Mettre en place l’attribution des campagnes: sources de données et limites

De quoi il s’agit: attribuer le succès à un point de contact

L’attribution des campagnes attribue le succès – leads, deals ou chiffre d’affaires – à une campagne ou à un point de contact individuel. Des règles ou des algorithmes décident quels points de contact sur un parcours de conversion se voient attribuer les conversions.

Dans le B2B, l’exercice est plus complexe que dans l’e-commerce: les décisions d’achat prennent souvent plusieurs mois et impliquent jusqu’à 15 parties prenantes. Les acheteurs B2B utilisent aujourd’hui plus de dix canaux différents lors de leur processus d’achat, contre cinq seulement il y a quelques années.

Sans connaissance de ces parcours, la répartition du budget relève de l’intuition. 82 pour cent des directeurs marketing (CMO) indiquent que leurs objectifs sont liés aux objectifs de chiffre d’affaires, mais beaucoup peinent à établir le lien entre les dépenses marketing et le chiffre d’affaires.

Chiffres clés sur l’attribution des campagnes en Suisse

Sources de données en ligne: clics, canaux, conversions

La première moitié des données provient du web: pages vues et événements sur le site web, clics et impressions issus des réseaux publicitaires, paramètres de campagne dans les URL et les parcours de conversion qui en sont reconstitués.

Depuis juillet 2021, Google Analytics 4 propose le rapport «Publicité» à cet effet. Il permet d’analyser les parcours de conversion et de comparer les premiers modèles d’attribution – tels que le dernier clic et le modèle linéaire – via un rapport de synthèse.

Toute analyse ultérieure dépend de la qualité de cette collecte: un suivi imprécis fournit des données inutilisables. L’intégration des différentes sources de données constitue la principale charge de travail. Concrètement, il faut des conventions de nommage uniformes pour les paramètres de campagne, des événements définis et testés comme conversions, ainsi qu’une documentation précisant quand chaque événement est déclenché.

La période d’attribution fait également partie de la configuration: dans Google Analytics 4, elle est par défaut de 90 jours et peut être modifiée, contre 180 jours dans Universal Analytics. Une fenêtre plus courte exclut les points de contact tardifs, tandis qu’une fenêtre plus longue leur attribue davantage de poids – le chiffre change avec le paramétrage, pas avec le marché.

Ce qui reste dans le CRM, au téléphone et en salon professionnel

La seconde moitié des données, souvent manquante, est générée hors du navigateur: entrées CRM, appels téléphoniques, contacts hors ligne, visites de salons.

Un parcours B2B typique en Suisse commence ainsi: un client potentiel de Zurich découvre l’entreprise via une campagne LinkedIn. Quelques semaines plus tard, il télécharge un livre blanc après une recherche Google. Un mois après, il visite le stand lors d’un salon à Bâle et convertit finalement après avoir vu une bannière de reciblage.

Pour que cette chaîne soit analysable, chaque étape doit laisser une trace pouvant être reliée aux données numériques. Les leads issus de formulaires et d’appels reçoivent une source et un identifiant de campagne lors de leur saisie dans le CRM. Les contacts de salon sont saisis directement sur place plutôt que d’être entrés a posteriori sous forme de pile de cartes de visite.

Les appels peuvent être attribués via des numéros de téléphone spécifiques par canal ou par interrogation lors du premier contact. Le lien se fait via un identifiant commun, comme la même adresse e-mail ou la même entreprise.

Des prestataires sur le marché zurichois promettent de relier chaque clic, appel et conversion à des investissements marketing spécifiques. Ils souhaitent également capturer les clients qui appellent après avoir vu une affiche publicitaire. De telles promesses dépendent entièrement de la saisie hors ligne: si l’entrée CRM manque, le point de contact n’existe pas pour le modèle.

Parcours client en marketing B2B: exemple suisse

Basé sur des règles ou piloté par les données: comment le succès est réparti

Il existe deux familles de modèles. L’attribution basée sur des règles attribue une valeur à des points de contact individuels, dépendant de leur importance relative dans le processus – en variante single-touch ou multi-touch (linéaire, premier clic, décroissance dans le temps, basé sur la position). L’attribution pilotée par les données détermine combien de conversions et de parcours utilisateurs ont contribué à une vente; le modèle résultant peut différer considérablement des approches simples basées sur des règles.

Google a de facto restreint les choix: les modèles linéaire, premier clic, décroissance dans le temps et basé sur la position n’étaient plus disponibles pour les nouvelles actions de conversion dans les propriétés GA4 dès mai 2023, ni pour les comptes Google Ads dès juin 2023. En septembre 2023, ces quatre modèles ont été supprimés dans GA4 et Google Ads, et chaque action de conversion concernée a été automatiquement basculée vers le modèle piloté par les données. Ceux qui souhaitent conserver le modèle du dernier clic peuvent le faire, mais doivent modifier manuellement chaque action de conversion.

