Google Analytics met fin à 4 modèles d’attribution. Ceux-ci seront remplacés par une attribution basée sur les données dans les mois à venir. Voici le calendrier :
- Mai 2023 : Pour les propriétés Google Analytics 4 les modèles linéaires, de premier clic, de décroissance temporelle et ceux basés sur la position ne seront plus disponibles pour les nouvelles actions de conversion.
- Juin 2023 : Pour les comptes Google Analytics 4 les modèles linéaires, de premier clic, de décroissance temporelle et ceux basés sur la position ne seront plus disponibles pour les nouvelles actions de conversion.
- Septembre 2023 : Google supprimera les quatre modèles d’attribution pour Google Analytics 4 et Google Ads.
Alors, que se passera-t-il avec les actions de conversion reposant sur ce type de modèles ? Selon Google, toute action de conversion qui utilise un modèle d’attribution quasi obsolète sera automatiquement convertie en modèle d’attribution fondé sur les données.
Les annonceurs ont toujours la possibilité d’utiliser le modèle d’attribution dernier clic actuel, sous réserve que toute action de conversion soit modifiée manuellement.
Toute personne utilisant encore ces modèles quasi obsolètes dans Google Ads sera impactée. Étant donné que la formule d’attribution basée sur les données de chaque annonceur est différente et non visible, tout ce qui n’est pas le dernier clic sera beaucoup plus difficile à suivre.
Dans cet article, nous expliquerons plus en détail les modèles d’attribution dans l’analyse et discuterons de l’attribution basée sur les données promue par Google. Nous relèverons les problèmes liés à cette dernière et expliquerons pourquoi vous devriez comparer différents modèles d’attribution.
Qu’est-ce que l’attribution ?
Les modèles d’attribution constituent des règles ou des algorithmes qui déterminent la façon dont le crédit des conversions est attribué aux points de contact sur les chemins de conversion. Une conversion est attribuée à des clics individuels, des annonces et des facteurs le long du chemin de conversion de l’utilisateur. Les attributions ont deux modèles :
- Attribution basée sur des règles – Le crédit de conversion est divisé entre les points de contact pertinents dans les modèles basés sur des règles. Dans ce cas, l’attribution se fait à la base des interactions uniques ou multiples.
- Attribution basée sur les données – L’objectif est de déterminer combien de conversions et de parcours visiteurs ont contribué à une vente. Pour cette raison, le modèle qui en découle peut différer considérablement des approches simples basées sur des règles.
L’attribution nous aide à comprendre quels points de contact dans le chemin de conversion jouent un rôle important. Ainsi, vous gagnez plus de visibilité et vous pouvez créditer les sources appropriées.
Voyons un exemple de chemin de conversion pour quelqu’un qui convertit sur le site Web.
- Un utilisateur recherche sur Google « modèles d’attribution dans GA4 » et clique sur votre article de blog.
- Il revient sur le même blog le lendemain et accède à votre chaîne YouTube à partir de ce blog.
- Quelques jours plus tard, l’utilisateur visite directement votre site Web et s’abonne à votre newsletter parce qu’il se rend compte qu’il peut mieux apprendre de cette façon.
Ainsi, trois sources ont contribué à ce chemin de conversion : recherche organique sur Google, vidéo YouTube et trafic direct.
Alors, laquelle devrait obtenir un crédit pour la conversion ? Tout a commencé avec la recherche organique, non ? Alternativement, serait-ce la vidéo YouTube qui a convaincu l’utilisateur de s’abonner ? Sinon, faudrait-il créditer la source directe, vu que c’est à ce moment-là que le visiteur a pris la décision ? Pourquoi pas les trois sachant qu’ils ont tous contribué ? C’est là que les modèles d’attribution entrent en jeu.
Chaque modèle aura des résultats différents sur le même chemin de conversion. Il peut y avoir plusieurs points de contact et l’ordre de conversion peut différer pour chaque utilisateur.
