans la porte?” — trompeuse pour presque tout.

linéaire Répartit le crédit uniformément sur chaque point de contact du voyage. C’est démocratique et rafraîchissant d’être honnête sur le fait que beaucoup de choses ont contribué à — mais en traitant une impression jetable comme une démo décisive, cela peut brouiller les moments qui comptaient vraiment.

Time-decay donne plus de crédit aux points de contact plus proches de la conversion et moins aux précédents, sur la logique qui a poussé les interactions récentes à la décision finale. Il convient à des cycles de vente plus longs où le plus tard nourrir vraiment porte le poids — mais il sous-estime encore cette première introduction cruciale.

Position-basée (également appelé en forme de U) est un compromis raisonnable : il donne les plus grandes parts aux premier et dernier points de contact (généralement autour de 40% et se partagent le reste entre eux. Il respecte à la fois “ce qui les a fait entrer” et “ce qui les a fermés”, c’est pourquoi beaucoup de spécialistes du marketing l’obtiennent. Les poids sont toujours une hypothèse que vous choisissez, pas un fait.

L’attribution basée sur les données utilise vos propres données de conversion et un algorithme pour attribuer des crédits en fonction des combinaisons de points de contact en corrélation avec les conversions, plutôt que d’une règle fixe que vous avez choisie. Quand ça marche, c’est le plus adapté du lot. Mais il a faim: il a besoin de beaucoup de volume de conversion pour être fiable, c’est un peu une boîte noire, et c’est toujours un modèle construit sur les données incomplètes qu’il peut voir – donc ce n’est pas magiquement “la vérité” non plus.

Simple-touch vs multi-touch: quelle est la différence?

Voici une façon plus simple de regrouper tout cela. Modèles monotouch (dernier clic et premier clic) attribuent tout le crédit à une interaction. Ils sont faciles, rapides et bien pour une lecture rapide — mais ce sont des instruments contondants qui prétendent que le reste du voyage ne s’est pas produit. Modèles multi-touch (linéaire, à perte de temps, basé sur la position, axée sur les données) répartir le crédit sur plusieurs points de contact et se rapprocher beaucoup de la façon dont l’achat fonctionne réellement: désordonné, répété, réparti sur le temps.

Si votre parcours client est véritablement un et fait – quelqu’un recherche, clique et achète en une seule séance – un modèle à une seule touche pourrait honnêtement suffire. Mais la plupart des voyages, en particulier tout ce qui est considéré ou B2B, impliquent plusieurs touches au fil des jours ou des semaines. Pour ceux-là, un modèle multi-touch vous donnera une image plus juste. Le compromis est que le multi-touch a besoin d’un meilleur suivi et de plus de données pour être digne de confiance, ce qui nous amène aux conditions préalables.

Quel modèle d’attribution choisir ?

C’est la question à laquelle tout le monde veut vraiment répondre, alors laissez-moi vous donner une table de comparaison de modèles que vous pouvez conserver, puis un court moyen de choisir.

Modèle	Comment il attribue le crédit	Le meilleur quand…	Point mort principal
Dernier clic	100% à la touche finale	De courts trajets; vous voulez une base de référence simple et cohérente	Ignore tout ce qui a créé la demande plus tôt
Premier clic	100% à la première touche	Vous optimisez la découverte de haut de l’entonnoir	Ignore nourrir et fermer
linéaire	Équivalente sur toutes les touches	Vous voulez simplement reconnaître tout le voyage	Traite les touches triviales et décisives de la même manière
Time-decay	Plus de touches récentes	Des cycles plus longs où la fin des soins compte	Sous-crédits la première introduction
Position (en forme de U)	La plupart pour le premier et le dernier, le repos pour le milieu	Vous appréciez à la fois la découverte et la fermeture	Les poids sont une hypothèse choisie, pas un fait
Données	Algorithmiquement, à partir de vos propres données	Vous avez un volume de conversion élevé et un suivi propre	Besoin de beaucoup de données ; encore limité à ce qu’il peut voir

Maintenant, comment choisir – voici le raccourci honnête:

• Commencez par votre cycle de vente. Court et impulsif ? Un modèle simple ou linéaire est bien. Long et réfléchi ? Atteindre pour le temps-décalage ou basé sur la position, qui respectent un voyage qui se déroule au fil du temps.
• Faites correspondre le modèle à votre question. “Qu’est-ce qui amène de nouvelles personnes?” se penche le premier clic. “Qu’est-ce qui ferme les offres?” se penche en dernier clic ou en décadence temporelle. « Quelle est la vue d’ensemble la plus juste ? » penche la position ou linéaire. Le bon modèle dépend de la décision qui vous est prise, et non de celle qui est la plus fantaisiste.
• Vérifiez si vous avez les données. L’attribution basée sur les données est merveilleuse en théorie et inutile sans volume de conversion suffisant. Si vous obtenez une poignée de conversions par semaine, un modèle basé sur des règles que vous comprenez bat une boîte noire à laquelle vous ne pouvez pas faire confiance.
• Préférez le modèle que vous pouvez expliquer. Vous devrez défendre vos décisions budgétaires à quelqu’un. Un modèle dont la logique que vous pouvez dire à haute voix en une phrase vaut plus qu’un modèle sophistiqué que vous ne pouvez pas.

Et le mouvement qui sépare les bons spécialistes du marketing des trop confiants: Ne choisissez pas une seule. Regardez les mêmes conversions à travers deux ou trois modèles à la fois et remarquez où elles ne sont pas d’accord. Ce désaccord est la perspicacité, qui est la prochaine chose dont nous devons parler.

Pourquoi les modèles d’attribution ne sont pas d’accord – et lequel a raison?

Voici la vérité que je veux le plus que vous repartiez avec: les modèles ne seront pas d’accord, et aucun d’entre eux n’est “la vérité”. Exécutez le dernier clic et vous pourriez conclure que la recherche payée est votre héros. Exécutez le premier clic sur les mêmes données et soudain, les réseaux sociaux et le contenu ressemblent aux vrais héros, tandis que la recherche payante vient de terminer une course que d’autres chaînes ont courue. Mêmes clients, mêmes ventes, des histoires complètement différentes – simplement parce que vous avez changé la règle pour diviser le crédit.

Ce n’est pas un bug que vous pouvez corriger en trouvant le modèle “correct”. C’est la nature de la chose. Chaque modèle code une hypothèse sur ce qui compte, et la réalité ne vient pas avec une étiquette vous indiquant quelle hypothèse est juste. Donc, la position honnête n’est pas “quel modèle est vrai?” – c’est “que met l’accent sur chaque modèle, et que révèle leur désaccord?”

En pratique, cela signifie que lorsque deux modèles pointent dans la même direction, vous pouvez agir avec plus de confiance. Quand ils sont en désaccord sur un canal, c’est votre drapeau à creuser plus profondément plutôt que de faire confiance à l’un ou l’autre numéro aveuglément. Une chaîne qui semble faible en dernier clic mais forte en premier clic est probablement en train de faire un travail important que le dernier clic ne peut pas voir – et le couper en fonction du seul nombre de dernier clic serait une erreur classique et coûteuse. Traiter vos modèles comme un panel d’opinions plutôt qu’un seul oracle est la chose la plus adulte que vous pouvez faire ici.

De quoi avez-vous besoin avant que l’attribution ne fonctionne ?

La modélisation de l’attribution est seulement aussi bonne que les données qui l’alimentent, et c’est là que beaucoup de configurations bien intentionnées s’effondrent tranquillement. Avant que tout modèle ne signifie quelque chose, vous avez besoin de quelques choses en place.

