Qu’est-ce que l’attribution marketing et pourquoi c’est essentiel.

Il existe dans toutes les équipes marketing une réunion bien particulière. Celle où le responsable SEO présente ses conversions, le responsable paid média présente les siennes, l’email marketing présente les siennes, et par un phénomène qui défie l’arithmétique élémentaire, l’entreprise a apparemment acquis le même client quatre fois. Personne ne ment. Chacun reporte correctement selon ses propres outils. Le problème, c’est que tout le monde utilise des règles différentes pour décider qui mérite le crédit, et que personne n’a convenu de ces règles à l’avance. C’est le problème de l’attribution marketing dans son habitat naturel, et les entreprises qui le résolvent arrêtent de prendre des décisions budgétaires basées sur le canal qui a crié le plus fort.

Qu’est-ce que l’attribution marketing

L’attribution marketing est la pratique qui consiste à attribuer le crédit d’une conversion — un achat, un lead, une inscription — aux points de contact marketing qui y ont contribué. Quelqu’un a vu une publicité lundi, cliqué sur un email mercredi, trouvé le site via une recherche organique vendredi, et converti samedi. L’attribution décide lequel de ces quatre moments obtient le crédit, dans quelle proportion, et pourquoi.

Bien faite, elle indique quels canaux méritent réellement leur budget. Mal faite, elle produit une histoire qui ressemble à de l’insight et n’est en réalité que le canal qui favorisait le modèle utilisé par la personne qui a construit le tableau de bord.

Les principaux modèles d’attribution et ce qu’ils mesurent vraiment

Chaque modèle d’attribution est une réponse différente à la même question : qui obtient le crédit de la vente ? Aucun n’est faux. Tous sont incomplets.

• L’attribution last-click donne 100% du crédit au dernier point de contact avant la conversion. Simple, lisible, et sous-value systématiquement chaque canal qui a fait le travail d’échauffer le prospect.
• L’attribution first-click donne 100% du crédit au premier point de contact. Logique inverse, biais inverse. Excellente pour comprendre ce qui démarre les parcours, inutile pour comprendre ce qui les conclut.
• L’attribution linéaire divise le crédit équitablement entre tous les points de contact. Équitable en théorie. Suppose que chaque interaction a contribué à parts égales, ce qui est presque toujours faux.
• L’attribution time decay donne plus de crédit aux points de contact proches de la conversion. Logique pour les cycles de vente courts, trompeur pour les cycles longs où le premier contact a réellement compté.
• L’attribution en U répartit la majorité du crédit entre le premier et le dernier point de contact, distribuant le reste entre les intermédiaires. Un compromis raisonnable. Qui reste un compromis.
• L’attribution data-driven utilise le machine learning pour distribuer le crédit en fonction des corrélations observées sur l’ensemble du dataset réel. C’est le modèle par défaut de GA4 depuis quelques années, et il produit des chiffres plus défendables que n’importe quel modèle à règle fixe — à condition d’avoir suffisamment de volume de conversions pour que le modèle ait quelque chose à apprendre, ce que les comptes à faible trafic n’ont souvent pas.

Pourquoi les modèles d’attribution se contredisent entre plateformes

Prenez un seul parcours client et faites-le passer par chacun de ces modèles, et vous obtenez six réponses différentes sur le canal qui mérite le crédit. Ce n’est pas un bug. C’est précisément le point — chaque modèle pose une question légèrement différente sur la causalité, et les parcours clients réels n’ont pas une seule cause propre.

Le problème opérationnel survient quand différentes équipes utilisent différents modèles pour rapporter la contribution de leur propre canal — ce qui est exactement ce qui se produit par défaut dans la plupart des stacks marketing. Google Ads reporte en last-click. L’email reporte les ouvertures et clics sans contexte d’attribution. GA4 applique le data-driven sur tout. Personne n’a convenu que ces chiffres devaient se réconcilier, et donc ils ne le font pas, et la réunion de reporting devient la réunion évoquée en introduction de cet article.

