Attribution multi touch

Elle regroupe plusieurs modèles, qui diffèrent par leur règle de répartition.

Les modèles à règle fixe répartissent selon une convention : également entre tous, davantage aux contacts récents, ou selon des positions privilégiées.

Les modèles par les données estiment la contribution à partir des parcours observés, ce qui est décrit côté attribution data driven.

Le point commun est de reconnaître qu’un achat résulte de plusieurs expositions, et non de la dernière.

Les totaux ne bougent pas, leur répartition entre canaux si.

Les canaux de découverte remontent : une recherche générique, un affichage, une vidéo qui intervenaient tôt n’obtenaient rien au dernier clic.

Les canaux de fin baissent : requêtes de marque et retargeting, qui captaient tout, voient leur crédit se réduire.

Un canal jugé non rentable au dernier clic peut donc devenir rentable sans qu’aucune performance réelle ait changé. C’est pourquoi comparer un chiffre par canal avant et après un changement de modèle n’a pas de sens.

Trois, et elles sont indépassables.

Elle ne voit que ce qui est mesuré. Une recommandation entre collègues, un avis lu ailleurs, une conversation en salon n’y figurent pas, alors qu’ils pèsent souvent davantage. C’est la limite décrite côté parcours client.

Elle a besoin de parcours reconstitués. La restriction des cookies tiers et le consentement en font disparaître une part croissante.

Elle ne mesure pas l’incrémentalité. Une part des conversions attribuées auraient eu lieu sans le canal crédité. Seul un test géographique le dit.

Au pilotage : elle indique quels canaux méritent d’être surveillés et lesquels étaient sous-estimés.

Elle ne suffit pas à décider d’un budget annuel, arbitrage qui relève d’une mesure agrégée comme le marketing mix modeling, confrontée à des tests réels.