#image_title
55 %. C’est probablement le chiffre qui m’est le plus resté en tête après notre dernier M&M Mastermind SEA avec David Sourenian, cofondateur de mediaROI.
David estimait qu’environ 45 % des internautes pouvaient encore être identifiés de bout en bout dans les parcours étudiés. Autrement dit, plus de la moitié échappaient, au moins partiellement, à cette reconstruction individuelle.
Il faut évidemment prendre ce chiffre pour ce qu’il est : un ordre de grandeur issu d’un contexte de mesure donné, pas une constante applicable à tous les annonceurs. Mais le phénomène qu’il illustre est beaucoup plus intéressant que le chiffre lui-même.
Vos futurs clients ne disparaissent pas. C’est votre capacité à reconstruire précisément leur parcours qui diminue.
Ils continuent à voir vos annonces, découvrir votre marque, effectuer des recherches, revenir quelques jours plus tard ou acheter depuis un autre appareil.
Le chiffre d’affaires existe toujours. Seulement, le chemin qui y mène devient de plus en plus difficile à observer. Et cela change profondément la manière dont nous devons mesurer le marketing.
Pendant longtemps, le marketing digital nous a habitués à une promesse séduisante : relier chaque dépense à une action mesurable.
Une impression. Un clic. Une visite. Une conversion. Un chiffre d’affaires. Puis un ROAS.
Cette capacité de suivi a été tellement utile que nous avons fini par confondre deux choses pourtant différentes : observer un parcours et mesurer l’effet réel d’une action marketing.
Prenons un exemple.
Un prospect découvre votre entreprise sur YouTube. Quelques jours plus tard, il effectue une recherche Google depuis son ordinateur professionnel. Il revient ensuite directement sur votre site depuis son téléphone personnel, parle de votre offre à un collègue, puis finalise son achat une semaine plus tard.
Quelle plateforme possède réellement toute l’histoire ? Aucune.
Même avec un tracking parfaitement configuré, des conversions améliorées, un bon Consent Mode et un CRM propre, une partie du parcours restera inaccessible.
Les contraintes liées au consentement, les environnements fermés, les changements d’appareil et les interactions offline accentuent encore ce phénomène.
La conclusion est importante : améliorer le tracking reste indispensable, mais cela ne suffira jamais à transformer vos outils analytics en représentation parfaite du monde réel.
Le sujet n’est donc plus uniquement de mieux suivre les utilisateurs.
Il faut apprendre à mieux mesurer ce que le marketing produit.
Prenons un compte Google Ads affichant un ROAS de 8.
L’interprétation instinctive est simple : chaque euro investi aurait généré huit euros de chiffre d’affaires. C’est une lecture beaucoup trop rapide.
La plateforme dit en réalité quelque chose de plus limité : selon les conversions qu’elle peut observer et les règles d’attribution utilisées, huit euros de valeur ont été associés à chaque euro dépensé.
Une partie de ces ventes aurait peut-être eu lieu sans la campagne. Certains clients connaissaient déjà la marque. D’autres auraient probablement acheté après une recherche organique.
Une campagne Brand peut également capter une intention qui existait avant l’exposition à la publicité. Cela ne signifie pas que le ROAS plateforme est inutile. Il reste un excellent indicateur de pilotage. Mais il ne faut pas lui faire dire ce qu’il ne mesure pas.
Le même problème apparaît lorsqu’on utilise le ROAS moyen pour décider où investir davantage. Le sujet devient alors moins la rentabilité historique que la performance du prochain euro dépensé, ce qui explique l’intérêt du ROAS marginal.
Une question reste néanmoins encore plus fondamentale :
Que se serait-il passé si la publicité n’avait pas été diffusée ?
C’est là que l’attribution atteint sa limite.
L’attribution répond principalement à une question :
Quels points de contact avons-nous observés avant une conversion ?
C’est le niveau de mesure que nous utilisons en permanence dans Google Ads, GA4 ou les outils de tracking.
Il est indispensable au pilotage quotidien. On en a besoin pour comparer les campagnes, analyser les mots-clés, identifier les produits qui consomment le budget ou comprendre quelles créations génèrent des résultats.
Ces données servent également de carburant aux algorithmes d’enchères. Si vous indiquez à Google qu’un formulaire constitue une conversion importante, Smart Bidding cherchera naturellement à obtenir davantage de formulaires similaires.