Modèles d’attribution courants
Différents modèles d’attribution indiquent comment le crédit de conversion est appliqué. Les modèles d’attribution standard basés sur des règles sont les suivants :
- Premier clic : Le crédit total est affecté à la première interaction. Un visiteur accède à votre site Web via Google Ads, fait sa recherche et s’en va. Plus tard, celui-ci revient via un lien de recherche Google organique et remplit un formulaire – une conversion. Cette dernière visite via la recherche organique ne sera pas comptée du tout. La première interaction via Google Ads obtient 100% de crédit pour la conversion.
- Dernier clic : Le crédit total est affecté à la dernière interaction. Selon ce modèle, par exemple, tout le crédit serait attribué à la recherche organique si celle-ci suivait les clics Google Ad.
- Modèles dernier clic non direct : Ceux-ci éliminent les visites directes de l’équation. Ils attribuent 100% de la conversion au dernier clic indirect, source de trafic ou référence connue. Il s’agit donc d’une variante du modèle dernier clic.
- Dépréciation temporelle : Le crédit est basé sur le temps écoulé entre les interactions. Ce modèle crédite chaque point de contact, mais plus celui-ci est proche d’une transaction finale ou de la réalisation d’un objectif, plus de crédit il reçoit.
- Attribution basée sur la position : Ce modèle crédite des étapes particulières sur le chemin de conversion, généralement la première et la dernière. Il attribue X % de crédit à la première interaction, Y % à la dernière interaction et Z % à tous les points de contact.
- Attribution linéaire : Modèle qui attribue un crédit égal à chaque étape du chemin de conversion. Le succès est également attribué à chaque référent et visite. Ainsi, les trois points de contact – suivant notre exemple ce seraient donc Google Ads, la recherche organique Google et une visite directe – obtiendraient un tiers de crédit avant une conversion.
- Attribution basée sur les données : Ce modèle utilise des données pour déterminer le crédit d’attribution. Il évolue en fonction du chemin unique.
De nombreux spécialistes du marketing ne prennent en considération que le dernier clic. Certes, cela n’est pas un mauvais choix, mais il ignore les points de contact qui peuvent jouer un rôle important dans une conversion. Ce défaut s’applique, par ailleurs, à tout modèle basé sur l’approche tout ou rien, dont le premier clic, le dernier clic ou le dernier clic non direct.
Par contraste, l’avantage principal des trois autres modèles – linéaire, basé sur la position et dépréciation temporelle – est qu’ils attribuent du crédit à plusieurs points de contact. Cela ne signifie pas, en revanche, que ces derniers sont mieux adaptés à modéliser les entonnoirs de conversion. Tout simplement, il est plus préférable d’affecter le crédit à plus qu’un seul point de contact.
L’attribution de conversion multicanale crédite les conversions dans un parcours client à travers plusieurs canaux.
Pourquoi comparer différents modèles d’attribution ?
Il n’existe pas de meilleur modèle d’attribution universel. Il peut être suffisant de choisir un modèle d’attribution en fonction de la situation. Cependant, toute affaire est différente, utilise différents points de contact et communique différemment.
Vous investissez probablement dans des dizaines de canaux – médias sociaux, publicité de recherche, e-mail, blogs, etc. Le parcours client est fragmenté et le passage du premier contact à la conversion se produit rarement au cours d’une seule session de navigation. En effet, ces processus couvrent de nombreux canaux et points de contact et ne se font pas du jour au lendemain. L’analyse d’attribution multicanale est compliquée, mais ses rapports vous fournissent de nombreuses indications au fil du temps, si vous concevez des expériences ingénieuses sur leur base.
Tous les modèles d’attribution ont leurs avantages et leurs inconvénients. Il ne s’agit donc pas de choisir le meilleur modèle du premier coup. Pour réussir, en premier temps, vous prenez le résultat approximatif, apportez des modifications, observez l’impact (généralement au cours des semaines ou des mois), identifiez les idées et devenez plus précis au fil du temps.
Tester plusieurs modèles, y compris des modèles personnalisés, est la meilleure façon de trouver le modèle d’attribution le plus approprié.
Les rapports d’attribution multicanale sont utiles. En effet, ils vous permettent d’analyser les canaux utilisés par les gens avant d’atteindre l’objectif de votre site Web ou d’acheter votre produit. Contrairement aux rapports d’acquisition de base, ce rapport présente différents modèles d’attribution et chemins de conversion. Vous pouvez l’utiliser pour déterminer quels points de contact génèrent le trafic le plus rentable vers votre site Web. Une fois cette information obtenue, vous pouvez mieux allouer votre budget marketing.
