Les modèles d'attribution en programmatique

L’attribution consiste à attribuer du crédit aux points de contact qui ont conduit un consommateur à convertir. En publicité programmatique, le choix du bon modèle d’attribution influence directement la répartition des budgets et l’évaluation des performances de campagne.

Pourquoi l’attribution est essentielle

Chaque campagne digitale touche un consommateur potentiel plusieurs fois : une bannière display le matin, une publicité de reciblage à midi, un pre-roll vidéo le soir. Les modèles d’attribution répondent à une question fondamentale : lequel de ces points de contact mérite le crédit pour l’achat ou la visite en magasin qui a finalement eu lieu ?

Sans modèle clair, les annonceurs risquent de récompenser les mauvais canaux, de mal interpréter ce qui génère réellement des conversions, et de prendre de mauvaises décisions budgétaires en conséquence.

Les principaux modèles d’attribution

Attribution au dernier clic

Le modèle le plus répandu, et le plus critiqué. Il attribue 100 % du crédit au dernier point de contact avant la conversion. Facile à mettre en oeuvre et à interpréter, il sous-estime systématiquement les canaux du haut de l’entonnoir, comme le display de notoriété ou la vidéo de prospection, qui jouent pourtant un rôle majeur en début de parcours.

Attribution au premier clic

L’image miroir du dernier clic. Tout le crédit revient au premier point de contact. Ce modèle est utile pour comprendre ce qui suscite l’intérêt initial du client, mais il ignore tout ce qui s’est passé ensuite pour maintenir son engagement.

Attribution linéaire

Le crédit est réparti équitablement sur l’ensemble des points de contact. L’attribution linéaire offre une vision plus complète que les modèles à contact unique, mais elle traite chaque interaction comme également importante, sans tenir compte de son influence réelle sur la décision.

Attribution avec décroissance temporelle

Les points de contact les plus proches dans le temps de la conversion reçoivent davantage de crédit. Ce modèle reflète l’intuition qu’une publicité vue la veille d’un achat compte probablement plus que celle vue trois semaines auparavant. Il fonctionne bien pour les cycles de réflexion courts, mais peut sous-estimer les actions de construction de marque.

Attribution positionnelle (en U)

Le crédit est concentré aux deux extrémités de l’entonnoir : généralement 40 % pour le premier contact et 40 % pour le dernier, les 20 % restants étant répartis entre les points de contact intermédiaires. Cette approche hybride reconnaît à la fois le rôle de la découverte et celui de la conclusion.

Attribution basée sur les données

Plutôt qu’appliquer une règle fixe, les modèles data-driven utilisent des analyses statistiques ou du machine learning pour pondérer chaque point de contact en fonction des schémas observés dans les chemins de conversion. Cette approche nécessite un volume de données suffisant pour être fiable, mais elle est généralement considérée comme la plus précise lorsque la qualité et la quantité des données sont au rendez-vous.

Complexité cross-canal et offline

L’attribution programmatique se complique lorsque les campagnes s’étendent sur plusieurs canaux (display, vidéo, TV connectée, digital out-of-home) et lorsque l’objectif visé est une action hors ligne, comme une visite en magasin ou un achat physique. Dans ces cas, les annonceurs s’appuient souvent sur :

• L’attribution post-vue : créditer une impression même si l’utilisateur n’a pas cliqué, sur la base d’une fenêtre temporelle après l’exposition.
• La mesure de fréquentation : utiliser des données de localisation mobile pour corréler l’exposition publicitaire aux visites physiques en magasin.
• Les tests d’incrémentalité : mener des expériences avec groupe témoin pour mesurer l’effet réel d’une campagne, indépendamment des hypothèses du modèle d’attribution.

Les pièges courants

Le double comptage

Lorsque plusieurs plateformes revendiquent chacune le crédit de la même conversion, le total des conversions déclarées peut dépasser largement le nombre de conversions réelles. Centraliser la mesure via un ad server unique ou un partenaire de mesure tiers permet d’y remédier.

Les fenêtres d’attribution

La durée de la fenêtre de rétroaction, combien de temps en arrière on cherche des points de contact à créditer, a un impact majeur sur les résultats. Une fenêtre de 30 jours et une fenêtre de 7 jours peuvent donner des images très différentes d’une même campagne.

Les jardins fermés

Les grandes plateformes utilisent souvent leur propre logique d’attribution, ce qui rend difficile la réconciliation de leurs chiffres avec ceux des outils de mesure indépendants.

Choisir un modèle pour le retail local

Pour les annonceurs du retail local, les événements de conversion principaux sont souvent des visites en magasin, des appels ou des achats locaux en ligne, plutôt que des commandes e-commerce classiques. Les méthodes d’attribution offline (mesure de fréquentation, suivi de conversion géolocalisé) sont donc particulièrement pertinentes, en complément de l’attribution digitale standard. Les cycles d’achat courts rendent aussi les modèles à décroissance temporelle souvent très efficaces, tandis que les campagnes de notoriété à plus long terme peuvent bénéficier d’une approche positionnelle ou data-driven.

Comment Arago vous aide

La DSP d’Arago est conçue avec la mesure du retail local en tête, avec prise en charge de l’attribution de fréquentation et des rapports cross-canal dans une interface unique, pour que les annonceurs puissent évaluer leurs performances en fonction des résultats qui comptent vraiment pour leurs magasins.