D’où un enjeu souvent sous-estimé en lead generation : s’assurer que la conversion transmise représente réellement de la valeur. Optimiser sur le volume sans tenir compte de la qualité des leads peut conduire l’algorithme dans une direction parfaitement logique techniquement, mais médiocre commercialement.
L’attribution reste donc essentielle. Elle possède simplement une frontière : elle répartit du crédit entre les interactions qu’elle peut observer. Elle ne démontre pas que ces interactions ont créé la conversion.
Pour répondre à cette deuxième question, il faut changer de logique. L’incrémentalité ne cherche plus seulement à savoir quelle campagne précède la vente.
Elle cherche à estimer combien de ventes n’auraient pas existé sans cette campagne. La nuance est considérable.
Imaginons que Google Ads attribue 500 000 € de chiffre d’affaires à un investissement de 100 000 €. ROAS affiché : 5.
Supposons maintenant qu’un test permette d’estimer que 350 000 € de ces ventes auraient tout de même eu lieu sans la campagne.
La valeur réellement incrémentale serait alors de 150 000 €. Le ROAS attribué reste de 5. Le ROAS incrémental est de 1,5.
Aucun des deux chiffres n’est nécessairement incorrect. Ils répondent simplement à deux questions différentes.
Pour mesurer cette incrémentalité, on peut notamment utiliser des groupes de contrôle, des tests géographiques, du Conversion Lift ou différentes méthodes permettant de reconstruire un scénario contrefactuel.
L’objectif reste toujours le même : comparer ce qui s’est réellement passé avec ce qui se serait probablement produit en l’absence de publicité.
C’est un changement majeur de perspective. La question n’est plus « combien de conversions mon outil rattache-t-il à ma campagne ? » Elle devient « combien de conversions supplémentaires cette campagne a-t-elle réellement créées ? »
Le Marketing Mix Modeling va encore plus loin dans cette logique. Cette fois, on ne cherche même plus à suivre individuellement les utilisateurs. Le MMM travaille à partir de données agrégées.
On observe par exemple l’évolution du chiffre d’affaires dans le temps et on la rapproche des investissements Google Ads, Meta, télévision, radio ou affichage.
On peut ensuite intégrer d’autres facteurs susceptibles d’influencer la demande : prix, promotions, saisonnalité, distribution, météo ou événements particuliers.
L’intérêt est évident pour les annonceurs multicanaux. Une plateforme publicitaire ne voit que son propre environnement.
Le MMM cherche au contraire à comprendre comment plusieurs variables contribuent simultanément au résultat business. Il peut également modéliser deux phénomènes essentiels.
Le premier est la saturation. Passer de 10 000 à 20 000 € de budget sur un canal ne double généralement pas son impact. Les premiers euros captent souvent les opportunités les plus faciles, puis le rendement marginal diminue progressivement.
Le second est la persistance de l’effet publicitaire. Une campagne diffusée aujourd’hui peut influencer un achat plusieurs jours ou plusieurs semaines plus tard. Son effet ne s’arrête pas nécessairement lorsque l’impression disparaît de l’écran.
Ces deux dimensions rendent le MMM particulièrement intéressant lorsqu’il faut arbitrer des budgets à un niveau stratégique. Il ne sert pas à déterminer quelle annonce RSA conserver demain matin. Il sert plutôt à comprendre combien investir dans Google Ads par rapport à Meta, à l’affichage ou à d’autres leviers.
Il serait donc dangereux d’opposer attribution, incrémentalité et MMM.
Leur rôle est complémentaire. L’attribution apporte la granularité nécessaire à l’exploitation quotidienne des campagnes. L’incrémentalité cherche à isoler l’effet causal d’un investissement.
Le MMM permet de prendre de la hauteur pour réfléchir à la contribution des différents leviers et à l’allocation globale du budget.
C’est précisément leur combinaison qui permet de mieux comprendre la performance. Une plateforme peut afficher un excellent ROAS alors qu’un test révèle un faible impact incrémental. À l’inverse, un canal difficile à mesurer individuellement peut produire un effet important sur le chiffre d’affaires global.
Le problème commence lorsqu’on prend un indicateur conçu pour un niveau d’analyse et qu’on l’utilise pour répondre à une question située à un autre niveau. Un reporting Google Ads peut être extrêmement utile pour optimiser Google Ads. Cela ne signifie pas qu’il suffit à expliquer le compte de résultat de l’entreprise.
