Attribution multi-touch (MTA)

Qu'est-ce que l'attribution multi-touch ?

L'attribution multi-touch (MTA) est la mesure qui distribue le crédit d'une vente aux multiples publicités rencontrées par un client avant la conversion. Il existe plusieurs façons de déterminer le poids à accorder à chaque point de contact, mais chaque méthode nécessite des cookies pour savoir quels points de contact un client donné a rencontrés. Cela signifie que les cookies sont nécessaires pour faire du MTA un moyen efficace de mesurer les performances d'une campagne.

Pourquoi l'attribution multi-touch est-elle importante ?

La plupart des parcours clients comportent plusieurs interactions avant qu'un achat ne soit effectué. Un consommateur peut découvrir une marque grâce à une publicité sur les réseaux sociaux, se rendre sur le site web via un résultat de recherche, cliquer ensuite sur une publicité display et, enfin, effectuer un achat après avoir reçu un e-mail. L'attribution multi-touch aide les spécialistes du marketing à comprendre comment ces points de contact interagissent entre eux, plutôt que d'attribuer tout le mérite à une seule interaction.

En répartissant le crédit sur l'ensemble du parcours client, l'attribution multi-canal (MTA) permet d'obtenir une vision plus complète des performances marketing. Ces informations aident les spécialistes du marketing à évaluer l'efficacité des canaux, à optimiser la répartition budgétaire et à identifier les combinaisons de campagnes les plus susceptibles de générer des conversions. Bien qu'aucun modèle d'attribution ne soit parfait, l'attribution multi-canal offre une approche plus nuancée que le recours exclusif à l'attribution au premier ou au dernier contact.

Quels sont les modèles d'attribution multi-touch les plus courants ?

Il existe plusieurs types de modèles d'attribution multi-touch, chacun répartissant différemment le mérite de la conversion tout au long du parcours client. Parmi ces modèles d'attribution, on trouve :

• L'attribution linéaire répartit équitablement le mérite entre tous les points de contact qu'un client rencontre avant de passer à l'action.
• L'attribution par décroissance dans le temps accorde plus de poids aux interactions qui ont lieu à un moment plus proche de l'événement de conversion, en partant du principe que les points de contact récents ont une influence plus forte sur la décision finale.
• L'attribution en U (basée sur la position) accorde plus d'importance à la première et à la dernière interaction, tout en répartissant le mérite restant entre les points de contact intermédiaires.
• L'attribution en W va plus loin que le modèle en U en accordant également un poids important à un point de contact marquant, tel qu'un événement de génération de prospects ou de création d'opportunités.
• Les modèles d'attribution personnalisés permettent aux entreprises de définir leurs propres règles de pondération en fonction de leurs objectifs commerciaux, du comportement des clients et des données historiques de performance.

Quels sont les principaux défis liés à l'attribution multi-touch ?

Si l'attribution multi-touch peut fournir des informations précieuses, elle pose également quelques défis :

• Restrictions liées à la protection de la vie privée : MTA utilise des cookies et des techniques de suivi au niveau de l'utilisateur, dont la disponibilité diminue en raison des réglementations en matière de protection de la vie privée et des modifications apportées aux navigateurs.
• Parcours clients incomplets : les clients changent souvent d'appareil et de canal, ce qui rend difficile la capture de tous les points de contact.
• Différences entre les modèles d'attribution : les différents modèles d'attribution peuvent répartir le mérite de manière différente, ce qui conduit à des résultats variables.
• Corrélation ou causalité : le MTA indique quels points de contact étaient présents avant une conversion, mais pas nécessairement lesquels en ont été la cause.

Comment l'attribution multi-touch évoluera-t-elle dans un monde sans cuisinier ?

Sans cookies, il sera extrêmement difficile de continuer à utiliser un modèle MTA pour analyser les interactions avec les clients. Les annonceurs ne pourront pas savoir exactement à quoi ressemble chaque parcours client, ce qui rendra le modèle pratiquement inefficace. L 'attribution multi-touch restera toutefois utile au sein des écosystèmes de jardins clos. C'est le cas de Google, Facebook et Amazon, où les annonceurs peuvent encore suivre le parcours du client au sein de ces écosystèmes spécifiques en utilisant d'autres informations de suivi.

Quelle est la différence entre les tests d'incrémentalité et l'attribution multi-touch ?

Les tests d'incrémentalité utilisent une approche expérimentale pour découvrir où l'argent de la publicité est le plus efficace. Alors que le MTA s'appuie sur une image claire des points de contact avec les clients, les tests d'incrémentalité utilisent l'expérimentation pour découvrir l'impact que des stratégies publicitaires spécifiques ont sur les résultats des ventes. L'approche est similaire aux tests A/B traditionnels : les responsables marketing vérifient les effets de leurs publicités à l'aide d'une méthodologie de test/contrôle afin de déterminer quelles sont les publicités qui génèrent le plus de ventes et quelles sont celles qui n'ont que peu ou pas d'effet. Les tests d'incrémentalité fonctionnent sans avoir recours aux cookies, ce qui les rend importants dans la mesure où les réglementations en matière de protection de la vie privée continuent à en limiter l'utilisation.

Les tests d'incrémentalité résolvent également le problème de l'impossibilité de savoir quels points de contact ont une relation de cause à effet avec les clients et lesquels peuvent ou non avoir eu un effet réel. Une publicité diffusée sur un site web qu'un client a visité après en avoir vu une sur un autre site web, mais avant qu'il n'effectue un achat, n'a pas nécessairement provoqué la vente, et il est extrêmement difficile de dire avec certitude quelles publicités ont été le véritable déclencheur. Le test d'incrémentalité se concentre sur la recherche de relations de cause à effet, ce qui permet de déterminer plus facilement quelles publicités sont efficaces.