12 raisons de choisir l'attribution basée sur l'entonnoir OWOX BI ML

L'objectif de l'attribution est d'évaluer l'efficacité des canaux et des campagnes publicitaires et d'identifier les canaux de trafic payants qui génèrent des conversions. Sachant cela, vous pouvez redistribuer votre budget publicitaire vers des canaux efficaces, arrêter de dépenser de l'argent sur des canaux inefficaces et éventuellement obtenir plus de conversions.

Votre succès dans l'exécution de votre plan de vente et la croissance de votre entreprise dépend de la qualité et de la validité de votre modèle d'attribution. Le problème est que la plupart des conversions se produisent à la suite de plusieurs sessions : avant d'acheter, l'utilisateur visite le site plusieurs fois. Par conséquent, pour répartir objectivement la valeur des revenus ou des bénéfices pour une commande spécifique, vous devez évaluer chaque session, pas seulement la dernière. La plupart des modèles d'attribution standard ne prennent pas en compte toutes les actions de l'utilisateur avant une commande et donnent toute sa valeur à un seul canal de la chaîne. Soit ils évaluent les canaux selon une règle conditionnelle et non selon des mérites réels.

Chez OWOX BI, nous avons créé notre propre modèle d'attribution basé sur l'entonnoir d'apprentissage automatique (ML) qui prend en compte toutes les actions des utilisateurs en ligne et hors ligne ainsi que les données de revenus réels de votre CRM et montre l'influence mutuelle des canaux sur les conversions et la promotion des utilisateurs via le entonnoir.

Dans cet article, nous décrivons ce que vous pouvez faire avec OWOX BI Attribution.

Pour commencer, rafraîchissons vos connaissances théoriques.

L' attribution est la répartition de la valeur d'une conversion entre les canaux qui a fait progresser l'utilisateur dans l'entonnoir. Cela aide à déterminer dans quelle mesure chaque canal a influencé la promotion de l'utilisateur via l'entonnoir et les revenus que vous avez reçus à la fin.

Un modèle d'attribution définit la logique de distribution de cette valeur - par exemple, aux canaux publicitaires et aux campagnes qui ont contribué à attirer les utilisateurs. Idéalement, votre modèle d'attribution doit être fiable (tenant compte de la contribution objective de chaque effort) et transparent (permettant de comprendre et de vérifier les résultats du calcul).

Qui a besoin d'attribution et pourquoi ?

L'attribution est nécessaire pour ceux qui gèrent le budget des canaux marketing et souhaitent le répartir efficacement afin de réduire les coûts, d'augmenter les revenus et de réaliser le plan de vente.

Modèles d'attribution standard dans Google Analytics

1. Premier clic. Toute la valeur dérivée de la conversion est attribuée à la première source qui a conduit l'utilisateur sur le chemin de la conversion.
2. Dernier clic. Toute la valeur va au dernier canal avec lequel l'utilisateur est entré en contact avant la conversion.
3. Dernier clic non direct. Toutes les valeurs sont attribuées au dernier canal de la chaîne. S'il s'agit d'un trafic direct, la valeur est attribuée à la source précédente.
4. Linéaire. La valeur est répartie équitablement entre toutes les sources de la chaîne.
5. Décroissance du temps. La valeur est répartie entre les canaux sur une base incrémentielle.
6. Basé sur le poste. Le canal qui a présenté la marque à l'utilisateur et celui qui a conclu l'affaire reçoivent chacun 40 % de la valeur. Les 20 % restants sont répartis également entre tous les canaux au milieu de l'entonnoir.

Modèles d'attribution dans les services publicitaires

Différents modèles d'attribution sont disponibles dans différents services publicitaires et systèmes d'analyse.

La plupart des services utilisent le modèle du dernier clic non direct ; certains proposent des modèles post-view, multi-appareils ou autres. Mais ces modèles ne peuvent pas être comparés entre les services : Facebook mesure la publicité à sa manière, tandis que Google Ads a une approche différente. Par conséquent, il est impossible d'avoir une vue d'ensemble de tous vos outils publicitaires.

Les modèles d'attribution standard ne sont pas appropriés lorsque :

• la plupart des commandes sur votre site Web sont effectuées en plusieurs sessions, c'est-à-dire qu'il y a deux visites ou plus dans la chaîne avant la transaction
• vous avez un grand nombre de sources publicitaires
• vous devez évaluer l'influence mutuelle de chaque canal sur la promotion de l'entonnoir
• vous souhaitez comprendre le fonctionnement des canaux publicitaires dans un bundle
• vous avez un entonnoir de vente compliqué et incohérent.

