Mesure du marketing : Décrypter l’attribution marketing
Il y a une citation célèbre à laquelle j'aime me référer à chaque fois que je parle de la mesure marketing : « La moitié de l’argent que je dépense en publicité est gaspillée ; le problème, c’est que je ne sais pas laquelle. »
La plupart des marketeurs ont du mal à justifier l’impact de leur travail sur le résultat net de l’entreprise. Et peu importe les outils de mesure marketing que nous utilisons.
C’est pourquoi nous continuons à inventer de nouveaux termes et mots comme « demand creation » et « dark social » parce que nous voulons éviter de prendre la responsabilité ou la propriété des chiffres. Oui, je l’ai dit !
Want more from The CMO?
Sign up for a free membership to complete reading this article:
Have an account? Log In
Mais cela ne veut pas dire qu’il est impossible de mesurer le succès marketing, ou que cela ne doit pas être mesuré.
Les marketeurs doivent penser davantage comme des financiers et moins comme des marketeurs pour "avoir une place" à la table (c’est-à-dire la table des dirigeants). Définissons la mesure marketing, sa signification et pourquoi c’est important.
Alors, qu’est-ce que la mesure marketing ?
En résumé, il s’agit de mesurer les effets à long terme et à court terme du marketing sur l’entreprise. J’aime décomposer cela en horizons temporels car c’est ainsi que le marketing fonctionne.
Certaines activités génèrent des résultats à court terme (ventes, prospects, SQL), et d’autres génèrent des résultats à long terme (notoriété, mémorisation, part de marché – bien que la meilleure façon d’avoir plus de notoriété, de mémorisation et de part de marché soit peut-être de… vendre plus de produits à davantage de personnes).
Pourquoi est-ce important ?
Cela permet de savoir où investir votre prochain dollar. Si vous élaborez un plan trimestriel ou annuel, que vous avez un objectif de revenu ou d’opportunités générées, ou que vous devez défendre le budget de votre prochaine campagne ABM, vous devez savoir avec un haut niveau de certitude où vous obtiendrez les résultats attendus.
Vous devez modéliser votre entonnoir pour comprendre quels canaux apportent quels chiffres.
La façon dont les prospects convertissent dans l’entonnoir et les performances passées sont parfois le meilleur prédicteur des résultats futurs : il s’agit donc de faire des paris éclairés et d’autres plus risqués.
Dit autrement : la mesure marketing vous aide à répondre à la question « Si vous aviez 100M, où investiriez-vous ? » (peut-être que la réponse, c’est une publicité au Superbowl).
Comment MESURER le marketing ?
Réponse courte : avec des modèles
Mais parlons d’abord d’un point souvent oublié et essentiel pour mieux comprendre ce sujet : l’incrémentalité.
Commençons par une analogie toute simple que quelqu’un m’a donnée pour m’expliquer cela : la pizzeria.
Imaginez que vous êtes propriétaire d’une pizzeria et que vous disposez de coupons de 5 $. Vous engagez deux personnes pour distribuer ces flyers et vous les incitez avec une prime basée sur le nombre de clients qui viennent acheter une pizza avec un coupon en main.
La personne A descend la rue et donne des flyers à tous les passants. Pendant ce temps, la personne B reste à la porte de la pizzeria et distribue les flyers aux gens qui entrent acheter une pizza.
Laquelle de ces personnes a « donné le plus de coupons » ?
La personne B : un client qui entre acheter une pizza prendra certainement le coupon de 5 $ de réduction. Mais il aurait de toute façon acheté la pizza, coupon ou pas (puisqu’il était déjà entré).
Cependant, la personne A a permis à davantage de gens qui n’auraient pas acheté de pizza sans le coupon de 5 $ de franchir le pas.
La personne A a généré plus de nouveaux clients ou de ventes incrémentales, tandis que la personne B a généré moins de ventes incrémentales.
Ainsi, même si la personne B recevrait le prix pour le plus grand nombre de coupons distribués et de pizzas vendues – 90 % de ces personnes auraient de toute façon acheté la pizza.
Pourquoi parler de pizza ? Parce que l’incrémentalité est un concept difficile à aborder en marketing. Combien de nos ventes attribuées au marketing sont réellement incrémentales, par rapport à ce qu’elles auraient été sans (sans ce salon professionnel, ce webinaire, etc.) ? Nous aborderons un peu ce point ci-dessous.
