L'avenir des modèles d'attribution basés sur les données et la manière dont TAGGRS peut y contribuer
Le suivi des données et des conversions devient de plus en plus difficile. C'est une nouvelle réalité à laquelle les entreprises et les spécialistes du marketing du monde entier sont confrontés :
- Toutes les conversions ne sont pas mesurées.
- Suppression progressive des cookies de tiers
- Les commandes ne correspondent pas aux données analytiques.
- Moins de données dans les campagnes à partir desquelles l'algorithme peut apprendre.
Cela est principalement dû aux nouvelles réglementations sur les cookies de tiers et aux mécanismes de prévention du suivi comme celui de Safari. En conséquence, les entreprises adoptent des techniques de suivi de plus en plus efficaces.
L'un des problèmes est que la collecte de données de plus en plus sophistiquée signifie que les petites entreprises ne peuvent plus suivre le rythme des grandes sociétés. Dans ce blog, nous vous présentons l'évolution des modèles d'attribution basés sur les données et la manière dont TAGGRS peut vous aider.
Points clés 🔑
- Des modèles d'attribution à l'épreuve du temps : Avec l'abandon progressif des cookies tiers et des réglementations plus strictes en matière de protection de la vie privée, le suivi des conversions devient de plus en plus complexe.
- Défis liés aux réglementations en matière de protection de la vie privée : les modèles d'attribution contemporains sont confrontés à plusieurs défis en raison des réglementations plus strictes en matière de protection de la vie privée et de l'abandon progressif des cookies de tierces parties. Ces évolutions limitent la disponibilité de données détaillées sur les utilisateurs, ce qui fait qu'il est plus difficile pour les entreprises de mesurer et d'attribuer avec précision l'efficacité de leurs campagnes de marketing aux bons canaux et points de contact.
- Des stratégies de marketing à l'épreuve du temps : En mettant en œuvre le Server Side Tracking, les entreprises peuvent anticiper les futurs changements technologiques et réglementaires tout en maintenant et en améliorant leur capacité à prendre des décisions fondées sur des données.
Comment une plateforme publicitaire détermine-t-elle que l'exposition à une publicité a abouti à une conversion ?
Le processus consiste à exiger un élément d'information spécifique pour établir un lien entre la consultation d'une publicité et une conversion. L'annonceur doit donc transmettre à des plateformes telles que Google ou Facebook un élément d'information, tel qu'une adresse électronique, un numéro de téléphone, une adresse IP ou tout autre attribut permettant d'identifier l'acheteur ou la personne qui s'est convertie. Ces plateformes peuvent alors établir le lien, car il y a de fortes chances que la personne qui a vu l'annonce et a agi se soit connectée à leurs systèmes
Qu'est-ce que l'attribution pilotée par les données ?
Le parcours du client, de la première interaction à la conversion, peut varier considérablement d'une entreprise à l'autre et d'un utilisateur à l'autre.
À une extrémité du spectre se trouvent les utilisateurs qui effectuent une recherche, voient votre entreprise pour la première fois, cliquent sur votre annonce et effectuent un achat immédiat. Cet utilisateur n'a qu'un seul moment de contact avant l'achat.
À l'autre extrémité du spectre, on trouve les utilisateurs qui interagissent avec votre entreprise pendant des mois, par le biais d'annonces publicitaires, de listes organiques et payantes de Google, d'e-mails et d'autres points de contact, avant d'effectuer leur achat. Ces utilisateurs passent par de nombreux points de contact avant d'effectuer leur achat.
Du point de vue de l'attribution, la première situation est assez simple. Il n'y a qu'un seul point de contact qui obtient le crédit. Cependant, lorsque vous introduisez plusieurs points de contact, il devient beaucoup plus difficile de dire avec une certitude raisonnable quels points de contact ont réellement influencé l'achat final et dans quelle mesure.