La période d’attribution influence également les chiffres: savoir si un parcours avec trois mois d’antériorité entre dans l’analyse dépend de la fenêtre choisie. Les comparaisons de modèles ne sont donc significatives qu’avec une période identique – sinon, on compare des paramètres plutôt que des canaux.

Comparaison des modèles d’attribution dans Google Analytics 4 (GA4)

Là où les chiffres trompent: piège du dernier clic et boîte noire

Le dernier clic attribue tout le succès au dernier point de contact. Dans l’exemple ci-dessus, la bannière de reciblage recevrait tout – bien que la campagne LinkedIn ait fourni le premier contact et que le stand de salon ait établi la confiance.

La conséquence est une prise de décision budgétaire dans la mauvaise direction: les équipes marketing réduisent les budgets pour les activités «sans succès» en haut de l’entonnoir, qui créent en réalité de la notoriété. Parallèlement, elles surinvestissent dans des canaux en bas de l’entonnoir supposément performants, qui ne fonctionneraient pas sans les points de contact précédents.

Les modèles pilotés par les données ne résolvent pas cela automatiquement. La formule d’attribution de chaque annonceur est individuelle et non visible. Il devient donc nettement plus difficile de retracer autre chose que le dernier clic.

À cela s’ajoute une limite fondamentale: l’attribution assigne des contributions le long d’un parcours, elle ne prouve pas une causalité. Un canal avec de nombreuses conversions attribuées n’a peut-être fait qu’accompagner la clôture.

En Suisse, la région linguistique s’ajoute au tableau: dans un pays comptant quatre régions linguistiques et des cultures d’affaires fortement régionales, les stratégies marketing doivent être adaptées localement. Ce qui fonctionne à Zurich ne réussit pas nécessairement à Genève ou Lugano. Un chiffre agrégé sur toutes les régions peut faire paraître performant un canal qui ne porte ses fruits que dans une seule région.

Avantages et limites de l’attribution au dernier clic

Mettre en place une base de données conforme à la protection des données

La loi fédérale sur la protection des données (LPD) révisée est en vigueur depuis septembre 2023 et présente une grande proximité substantielle avec le RGPD. Le RGPD contient globalement des réglementations plus strictes.

Pour la collecte des données d’attribution, il est crucial de déterminer jusqu’où s’étend la notion de données personnelles. Sont concernées non seulement les noms et adresses, mais aussi les identifiants en ligne comme les numéros ID dans un cookie, permettant d’attribuer un profil comportemental à une personne spécifique. Tout traitement de telles données est considéré comme un traitement.

Liste de contrôle pour la configuration: consentement éclairé et volontaire, qui soit démontrable. Il est préférable de le documenter via des cases à cocher claires dans les formulaires d’inscription ou les pop-ups. Une déclaration de protection des données transparente et facilement compréhensible décrit quelles données sont collectées, combien de temps elles sont stockées et comment elles sont utilisées.

Dans l’e-mailing, un opt-in est requis avant l’envoi. La procédure de double opt-in n’est pas expressément prescrite par la LPD, mais elle est considérée comme une bonne pratique pour permettre la preuve d’un consentement clair. Les droits d’accès, de rectification, d’effacement et de limitation doivent être effectivement exerçables. La LPD exige également que les responsables du traitement s’assurent de l’exactitude des données personnelles.

Techniquement, une mesure respectueuse de la vie privée est possible: analytics auto-hébergé, suivi sans cookies lorsque cela suffit, et une gestion du consentement appropriée. Les prestataires sur le marché suisse citent notamment Matomo, les solutions analytics auto-hébergées et les plateformes suisses d’automatisation marketing comme alternatives aux plateformes globales qui envoient des données sur des serveurs aux États-Unis. Cela ne remplace pas un conseil juridique, mais sert de liste de contrôle pour sa propre collecte.

Procédure et attentes

L’effort ne réside pas d’abord dans le modèle, mais dans la définition: qu’est-ce qui compte comme lead, qu’est-ce qui compte comme deal, et chacun de ces événements déclenche-t-il fiablement un événement? Ce n’est qu’ensuite que la comparaison des modèles vaut la peine – plusieurs modèles côte à côte plutôt qu’un seul. Les différences entre eux montrent quels points de contact sont controversés.

Les données hors ligne et CRM doivent figurer dans la même analyse que les traces numériques, sinon la moitié du parcours manque et le modèle évalue le salon de Bâle à zéro. Les chiffres résultants restent une aide à la décision avec des incertitudes connues: ils indiquent quels points de contact se voient attribuer des contributions, pas quel canal a causé la clôture.

Étapes pour une mise en place correcte de l’attribution des campagnes