Comment choisir et tester un modèle d'attribution

Lorsqu'un marketeur est confronté au défi d'attirer un certain nombre de conversions sans dépasser le budget, il doit s'assurer que le modèle d'attribution qu'il applique l'aide à prendre les bonnes décisions et à comprendre la logique du modèle. De nombreuses erreurs peuvent être commises en cours de route, entraînant des pertes de temps et d'argent.

Dans cet article, nous avons rassemblé des informations qui vous aideront à comparer et à appliquer des modèles d'attribution modernes pour vous aider à faire passer le marketing de votre entreprise au niveau supérieur.

Étant donné que les utilisateurs peuvent interagir avec plusieurs campagnes publicitaires, vous devez appliquer un modèle d'attribution pour estimer le nombre et la valeur des conversions résultant de chaque campagne. Un modèle d'attribution vous permet de répartir la valeur de conversion entre les campagnes avec lesquelles un utilisateur a interagi avant la conversion.

Qu'attendons-nous d'un modèle d'attribution ? Il doit être précis et compréhensible. Mais la majorité des modèles connus ne satisfont qu'à une seule de ces exigences.

Par exemple, le modèle d'attribution au dernier contact le plus populaire (dernier clic, dernier clic non direct) est assez clair : toute la valeur est donnée à la dernière campagne. Mais il a un inconvénient évident : il ignore la contribution de toutes les campagnes sauf la dernière.

De nombreuses personnes utilisent les conversions associées , notamment pour évaluer les campagnes display. Ce modèle est également assez clair : il donne la valeur de conversion à chaque campagne avec laquelle l'utilisateur a interagi. Mais une telle évaluation est extrêmement imprécise, puisqu'elle ne prend en compte que la présence d'une campagne dans la chaîne et ignore le degré de son influence.

Par exemple, les campagnes d'audience obtiennent la valeur de toutes les conversions des utilisateurs qui voient les bannières de la campagne. Par conséquent, le nombre de conversions attribuées dépasse largement le nombre réel de conversions.

Les services modernes accordent la priorité à la précision et développent des modèles d'attribution probabilistes . Par exemple, Google promeut son modèle Data-Driven, Facebook promeut Conversion Lift et Nielsen promeut Campaign Lift.

Ces modèles partagent une approche commune : ils mesurent dans quelle mesure une certaine campagne a augmenté la probabilité de conversion et déterminent sa valeur en conséquence. Cela rend l'évaluation plus objective mais laisse de nombreuses questions ouvertes aux annonceurs, car les modèles ressemblent à une boîte noire et les possibilités de débogage sont limitées, voire inexistantes.

Chez OWOX, nous développons un modèle d'attribution probabiliste depuis 2015. Le modèle d'attribution OWOX est basé sur l'apprentissage automatique. Il évalue les campagnes publicitaires au niveau de la session utilisateur, prend en compte leur contribution à l'entonnoir et permet aux spécialistes du marketing de spécifier les canaux gérés et la fenêtre de conversion ainsi que de connecter les données CRM.

Nous avons récemment lancé une nouvelle version du modèle d'attribution OWOX BI qui rassemble les meilleures pratiques et offre d'importants avantages commerciaux :

1. Le modèle détermine la contribution des campagnes en fonction de la probabilité de conversion et ne nécessite pas de sélection manuelle des étapes de l'entonnoir. Dans l'exemple ci-dessous, lors de la première session du canal de recherche payante, l'utilisateur avait 20 % de chances de se convertir ; lors de la deuxième session du canal de reciblage, la probabilité est passée à 70 % ; et dans la troisième session, l'utilisateur a converti.

La valeur de chaque session est égale à l'augmentation de la probabilité d'une conversion par l'utilisateur par rapport à la session précédente. Dans ce cas:

• la première session de la recherche payante recevra 20 % de la valeur de conversion, car elle a augmenté la probabilité de 0 % à 20 %
• la deuxième session avec Retargeting recevra 50 % de la valeur de conversion, car elle a augmenté la probabilité de 20 % à 70 %
• la troisième session avec Email recevra les 30% restants de la valeur de conversion

Dans tout modèle d'attribution probabiliste, la chose la plus importante est la précision dans la prédiction de la probabilité d'une conversion. Les algorithmes d'apprentissage automatique OWOX BI sont extrêmement précis, ce qui est confirmé par les résultats obtenus par iProspect et Eldorado, qui ont utilisé ces algorithmes pour obtenir une augmentation de 2,2 fois du retour sur investissement.