Attribution basée sur les données dans Google Ads
L'attribution en fonction des données dans Google Ads est une fonctionnalité avancée qui vous permet d'attribuer des conversions en fonction de l'interaction des utilisateurs avec vos annonces. Cette méthode analyse l'ensemble des données de votre compte publicitaire afin d'identifier les mots-clés, les annonces et les campagnes qui ont le plus d'impact sur vos résultats. Elle prend en compte toutes les interactions et l'engagement dans l'historique de vos annonces payantes pour mieux comprendre l'efficacité de vos campagnes publicitaires à générer des conversions et des ventes.
Votre modèle basé sur les données est unique et adapté à votre situation spécifique, ce qui vous permet de :
- Pour découvrir les mots-clés, les annonces, les groupes d'annonces et les campagnes qui génèrent le plus de conversions.
- Optimisez vos offres sur la base de ces données de performance.
- Choisir le bon modèle d'attribution pour votre entreprise.
Grâce à l'attribution basée sur les données dans votre reporting payant, vous saurez quelles sont les publicités qui contribuent le plus à la réalisation de vos objectifs commerciaux. De plus, si vous utilisez une stratégie d'enchères automatisée pour obtenir plus de conversions, vos enchères exploiteront ces informations cruciales pour vous aider à obtenir plus de conversions. Cette approche vous permet de déterminer avec plus de précision comment vos dépenses publicitaires contribuent au résultat net, ce qui rend votre stratégie marketing plus efficace.
L'attribution en fonction des données est la solution proposée par Google pour répondre à cette incertitude.
L'attribution pilotée par les données attribue une valeur aux publicités en modélisant celles qui augmentent la probabilité de conversion d'un utilisateur. Elle compare les trajectoires des utilisateurs qui ont converti et de ceux qui n'ont pas converti, afin d'évaluer la valeur ajoutée des différents points de contact.
Par exemple, il peut comparer un groupe d'utilisateurs qui ont cliqué sur une publicité d'achat avec ceux qui ont cliqué à la fois sur une publicité d'achat et sur une publicité de remarketing complémentaire, afin de comprendre l'avantage supplémentaire de cette publicité. Le système peut ainsi mieux évaluer la valeur ajoutée des différents points de contact.
Statistiques sur l'adoption et l'utilisation de l'attribution pilotée par les données (DDA) :
Google n'est pas le seul à penser que l'attribution pilotée par les données (DDA) est la solution.
- 60 % des spécialistes du marketing estiment que l'analyse des données est essentielle pour comprendre les parcours des clients à forte valeur ajoutée.
- 50 % des spécialistes du marketing affirment que la DDA les a aidés à améliorer leur retour sur investissement en matière de marketing.
- 70 % des spécialistes du marketing affirment que le DDA est plus précis que les modèles d'attribution traditionnels.
- Un spécialiste du marketing consacre en moyenne 15 heures par mois à la gestion de ses données d'attribution marketing.
- Un spécialiste du marketing dépense en moyenne 10 000 dollars par an en logiciels d'attribution marketing.
- Ces statistiques suggèrent que la DDA est une tendance croissante dans l'industrie du marketing et qu'elle constitue un outil précieux pour les spécialistes du marketing qui cherchent à améliorer leur retour sur investissement.
Exemples d'utilisation de la DDA par les spécialistes du marketing :
- Comprendre l'impact des différents canaux de marketing sur les conversions.
- Identifier les campagnes de marketing les plus efficaces.
- Optimiser leurs budgets de marketing.
- Personnaliser leurs messages marketing pour les clients individuels.
Modèles de conversion
Consent Mode Suite à la V2 présentée précédemment, Google propose Conversion Modelling, qui se concentre sur Google Ads. Cet outil a la capacité de prédire la probabilité d'une conversion à partir d'une annonce dans Google, principalement alimentée par des données anonymes.
Consent Mode Après avoir correctement configuré V2, de nombreuses données ne sont plus collectées, Google les complétant par des données prévisionnelles.
