Les algorithmes d’attribution, nirvana des responsables marketing
Sources:
- Attribution en marketing digital: obtenir plus avec moins (digital BRAND – 2014)
- Marketing Attribution Management Buyers Guide (Econsultancy – 2013)
Les modèles heuristiques d’attribution basés sur des règles: simples à mettre en oeuvre.
Les modèles basés sur des règles (attribution au dernier clic, à l’avant-dernier clic, pondération en fonction de la chronologie des points de contact …) ont l’avantage de leur simplicité et sont utilisés depuis longtemps par un grand nombre de professionnels du marketing et du commerce en ligne.
En févier 2012, Adobe a comparé les résultats commerciaux de plusieurs grands sites ecommerce selon le modèle d’attribution utilisé:
- Le référencement naturel dans les moteurs de recherche générait 38% de chiffre d’affaires en plus en utilisant un modèle d’attribution basé sur le premier clic du parcours client, plutôt que sur le dernier clic ;
- Pour les réseaux sociaux, l’écart était de 88%.
Il faut ajouter aux biais générés par les modèles d’attribution au dernier/premier clic … la surévaluation de la contribution des points de contact dont l’efficacité est mesurée par une réponse directe (typiquement, les Adwords).
En comparaison, les medias qui influencent les attitudes vis-à-vis d’une marque plutôt qu’un comportement immédiat (exposition à un message brandé versus clic), paraissent évidemment moins performants. Or, on sait que les taux de clics sur un lien sponsorisé dépendent en partie de l’image et de la notoriété de la marque et/ou de ses produits et services.
Parmi les modèles heuristiques basés sur des règles, les points de contact uniques ou multiples.
La prise en compte d’un point de contact unique (single-touch).
L’évaluation de la performance du mix marketing est basée sur les résultats d’un point de contact unique, qu’il s’agisse du dernier clic, de l’avant-dernier clic ou même du premier clic.
Les interactions avant ou après ce clic,mais aussi l’influence potentielle des expositions à une publicité, ne sont pas pris en compte.
La prise en compte de points de contact multiples (multi-touch).
On émet des hypothèses concernant l’influence relative sur le résultat final de chaque interaction tout au long du parcours d’un client ou prospect. Ces hypothèses peuvent être étayées par des observations, le bon sens, des tests sur un échantillon, la pratique, les habitudes de travail …
Parmi les sous-catégories des modèles d’attribution basés sur des règles:
- Les modèles linéaires: chaque interaction tout au long du parcours est créditée d’un pourcentage égal ou bien une règle est fixée pour chaque type de media: par exemple, 20 % pour les Adwords, 20% pour le référencement naturel, 30% pour l’emailing, 15 % pour la publicité de type display, 15 % pour les comparateurs de prix.
- Une variante utilise la position des medias: par exemple, 40% pour la première interaction, 40% pour la dernière interaction et 20 % pour les interactions intermédiaires;
- Une bonne connaissance des comportements passés d’un segment de clientèle ou d’internautes peut justifier l’utilisation de ce type de modèle qui a l’immense avantage d’être simple à mettre en oeuvre;
- Le principal inconvénient est que la seule prise en compte de comportements passés ne renseigne pas sur les changements de comportements (risque de passer à côté de changements majeurs: effets de la concurrence, produits ou services de substitution …
- Les modèles qui suivent une courbe exponentielle en fonction du temps passé entre l’interaction et la conversion: plus le point de contact est proche de la conversion, plus son score d’attribution est élevé.
Les modèles basés sur des règles présentent surtout des avantages opérationnels:
- Les différents acteurs du marketing, de la relation client et du ecommerce peuvent aisément assimiler les règles de base, ce qui facilite la communication entre les silos fonctionnels,
- Le consensus est plus facile à atteindre: les valeurs peuvent être modifiées sans une remise en cause profonde de l’organisation interne,
- Ils fonctionnent bien si la marque ou l’entreprise connaît bien ses cibles, met à jour régulièrement sa connaissance client ou si les comportements des clients et prospects varient peu dans la durée.
