Modèles d'attribution et fenêtres effectives

Un modèle d’attribution est une règle pour attribuer le mérite. Lorsque quelqu’un voit trois publicités, en clique une, et achète quatre jours plus tard, le modèle décide quelle publicité reçoit la vente. Changer la règle fait produire des vainqueurs différents aux mêmes événements sous-jacents, ce qui explique pourquoi deux systèmes observant un trafic identique peuvent être en désaccord complet.

YieldBI applique des modèles d’attribution incrémentale avec des fenêtres effectives définies plutôt qu’une seule règle par défaut pour toutes les campagnes.

Pourquoi le réglage par défaut est souvent inadapté à votre tunnel

L’attribution par défaut de Meta est un seul paramètre appliqué à toutes les campagnes du compte. C’est pratique, et rarement correct pour toutes en même temps.

Une fenêtre courte sur un achat réfléchi élimine des conversions réellement issues de la publicité, faisant paraître la prospection moins performante qu’elle ne l’est et poussant le budget vers le retargeting. Une fenêtre longue sur un achat impulsif fait l’inverse : elle englobe des ventes qui se seraient produites de toute façon, et la campagne qui en reçoit le mérite ne l’a pas gagné.

Aucune des deux erreurs ne s’annonce d’elle-même. Toutes deux déplacent discrètement le budget dans la mauvaise direction.

Fenêtres effectives

Une fenêtre effective est la période suivant une interaction avec une publicité pendant laquelle une conversion est encore créditée à cette publicité. Deux éléments la déterminent :

• Les fenêtres de clic comptent les conversions des personnes ayant cliqué. C’est le signal le plus fort.
• Les fenêtres de vue comptent les conversions des personnes ayant seulement vu la publicité. Plus faible, et la source la plus fréquente de performance rapportée gonflée. Voir fenêtre d’attribution et vue sans clic, et la documentation de Meta sur le fonctionnement de son attribution.

Choisissez la fenêtre à partir de votre délai d’achat réel, pas d’une référence sectorielle. Si la plupart des commandes arrivent dans les deux jours suivant le clic, une fenêtre de sept jours n’ajoute surtout que du bruit. Si votre médiane est de onze jours, une fenêtre de sept jours masque systématiquement les campagnes qui fonctionnent.

Pourquoi vos chiffres ne correspondront jamais exactement à ceux de Meta

Ils comptent des choses différentes, et les deux approches sont cohérentes en elles-mêmes :

• Meta crédite à la date de l’interaction avec la publicité ; votre boutique crédite à la date de la commande. Autour d’un pic, ces dates tombent des jours différents.
• Meta inclut des conversions modélisées lorsque l’observation directe n’est pas possible ; votre base de données ne contient que les commandes observées.
• Meta ne peut pas voir les conversions qui se concluent hors ligne à moins que vous ne les lui renvoyiez.

Faire correspondre les chiffres ligne par ligne n’est pas un objectif réaliste. Choisissez le système avec lequel vous prenez vos décisions, comprenez ce qu’il compte, et utilisez l’autre comme vérification de cohérence sur la tendance.

Où cela se manifeste

• Le pixel et les événements de conversion alimentent le signal brut, donc une lacune dans la configuration de l’API Conversions limite tout modèle construit par-dessus.
• SKAdNetwork couvre les campagnes d’applications iOS, où le suivi au niveau de l’appareil est indisponible et où les résultats arrivent agrégés et différés.
• La visibilité du chiffre d’affaires au niveau de l’annonce et les insights de découverte d’audience sont rapportés selon le modèle et la fenêtre que vous avez configurés, de sorte que la liste d’actions quotidiennes correspond au modèle en lequel vous avez confiance plutôt qu’à un réglage par défaut de la plateforme que personne n’a choisi.

Ce que l’attribution ne peut toujours pas répondre

L’attribution répartit le mérite entre des points de contact qui existent déjà. Elle ne peut pas vous dire ce qui se serait passé sans la publicité du tout. Pour cela, il faut un groupe témoin : voir les tests d’incrémentalité et les tests de retenue géographique.