Vous vous attendiez à un sujet sur les outils d’attribution marketing ? MDR.
Revenons maintenant au concept crucial d’incrémentalité en marketing pour analyser les différentes méthodes utilisées pour la mesure marketing. Ces méthodes visent à quantifier l’impact des activités marketing, aidant les entreprises à allouer leur budget de façon plus efficace.
Comprendre ces approches vous permettra d’adopter un esprit plus analytique et plus proche de la finance, dans vos décisions marketing.
Marketing Mix Modelling (MMM)
Le Marketing Mix Modelling (MMM) est une technique d’analyse statistique qui évalue les données historiques afin de déterminer l’impact de diverses tactiques marketing sur les ventes, puis de prévoir l’impact de futures combinaisons de tactiques.
Il prend en compte de nombreuses variables, telles que la conjoncture économique, la concurrence, les dépenses marketing, etc.
Le MMM fournit des informations sur l’efficacité de chaque canal marketing sur de longues périodes et aide à comprendre comment les différents éléments du mix marketing contribuent aux ventes. Il est utile pour allouer les budgets entre les grands canaux marketing et pour la planification stratégique à long terme.
Pour le MMM, il faut un large ensemble de données afin de tester comment différents modèles statistiques expliquent et s’adaptent aux données, et lequel offre la plus grande confiance (c’est-à-dire explique le mieux les données et leurs fluctuations. Autrement dit, c’est le pari le moins risqué).
Pour de meilleurs modèles, il est idéal d’utiliser des données à plus haute résolution, par exemple des données quotidiennes, qui offriront une meilleure adaptation que des données mensuelles puisqu’elles sont plus nombreuses.
L’avantage du MMM est qu’il va au-delà des canaux en ligne et peut montrer l’impact de cette campagne d’affichage à 100K sur les résultats globaux.
Le problème du MMM est que, comme pour la plupart des entreprises B2B, il n’y a généralement pas assez de données. Par exemple, une entreprise qui vend à un grand compte et ne réalise que trois contrats par an.
Le MMM est également mieux adapté à des analyses annuelles ou trimestrielles qu’à l’optimisation marketing hebdomadaire ou mensuelle.
Exemples de MMM en pratique
Chez 42 Agency, nous utilisons les modèles de mix marketing pour nos clients et réalisons des analyses avancées afin de découvrir des informations au-delà de l’attribution au premier ou dernier point de contact.
Un de nos clients, qui dépense environ 1M$ par mois en médias, investissait une part importante de son budget dans des publicités Meta Brand Awareness et LinkedIn Reach. Nous avons effectué une analyse pour répondre à quelques questions :
- Meta & LinkedIn généraient-ils des MQL/SQL ? (La réponse était oui)
- Les dépenses en publicités Reach et Awareness avaient-elles un impact positif sur les SQL / MQL ? (La réponse était : pas autant que prévu. Dans certains cas, l’effet était négatif, c’est-à-dire que nous générions probablement moins de MQL en dépensant sur Reach / Brand Awareness)
- Quelle est la "mémorisation publicitaire" des différents canaux, c’est-à-dire combien de temps les gens se souviennent-ils de la publicité après l’avoir vue ? (FB présente la mémorisation la plus longue, Adwords la plus faible)
- Quel est notre point de rendement décroissant ? Autrement dit, pour chaque dollar supplémentaire dépensé sur différents canaux, quel est le taux de conversion et le coût par conversion attendus ? (Au-delà d’un certain seuil, les conversions augmentaient moins vite, et le CPA devenait relativement élevé)
La corrélation n’implique pas causalité, mais cela donne une histoire intéressante.
Pour un autre client, nous avons fortement investi dans des publicités vidéo YouTube.
YouTube présente un très faible taux de conversion après clic (CVR) parce que 80 % des publicités YouTube apparaissent sur des téléviseurs. Mais elles sont excellentes pour raconter l’histoire d’une marque, là où les publicités à réponse directe comme Google Ads ou Meta ne le peuvent pas.