L’outil de comparaison de modèles, disponible dans le rapport, vous permet de comparer des modèles d’attribution tels que les modèles de dernier clic, de premier clic, de dernier clic non direct, ceux basés sur la dépréciation temporelle ainsi que les modèles linéaires et personnalisés.
Dans l’ensemble, la comparaison de différents modèles d’attribution peut vous aider à comprendre comment vos efforts marketing génèrent des conversions.
Experts opinion
Timo Dechau
Fondateur et directeur du contenu chez Deepskydata
« L’attribution marketing est l’un des sujets les plus complexes de l’analyse marketing. Alors, enquêtez-la, testez-la. Ne la traitez pas de vérité absolue. L’attribution est toujours un modèle simple d’un monde complexe. Or, en apprendre davantage sur les différents points de contact que vos clients doivent franchir avant d’acheter est un aperçu crucial. Commencez par regarder les chemins de conversion afin de comprendre ce que font 80% de vos clients. De plus, identifiez quelles sont les combinaisons les plus typiques. Comparez ensuite les différents modèles et vérifiez comment les taux de conversion changent pour des canaux spécifiques. Discutez des résultats avec votre équipe marketing pour trouver le modèle qui serait le plus approprié pour eux. Vous demanderiez : Attendez, attendez… Vous dites celui qui serait le plus approprié ? Oui, puisque les modèles d’attribution tentent de modéliser un monde complexe, l’équipe marketing peut donner son avis sur le modèle qui semble le mieux en fonction de son expérience. »
Attribution Google Analytics 4 (GA4)
Le modèle d’attribution par défaut de GA4 est orienté sur les données. Celui-ci utilise des algorithmes d’apprentissage automatique pour analyser les données de votre compte Google Analytics. Il attribue du crédit à différents points de contact en fonction de leur impact réel sur les conversions.
GA4 n’utilisera plus les modèles d’attribution qui ne considèrent pas le dernier clic, notamment les modèles d’attribution basés sur le premier clic, linéaires, basés sur la position et la dépréciation temporelle dans Google Ads et GA4. Toutefois, les attributions cross-canal basées sur les données, le dernier clic cross-canal et le dernier clic (le modèle préféré des annonces) continueront d’être disponibles.
| Modèles | Bases | Règles |
|---|---|---|
| Basé sur les données | Algorithme | – |
| Basé sur des règles cross-canal | Règles | Dernier click |
| Préféré par les annonces | Règles | Dernier click |
Si vous utilisez des modèles d’attribution qui deviennent obsolètes, sachez qu’il existe une solution de contournement. En effet, Google Analytics 4 vous permet d’exporter des données d’événements vers Google BigQuery. Ainsi, vous pouvez créer vos modèles d’attribution marketing basés sur le premier clic, le principe linéaire, la dépréciation temporelle et d’autres règles en utilisant la logique que vous possédez et que vous pouvez modifier sous le contrôle de votre organisation, et non de Google. Cette solution requiert, néanmoins, du temps et des ressources supplémentaires.
Il convient de noter que l’utilisation de modèles d’attribution nécessite également une période d’analyse, appelée également une fenêtre d’attribution.
Les périodes d’analyse, appelées encore les fenêtres d’attribution, vous aident à déterminer quelles annonces ont entraîné des conversions pendant la période donnée. Elles vous permettent également de choisir à quel point vous souhaitez retracer les visites de vos utilisateurs sur votre page ou site. Par exemple, si vous utilisez une fenêtre d’attribution de 30 jours, GA ne prendra en compte les visites des utilisateurs que dans les 30 jours précédant la conversion.
Par défaut, GA4 utilise une période d’analyse de 30 jours pour les événements de conversion d’acquisition et une période d’analyse de 90 jours pour les autres événements de conversion. De même, une période d’analyse de 90 jours signifie que les points de contact peuvent être admissibles à un crédit de conversion jusqu’à 90 jours à compter du jour où ils se sont produits. Universal Analytics dispose d’une fenêtre d’attribution de six mois.