Pour évaluer l'influence mutuelle de toutes les sources, vous devez combiner les données de différents services publicitaires, de Google Analytics et de votre CRM et utiliser des modèles d'attribution complexes : le modèle Data-Driven dans Google Analytics 360, les chaînes de Markov, la valeur de Shapley ou des algorithmes personnalisés. . Mais ces modèles ont aussi leurs limites : quantité minimale de données nécessaires aux calculs, impossibilité d'envisager des conversions post-view ou de combiner les données de votre CRM, logique de calcul cachée, mise en œuvre complexe et coûteuse, etc.

L'attribution basée sur l'entonnoir ML d'OWOX BI vous aide à éviter toutes ces limitations.

Le modèle d'attribution OWOX BI évalue l'efficacité de vos campagnes publicitaires en tenant compte de la contribution de chaque canal à la promotion du client via l'entonnoir de conversion. Avec ce modèle, vous pouvez :

• allouez correctement votre budget publicitaire en tenant compte de la contribution réelle des canaux aux conversions et de leur influence mutuelle
• réduire le ratio de réserve de trésorerie (CRR) tout en augmentant les revenus
• augmenter le nombre de nouveaux clients tout en économisant votre budget
• augmentez le nombre d'utilisateurs cibles touchés par les campagnes médias tout en économisant votre budget.

L'attribution basée sur l'entonnoir dans OWOX BI est basée sur les chaînes de Markov et l'apprentissage automatique. La chaîne de Markov est une séquence d'événements dans laquelle chaque événement suivant dépend du précédent. L'attribution basée sur les chaînes de Markov utilise un modèle probabiliste qui calcule la probabilité des transitions entre les étapes de l'entonnoir, vous permettant d'évaluer l'influence mutuelle des étapes sur les conversions et de déterminer quelles étapes sont les plus significatives.

Pour calculer les probabilités, toutes les étapes de l'entonnoir de conversion spécifiées dans les paramètres du modèle d'attribution OWOX BI, ainsi que l'étape de connexion au site, sont présentées comme des résultats dans la chaîne de Markov. Après cela, la probabilité d'une transition entre ces résultats est calculée :

Le graphique ci-dessus est un exemple simplifié pour faciliter la compréhension. Dans des cas réels, il peut y avoir encore plus de transactions.

En savoir plus sur le calcul du modèle d'attribution basé sur l'entonnoir OWOX BI dans notre centre d'aide.

1. Collectez des données brutes sur le comportement des utilisateurs de votre site Web dans Google BigQuery. Pour ce faire, vous pouvez utiliser le streaming de données depuis OWOX BI ou BigQuery Export avec Google Analytics 360.
2. Importez des données de coût dans Google BigQuery à partir de services publicitaires. Pour ce faire, vous pouvez utiliser OWOX BI pour compléter les statistiques sur les campagnes Google Ads dans Google Analytics avec les données de coûts d'autres services publicitaires, puis importer toutes ces informations dans Google BigQuery. Vous pouvez également utiliser OWOX BI pour importer directement des données brutes de Facebook vers BigQuery.
3. Si vous le souhaitez, vous pouvez compléter les données de Google BigQuery avec des informations provenant de votre CRM/ERP, de votre centre d'appels et de vos systèmes comptables internes. Cela vous permettra d'utiliser les ventes hors ligne et les données de revenus CRM réelles dans vos calculs d'attribution. Vous pouvez également utiliser des événements personnalisés comme étapes d'entonnoir : appels, e-mails, réunions personnelles, etc.
4. Dans votre projet OWOX BI, créez un modèle d'attribution et exécutez les calculs.

La plupart de nos clients utilisent OWOX BI pour évaluer objectivement les campagnes publicitaires existantes et planifier les futures. Cela est nécessaire pour exécuter un plan de revenus avec un retour sur les dépenses publicitaires (ROAS) prévu.

Voici les principales raisons pour lesquelles nous pensons qu'OWOX BI est le meilleur choix pour les spécialistes du marketing.

Notre modèle d'attribution est basé sur des données complètes : les impressions publicitaires dans les médias et les conversions après affichage, l'activité des utilisateurs sur votre site Web, les données de coût des services publicitaires, les données de transaction de votre CRM et tout autre événement en ligne et hors ligne. En conséquence, vous avez une vue d'ensemble des interactions des utilisateurs avec votre entreprise et pouvez prendre en compte l'impact de tous les efforts marketing sur les indicateurs commerciaux.

Les revenus dans Google Analytics et les revenus des biens achetés dans votre CRM ne correspondent souvent pas. Avec OWOX BI, vous pouvez mesurer la contribution du marketing en ligne aux ventes réelles en prenant en compte les revenus des magasins physiques et les données sur les commandes terminées de votre CRM.