Bien que nous n’ayons pas pu relier directement les dépenses YouTube aux conversions via le CVR, il existait une corrélation évidente entre les campagnes vidéo YouTube et les conversions issues du direct ou de l’organique. Cette corrélation montrait que nos publicités incitaient les prospects à s’inscrire via d’autres canaux.
Attribution multi-touch (MTA)
Les modèles d’attribution multi-touch (MTA) attribuent un crédit à chaque point de contact rencontré par un client sur son parcours de conversion. Contrairement au MMM, qui considère le mix marketing à un niveau macro, le MTA opère à un niveau micro, en analysant l’efficacité des actions numériques spécifiques — telles que celles de votre marketing par email B2B, publicité ou SEO/organique — sur une conversion.
Le MTA aide les marketeurs à comprendre quels points de contact sont les plus efficaces pour générer des conversions, permettant ainsi une optimisation plus granulaire des dépenses marketing.
Par exemple, le MTA nous permet d’augmenter le budget pour les annonces LinkedIn le mois prochain parce que le rapport sur les 30 derniers jours montre un taux de conversion vers des opportunités plus élevé que les annonces Google.
Alors que le MMM peut capter une hausse des performances sans données directes basées sur les clics, le MTA nécessite des clics et un suivi (côté navigateur ou serveur) pour relier les points de contact et reconstituer le parcours du client.
Le principal problème du MTA est qu’il repose fortement sur le tracking UTM, les clics et les cookies, éléments de plus en plus abandonnés.
Il est important de noter que le MTA ne dépend pas des cookies tiers (davantage utilisés dans la publicité), mais de cookies propriétaires (1P). Cependant, même avec les cookies 1P, les navigateurs comme Safari les suppriment au bout de sept jours. Dans un monde où les prospects passent d’un appareil à l’autre, où les navigateurs bloquent les scripts et suppriment les liens UTM,
En d’autres termes, le suivi MTA devient plus complexe, et son exactitude devient floue.
Si vous utilisez une bannière cookies pour obtenir le consentement des visiteurs mais que le visiteur refuse, vous ne pourrez pas suivre les données de référence ou toute autre donnée sur la façon dont il est arrivé sur votre site.
Dans vos outils d’analyse, cela apparaîtra comme une « visite directe ». Seuls 31 % des visiteurs acceptent les cookies, donc près de 70 % de vos visites seront affichées comme « directes ».
Je pourrais en parler pendant des jours, mais revenons au sujet et plongeons dans quelques modèles MTA et leur utilisation.
Modèles courants d’attribution multi-touch (MTA)
Voici les modèles MTA les plus répandus que j'ai rencontrés dans mon parcours de marketeur B2B. Et comment les utiliser.
1. Le modèle du premier contact
Le modèle du premier contact attribue 100 % du crédit de conversion au premier point de contact dans le parcours client.
Ce modèle fonctionne sur le principe que l'interaction initiale est la plus critique, car elle fait découvrir la marque ou le produit au client et pose les bases pour tous les engagements ultérieurs.
Application : Ce modèle est utile pour évaluer l'efficacité des activités en haut de l’entonnoir, comme les campagnes de notoriété de marque. Il nous aide à comprendre comment nous nous faisons connaître (c’est-à-dire la notoriété).
Comment l'utiliser : Dans HubSpot, cela s'appelle Source originale dans son modèle de données de base. HubSpot / les outils d’Analytics vont "cookier" la première fois que quelqu’un visite votre site et le connectent à un lead lorsqu’il convertit.
Généralement, si vous utilisez des balises UTM, il s'agit du UTM correspondant à la première fois que quelqu’un a visité votre site web (pas seulement rempli un formulaire). Vous pouvez suivre cela dans Google Analytics (UA) sous "Comparaison de modèles > Premier clic". GA4 a supprimé ces options.
2. Le modèle du dernier contact
À l’inverse, le modèle du dernier contact attribue tout le crédit de la conversion au dernier point de contact avant que la conversion n’ait lieu. Ce modèle suppose que l'interaction finale est la plus importante puisqu'elle est la plus proche de la conversion.
Application : Idéal pour évaluer l’impact des activités en bas de l’entonnoir, comme le retargeting ou les annonces de recherche. Il met en lumière quels canaux et messages sont les plus efficaces pour générer la conversion finale.