Par contre, ces modèles présentent des inconvénients non négligeables:
- Ils valorisent les parcours clients identifiés comme « gagnants » sur la base d’hypothèses non vérifiées,
- Ils ignorent les parcours qui ne « convertissent pas »,
- Ils minimisent les critères socio-démographiques,
- Ils sont basés sur des observations du passé et peuvent conduire à l’immobilisme si les choses marchent bien ou à sur-réagir en cas de crise,
- Plus les cycles de décision des clients sont longs, moins les modèles heuristiques sont réputés être fiables.
Les modèles scientifiques d’attribution basés sur des algorithmes: efficaces si les données sont disponibles en quantité et en qualité.
Outre leur côté « boîte noire », les algorithmes et règles mathématiques utilisés par les fournisseurs de technologies de ce type (1) ont tendance à assimiler de simples corrélations entre variables à des relations de cause à effet.
Par ailleurs, les algorithmes d’attribution sont porteurs de sens pour les décisions marketing à la condition que les données entrantes soient au préalable standardisées et en quantité suffisante. Autrement dit, ce qui peut ressembler au premier abord à une simple intégration d’une nouvelle brique technologique, peut s’avérer être un projet transversal à l’entreprise, long et coûteux.
(1) Principaux fournisseurs de technologies avancées dans les domaines de l’automatisation du marketing et de l’attribution: Mazeberry, Abakus, Adobe, Adometry, C3 Metrics, Clear Saleing, Convertro, CAKE, IBM, Fractal Analytics, Ensighten, Ignition One, Shop2market, Visual IQ …
Sans entrer dans plus de détails, nombre de ces algorithmes utilisent les chaînes de Markov selon lesquelles « la prédiction du futur à partir du présent n’est pas rendue plus précise par des éléments d’information supplémentaires concernant le passé, car toute l’information utile pour la prédiction du futur est contenue dans l’état présent du processus. »
- Les parcours clients sont représentés par des graphes,
- Les états correspondent à des canaux de contact,
- Les arêtes des graphes représentent des probabilités de transition.
Les critères principaux d’évaluation de l’efficacité des technologies d’attribution basées sur des algorithmes sont leur précision comparée à celle d’un modèle heuristique, leur stabilité (les résultats sont-ils reproductibles) et l’interprétabilité des résultats (les résultats sont-ils transformables en décisions managériales).
Il faut noter que la transition vers ce type de technologie n’est pas neutre pour l’organisation interne:
- A l’autorité des experts et des niveaux hiérarchiques tend à se substituer le « savoir de la machine », dont la légitimité est parfois difficile à admettre,
- Au contraire des statistiques descriptives, les algorithmes prédictifs produisent des résultats mais n’apportent pas toujours d’explications sur les relations de cause à effet. L’interprétation humaine reste prépondérante,
- Enfin, il serait risqué de vouloir rationaliser à l’extrême les aspects plus subjectifs et créatifs inhérents à la pratique du marketing avec un « management par les algorithmes ».
Conclusion: commencer tôt, préférer le pas à pas au « big bang ».
Alors que les concepts et technologies de mesure de la performance du marketing sont fragmentés et loin d’être standardisés, il peut être difficile pour un manager de décider quelle méthode adopter.
De plus, l’adoption d’un modèle plus rationnel de calcul du ROI des investissements en marketing peut avoir des conséquences sensibles sur l’organisation des fonctions marketing, ecommerce, relation client et sur l’allocation des ressources.
Ajoutons que les traditionnels silos fonctionnels sont souvent un obstacle à la mise en place d’une vision transversale des parcours clients.
Si vous démarrez dans le domaine de l’attribution, passer d’un modèle heuristique « single touch » de type « attribution au dernier clic » à un modèle heuristique « multi-touch » vous apportera des résultats tangibles assez rapidement. Passer directement à des approches plus sophitiquées basées sur des algorithmes comporte le risque de ne pas disposer des données nécessaires (en quantité et qualité) à leur bonne exploitation.