Comment l’attribution affecte concrètement les décisions sur les campagnes payantes

L’attribution n’est pas un problème d’analytics qui vit dans un onglet de rapport — c’est un problème de budget qui change directement quelles campagnes sont scalées et lesquelles sont coupées. Selon la recherche de HubSpot sur l’état du marketing, démontrer le ROI et attribuer le chiffre d’affaires aux bons canaux figure régulièrement parmi les défis principaux des marketeurs — non pas par manque de données, mais parce que les mêmes données produisent des ROI différents selon le modèle appliqué.

En pratique, faire tourner Google Ads avec une attribution last-click fait paraître les mots-clés de marque brillants, parce qu’ils sont toujours le dernier clic avant la conversion pour quiconque allait de toute façon convertir. Et faire tourner Meta Ads avec une fenêtre d’attribution à 7 jours au clic et 1 jour à la vue pendant que GA4 utilise un modèle data-driven avec une fenêtre plus longue signifie que Meta peut revendiquer une conversion que GA4 ne lui a pas attribuée — et les deux chiffres sont techniquement corrects sous leurs propres règles.

Ce que les guides omettent systématiquement

• Les modèles d’attribution ne corrigent pas un tracking cassé — ils l’amplifient. Un modèle data-driven sophistiqué appliqué à des données incomplètes produit des résultats incorrects d’aspect sophistiqué. Avant d’argumenter sur quel modèle d’attribution utiliser, confirmez que les données d’événements sous-jacentes sont complètes, dédupliquées et cohérentes entre plateformes. C’est le problème traité en détail dans Pourquoi votre tracking de conversion est cassé.
• L’attribution view-through est là où les budgets se font gonfler. La plupart des plateformes publicitaires, Meta inclus, proposent l’attribution view-through : créditer une conversion à une publicité que l’utilisateur a vue mais n’a jamais cliquée. Une fenêtre view-through d’1 jour sur Meta signifie que toute conversion survenant dans les 24 heures après qu’une personne a vu votre publicité est créditée à cette campagne, même si cette personne n’a jamais interagi avec elle. Sachez sous quelle fenêtre vos plateformes reportent avant de lire les chiffres.
• L’attribution data-driven nécessite un volume minimum de conversions pour fonctionner correctement. Le modèle data-driven de GA4 requiert environ 400 conversions et 4 000 clics sur publicités en 30 jours pour produire des résultats fiables. En dessous de ce seuil, le modèle a trop peu de signal pour distinguer des patterns réels du bruit, et il se replie sur le last-click ou produit des outputs peu fiables sans nécessairement vous en informer.
• Les parcours cross-device sont en grande partie invisibles à tous les modèles. Un utilisateur qui voit une publicité sur son téléphone, fait des recherches sur sa tablette et convertit sur son ordinateur est traité par la plupart des systèmes d’attribution comme trois utilisateurs anonymes distincts, à moins qu’il ne soit connecté à une plateforme capable de relier les sessions. L’écart d’attribution résultant est réel, structurel, et presque jamais mentionné dans les comparaisons de modèles d’attribution.
• Les fenêtres d’attribution sont des paramètres, pas des faits. La fenêtre de lookback — jusqu’où une plateforme remonte pour trouver le point de contact à créditer — est ajustable sur la plupart des plateformes et presque universellement laissée à sa valeur par défaut. Différentes valeurs par défaut entre plateformes signifient qu’une seule conversion peut être revendiquée par plusieurs canaux simultanément, chacun opérant sous ses propres paramètres de fenêtre, sans qu’aucun n’ait été choisi pour se réconcilier avec les autres.

Où ça s’inscrit

L’attribution marketing n’est pas quelque chose qu’on configure une fois dans GA4 et qu’on fait confiance ensuite. C’est une décision continue sur quelle version de la vérité on utilise pour prendre des décisions budgétaires, et la version qui semble la plus propre est presque rarement la plus précise.

C’est le fondement des systèmes d’attribution marketing qu’OJC Labs construit : tracking correct d’abord, puis attribution qui reflète réellement la façon dont les clients se déplacent dans un parcours réel, pas uniquement le dernier clic avant la vente.

Si les tableaux de bord de vos différents canaux racontent quatre histoires différentes sur les mêmes clients, découvrez comment nous avons démêlé ça en pratique.