Mais cela favorise les canaux à forte intention comme Google Ads par rapport aux canaux TOFU comme LinkedIn, Meta ou le contenu. Même si les clients peuvent vous découvrir via une pub Meta sur Instagram, Google Ads recevra 100 % du crédit si vous utilisez uniquement un modèle du dernier contact, vous conduisant à la fausse conclusion que les pubs Meta ne fonctionnent simplement pas.
Comment l'utiliser : C'est ce que représente la dernière source dans HubSpot, ou si vous utilisez des UTM : le UTM capturé sur le formulaire (lors de la soumission du formulaire). Même si cela pourrait nécessiter un article à part entière, la dernière source de HubSpot est une approximation fidèle du dernier contact du prospect avant de convertir. Google Analytics (UA & GA4) prend en charge le modèle du dernier clic dans son outil de comparaison de modèles.
3. Le modèle linéaire
Le modèle linéaire distribue le crédit de manière égale à tous les points de contact du parcours client.
Ce modèle suppose que chaque interaction contribue de façon égale à la décision finale, de la première interaction jusqu’à la conversion. Il est facile à mettre en œuvre mais peut manquer d’équilibre si certaines étapes ont un impact plus fort que d’autres.
Application : À privilégier si vous désirez une approche simple qui tient compte de chaque point de contact sans privilégier une interaction précise. Il convient bien aux entreprises ayant un parcours client plat et linéaire.
Comment l'utiliser : De nombreux outils tiers d’attribution prennent en charge les modèles linéaires. Il était disponible dans GA UA, mais GA4 ne supporte pas ce modèle. Vous utilisez HubSpot Pro / Entreprise ? Vous pouvez également créer des rapports d’attribution linéaire via la fonctionnalité Attribution Reporting.
4. Le modèle en U (positionnel)
Le modèle en U, dit "positionnel", attribue une plus grande part du crédit au premier et au dernier point de contact (environ 40 % chacun), tandis que les 20 % restants sont répartis sur les interactions médianes. Ce modèle reconnaît que les premiers et derniers contacts ont une importance supérieure.
Application : Utile pour les stratégies marketing qui mettent l'accent sur l’importance des premières impressions et des dernières interactions, par exemple dans les secteurs avec des cycles de vente courts ou lors du lancement de nouveaux produits.
Comment l'utiliser : De nombreux outils tiers d’attribution prennent en charge les modèles U. Dans l’ancienne version Universal Analytics, c’était proposé en option. Mais GA4 ne le permet pas.
Si vous utilisez HubSpot Pro / Enterprise, vous pouvez également créer des rapports d’attribution en U avec la fonctionnalité Attribution Reporting.
5. Le modèle en W
En s'appuyant sur le modèle en U, le modèle en W intègre trois phases clés du parcours client :
- Le premier contact (introduction)
- La création de lead (engagement en milieu de parcours)
- Et la création d'opportunité (décision finale).
Chaque point de contact clé reçoit une part significative du crédit (généralement environ 30% chacun), les 10% restants étant répartis entre les autres interactions.
Application : Idéal pour les entreprises avec des cycles de vente plus longs impliquant plusieurs étapes d'engagement, telles que les entreprises B2B, où le premier contact, la qualification du lead et la négociation finale sont tous des moments décisifs.
Comment l'utiliser : Utilisez l'attribution tierce pour modéliser cela et comprendre les trois étapes clés du parcours d'un prospect (c'est-à-dire lead/SQL/Closing gagné) afin d'identifier ce qui génère la sensibilisation haut de funnel/la conversion et la finalisation de la vente.
6. Le Modèle Basé sur les Données (Algorithmique)
Le modèle basé sur les données utilise des algorithmes et l'apprentissage automatique pour analyser tous les points de contact et attribuer le crédit sur la base de l'impact réel constaté de chaque interaction.
Contrairement aux modèles basés sur des règles, cette approche s'ajuste de façon dynamique afin de refléter l'influence variable de chaque point de contact selon les scénarios et segments de clientèle.
Application : Idéal pour les organisations disposant de grands volumes de données et de la capacité analytique pour traiter des modèles complexes. Cela offre l'attribution la plus personnalisée et exacte, mais nécessite des ressources importantes.
Comment l'utiliser : Popularisé par Google Ads. À mon avis, peu d'entreprises B2B disposent d’assez de données pour que ce modèle ait une réelle signification.
