Décrypter l’attribution et Google Analytics

Description de l’épisode

Avec autant d’interactions avant un achat, l’attribution semble presque indispensable.

Qui dirait non à une vue d’ensemble de la performance des différents canaux et de ce qui mène à la conversion finale ? Mais il existe des pièges, y compris avec le modèle Last Click privilégié par Google. Découvrez comment utiliser les modèles d’attribution plus intelligemment avec l’aide de Google Analytics.

Ce panel couvre :

• Différence entre l’attribution in-platform et cross-platform, et dans quels cas utiliser l’une ou l’autre
• Les nouveautés de Google Analytics 4 et pourquoi elles sont importantes
• Comment faire de l’attribution dans un monde privacy-first où les cookies peuvent ne pas être disponibles
• Avantages et inconvénients des différents modèles d’attribution

Nos experts invités :

• Ken Williams, Search Discovery
• Brooke Osmundson, NordicClick Interactive
• Christopher Gutknecht, Bergzeit

Points clés de l’épisode

Différence entre l’attribution in-platform et cross-platform

• Attribution in-platform : idéale pour optimiser les campagnes au sein d’une seule plateforme.
• Attribution cross-platform : essentielle pour comprendre l’efficacité marketing globale sur plusieurs canaux.
• Utilisation : utilisez l’in-platform pour des optimisations spécifiques à un canal et la cross-platform pour une vision marketing globale.

Nouvelles fonctionnalités de Google Analytics 4

• Modèle de données basé sur les événements : améliore l’intégration entre les plateformes web et mobile.
• Métriques d’engagement améliorées : suivi plus précis de l’engagement des utilisateurs.
• Adaptation aux évolutions de la confidentialité : conçu pour des environnements où l’utilisation des cookies est restreinte.
• Manipulation des données via l’interface : ajustements directs dans Google Analytics sans outils externes.

L’attribution dans un monde privacy-first

• Suivi côté serveur : répond aux limites des cookies côté client en basculant vers des méthodes côté serveur.
• Adaptation des modèles : utilisez des modèles qui estiment les interactions manquantes en raison des contraintes de confidentialité.
• Outils centrés sur la confidentialité : exploitez les nouvelles fonctionnalités de GA4 conçues pour une meilleure conformité en matière de confidentialité.

Avantages et inconvénients des différents modèles d’attribution

• Modèles fondés sur des règles : faciles à mettre en œuvre, mais peuvent mal représenter l’impact des différents points de contact.
• Modèles algorithmiques : plus précis dans des environnements multi-touch, mais nécessitent beaucoup de données et sont complexes à gérer.
• Choix du modèle : sélectionnez-le en fonction des objectifs business et de la complexité des interactions clients, avec des ajustements et des tests continus.

Transcription de l’épisode

Frederick Vallaeys : Bonjour et bienvenue dans un nouvel épisode de PPC Town Hall. Je m’appelle Fred Vallaeys. Je suis votre animateur, et je suis aussi le CEO et cofondateur d’Optmyzr . Nous voulions donc organiser une session très tactique et pratique, avec beaucoup de conseils. Cette semaine, nous allons parler d’attribution, de mesure, de Google Analytics 4.

Des modèles d’attribution. En gros, il s’agit de répondre à la question suivante : vous faites du PPC, vous dépensez de l’argent, mais comment mesurez-vous si cela fonctionne ? Et mesurez-vous cela uniquement via le moteur publicitaire directement, en utilisant le suivi des conversions de Google, ou souhaitez-vous adopter une approche plus cross-canal et tout mesurer afin de voir comment vos clients potentiels passent de Facebook, social, Search google microsoft amazon et tous les centaines d’endroits où les consommateurs passent du temps aujourd’hui ? Pour nous aider sur ce sujet, nous avons un excellent panel d’intervenants.

Ils sont tous là pour la première fois sur ppctownhall. Donc, quand nous les accueillerons dans un instant, utilisez le chat et la section des commentaires pour indiquer d’où vous vous connectez. Nous sommes en direct. Donc, vous savez, excusez les petits ratés que nous pourrions avoir en cours de route. Mais cela signifie aussi que vous pouvez poser des questions en direct et que les intervenants les verront, et nous essaierons de faire de notre mieux pour y répondre.

Bienvenue donc dans ce nouvel épisode de PPC Town Hall.

Très bien. Et mes invités cette semaine sont Christopher ou Chris Gutknecht d’Allemagne, c’est bien ça ? Oui. Salut, comment ça va ? Tu es dans quelle ville en Allemagne ? À Munich, en fait. À Munich. Tu es coincé à la maison, ou vous pouvez déjà sortir un peu ?

Christopher Gutknecht : Plutôt coincé à la maison, oui.

Frederick Vallaeys : Plus coincé à la maison. Je n’ai pas voyagé en

Christopher Gutknecht : Autriche encore.

Frederick Vallaeys : D’accord, et puis nous avons Brooke Osmundson, du nord.

Brooke Osmundson : Oui, bonjour, depuis le Minnesota, au sud. La neige fond. Enfin.

Frederick Vallaeys : D’accord. Bienvenue dans l’émission. Et Ken Williams, depuis un sous-sol quelque part.

