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.