En raison de cette différence, il peut y avoir des divergences de données entre Google Analytics 4 et Universal Analytics. Par exemple, si un utilisateur clique sur votre site Web à partir d’un lien social aujourd’hui, le revisite dans quatre mois et convertit, Universal Analytics attribuera un crédit de conversion au clic social. Google Analytics 4, par contre, affecte un crédit de conversion au clic direct. Conséquence ? De possibles problèmes de migration et des divergences de données.
L’inconvénient de l’attribution basée sur les données
Au cours des dernières années, les principales plateformes publicitaires ont progressivement introduit l’attribution basée sur les données dans la mesure de la conversion afin de préserver le suivi des performances. Les plateformes doivent faire preuve de leur valeur lorsque les méthodes de suivi traditionnelles sont inaccessibles en raison de la dépréciation des cookies tiers.
L’attribution basée sur les données offre certains avantages par rapport aux modèles basés sur des règles. Par exemple, elle supprime les préjugés humains de l’analyse des points de contact des consommateurs en utilisant Google AI. Elle aide à identifier les modèles qui conduisent à des conversions et adapte automatiquement les valeurs d’attribution à mesure que votre paysage marketing évolue.
Il est, cependant, important de noter que le fait d’avoir un modèle d’attribution marketing qui modifie la valeur appliquée aux interactions marketing par e-mail d’une année à l’autre peut entraîner des rapports de comparaison inutiles. Il sera impossible de déterminer si l’augmentation des conversions attribuées à ce canal est due à vos dépenses accrues ou au changement d’attribution de Google.
Selon Google, le modèle d’attribution basé sur les données est le modèle de conversion le plus largement utilisé dans les enchères automatiques.
Les quatre modèles devenus obsolètes représentent moins de 3 % des conversions Web Google. Selon le géant, la suppression des modèles d’attribution moins couramment utilisés simplifie et consolide l’analyse.
Google Ads
Cela n’est pas tout : un modèle d’attribution axé sur les données peut davantage créditer les campagnes Google Ads pour la conversion que d’autres canaux. De ce fait, les annonceurs restent prudents. Si cela rend difficile la mesure ou la justification d’autres canaux de médias payants, les spécialistes du marketing pourraient être incités à investir davantage de leur budget marketing dans Google Ads.
Supposons qu’un client clique sur un e-mail, recherche votre marque et regarde une vidéo YouTube. Il clique sur Facebook et se rend sur le site Web pour finaliser l’achat.
Dans ce scénario, Google ne créditera que les propriétés Google. Par conséquent, vos balises de conversion ou vos plateformes d’analyse peuvent surestimer le crédit d’une conversion ou doubler le crédit pour une conversion.
Autres problèmes liés à l’attribution basée sur les données
Compte tenu de tout ce qui précède, il n’est pas étonnant que les nouvelles sur les modèles d’attribution devenant obsolètes aient suscité beaucoup de discussions parmi les spécialistes du marketing et les annonceurs. La suppression des modèles d’attribution prive les spécialistes du marketing des informations nécessaires à prendre des décisions plus éclairées. En outre, il est souvent remarqué que l’attribution basée sur les données pourrait être utilisée pour l’optimisation. Or, cela est bien la comparaison des résultats à l’aide de différents modèles qui fournit les informations les plus précieuses.
Discutons d’autres problèmes liés à l’attribution basée sur les données.
Précision
La modélisation d’attribution repose sur des ensembles de données plus petits. Lorsque les modèles statistiques sont construits sur un petit ensemble de données, ils sont moins fiables et les chiffres réels peuvent s’écarter considérablement des données modélisées.
Plus de rapports de conversion seront basés sur la modélisation de données non suivies. Malgré tous leurs efforts, les spécialistes du marketing prennent des décisions instinctives faute d’outils fiables.
Il est impossible de vérifier comment l’attribution est modélisée
Le modèle prend en compte des facteurs tels que les types d’appareils, le nombre d’interactions publicitaires des utilisateurs, l’ordre d’exposition des annonces, le type d’actifs créatifs et le temps écoulé depuis la conversion.