2. Le deuxième avantage de la nouvelle version du modèle d'attribution OWOX est sa capacité à prédire la valeur même des sessions qui n'ont pas encore conduit à une conversion :

Cette prévision vous permet de savoir combien de conversions d'une campagne publicitaire vous pouvez vous attendre à recevoir à l'avenir si vous désactivez la campagne aujourd'hui.

Cela vous permet de prendre des décisions plus rapides pour désactiver les campagnes sous-performantes et de ne pas désactiver les campagnes retardées par erreur.

La précision de la prédiction d'un modèle dépend non seulement des algorithmes, mais également de la taille de l'échantillon d'apprentissage. L'augmentation de la vitesse et de la qualité des prévisions pour le modèle OWOX a été obtenue en entraînant le modèle sur des dizaines de milliers de projets.

3. Plus important encore, pour rendre la logique de calcul aussi transparente que possible et prendre en compte les particularités d'une entreprise particulière, nous avons ouvert le code de transformation des données à tous les clients. Vous pouvez apporter vous-même des modifications au code, et OWOX BI se chargera des mises à jour régulières des données, combinera les coûts des campagnes publicitaires et fournira tous les rapports nécessaires. Vous pouvez en apprendre davantage sur les avantages de la transformation des données en dbt (outil de création de données) en vous inscrivant à une démo.

Lorsque vous évaluez des campagnes à l'aide de différents modèles d'attribution, vous pouvez vous attendre à des résultats différents. Dès lors, la question se pose inévitablement : quel modèle d'attribution choisir, et lequel indique le bon chemin ?

En fait, un commerçant n'a pas besoin d'une boussole pointant vers la gauche ou la droite, mais d'un système de navigation à part entière qui calcule et recommande des itinéraires, en tenant compte des embouteillages et de l'heure d'arrivée requise. Il s'agit d'un modèle d'attribution, qui permet à une entreprise d'atteindre un objectif basé sur des recommandations spécifiques.

De plus, gérer votre budget publicitaire sans tenir compte de la capacité du canal peut vous mener à une impasse, tout comme une boussole qui ne tient pas compte du paysage. La plupart des spécialistes du marketing savent qu'un faible coût par conversion n'est pas suffisant pour prendre la décision d'augmenter le budget. Par exemple, les campagnes de marque peuvent avoir un faible coût par conversion, mais ont épuisé leur capacité. Par conséquent, l'augmentation de votre budget n'augmentera pas les conversions.

Le graphique ci-dessus montre comment le nombre de conversions dans les campagnes A et B dépend du budget investi dans ces campagnes. Notez que le CPA actuel de la campagne A est inférieur à celui de la campagne B. Mais la prochaine conversion dans le canal A coûtera plus cher que dans le canal B !

Par conséquent, pour appliquer l'attribution, vous devez connaître non seulement les performances actuelles du canal, mais également l'évolution du résultat global si vous augmentez ou diminuez le budget de chaque canal, campagne et mot clé.

Avec un tel modèle dans leur projet, l'équipe marketing peut choisir la stratégie de croissance appropriée :

1. Obtenez le même nombre de conversions en réduisant votre budget.
2. Augmentez le nombre de conversions avec le même budget.
3. Augmentez le nombre de conversions avec le même CPA.

Cela vous permet d'obtenir immédiatement non seulement des recommandations sur la redistribution du budget, mais également le résultat prévu.

La question principale demeure : Comment connaître la courbe de capacité pour chaque mot-clé ? Chez OWOX BI, nous utilisons les données de marché de dizaines de milliers de projets pour former un modèle qui répond à cette question en fonction de la région et de la niche d'un projet. D'après notre expérience, les données d'un mois, même pour les grands projets, ne suffisent pas pour obtenir une prévision de haute qualité.

Points clés à retenir:

1. Un modèle d'attribution évalue les campagnes publicitaires mais ne fournit pas de recommandations pour redistribuer le budget publicitaire.
2. Pour obtenir des recommandations, vous devez connaître la capacité des campagnes et la stratégie de promotion.
3. Le meilleur modèle d'attribution est celui basé sur des recommandations qui permet à votre entreprise d'atteindre un objectif spécifique.

Les moyens d'augmenter la capacité des canaux (médias) et les erreurs courantes dans la définition des objectifs des agences (dernier clic) méritent une attention particulière (et des articles). Écrivez dans les commentaires ce que vous aimeriez lire dans nos prochains articles.

Si vous souhaitez en savoir plus sur le modèle d'attribution OWOX, inscrivez-vous pour une démo. Nous serons heureux de répondre à toutes vos questions.