7. Le Modèle à Décroissance Temporelle
Le modèle à décroissance temporelle attribue une plus grande part du crédit aux points de contact les plus proches dans le temps de la conversion, sur l’hypothèse que les interactions les plus récentes sont les plus influentes dans le processus de décision.
Le crédit attribué diminue de façon exponentielle ou linéaire pour les points de contact plus anciens.
Application : Adapté aux campagnes visant des conversions rapides, où la récence de l'interaction est censée avoir un impact plus marqué sur la décision du client.
Comment l'utiliser : Utilisez ce modèle avec HubSpot Attribution ou des outils tiers afin de comprendre la rapidité des conversions par canal.
Quelques notes supplémentaires pour comprendre les modèles multi-attributions
Au-delà des modèles, l’important est de comprendre la MTA comme un moyen d’obtenir des insights sur les canaux qui génèrent la sensibilisation TOFU versus uniquement les conversions BOFU.
Dans notre travail avec des marques B2B, il est courant de voir Google Ads générer 80% des conversions selon le modèle « dernière interaction » (qui est couramment adopté). Mais une fois un modèle mis en place, il devient évident que le social payant, le SEO, le contenu, YouTube, etc., génèrent la sensibilisation TOFU qui se traduit ensuite par des conversions sur Google Ads et le passage final à l’achat.
Un prospect peut entendre parler d’une marque via une pub YouTube ou Meta / LinkedIn sans convertir, mais la fréquence d’exposition fait que ce même prospect recherche la catégorie ou le nom de la marque sur Google, clique sur une pub Google Ads, et convertit.
Le modèle « dernière interaction » attribuerait 100% du crédit à Google Ads, le modèle « première interaction » à YouTube ou Meta, mais la réalité est que ces canaux ont œuvré ensemble pour générer la conversion.
Mais attention. N’oublions pas l’effet d’incrémentalité.
La MTA est précieuse, elle indique quelles actions/interactions le prospect a eues avant de convertir.
Mais elle ne répond pas à cette question essentielle : Est-ce que cette personne aurait de toute façon acheté ?
L’un de nos clients investissait massivement dans Google Ads (typique de nombreuses entreprises B2B), mais 70% de leur budget search était alloué à la recherche de marque (c’est-à-dire lorsque quelqu’un recherche le nom de leur marque).
Nous (42 Agency) avions l’hypothèse que 90% des conversions issues de la recherche de marque se seraient produites de toute façon via la SERP organique.
Nous avons progressivement réduit le budget dédié à la recherche de marque pour le réinvestir sur les mots-clés de catégorie / cas d’usage et autres canaux. Si les conversions issues du search payant ont baissé, celles du search organique ont considérablement augmenté, confirmant notre hypothèse que la recherche de marque n’était pas incrémentale.
Avant de vouloir supprimer toutes vos campagnes de search de marque, sachez qu’elles ont leur utilité – surtout si vous évoluez dans un marché concurrentiel (ex. : CRM, outils de gestion de projet, ATS, etc.).
Elles vous aident à « défendre » votre marque face aux concurrents et à occuper plus d'espace sur la page.
Parlons de la recherche de marque – de nombreux marketeurs hésitent à mesurer la notoriété d'une marque, mais c'est une erreur. Les marques doivent et peuvent être mesurées ; elles doivent exister sous un cadre de mesure unifié pour le marketing.
Mais comment fait-on exactement ?
Comment mesurer la notoriété d'une marque ?
Ironiquement, la manière la plus courante chez les professionnels B2B pour mesurer la marque est le « trafic direct », ce qui est un peu trompeur.
Au mieux, le trafic direct ne représente pas quelqu'un qui connaît déjà la marque. Contrairement à la croyance populaire, le trafic direct est simplement toute source de trafic (chiffrée ou non) pour laquelle les outils d’analyse web ne peuvent pas identifier la provenance.
Il ne s’agit pas de quelqu’un qui tape votre site web dans la barre d’adresse.
Une meilleure mesure pourrait être les requêtes de recherche de marque (accessibles via Google / Bing Search Console), mais même là, ce n’est pas la façon la plus précise de mesurer une marque. Les prospects conscients de la marque ne vont pas forcément se rendre sur votre site web.
