Les acheteurs face au défi de la modélisation de l’attribution sur les plateformes

Depuis une trentaine d’années déjà, les acheteurs médias utilisent la modélisation pour mesurer la contribution de chaque levier média à une vente, et ainsi optimiser leurs investissements publicitaires. Sur les environnements numériques, la promesse du “tout traçable” avec les cookies tiers et autres identifiants, a poussé les acteurs à mesurer et optimiser en temps réel et pour chaque utilisateur la performance de leurs opérations marketing. 

Le modèle “au dernier clic”, c’est-à-dire l’attribution d’une conversion à la dernière action sur l’un des leviers marketing de la campagne, faisait alors figure de référence, non sans être largement critiqué. “On sait depuis longtemps que le last click n’est pas la bonne façon de faire car il donne trop d’importance à certains leviers, en particulier le search, sans prendre en compte l’impact toutes les opérations d’awareness, de considération, etc.”, expose Sylvain Le Borgne, head of expertise & innovation chez le cabinet de conseil en data Fifty-Five.

En parallèle, la pression croissante des régulateurs sur la protection des données personnelles, a poussé les big techs – après avoir réduit la possibilité pour les acteurs tiers de tracker les utilisateurs dans leurs environnements (Apple avec ATT sur IOS et ATP sur Safari, Google et la fin des cookies) – à revoir les modèles sur lesquels reposent leurs outils publicitaires. 

Une compréhension plus fine de la contribution de chaque levier marketing

C’est dans ce contexte que Google est récemment passé du modèle au dernier clic à l’attribution “data-driven” par défaut, qu’Amazon a lancé la version bêta de son outil d’attribution, ou encore que Facebook a dévoilé son système de “conversions modélisées” sur mobile. L’objectif est peu ou prou le même pour ces modèles : estimer la contribution de chaque levier à partir de données agrégées sur le comportement des utilisateurs dans leurs environnements.

Ces changements de méthodologie présentent nécessairement plusieurs avantages pour les acheteurs médias. “Aujourd’hui, en plus de permettre de redistribuer à des leviers marketing qui étaient moins transformateurs (notamment dans le cas du branding), la modélisation permet de faciliter la lecture, optimiser sur un plus grand nombre de conversions, mais aussi mieux comprendre comment fonctionne le parcours de conversion”, explique Erwan Lohezic, le CEO et fondateur de la société spécialiste du marketing digital 3qtz, qui souligne par ailleurs qu’un acteur comme Google, présent à la fois sur le bas et le haut de funnel a tout intérêt à ce que tous les leviers marketing soient mieux rétribués.

La meilleure compréhension évoquée est notamment permise par la compensation des déperditions liées à l’absence de traqueurs publicitaires (identifiants, cookies, etc.). “Dans un adserver, lorsque trois impressions ont été comptabilisées avant une conversion, il est difficile de savoir s’il s’agit du nombre réel d’impressions, ou seulement de celles que nous avons pu mesurer. Les modèles d’Amazon, Google ou Facebook permettent de combler cette lacune”, illustre Sylvain Le Borgne (Fifty-five).

Le risque de nouvelles “boîtes noires”

Comme souvent avec les grands acteurs en situation d’oligopole sur le secteur de la publicité en ligne, aux possibilités induites par une innovation s’ajoutent des zones d’ombre. “On ne connaît pas les modèles, ils sont fermés et il n’y a aucun contrôle par des tiers. Dans le cas de Facebook , ATT d’Apple coupant le tracking du trafic, la modélisation des conversions est devenue la norme. On ne sait pas si c’est 100% modélisé ou 50%, avec aucun détail géographique, plateforme, CSP ou autre sur la vente permettant d’avoir un peu de finesse et de suivi”, explique Erwan Lohezic.

Sur le sujet de la transparence, Facebook a récemment fait un pas en avant en publiant un modèle open source de marketing-mix modeling baptisé Robyn. Mais, côté attribution, “peu d’informations transparaissent sur le type de données à partir desquelles ses modèles sont paramétrés”, regrette Sylvain Le Borgne (Fifty-five). “J’attends que des acteurs tiers puissent mesurer et auditer la performance des campagnes sur ces plateformes, comme ça a pu être le cas auparavant avec des pixels tiers”, ajoute Erwan Lohezic.

L’enjeu de l’optimisation entre les différents environnements

Le fonctionnement en vase clos de chacun des outils d’attribution obstrue également l’optimisation des investissements entre les différentes plateformes. “La déduplication des conversions sur différents environnements clos est aujourd’hui compliquée. Pour y parvenir il faut remonter beaucoup d’informations, dont un e-mail hashé, qu’il est très difficile de collecter”, explique Sylvain Le Borgne (Fifty-Five).

Selon lui, le salut des annonceurs passera par leur capacité à créer leurs propres modèles, en incorporant leurs données de ventes, pour optimiser les investissements publicitaires entre les différentes plateformes et déterminer directement la valeur générée. Une démarche se rapprochant du marketing mix modeling, qui nécessite d’être internalisée. “Il faut que cette politique de test and learn soit prise en main par le client, pour ne pas créer une autre boîte noire au-dessus de celles des plateformes”, avertit-il.

Finalement, ces modèles mettent surtout en lumière l’éternel déséquilibre avec les autres acteurs de la publicité en ligne, renforcée par la réglementation sur la protection des données personnelles, selon Erwan Lohezic : “Il faut que les régulateurs comprennent qu’en tant qu’acheteurs, le moins de visibilité nous auront sur d’autres environnements, le plus nous aurons tendance à nous réfugier dans des écosystèmes puissants et fermés”.