Qu'est-ce qu'un modèle d'attribution dans Google Analytics et pourquoi c'est important

Qu'est-ce qu'un modèle d'attribution ?

Un modèle d'attribution est un outil qui permet aux spécialistes du marketing de mesurer la valeur de chaque point de contact dans le parcours client avant de réussir la conversion/l'achat. Google décrit un modèle d'attribution comme "la règle, ou l'ensemble de règles, qui détermine comment le crédit pour les ventes et les conversions est attribué aux points de contact dans les chemins de conversion".

Les utilisateurs interagissent souvent avec une marque plusieurs fois avant de devenir un client payant tout en progressant dans votre entonnoir de vente. Votre entonnoir peut changer en fonction de ; le prix de votre produit, la notoriété de votre marque, le type d'industrie et de nombreux autres facteurs, mais ils ont tendance à se résumer aux 3 mêmes étapes clés. Sensibilisation, Intérêt, Action.

Cet entonnoir est une simplification et une représentation des étapes qu'un consommateur suivra avant de devenir client.

• Premièrement, ils peuvent prendre connaissance de votre marque à partir d'une annonce graphique, d'une annonce YouTube ou d'une autre campagne de notoriété de la marque. Cela tomberait dans l'étape 1 de l'entonnoir - Sensibilisation
• L'utilisateur pourrait alors rechercher des avis, visiter les pages de vos produits ou services, s'abonner à la newsletter de votre entreprise, etc. Cela placerait cette personne dans la deuxième étape de l'entonnoir - Intérêt
• Une fois que l'utilisateur manifeste de l'intérêt pour vos services, cela peut entraîner une intention d'achat, puis l'utilisateur effectue ensuite un achat ou une interaction. Ceci est la dernière étape - Action

Pourquoi les modèles d'attribution sont-ils importants ?

Les modèles d'attribution nous offrent différentes façons d'interpréter les données de nos campagnes marketing et permettent une compréhension plus approfondie du parcours client.

Sur les annonces Google, lorsque vous créez ou importez une action de conversion, le modèle d'attribution par défaut est "Dernier clic". Cela signifie que lorsqu'un utilisateur convertit, tout le crédit est attribué au dernier clic qu'il a effectué sur l'une de vos annonces. Le principal problème avec cela est qu'il ignore complètement toute autre interaction que l'utilisateur a eue avec votre marque.

La capture d'écran ci-dessous montre un exemple tiré du rapport "Top Conversion Paths" dans Google Analytics d'un site Web de commerce électronique avec un filtre avancé pour afficher les conversions avec "Display" dans le chemin de regroupement des entonnoirs multicanaux.

Dans cet exemple, nous pouvons voir 6 conversions d'utilisateurs qui ont vu une annonce graphique. Cependant, Google Ads, avec le modèle d'attribution au dernier clic sur l'action de conversion, n'a rapporté que 2 conversions de la campagne display. Cela provenait des numéros 5 et 3, le reste n'accordant aucun crédit aux campagnes d'affichage.

À l'aide de l'outil de comparaison de modèles, qui se trouve sous Conversions, puis entonnoirs multicanaux dans Google Analytics, nous pouvons observer les changements dans le nombre de conversions et les champs de valeur de conversion qui se produisent lorsque chaque modèle d'attribution est comparé les uns aux autres.

Dans les premières colonnes, nous pouvons voir les résultats pour "Last Interaction", à côté de cela se trouve "Time Decay" et sur les colonnes de droite se trouvent les résultats pour "Linear". Cela nous permet de mieux comprendre l'importance de nos campagnes display jouées dans la décision d'achat du client plutôt que de nous concentrer uniquement sur la dernière étape du parcours.

Différents types de modèles d'attribution

Les modèles d'attribution que vous connaissez probablement déjà le plus sont les options disponibles dans Google Ads. Ceux-ci sont; Dernier clic, Premier clic, Basé sur la position, Linéaire, Décroissance temporelle et Basé sur les données. Chacun de ces modèles d'attribution attribue à différents points de contact une valeur différente. Ceci est expliqué pour chacun ci-dessous.

Dernier clic

Un modèle d'attribution au dernier clic attribue 100 % du crédit de la conversion au dernier point de contact.

Premier clic

Un modèle d'attribution au dernier clic attribue 100 % du crédit de la conversion au premier point de contact.

Basé sur le poste

Un modèle d'attribution basé sur la position attribue 40 % du crédit pour la conversion au premier et au dernier point de contact. Le reste est réparti équitablement entre les points de contact restants.

Linéaire

Un modèle d'attribution linéaire répartit équitablement le crédit entre tous les points de contact.

Décroissance temporelle

Un modèle d'attribution par décroissance temporelle distribue moins de crédit aux premiers points de contact et plus aux points de contact les plus proches de la conversion.

Axé sur les données

Un modèle d'attribution basé sur les données est différent en ce sens qu'il utilise des données de conversion historiques pour calculer la contribution réelle de chaque point de contact.