• Suivi cohérent des points de contact. Vous devez capturer de manière fiable d’où proviennent les interactions — les liens de campagne balisés, les analyses correctement configurées et les étiquettes de source propres. Si votre trafic atterrit dans un seau géant “direct / inconnu”, aucun modèle ne peut le sauver. Obtenir cette fondation est sa propre compétence; notre guide sur Comment suivre les sources de plomb marche à travers le marquage et la capture des origines proprement afin que vos modèles aient quelque chose d’honnête à travailler avec.
• Une conversion clairement définie. Décidez exactement ce qui compte – une vente, une avance qualifiée, une inscription – et maintenez la définition stable. Si « conversion » signifie différentes choses de semaine en semaine, votre attribution compare les pommes aux lampes.
• Assez de volume, surtout pour les données. Les modèles basés sur des règles fonctionnent à des volumes modestes. L’attribution basée sur les données nécessite vraiment beaucoup de conversions pour trouver des modèles fiables; nourrissez-le trop peu et vous ferez du bruit en toute confiance.
• Une fenêtre d’attribution honnête. Décidez jusqu’où un point de contact peut être et encore gagner du crédit – quelques jours, trente jours, quatre-vingt-dix. Votre fenêtre devrait correspondre à votre cycle de vente réel, et vous devriez la définir avant de chercher la réponse que vous espériez.
• Respect de la vie privée et consentement. Suivez les gens légalement et de manière transparente, respectez les choix de consentement et ne collectez que ce dont vous avez besoin. Au-delà d’être la bonne chose à faire, le suivi du consentement est de plus en plus le seul type qui continue à fonctionner.

Mettez-les en place et vos modèles deviennent vraiment utiles. Saute-les et tu construis des conclusions élaborées sur le sable.

Pourquoi l’attribution est-elle toujours imparfaite ? (La partie honnête)

Je vous rendrais un mauvais service si je vous laisse croire que n’importe quel modèle vous donne une réponse exacte. Ce n’est pas le cas, et ce n’est pas le cas, car le véritable parcours client est rempli de choses qu’aucun tracker ne voit de manière fiable. C’est la partie qui vous permet de rester honnête, alors nommons les lacunes clairement.

• Voyages inter-appareils. Quelqu’un vous découvre sur son téléphone pendant le déjeuner et achète sur son ordinateur portable la nuit. À moins qu’ils ne soient connectés aux deux, la plupart des configurations voient deux étrangers non connectés, et la contribution du téléphone disparaît.
• Influence hors ligne. Une recommandation d’ami, une mention de podcast, une conversation, un panneau d’affichage – énormément persuasif, complètement invisible à votre suivi. La vente est créditée sur n’importe quelle touche numérique qui se trouve être la dernière.
• Sombre social. Les gens partagent des liens dans les DMs, les discussions de groupe et les textes. Ces visites apparaissent souvent comme «directes» sans référence, de sorte que le bouche-à-oreille est silencieusement mal crédité.
• Vie privée et perte de cookies. Les restrictions du navigateur, le consentement des cookies diminue et l’éloignement du suivi par des tiers signifie qu’une part croissante des voyages ne peut tout simplement plus être assemblée. Les données sont devenues plus patcher à dessein, et il continuera à le faire.
• Voir les lacunes. Quelqu’un voit une annonce, ne clique pas, mais est influencé et convertit plus tard. Les modèles basés sur les clics manquent complètement cela, tandis que le suivi par affichage peut le surestimer. Quoi qu’il en soit, c’est une estimation.
• Jardins clos. Les grandes plateformes signalent les conversions au sein de leurs propres systèmes en utilisant leurs propres règles, et elles ne partagent pas entièrement les données de parcours sous-jacentes. Donc, chacun a tendance à réclamer du crédit, les chiffres se chevauchent, et vos totaux ne s’additionneront pas proprement.

Mettez tout cela ensemble et vous obtenez la conclusion centrale et honnête de tout ce guide: L’attribution est directionnelle, pas exacte. C’est une boussole qui vous indique à peu près quel chemin fonctionne, pas une broche GPS sur la cause d’une vente. Ce n’est pas une raison pour abandonner — Une bonne boussole est incroyablement précieuse. C’est une raison pour tenir vos chiffres lâchement et ne jamais, jamais tuer une chaîne sur la force d’un seul rapport de dernier clic défectueux. Social en particulier a tendance à être mal sous-crédité par le dernier clic, car il fait si souvent son travail tôt et à côté du côté où le modèle de dernier clic ne peut pas le voir.

Comment se rapprocher de la vérité au-delà d’un modèle unique ?

Si aucun modèle n’est la vérité, comment prendre des décisions confiantes ? Vous triangulez. Vous arrêtez de demander à un numéro de porter tout le poids et plutôt recueillir quelques signaux indépendants, puis chercher où ils sont d’accord. Voici la boîte à outils pratique.