L'outil compare ces données avec celles des visiteurs qui ont donné leur autorisation, ce qui donne une image complète du comportement sur votre site web. Ainsi, les données des rapports sont plus précises et certaines actions de suivi peuvent être mieux justifiées. Consent Mode Google Ads lui-même met en œuvre la modélisation de la conversion dans les comptes, ce qui oblige les spécialistes du marketing - contrairement à Google - à ne rien modifier dans le code source du site web.
Plus que l'œil ne peut voir
Avant que l'attribution basée sur les données ne prenne de l'ampleur, Google Ads basait le reporting des conversions uniquement sur le dernier clic. Cela signifie que lorsqu'un utilisateur cliquait sur une annonce Google et effectuait ensuite une action de conversion (telle qu'un achat ou une vente) sur le site web, Google attribuait la conversion à ce dernier clic spécifique.
À partir de septembre 2023, l'attribution pilotée par les données est devenue la valeur par défaut pour toutes les actions de conversion nouvellement définies dans Google Ads, ce qui a permis à un grand nombre d'annonceurs existants d'adopter ce modèle. Cela signifie qu'au lieu d'attribuer la conversion uniquement au dernier clic, Google déploie désormais l'apprentissage automatique pour attribuer les conversions à la fois aux clics et aux impressions qui ont lieu tout au long du parcours du client jusqu'à la conversion.
L'introduction de ce modèle marque un changement majeur dans l'évaluation de l'impact des publicités sur les conversions. Il permet aux annonceurs d'obtenir une image complète de la contribution de chaque interaction individuelle - de la première rencontre à l'acte de conversion final - à l'obtention du succès. Cette approche permet aux spécialistes du marketing d'affiner leurs stratégies de campagne avec plus de précision, en ne se limitant plus au dernier point de contact, mais en appréciant la valeur intégrale de l'ensemble du parcours du client. Ces informations sont essentielles pour affiner les campagnes et allouer les budgets marketing plus efficacement, afin d'améliorer les performances globales et le retour sur investissement des dépenses publicitaires.
Quand n'est-elle plus assez précise ?
Les spécialistes du marketing numérique ont constaté que toutes les grandes plateformes publicitaires ont progressivement introduit l'attribution pilotée par les données dans leur mesure de la conversion au cours des dernières années. La force motrice de cette évolution a été la préservation du suivi des performances, qui est très important pour les plateformes afin de démontrer leur valeur lorsque les méthodes de suivi traditionnelles sont perdues en raison du cadre ATT d'Apple et de l'élimination progressive des cookies de tierces parties.
Mais l'attribution fondée sur les données pose un problème fondamental...
Lorsque le suivi des conversions basé sur les cookies a commencé à être limité en raison de l'abandon progressif des cookies tiers, par exemple, les entreprises disposant de ressources techniques et financières ont mis en œuvre le Server Side Tracking afin de maintenir leur capacité à mesurer les performances avec précision. Les entreprises ne disposant pas de ressources techniques internes ou des moyens financiers nécessaires pour rémunérer des spécialistes de l'analyse et des données se sont retrouvées dans l'incapacité de mettre en œuvre des changements techniques en matière de suivi.
Les plateformes publicitaires ont toujours fourni des données de conversion assez précises
Google et Meta savaient tous deux qu'un grand nombre de PME ne disposaient pas des ressources nécessaires pour mettre en place un suivi avancé des conversions. C'est pourquoi ils ont commencé à utiliser des données modélisées pour estimer les conversions perdues ou non suivies. L'une des mesures de modélisation était historiquement utilisée pour estimer les conversions inter-appareils et la perte de conversion due aux scripts bloqués et aux bloqueurs de tracking/adblockers. Cette mesure était assez précise car près de 90 % des conversions étaient suivies avec exactitude, et les modèles n'avaient plus qu'à combler les 10 % manquants.