Contrairement aux modèles d'attribution standard, le modèle OWOX BI prend en compte chaque étape de l'utilisateur avant la commande, et pas seulement le dernier clic. Plus il est difficile de franchir une étape, plus une session qui a contribué à sa réalisation prend de la valeur. Et en connaissant la valeur des sessions, vous pouvez calculer la valeur des campagnes, en tenant compte de leur contribution à la promotion des utilisateurs via l'entonnoir.

Vous pouvez croître plus rapidement que vos concurrents en exploitant les avantages uniques de votre entreprise. Avec OWOX BI, vous pouvez créer un entonnoir qui correspond à la structure de votre entreprise.

En plus des actions des utilisateurs sur votre site Web, vous pouvez ajouter des événements personnalisés à partir de votre CRM, système de suivi des appels et autres systèmes en tant qu'étapes d'entonnoir. Par exemple, vous pouvez télécharger des données sur les appels, les réunions ou les e-mails vers Google BigQuery. Combinez tous les efforts commerciaux visant à convertir les utilisateurs en un seul entonnoir pour évaluer plus précisément leur efficacité.

Il ne suffit pas d'obtenir une évaluation complète de votre campagne publicitaire. Votre évaluation doit être divisée en étapes de sensibilisation, d'intérêt et de conversion à l'aide du modèle AIDA.

Par exemple, avec OWOX BI, vous constaterez peut-être que les campagnes ne forment presque pas de notoriété :

Par conséquent, les campagnes conçues pour influencer les prochaines étapes de l'entonnoir peuvent sembler inefficaces. Une évaluation du ROAS des campagnes existantes peut vous montrer comment redistribuer votre budget entre elles, mais ne révélera pas le manque d'effort à l'étape supérieure de l'entonnoir. OWOX BI vous permet de comprendre où concentrer vos efforts.

Aucun algorithme ne peut remplacer votre expérience. Par exemple, vous savez peut-être que vos campagnes de marque sont épuisées et que leur ROAS élevé ne signifie pas que vous devriez investir davantage dans celles-ci.

Dans OWOX BI, vous pouvez facilement spécifier les canaux qui ne participeront pas à votre évaluation :

En conséquence, vous obtenez une évaluation des seules campagnes que vous pouvez gérer objectivement. Il est important que vous puissiez le faire à tout moment dans une interface pratique sans contacter les développeurs ou votre équipe de support.

OWOX BI calcule la valeur de chaque session. Cela vous permet de personnaliser les modèles d'attribution pour différentes cohortes d'utilisateurs, de calculer le ROI/ROAS pour les nouveaux utilisateurs et les anciens utilisateurs, et de comparer la rentabilité des cohortes.

Par exemple, les opérateurs mobiles peuvent évaluer la contribution des campagnes publicitaires à la vente de services supplémentaires aux clients actuels (la cohorte « clients actuels »). Et les entreprises du créneau de la vente au détail de mode peuvent évaluer séparément les premiers acheteurs et les prochains acheteurs pour déterminer quels canaux sont les plus efficaces pour attirer de nouveaux clients vers l'entreprise.

De plus, en connaissant le coût d'une session, vous pouvez calculer combien vous dépensez et combien vous gagnez sur chaque groupe de produits. Grâce à ces informations, vous pouvez évaluer l'efficacité de la publicité pour différentes régions, pages de destination, versions d'applications mobiles et applications.

Il est important non seulement d'évaluer les campagnes, mais aussi de rendre l'évaluation transparente pour les entreprises. Toute évaluation de la boîte noire sera discutable et ne vous permettra pas de trouver des erreurs.

Dans OWOX BI, vous pouvez voir comment la valeur est répartie entre les campagnes pour chaque transaction avec laquelle un utilisateur a interagi :

Les erreurs et les conclusions incorrectes obtenues en raison de tentatives d'application de l'apprentissage automatique sur des données insuffisantes peuvent être coûteuses pour les entreprises. Notre algorithme vérifie et contrôle automatiquement la signification statistique des calculs. De plus, OWOX BI donne à vos analystes un accès complet à un tableau d'intervalles de confiance pour chaque segment. Grâce à cela, vous pouvez être sûr de vos résultats et comprendre comment ils sont obtenus.

L'efficacité du marketing en ligne dépend de plus en plus non des technologies utilisées mais de la qualité des données sur lesquelles les modèles sont entraînés. Par conséquent, l'attribution à elle seule est perdante par rapport aux modèles construits à l'aide de données de marché.

Le modèle d'apprentissage automatique OWOX BI prend en compte les données de dizaines de milliers de projets.