Comparez les modèles côte à côte. Nous l’avons dit, mais c’est la base : considérez vos conversions à travers deux ou trois modèles et traitez l’accord comme une question de confiance et de désaccord à étudier. Cela seul vous rendra beaucoup plus difficile à tromper.

Exécutez des tests d’incrémentalité. C’est la chose la plus proche d’une vraie réponse que vous obtiendrez. Au lieu de demander à un modèle de deviner le crédit, vous changez une chose et mesurez l’ascenseur. Désactivez une chaîne dans certaines régions et laissez-la dans d’autres ; lancez une campagne pour un public et retenez-en un comparable. La différence de résultats vous indique quel canal En fait C’est ce qu’une règle a supposé avoir causé. L’incrémentalité bat la modélisation d’attribution pour la question «est-ce que cette dépense a vraiment entraîné des ventes supplémentaires?»

Utilisez des groupes de résistance. Un hold-out est simplement une tranche comparable de votre public que vous avez délibérément ne pas marché, de sorte que vous pouvez voir ce qui se serait passé de toute façon. Si les gens que vous n’avez pas touchés se convertissent presque aussi bien que les gens que vous avez fait, votre marketing était de prendre le crédit pour une vente qui allait venir sans se soucier. Les gourous sont humbles de la meilleure façon.

Demandez directement aux gens. Ne sous-estimez jamais le champ « Comment avez-vous entendu parler de nous? ». L’attribution auto-déclarée est désordonnée et les gens oublient, mais elle capture exactement l’influence hors ligne et sociale sombre que votre suivi manque. Lorsque vos réponses à l’enquête et vos modèles racontent la même histoire, faites-y plus confiance. Quand ils s’affrontent, votre suivi a probablement un angle mort qui vaut la peine d’être trouvé.

L’esprit ici est la même discipline qui sous-tend toute bonne analyse: ne pas trop faire confiance à un nombre, et laissez les méthodes indépendantes vérifier les uns les autres. Si vous voulez aller plus loin dans la lecture des chiffres obtenus sans vous tromper, notre guide sur Comment interpréter les données marketing couvre le contexte, les lignes de base et les habitudes signal contre bruit qui maintiennent l’attribution honnête — et quand vous êtes prêt à lier le crédit au rendement réel, Comment calculer le ROI marketing montre comment transformer les conversions attribuées en un chiffre de retour que vous pouvez défendre.

Comment commencer la modélisation d’attribution cette semaine ?

Transformons tout cela en quelque chose que vous pouvez réellement commencer, sans attendre une pile technologique parfaite. Voilà la boucle que je courrais.

• 1. Définissez la conversion. Choisissez le résultat qui compte le plus — une vente, un lead qualifié — et écrivez exactement ce qui compte pour que cela reste cohérent.
• 2. Soyez honnête. Marquez vos liens de campagne, nettoyez vos étiquettes sources et réduisez autant que possible ce bucket “direct / inconnu”. C’est 80% La bataille.
• 3. Définir une fenêtre d’attribution qui correspond à peu près à votre cycle de vente, et le mettre avant de jeter un coup d’œil aux résultats.
• 4. Choisir un modèle de départ qui correspond à votre cycle — position-based est un défaut raisonnable et équilibré pour la plupart des achats considérés; le dernier clic est une base de référence simple pour les achats rapides.
• 5. Comparez au moins deux modèles sur les mêmes conversions et notez où ils ne sont pas d’accord. Ces désaccords sont vos découvertes les plus intéressantes.
• 6. Ajoutez un chèque indépendant. Activez la question « Comment avez-vous entendu parler de nous ? » ou planifiez un petit test de résistance ou géo. Laissez-le valider tranquillement ce que vos modèles prétendent.
• 7. Décider et documenter. Faites votre budget, notez le modèle et la fenêtre que vous avez utilisés et la confiance que vous avez honnêtement, puis revoyez les données à mesure qu’elles se développent.

Remarquez ce qui manque: une demande de données parfaites ou une plate-forme coûteuse avant de pouvoir commencer. Vous commencez avec un suivi honnête et un modèle que vous comprenez, et vous gagnez en sophistication à mesure que votre volume augmente. Un modèle brut en qui vous avez confiance et que vous avez la tête froide bat un modèle fantaisiste auquel vous obéissez aveuglément.

