Pourquoi les annonceurs ont besoin de plus que de l'attribution

L’attribution répond à une question plus étroite que ce que la plupart des gens pensent. Elle demande : parmi les conversions qui ont eu lieu, quel point de contact reçoit le mérite ?

La question dont dépend réellement votre décision budgétaire est différente : cette conversion se serait-elle produite de toute façon ? L’attribution ne peut pas y répondre, et aucune sophistication de modèle n’y changera rien, parce que la réponse exige d’observer un monde où la publicité n’aurait pas tourné.

Pourquoi cet écart coûte de l’argent réel

Le retargeting est le cas le plus limpide. Il affiche de façon fiable un excellent ROAS, parce qu’il est montré à des personnes déjà proches de l’achat, et il reçoit le mérite d’achats qui étaient de toute façon largement déjà en cours. L’attribution n’a pas tort ici. Elle rapporte fidèlement qu’une publicité de retargeting était le dernier point de contact. Elle ne peut simplement pas distinguer le mérite de la causalité.

La conséquence est une boucle bien connue et coûteuse : on augmente le retargeting, le ROAS intra-plateforme s’améliore, le chiffre d’affaires total ne bouge pas, et le compte en conclut qu’il a besoin de plus de retargeting.

La vérification prend une minute. Comparez le ROAS ou le MER agrégé, le chiffre d’affaires total sur la dépense totale sans aucune attribution impliquée, à votre chiffre intra-plateforme sur la même période. Si le ROAS plateforme s’améliore pendant que l’agrégé reste plat, vous avez déplacé du mérite plutôt que généré des ventes.

Chaque système d’attribution est en désaccord, et tous ont raison en interne

Meta rapporte un chiffre, Google Analytics un autre, votre CRM un troisième. Ce n’est généralement pas un bug.

Ils diffèrent sur la fenêtre : combien de temps après un clic ou une vue une conversion compte encore. Ils diffèrent sur le modèle : premier, dernier ou distribué. Ils diffèrent sur si les vues comptent du tout. Et ils diffèrent sur si les conversions modélisées sont incluses, ce qui compte davantage depuis que la perte de signal a fait de la modélisation une part croissante de ce que les plateformes rapportent.

Avec des règles différentes, des totaux différents sont le résultat correct. La réponse utile est d’arrêter de réconcilier et de choisir : sélectionnez le système avec lequel vous prenez vos décisions, comprenez ce qu’il compte, et utilisez les autres comme vérifications de bon sens plutôt que comme des contradictions à résoudre.

Ce qui répond réellement à la question causale

Les tests géographiques en retenue. Suspendez la publicité dans un ensemble de régions comparables, poursuivez normalement ailleurs, comparez. Le test géographique en retenue est la méthode d’incrémentalité la plus praticable pour la plupart des annonceurs, parce qu’elle ne nécessite aucune coopération de plateforme et mesure ce qui s’est passé plutôt que de débattre du mérite.

Les études de lift de conversion. La propre retenue randomisée de Meta. Plus propre dans sa conception et dépendante d’un volume suffisant : voir les études de lift de conversion.

La modélisation du mix marketing. Descendante, au niveau du canal, sans suivi utilisateur. Utile à grande dépense et peu utile pour décider quoi faire d’un seul ensemble de publicités : MMM.

Ces trois méthodes coûtent quelque chose : du chiffre d’affaires suspendu, du temps, ou de la capacité analytique. Ce coût est le point. Les réponses causales sont coûteuses parce qu’elles exigent de délibérément ne pas faire quelque chose, et c’est exactement pourquoi si peu d’annonceurs en ont une.

L’attribution garde sa place

Rien de tout cela ne la rend optionnelle. L’attribution est ce qui permet à Meta d’optimiser tout court : le système de diffusion a besoin d’événements de conversion rattachés aux publicités pour apprendre, ce qui explique pourquoi corriger votre chaîne d’événements vaut généralement plus que n’importe quel affinage de modèle. Une attribution exacte détecte aussi les vraies défaillances, et une fenêtre erronée mal attribuera une performance réelle d’une façon qu’il vaut la peine de corriger.

L’erreur consiste à traiter l’attribution comme une réponse complète à la question de savoir si la dépense fonctionne. C’est une strate d’une partie du compte, qui fait le travail de la mesure, pas celui de la décision.

La position pratique

Utilisez l’attribution pour piloter le quotidien : quelles publicités tester, lesquelles rafraîchir, où va la diffusion. Utilisez une lecture d’incrémentalité périodique, même un test géographique en retenue sommaire une ou deux fois par an, pour vérifier si l’histoire au niveau du canal que l’attribution vous raconte est à peu près vraie.

Et gardez les deux questions séparées dans votre esprit. « Quelle publicité reçoit le mérite » et « que se serait-il passé sans elle » sont des questions différentes, et les confondre est comment naissent des décisions budgétaires sûres d’elles-mêmes, bien documentées, et totalement fausses.