Imaginez maintenant un parcours très classique. Une cliente découvre une marque grâce à Meta. Quelques jours plus tard, elle regarde une vidéo YouTube. Elle effectue ensuite une recherche générique sur Google. Elle revient deux jours après en recherchant directement le nom de l’entreprise et clique sur une annonce Search. Puis elle achète.
Meta peut disposer de suffisamment de signaux pour rattacher la vente à sa campagne. Google Ads aussi. YouTube également. Votre outil analytics pourra pourtant choisir un autre canal selon sa propre logique d’attribution. Chaque plateforme observe une partie réelle du parcours.
Le problème apparaît lorsque l’on additionne leurs conversions comme s’il s’agissait d’événements indépendants.
Une entreprise peut alors réaliser 100 € de chiffre d’affaires réel tout en voyant ses différentes plateformes revendiquer ensemble beaucoup plus de valeur. Ce n’est pas nécessairement un problème technique. C’est une conséquence normale du fait que plusieurs systèmes tentent de mesurer le même parcours depuis des fenêtres différentes.
Ajouter davantage de colonnes au dashboard ne résoudra pas cette contradiction.
Tout le monde n’a évidemment pas besoin de lancer immédiatement un modèle économétrique.
La première priorité reste d’obtenir des données de conversion propres. Les événements envoyés aux plateformes doivent correspondre autant que possible à la valeur réelle pour l’entreprise.
Ensuite, confrontez systématiquement la donnée publicitaire à vos données business. Le chiffre d’affaires de Google Ads n’est pas votre chiffre d’affaires comptable. Un CRM, un back-office ou un ERP permet de replacer les données publicitaires dans leur contexte réel.
Il faut également respecter la temporalité de la conversion. Une période récente n’est pas toujours complètement consolidée au moment où vous l’analysez. Les écarts liés au délai de conversion peuvent suffire à créer une lecture très différente des performances.
À mesure que les budgets augmentent, l’étape suivante consiste à expérimenter. Un test géographique ou un groupe de contrôle bien construit peut déjà fournir beaucoup plus d’informations sur l’impact réel d’un levier qu’un nouveau modèle d’attribution.
Enfin, lorsque l’entreprise investit significativement sur plusieurs canaux et dispose de suffisamment d’historique, le MMM peut devenir pertinent pour les arbitrages budgétaires.
L’ordre compte. Un modèle sophistiqué ne compensera jamais une donnée business incohérente.
Pendant longtemps, le marketing digital a associé précision et qualité. Un CPA à 42,17 € semblait plus scientifique qu’un CPA à 42 €. Un ROAS de 5,37 semblait raconter quelque chose de très exact.
Mais le nombre de décimales ne dit rien de la pertinence de la question mesurée. Une donnée peut être mathématiquement très précise et économiquement très trompeuse.
C’est sans doute le changement de maturité le plus important à intégrer. Le futur de la mesure marketing ne consistera probablement pas à retrouver coûte que coûte chaque utilisateur perdu.
Il consistera à accepter qu’une partie des parcours restera invisible et à utiliser les bonnes méthodes pour comprendre malgré tout l’effet réel des investissements. L’attribution continuera à nous aider à piloter. L’expérimentation nous aidera à mesurer ce que la publicité crée réellement. Le MMM nous aidera à répartir les budgets à un niveau plus global.
Nous suivrons peut-être individuellement moins de personnes. Mais cela ne signifie pas que nous comprendrons moins bien notre marketing. À condition de poser une meilleure question.
Pas seulement :
« Quelle campagne a obtenu cette conversion ? »
Mais :
« Qu’est-ce qui se serait passé si je n’avais pas investi cet euro ? »
C’est beaucoup plus difficile à mesurer.
C’est aussi beaucoup plus proche de la question que devrait réellement se poser un annonceur.
Vous pouvez vous inscrire à ma newsletter pour recevoir régulièrement mes conseils, études de cas et méthodes pour créer et optimiser vos campagnes Google Ads.
Une campagne Google Ads « limitée par le budget » n’a pas nécessairement besoin de…
Sur un compte Google Ads à cycle de vente long, nous voulions apprendre à Smart…
Vous n’avez jamais activé AI Max sur votre campagne Search ? Cela ne signifie pas…
J’ai ajouté une nouvelle ligne à ma checklist d’onboarding Performance Max : Qui a le…
Je vais commencer par une opinion qui ne fera probablement pas plaisir à tout le…
Google ne supprime pas le contrôle dans Google Ads. Il le déplace. Et c’est peut-être…