Alors, quelle est la meilleure méthode pour mesurer une marque ? Les enquêtes, les tests géographiques et les tests de rétention (holdout).
Rappel spontané et assisté (enquêtes)
Traditionnellement utilisées par les grandes agences médias et les marques FMCG et CPG, les enquêtes (assistées ou non) sont un excellent moyen pour mesurer les campagnes de marketing de marque.
Dans le rappel non assisté, on demande aux participants de citer des marques, des produits ou des publicités sans indication, testant ainsi leur mémoire spontanée de la marque.
Le rappel assisté, à l’inverse, fournit des indices ou des suggestions pour aider les participants à se souvenir.
Ces enquêtes permettent d’évaluer l’impact des actions marketing sur la notoriété et le rappel de la marque dans le temps. Vous avez peut-être déjà vu apparaître ce type d’enquêtes sur YouTube ou les réseaux sociaux :
- « Parmi ces marques, laquelle envisageriez-vous d’acheter la prochaine fois que vous chercherez X ? »
- « Laquelle de ces publicités de marques vous souvenez-vous avoir vue lors des sept derniers jours ? ».
Plus votre marque gagne des parts de marché, plus votre notoriété assistée et spontanée devrait croître.
Les plateformes de publicité sociale et de recherche proposent également ces études dans leurs outils de mesure. LinkedIn a récemment introduit des études de montée en notoriété qui comparent le souvenir d’un groupe exposé à vos publicités LinkedIn et d’un groupe qui ne l’a pas été.
Facebook a mis en place une fonctionnalité similaire. Auparavant, celles-ci étaient réservées aux grands annonceurs de la plateforme, mais désormais les deux sont accessibles aux annonceurs en libre-service.
Tests géographiques et holdout
Comment mesurer une campagne d’affichage extérieur, comme les panneaux publicitaires ? Lorsque nous l’avons fait pour nous-mêmes ou nos clients, nous avons suivi la progression du trafic provenant de la ville où la campagne était menée ou le volume de mentions de la marque.
Le principe ici, c’est le test de rétention (Holdout Testing), et lorsqu’il est effectué à l’échelle géographique, il s’agit d’un test géographique.
Le test de rétention, ou test de groupe de contrôle, consiste à ne pas exposer certains segments de votre audience cible à une opération marketing pour comparer leur comportement à celui des personnes ayant été exposées à l’action.
Cette méthode mesure directement l’apport additionnel en montrant ce qui se passerait sans certains efforts de marketing. Par exemple, si New York mène une campagne d’affichage, mais qu’une ville comparable (prenons Toronto) n’a pas de campagne sur panneaux publicitaires. On observe alors une différence comparable dans les indicateurs clés entre les deux villes.
Remarque sur l’affichage extérieur – louer un panneau pour deux semaines n’aura qu’un impact limité –
Leçon : nous avons loué un panneau mobile pour la conférence annuelle Hubspot à Boston pendant deux jours. Même si cela a suscité un certain buzz sur les réseaux sociaux et représentait une belle histoire à raconter, nous n’avons pas constaté le pic de trafic attendu. Mais nous avons eu de l’attention pour avoir mené une action perçue comme « chère » (affichage extérieur) et différente.
De la mesure à l’action
Voici l’idée fondamentale de cet article : vous pouvez et devez mesurer vos efforts marketing et de marque. Ne laissez personne vous dire le contraire.
Mais même en le faisant, il est essentiel de construire un système expérimental qui permet d’itérer rapidement et de faire émerger progressivement de meilleures idées grâce aux enseignements tirés de ce que vous mesurez.
Mettre cela en place demanderait un autre article complet. Mais, au-delà des tactiques, cela exige une véritable culture de la clarté, la volonté d’organiser une fonction marketing qui avance à la fois rapidement et méthodiquement, et la capacité d’identifier ce qu’il faut mesurer chaque semaine et ce qu’il faut mesurer chaque trimestre (ou chaque année). Il vous faut aussi le bon logiciel d’analyse marketing.
Restez connectés pour la suite. En attendant, pensez à vous abonner à notre newsletter spécialisée pour les responsables marketing : recevez les dernières tendances, idées et tactiques directement dans votre boîte de réception.
