Les deux grandes familles de modèles d’attribution

Les modèles basés sur des règles de gestion

Ces modèles sont paramétrables manuellement et permettent une première lecture du rôle des leviers marketing :

• Modèle linéaire : même valeur attribuée à chaque point de contact du parcours
• First click : toute la valeur est attribuée au premier levier qui a initié le parcours d’achat
• Last click : toute la valeur est attribuée au dernier point de contact avant la conversion — c’est le modèle par défaut dans la plupart des outils, dont Google
• Time decay : les points de contact les plus récents sont davantage valorisés
• U-shape : valorisation renforcée du premier et du dernier levier, au détriment des points intermédiaires

Ces modèles permettent d’ajuster manuellement la lecture des performances, mais ils restent fondés sur des partis pris a priori.

Les modèles algorithmiques

C’est là que réside la vraie valeur ajoutée de l’attribution avancée. Ces modèles, basés sur le machine learning, calculent de façon objective la contribution marginale de chaque point de contact sur le taux de conversion final.

Le modèle de Shapley – issu de la théorie des jeux – est particulièrement utilisé : il mesure la contribution réelle de chaque levier en simulant toutes les combinaisons possibles de points de contact. Résultat : une allocation du crédit des conversions qui reflète fidèlement la réalité des parcours, sans parti pris.

Les modèles de Markov viennent compléter cette approche en permettant des prédictions basées sur des paramètres connus, y compris lorsque certaines étapes du parcours sont manquantes.

---

La mesure omnicanale : réconcilier online et offline

Le concept de corde

La solution Occupe by Smart Trafic structure la mesure autour d’un concept central : la corde. Une corde regroupe l’ensemble des parcours similaires — c’est-à-dire tous les individus ayant été exposés aux mêmes typologies de leviers dans le même ordre – pour les analyser de façon agrégée et anonymisée.

La corde permet de remonter le temps depuis la conversion finale (visite en magasin, achat en ligne…) pour reconstituer l’intégralité du parcours utilisateur, en intégrant aussi bien les campagnes médias que les microconversions intermédiaires (ajout au panier, téléchargement de brochure, etc.).

Le rôle clé du graphe d’identité (graph ID)

La réconciliation des données cross-device est rendue possible par le graph ID – une méga base de données qui agrège des centaines de millions de signaux comportementaux (cookies, device ID, emails, SMS, données GPS, tickets de caisse…) et applique des modèles mathématiques pour identifier les mêmes individus à travers leurs différents appareils et canaux.

En France, le graph ID d’Occupe couvre notamment 26 millions de numéros de SMS, 35 millions d’adresses email et 20 millions de device ID, complétés par 400 millions de données first-party cookie.

C’est cette réconciliation qui permet de faire le lien entre une exposition à une campagne digitale et une visite ou un achat en magasin — et donc de mesurer le vrai ROI omnicanal de ses investissements.

---

Ce que révèle l’attribution algorithmique : l’exemple du display in-app

L’un des enseignements les plus frappants de l’attribution algorithmique concerne la revalorisation des leviers de haut de funnel – systématiquement sous-estimés dans un modèle last click.

Prenons le display in-app : dans un modèle last click, ce levier apparaît comme peu contributif aux visites en magasin, car il intervient en amont du parcours d’achat. En mode algorithmique avec la valeur de Shapley, la réalité est tout autre : le display in-app est significativement revalorisé et apparaît comme un contributeur majeur au trafic en point de vente.

Cette différence de lecture peut radicalement changer les décisions d’allocation budgétaire.

---

Les étapes clés pour mettre en place une solution d’attribution omnicanale

1. Capter 100 % des points de contact

La première étape est de couvrir l’ensemble des canaux : SEO, SEA, réseaux sociaux, display, email, SMS, drive-to-store, digital out-of-home, prospectus… Chaque point de contact non mesuré est un angle mort dans l’analyse.

2. Collecter les données online et offline

• Côté digital : via des solutions de tracking sur le site web (données de navigation, formulaires)
• Côté point de vente : via des objets connectés (Smartbox) en magasin, des données GPS et des données de tickets de caisse remontées depuis les systèmes de caisse

3. Réconcilier les données via le graph ID

Toutes les données collectées sont consolidées dans le graph ID pour reconstituer des parcours individuels cross-device et cross-canal, dans le respect du RGPD.

4. Paramétrer la solution

Plusieurs choix structurants sont à faire en amont : fenêtre d’attribution (durée pendant laquelle un point de contact est pris en compte), définition des macro-conversions à suivre (achat en ligne, visite en magasin, génération de lead…) et des microconversions intermédiaires à baliser.

5. Normaliser la nomenclature des campagnes

C’est une étape souvent sous-estimée mais déterminante. Pour que l’analyse soit exploitable, il faut faire correspondre le référentiel des campagnes au référentiel métier : par agence (locale / nationale), par famille de produits, par format publicitaire, par type d’opération (fil rouge vs temps fort)…

---

Cas client : Skoda réduit son coût d’acquisition de 18 %

Skoda a déployé la solution Occupe pendant plus d’un an avec un objectif clair : mieux répartir ses investissements médias et réduire son coût d’acquisition.

Après six mois d’utilisation, les résultats sont probants : -18 % sur le coût d’acquisition, grâce à deux leviers principaux :

• Une réallocation budgétaire entre SMS, email, display, Google Ads et autres canaux, fondée sur leur contribution réelle mesurée
• Une optimisation du mix marketing en identifiant les enchaînements de leviers les plus efficaces pour conduire à la conversion

---

Les points de vigilance avant de se lancer

• Budget : prévoir les coûts de licence (variables selon le volume d’impressions traquées), les frais de consulting et les éventuels développements spécifiques
• Gouvernance et RGPD : impliquer les DPO en amont — les validations juridiques peuvent prendre du temps, notamment dans les grandes structures
• Périmètre de tracking : certaines régies restent réticentes à l’intégration de tags de mesure tiers — un mode opératoire industriel est indispensable pour sécuriser le tracking dans la durée
• Maturité digitale : dans les structures peu matures sur les usages digitaux, la phase de cadrage et de coordination peut s’avérer plus longue que prévu

---

Axys Consultants : votre partenaire pour piloter votre performance marketing par la donnée

Axys Consultanst accompagne les entreprises dans la définition de leur stratégie data, la mise en œuvre de solutions de mesure et d’attribution, et l’exploitation des données pour optimiser leurs parcours clients et leurs investissements médias.