Différences entre les modèles d'attribution sur Google Ads et Google Analytics

Vous avez peut-être remarqué que lors de la création d'un objectif dans Google Analytics, il ne vous offre pas la même option pour appliquer un modèle d'attribution que sur Google Ads. Cela nous permet de comparer différents modèles d'attribution sur Google Analytics à l'aide de l'outil de comparaison de modèles.

Les modèles d'attribution disponibles sur Google Ads et Google Analytics sont légèrement différents. Alors que Google Ads inclut les modèles d'attribution répertoriés ci-dessus, Google Analytics n'est pas basé sur les données, mais dispose de deux modèles d'attribution supplémentaires ; dernier clic Google Ads et dernier clic non direct.

Le modèle d'attribution "Dernier clic Google Ads" vu dans Google Analytics fonctionne de la même manière que le modèle Dernier clic sur Google Ads.

Google Analytics, quant à lui, utilise le modèle d'attribution du dernier clic non direct pour les rapports d'entonnoir non multicanal et le modèle du dernier clic pour les rapports d'entonnoir multicanal.

Les différences entre le fonctionnement des modèles d'attribution sur Google Analytics et Google Ads peuvent entraîner des écarts dans les résultats entre les deux. Par exemple, si un utilisateur cliquait sur une annonce de recherche, puis visitait le site Web de manière organique et effectuait une conversion, Google Ads attribuerait cela comme une conversion de la campagne de recherche, tandis que Google Analytics classerait cela comme une conversion organique.

Quel est le bon modèle d'attribution à utiliser ?

Il est important d'utiliser une variété de modèles d'attribution pour interpréter vos données de conversion afin de comprendre le parcours des clients avant de réussir la conversion. L'utilisation d'une attribution au dernier clic, par exemple, ignore complètement toutes les étapes précédentes d'un utilisateur, alors qu'un modèle d'attribution au premier clic vous laisse avec le problème inverse. Cependant, la comparaison de ces deux éléments peut nous aider à comprendre quels moyens publicitaires sont les meilleurs pour encourager les clients à explorer nos marques en premier lieu, et quel type d'annonces les fait convertir avec succès plus loin dans l'entonnoir.

Sur Google Ads, testez plusieurs modèles d'attribution et déterminez celui qui vous convient le mieux. Les modèles d'attribution basés sur la position et linéaires sont parfaits pour commencer, car vous pouvez maintenant commencer à voir le crédit pour les conversions réparties entre vos campagnes de marque, campagnes de produits, display, YouTube, etc.

Comment utiliser votre compréhension de la modélisation d'attribution pour améliorer vos campagnes Google Ads

En comparant les modèles d'attribution et en analysant les chemins de conversion des utilisateurs, nous pouvons commencer à comprendre le parcours client complet au-delà du simple clic final. En utilisant l'outil Top Conversion Paths de Google Analytics, nous pouvons comprendre comment les utilisateurs interagissent avec notre marque en ligne avant de devenir un client converti.

Sur Google Analytics, naviguez et développez « Conversions » dans la barre latérale de gauche, développez la liste déroulante pour « Entonnoirs multicanaux » et sélectionnez « Principaux chemins de conversion ». Ici, nous pouvons voir les étapes que chaque utilisateur converti a suivies avant de terminer l'action de conversion.

Assurez-vous que les actions de conversion correctes sont sélectionnées dans le coin supérieur gauche et définissez la longueur du chemin sur "Tous" pour afficher les informations de toutes les conversions. La 3ème option, "Lookback Window" peut être définie de 1 à 90 jours. Cette option détermine le nombre de jours précédant l'action de conversion que nous pouvons analyser.

Ensuite, nous pouvons créer une dimension secondaire pour nous donner plus d'informations sur les types de contenu avec lesquels l'utilisateur a interagi. Cliquez sur "Dimension secondaire" et essayez certaines des options (le chemin du groupe d'annonces ou le chemin de la requête de recherche sont parfaits pour commencer).

Nous pouvons ensuite filtrer nos résultats pour n'afficher que les détails des conversions où l'utilisateur a interagi avec une annonce. Cela peut être fait en cliquant sur "Avancé" en haut à droite du tableau principal. Lorsque vous êtes ici, sélectionnez "MCF Channel Grouping Path", entrez "Payé" dans la case vide et cliquez sur "Appliquer" comme indiqué dans l'image ci-dessous.

Après avoir suivi les étapes ci-dessus, avec le chemin de requête de recherche défini comme dimension secondaire, nous pouvons maintenant voir les recherches individuelles effectuées par chaque utilisateur.

Nous pouvons également utiliser le filtre MCF Channel Grouping Path pour afficher les résultats, par exemple, pour les conversions où un utilisateur a interagi avec une annonce graphique et une annonce de recherche. Cela peut être vu dans l'image ci-dessous.

Maintenant que vous comprenez mieux les parcours de vos clients, vous devriez pouvoir utiliser les informations recueillies pour ajuster vos campagnes. Je n'ai abordé que quelques façons différentes d'expérimenter avec vos données, mais il y a des tonnes d'autres expériences que vous pouvez mener vous-même !