Attribution Model

Définition

Un modèle d'attribution est une règle de calcul qui détermine comment créditer les différents points de contact (touchpoints) d'un parcours client lors d'une conversion. En e-commerce DTC, il répond à une question simple mais redoutable : *quel canal mérite vraiment le chiffre d'affaires généré ?*

Concrètement, lorsqu'un client découvre votre marque via une pub Meta, reçoit ensuite un email de relance, clique sur une annonce Google Search, puis achète après avoir vu une story Instagram, chaque plateforme revendique la vente. Le modèle d'attribution tranche ce conflit en répartissant le mérite selon une logique définie : dernier clic, premier clic, linéaire, positionnel, temporel, ou data-driven.

Sans modèle explicite, la plupart des outils (GA4, Shopify, Triple Whale, Northbeam) appliquent un modèle par défaut — souvent le *last non-direct click* — ce qui surévalue systématiquement le bas de funnel (Search brandée, retargeting) et sous-évalue la prospection.

Analogie

Imaginez une équipe de relais 4x100 m. Le dernier coureur franchit la ligne, mais il n'aurait jamais pu le faire sans les trois premiers. Le modèle d'attribution, c'est votre manière de décider qui reçoit la médaille :

- Last click : seule la dernière relayeuse est célébrée.

- First click : on applaudit uniquement celle qui a lancé la course.

- Linéaire : les quatre reçoivent 25 % de la médaille.

- Positionnel (U-shaped) : 40 % à la première, 40 % à la dernière, 20 % répartis au milieu.

- Data-driven : on analyse les temps de passage réels pour pondérer objectivement chaque segment.

En DTC, le "dernier coureur" est presque toujours votre campagne brandée ou votre retargeting — des canaux qui *captent* une demande déjà créée ailleurs. Le vrai travail d'acquisition se joue souvent dans les premiers relais.

Formules

Attribution linéaire — chaque touchpoint reçoit une part égale :

Crédit(touchpoint_i) = 1 / N

où N = nombre total de touchpoints du parcours.

Attribution positionnelle (U-shaped, 40/20/40) :

Crédit(premier)  = 0,40
Crédit(dernier)  = 0,40
Crédit(intermédiaires) = 0,20 / (N - 2)

Attribution temporelle (time decay) — pondération exponentielle selon la proximité de la conversion :

Crédit(touchpoint_i) = 2^(-t_i / T)

où t_i = jours écoulés depuis le touchpoint i, T = demi-vie (souvent 7 jours).

ROAS attribué :

ROAS_canal = CA attribué au canal / Dépense du canal

Exemple chiffré : un parcours à 4 touchpoints avec un panier de 120 € donne, en positionnel :

- Meta prospection (1er) : 48 €

- Email J+2 : 12 €

- Google Search brandée : 12 €

- Retargeting Meta (dernier) : 48 €

Tableau comparatif

Repères marché 2024-2025 : sur un compte DTC moyen, l'écart entre last click et DDA peut atteindre 30 à 45 % sur la répartition du CA entre Meta et Google. Triple Whale rapporte qu'en moyenne, Meta est sous-attribué de ~25 % en last click par rapport à un modèle data-driven.

Applications concrètes en DTC

1. Arbitrage budgétaire média : si vous coupez Meta parce que le last click affiche un ROAS de 1,2 alors que le DDA indique 2,8, vous détruisez votre prospection. Beaucoup de marques DTC ont tué leur croissance en 2022-2023 pour cette raison.

2. Reporting investisseurs / board : utiliser un modèle *blended* (MER = CA total / dépense média totale) en complément d'un modèle multi-touch. Le MER évite les guerres d'attribution internes.

3. Analyse de cohortes LTV : croiser modèle d'attribution et LTV à 90 jours pour identifier les canaux qui génèrent des clients récurrents, pas seulement des first purchases.

4. Tests d'incrémentalité : geo-lift tests ou holdout groups pour valider ce que le modèle d'attribution prétend. Un modèle n'est jamais une preuve de causalité.

5. Post-purchase survey : demander "Comment nous avez-vous connus ?" à la confirmation de commande — donnée déclarative qui complète le tracking pixel.

Erreurs fréquentes

- Confondre attribution et incrémentalité : un canal crédité à 40 % du CA n'est pas forcément responsable de 40 % du CA. Seul un test d'incrémentalité le prouve.

- Ignorer les fenêtres d'attribution : une fenêtre de 7 jours vs 28 jours change radicalement les résultats. Meta recommande 7j clic / 1j vue ; Google Ads souvent 30j.

- Mélanger les modèles entre plateformes : comparer un ROAS Meta en 7j clic avec un ROAS Google en 30j clic, c'est comparer des pommes et des poires.

- Oublier le direct et l'organique : en DTC, 20 à 35 % des conversions sont souvent "Direct" — un fourre-tout qui masque du dark social, du bouche-à-oreille et du branding.

- Sur-optimiser sur le DDA : le data-driven de GA4 reste biaisé par les limites de tracking (ITP, consent mode). Il n'est pas la vérité absolue.

- Négliger le consentement RGPD : depuis 2023, 15 à 40 % des sessions sont non trackées en Europe. Sans modélisation des conversions, votre attribution est structurellement incomplète.

Termes liés

- Touchpoint : point de contact entre la marque et le prospect.

- Fenêtre d'attribution (lookback window) : durée pendant laquelle un clic ou une vue peut être crédité.

- MER (Marketing Efficiency Ratio) : CA total / dépense média totale — métrique blended.

- ROAS : Return On Ad Spend.

- CAC : Coût d'Acquisition Client.

- LTV : Lifetime Value.

- Incrémentalité : mesure causale de l'apport réel d'un canal.

- MMM (Marketing Mix Modeling) : modélisation statistique macro, complémentaire à l'attribution user-level.

- Triple Whale / Northbeam / Rockerbox : outils d'attribution multi-touch spécialisés DTC.

- GA4 : Google Analytics 4, modèle par défaut *data-driven* depuis 2023.