Pour qu'un modèle d'attribution soit efficace, il doit également répondre aux exigences suivantes :

1. Les données pour les calculs doivent être préparées correctement. Vous ne pouvez pas simplement ignorer les données collectées par votre tracker JavaScript via l'apprentissage automatique. Pour cette raison, BigQuery ML convient aux expériences, mais pas à une utilisation commerciale.
2. Vous devez tenir compte des informations sur les interactions avec la partie supérieure de l'entonnoir : les impressions publicitaires dans les médias. Pour ce faire, nous avons développé OWOX BI Post-View Pixel, qui vous permet de mesurer les publicités média au niveau de l'utilisateur. Nous avons également intégré OWOX BI à Google Ads Data Hub, ce qui permet à BigQuery de demander des informations à Campaign Manager (anciennement DoubleClick Campaign Manager) et à d'autres sources afin que les entreprises puissent examiner et évaluer de manière transparente la contribution de la publicité dans les médias aux étapes supérieures de l'entonnoir.
3. Le modèle doit tenir compte de l'avis d'expert :

• Quels canaux sont gérés ?
• Quelle est la capacité de ces canaux ?
• Quel est le rôle d'un canal donné dans l'entonnoir ?
• Quelle est la fenêtre de conversion ?

Le modèle d'attribution OWOX BI répond à toutes ces exigences.

L'attribution basée sur les données dans Google Analytics 360 exige des données élevées : 400 conversions de chaque type avec une longueur de chemin d'au moins deux interactions. OWOX BI, en regroupant dynamiquement les événements en étapes d'entonnoir, fournit des résultats significatifs avec de plus petites quantités de données et convient à de nombreuses autres entreprises. Dans le même temps, la signification statistique des calculs est automatiquement contrôlée au niveau des cohortes d'utilisateurs, vous pouvez donc être sûr des résultats.

Dans OWOX BI Smart Data, vous pouvez créer des rapports basés sur des données d'attribution sans l'aide d'analystes ni aucune connaissance de SQL. Une fois le modèle d'attribution calculé, Smart Data génère automatiquement des rapports sur les revenus, le nombre de conversions, le ROI, le ROAS et le CRR dans le contexte des événements ajoutés. En outre, vous pouvez créer vos propres rapports à l'aide d'un générateur de rapports pratique. Sélectionnez simplement les paramètres et les chiffres clés que vous souhaitez voir apparaître dans votre rapport. Le service vous fournira instantanément un graphique et un tableau compréhensibles.

Voici quelques exemples de rapports d'attribution de données prêts à l'emploi que vous pouvez obtenir dans Smart Data :

Ce rapport vous permet de comparer les résultats des calculs à l'aide de différents modèles d'attribution. Dans notre cas, il s'agit du dernier clic non direct, qui est utilisé dans Google Analytics, et de l'attribution basée sur l'entonnoir ML d'OWOX BI. Vous pouvez voir les revenus attribués et le ROAS par canal, campagne, type d'utilisateur, région, ville et appareil. Les campagnes surestimées ont une différence négative. Les campagnes sous-estimées ont une différence/valeur positive. Par exemple, dans la capture d'écran ci-dessus, nous voyons que le canal yandex/display a été sous-estimé et cela vaut la peine d'y mettre plus d'efforts.

Le rapport suivant montre comment la valeur des sources et des canaux est distribuée par étapes d'entonnoir. Dans l'exemple ci-dessus, nous voyons que le plus grand nombre d'achats (la bande vert clair) sont effectués hors ligne.

En plus des événements, vous pouvez ajouter d'autres paramètres aux rapports tels que le type d'utilisateurs (nouveaux ou anciens) :

Le rapport ci-dessus montre comment les dépenses, les étapes de l'entonnoir et les achats sont répartis entre les cohortes de clients. Avec lui, vous pouvez déterminer quels canaux et campagnes attirent les transactions de nouveaux clients et leur allouer des budgets. Ces campagnes vous aident à augmenter votre clientèle.

Avec OWOX BI, vous pouvez créer des segments d'audience automatiquement mis à jour en fonction de n'importe laquelle de vos données et télécharger ces segments sur Google Ads. De plus, vous pouvez envoyer automatiquement les résultats des calculs d'attribution aux services d'enchères K50 et Alytics ainsi qu'à Google Ads et Facebook pour gérer les enchères en tenant compte de l'efficacité réelle de votre publicité.

En tant que pionniers du développement de l'attribution basée sur l'entonnoir, nous avons accumulé une expérience unique que nous partageons avec nos clients dans des dizaines d'articles et de nombreux documents. De plus, nous sommes prêts à garantir un niveau de qualité de collecte et de traitement des données supérieur à 96 % dans notre SLA.

Avec OWOX, vous obtenez non seulement la belle idée d'utiliser l'apprentissage automatique dans le marketing, mais aussi des guides étape par étape, des recommandations pratiques et des exemples de cas d'utilisation réussis.

Découvrez comment l'attribution OWOX BI peut aider votre entreprise. Inscrivez-vous pour une démonstration de produit afin d'évaluer les capacités de nos produits.