La modélisation de l'attribution repose désormais sur des ensembles de données plus restreints
L'article qui suit va très loin dans les statistiques techniques, mais il est important que les spécialistes du marketing le comprennent. Les travaux d'un brasseur de la Guinness, William S. Gosset, ont inspiré le concept de signification statistique lorsqu'il a découvert les courbes de distribution t.
En termes simples, lorsque les statistiques sont appliquées à de grands ensembles de données, les résultats sont plus fiables et les résultats attendus (modélisés) sont proches des chiffres réels. Dans le graphique ci-dessous, cela est illustré par la courbe bleue de la distribution en Z, qui indique que les résultats ne s'écartent pas de manière significative. Cependant, lorsque les modèles statistiques sont construits sur un très petit ensemble de données, ils sont moins fiables et les chiffres réels peuvent différer considérablement des données modélisées - comme le montre la courbe de distribution t avec un échantillon de petite taille.
Nous connaissons tous des exemples concrets de ce phénomène : les annonceurs voient une vente signalée alors qu'elle n'a pas eu lieu. Cela peut être dû à des algorithmes qui modélisent les conversions et prédisent, sur la base de données et des circonstances dans lesquelles un clic a eu lieu, qu'une conversion aurait dû avoir lieu.
Lorsque les volumes de conversion réellement suivis diminuent, en raison des changements susmentionnés en matière de gestion de la vie privée et de cookies tiers, davantage de rapports de conversion seront basés sur la modélisation de données non suivies. La fiabilité de ces informations diminuera considérablement.
Comment améliorer la précision des données de performance
Pour optimiser les performances des campagnes, vous devez réduire la dépendance des plateformes à l'égard des modèles d'attribution basés sur les données et leur fournir des données plus fiables. La meilleure façon d'y parvenir est de combiner le Server Side Tracking d'événements avec une correspondance d'audience avancée telle que Enhanced Conversions. C'est un problème pour les petites entreprises, car il s'agit d'une méthode de collecte de données assez sophistiquée, utilisée principalement par les grandes entreprises.
Existe-t-il une solution pour ces petits partis ?
Le paysage des données devient de plus en plus complexe. Alors, comment s'assurer qu'en tant que petite partie, vous pouvez toujours mettre en place une solution côté serveur. TAGGRS se concentre sur la réalisation d'un avenir où les solutions de suivi les plus complètes seront accessibles à tous. Le Server Side Tracking en fait partie intégrante, car il établit une nouvelle norme en matière d'analyse des données et de protection de la vie privée des utilisateurs.
Avec Server Side Tracking :
- Vous avez trouvé la solution à la disparition des cookies tiers
- Plus de données pour vos campagnes, ce qui rend les conversions moins prédictives.
- La collecte de données en ligne à l'épreuve d'AVG
Conseil : consultez également notre FAQ sur le Server Side Tracking avec les 50 questions les plus fréquemment posées sur le Server Side Tracking.
Pourquoi le TAGGRS est-il accessible ?
Avec notre logiciel de Server Side Tracking GTM, vous serez aidé pas à pas à travers chaque étape que vous devez prendre pour une installation correcte de Server Side Tracking, nous offrons, entre autres choses :
- Blogs de configuration
- Vidéos
- Modèles
- Soutien Premium
- Plate-forme de soutien
- Assistance instantanée par chat
Assurez-vous que toutes les conversions sont mesurées
Dans le monde en évolution rapide des modèles d'attribution basés sur les données, il est essentiel de se concentrer sur la qualité des données. Grâce à des solutions avancées de Server Side Tracking, les entreprises peuvent garantir l'exactitude des données malgré les limites des méthodes de suivi traditionnelles. Cette approche transforme les défis contemporains en succès futurs en s'appuyant sur la précision et l'analyse approfondie des données, TAGGRS servant d'exemple de la façon dont la technologie peut aider. Convaincu ? Prenez rendez-vous pour une démonstration gratuite.