Une note honnête sur les outils, parce que je préfère vous dire tout de suite: SocialBlaze est une plate-forme de planification et d’analyse des médias sociaux – elle est conçue pour vous aider à publier sur les réseaux et à lire clairement vos performances sociales, et non pour être un moteur d’attribution multicanal complet ou une suite GA4/BI. Pour assembler l’ensemble de votre entonnoir, vous aurez toujours besoin d’outils d’analyse Web et d’attribution dédiés. Là où SocialBlaze aide vraiment la conversation d’attribution est en vous donnant une vue honnête et consolidée de votre activité sociale et des résultats – ce qui compte parce que le social est l’un des canaux de sous-crédits de dernier clic le plus. Utilisez la bonne source pour chaque question et laissez vos numéros sociaux plaider leur propre cas.

Si vous prenez une chose de tout cela, laissez-le être ceci: apprendre à bien modéliser l’attribution consiste moins à trouver le seul vrai modèle et plus à rester honnête. — Choisir une lentille qui convient, la comparer aux autres, la comparer à la réalité et ne jamais laisser un nombre flatteur ou aplatissant prendre une décision pour vous. Commencez par la conversion. Suivez bien. Comparez les modèles. Trianguler. Tenez-le un peu lâchement. Vous avez ceci, et il devient vraiment plus clair chaque fois que vous exécutez la boucle.

Questions fréquemment posées

Quel est le meilleur modèle d’attribution à utiliser ?

Il n’y a pas un seul meilleur, parce que chaque modèle répond à une question différente et fait une hypothèse différente sur ce qui compte. Le bon choix dépend de votre cycle de vente et de la décision à laquelle vous êtes confronté – basé sur la position ou sur le temps – convient plus longtemps, considéré comme des voyages, tandis qu’une simple base de dernier clic peut être très bien pour les achats rapides. Le plus intelligent consiste à comparer deux ou trois modèles plutôt que de couronner un gagnant.

Pourquoi les différents modèles d’attribution donnent-ils des résultats différents?

Parce que chaque modèle utilise une règle différente pour diviser le crédit entre les points de contact, les mêmes conversions produisent des histoires différentes. Le dernier clic récompense l’interaction finale, le premier clic récompense l’introduction et les modèles multi-touch la répartissent. Le désaccord n’est pas une erreur à corriger – il reflète des hypothèses véritablement différentes, et les endroits où les modèles s’affrontent sont généralement là où vos idées les plus utiles se cachent.

La modélisation de l’attribution est-elle exacte?

C’est directionnel, pas exact. Les trajets inter-appareils, l’influence hors ligne, les réseaux sociaux sombres, la perte de cookies et de confidentialité, les effets de visualisation et les rapports murés signifient qu’aucun modèle ne voit le tableau complet. Traitez votre attribution comme une boussole pointant à peu près dans le bon sens, pas une mesure précise, et ne coupez jamais un canal basé sur un seul rapport défectueux.

Ai-je besoin de beaucoup de données pour la modélisation d’attribution?

Pour les modèles basés sur des règles comme le dernier clic, le premier clic, le linéaire, le déclin temporel et la position, vous pouvez commencer avec un volume modeste. L’attribution basée sur les données est différente – elle a vraiment besoin d’un grand nombre de conversions pour trouver des modèles fiables, et privée de données, elle vous donnera un bruit confiant. Si votre volume est faible, choisissez un modèle basé sur des règles que vous comprenez et validez-le avec des enquêtes ou de petits tests.

Comment puis-je vérifier si mon attribution dit la vérité?

Trianguler avec des méthodes qui ne reposent pas sur le même modèle. Exécutez des tests d’incrémentalité en activant un canal dans certaines régions et en le désactivant dans d’autres, utilisez des groupes de résistance pour voir ce qui se convertit sans marketing et ajoutez une question “Comment avez-vous entendu parler de nous?” pour détecter l’influence hors ligne et sociale sombre. Lorsque ces signaux indépendants sont en accord avec votre modèle, faites-y plus confiance ; lorsqu’ils s’affrontent, vous avez trouvé un angle mort qui vaut la peine d’être étudié.