Il utilise une approche contrefactuelle/imprécise en termes de ce qui aurait pu se passer par rapport à ce qui s’est réellement passé pour déterminer quels points de contact sont les plus susceptibles de générer des conversions. Il accorde ensuite un crédit basé sur cette probabilité de conversion. Google ne révèle pas comment l’attribution basée sur les données attribue des crédits à chaque canal.
Il paraît donc assez difficile de comprendre ce qui se cache sous le capot de son algorithme par rapport à d’autres modèles. Les spécialistes du marketing devront faire confiance aux informations que Google Ads leur donne sans voir la totalité du processus. Il est nécessaire d’accepter un certain niveau d’incertitude lors de l’utilisation de l’attribution basée sur les données.
Limitations
Dans le contexte du modèle d’attribution basé sur les données de Google, le principal inconvénient est que certains types d’actions de conversion nécessitent au moins 300 conversions et 3 000 interactions publicitaires dans les réseaux pris en charge dans les 30 jours pour être éligibles. Ainsi, vous ne pourrez pas continuer à utiliser l’attribution basée sur les données pour ces actions de conversion si vos données sont réduites en dessous de 2 000 interactions publicitaires dans les réseaux pris en charge ou de 200 conversions pour l’action de conversion dans les 30 jours.
Malheureusement, ces niveaux seront inaccessibles pour de nombreuses entreprises.
L’attribution basée sur les données est une boîte noire. Il est impossible de vérifier comment l’attribution est modélisée et comment celle basée sur les données affecte des crédits au niveau de chaque canal. L’application de l’apprentissage automatique n’est pas une mauvaise idée, mais le manque de transparence est une tendance inquiétante. De nombreux spécialistes du marketing utilisent différents modèles d’attribution et les comparent régulièrement pour mieux comprendre les problèmes potentiels et former de meilleures hypothèses sur l’importance relative des différents canaux.
Experts opinion
Mikko Piippo
Consultant en analyse numérique
« Le principal problème avec l’attribution basée sur les données fournie par Google Analytics est que lorsque nous utilisons ce modèle, nous faisons confiance à notre budget publicitaire et à l’attribution à la même entreprise sans voir ce qui se passe dans la boîte noire. Plus nos données analytiques sont basées sur la modélisation (au lieu de la mesure), plus il devient difficile de comprendre les modèles, les méthodes et les limitations. L’attribution basée sur les données est utile à certains égards. Elle simplifie l’analyse et fournit aux spécialistes du marketing des résultats qu’il leur serait difficile d’obtenir à partir de leurs données limitées. Cela dit, ils ne devraient pas faire aveuglément confiance aux données, en particulier lorsque ce sont les entreprises exploitant de grandes plateformes publicitaires qui les fournissent. »
Dernières réflexions
Avec la décision de Google de supprimer les modèles d’attribution, les spécialistes du marketing doivent explorer des solutions alternatives pour garantir des décisions basées sur les données.
Ce changement aura un impact sur les annonceurs qui utilisent encore des modèles qui sont quasi obsolètes. Les modèles autres que le dernier clic seront difficiles à suivre car la formule basée sur les données dépend du compte et semble peu claire : nous ne voyons pas comment cela fonctionne, quelles règles il suit ou pourquoi il prend des mesures spécifiques.
Une solution possible consiste à migrer vers des plateformes comme Piwik PRO qui vous propose des outils d’attribution multicanaux avancés pour vous aider à analyser quel canal ou point de contact devrait être crédité pour les conversions. Outre les modèles d’attribution prédéfinis, vous pouvez obtenir des modèles personnalisés pour répondre aux besoins de votre entreprise. L’outil de comparaison, lui, vous permet de comparer différents modèles d’attribution.
Enfin, une attribution précise nécessite la collecte de données personnelles. L’émergence de réglementations de plus en plus strictes telles que la loi CCPA et le RGPD rend cette opération très délicate. Un gestionnaire de consentement intégré est donc essentiel à votre boîte à outils d’attribution. Ce besoin sera de plus en plus critique sachant que les lois de confidentialité sont davantage renforcées dans le monde entier.
Consultez nos comparaisons de produits qui vous faciliteront le choix du bon logiciel d’analyse Web. Nous y présentons les caractéristiques essentielles de tous les produits, en expliquant en détails leur importance du point de vue juridique, technique et pratique :