Ken Williams : Oui. Techniquement, je suis à Atlanta, en Géorgie, mais en fait 23 and me me dit que je suis à 46 % de Munich. Donc peut-être un lointain cousin à toi, Chris.

Très bien.

Frederick Vallaeys : Chris, tu es sur 23 and me ? Peut-être que tu es vraiment un cousin. Oui. Alors présentez rapidement votre parcours et votre expertise. Et nous commencerons peut-être par Chris, mais que faites-vous professionnellement et que savez-vous de l’attribution et de tout ce dont nous allons parler aujourd’hui ?

Christopher Gutknecht : Bien sûr. Oui. Merci. J’ai commencé dans le PPC il y a 12 ans et je me suis concentré sur l’e-commerce et le retail depuis huit ou neuf ans. J’ai travaillé dans une agence e-commerce jusqu’à il y a deux ans, et maintenant je travaille en interne chez Bergzeit. Nous sommes un détaillant en ligne d’équipement de montagne, avec un chiffre d’affaires annuel d’environ 125 millions, donc nous sommes plutôt de taille intermédiaire. Mon équipe pilote l’acquisition, donc le marketing de performance, le SEO technique et les tactiques d’optimisation, qui reposent sur la data analytics, et c’est pourquoi nous travaillons sur l’attribution depuis, je dirais, un an, 12 mois, et nous avons rencontré beaucoup de difficultés. Et je pourrais en partager quelques-unes.

Frederick Vallaeys : Oui, nous aimerions beaucoup entendre parler des difficultés, et surtout des solutions que vous avez trouvées, parce que je pense que nous avons tous nos propres difficultés. Brooke, et vous ? Quel est votre parcours dans ce domaine ?

Brooke Osmundson : Super. Je travaille pour Nordic Click Interactive. Nous sommes une agence dans le Minnesota, et j’occupe le poste de Senior Director of Digital Strategy. Je travaille donc très étroitement avec nos clients au quotidien sur la stratégie globale de l’entreprise et des clients. Mais je pilote aussi une partie de la stratégie de notre agence.

Je travaille dans le paid media depuis un peu plus de huit ans maintenant, dont environ quatre chez Nordic Click en tant qu’agence, et avant cela, j’ai travaillé en interne pour une entreprise e-commerce où je gérais, dans l’univers du mariage et des cartes de Noël, donc des secteurs très concurrentiels. Mais si je me suis autant intéressée à l’attribution récemment, c’est à cause de la COVID.

Et beaucoup de nos entreprises B2B, vous savez, nous avons dû faire évoluer beaucoup de ce qu’elles font et observent, parce que le comportement des utilisateurs change. Et donc, avoir vraiment ces conversations, les conversations difficiles, sur ce que nous pouvons réellement voir se passer. Je me suis donc davantage intéressée au comportement des utilisateurs avant qu’ils ne deviennent une conversion.

C’est là que se situe mon expertise

Frederick Vallaeys : mesurer tout au long du parcours. Oui, parlons-en aussi. Ken, et vous ? Votre parcours professionnel ?

Ken Williams : Oui. En fait, je ne viens pas exactement du monde du paid media. J’ai commencé à l’American Cancer Society. Puis j’ai été embauché par une entreprise appelée Search Discovery pour nous aider sur l’analytics.

Et à l’époque, ils développaient leur propre tag manager. J’étais un peu au bon endroit au bon moment. Ils ont donc vendu cela à Adobe, et c’est devenu Adobe DTM. J’ai été un des premiers utilisateurs de cet outil. Je suis donc chez Search Discovery depuis. Et je me suis plongé dans les implémentations analytics.

À un moment donné, je suis devenu en quelque sorte l’architecte Google. J’ai donc commencé à me spécialiser dans Google Analytics, Tag Manager et Google Cloud Platform. Et plus récemment, lorsque la nouvelle version de Google Analytics a été lancée, j’ai commencé, j’ai réalisé la première implémentation. En novembre 2019.

Donc à l’époque, c’était encore une sorte de bêta précoce et j’ai eu beaucoup de difficultés avec. Il n’y avait aucune documentation à ce moment-là. J’ai donc commencé à écrire des articles pour ce wiki interne sur la façon d’utiliser ce produit. Puis, quand la pandémie a frappé, je les ai transformés en blog. J’anime donc un blog entièrement consacré à Google Analytics, destiné aux analystes, donc aux personnes qui font surtout de l’implémentation ou du reporting, ce qui se recoupe très bien avec le versant paid media.

Voilà donc un peu mon parcours, et c’est un vrai plaisir d’être ici, parce que d’habitude mes conseils ne sont pas sollicités, vous savez, je donne juste mon avis. Donc c’est agréable que quelqu’un pose des questions, et c’est très valorisant.

Frederick Vallaeys : Bienvenue dans l’émission. Vous êtes tous des experts. J’espère donc que nous aurons beaucoup de questions du public, mais nous avons aussi un certain nombre de sujets prévus.

Et donc, pour le public, encore une fois sur YouTube, si vous utilisez la section des commentaires, c’est là que vous nous dites d’où vous nous regardez en ce moment. Mais ce sera aussi l’endroit où poser vos questions. Nous avons quelques secondes de décalage ici. Donc si nous ne répondons pas tout de suite à votre question, ne le prenez pas mal. Nous ferons de notre mieux pour y répondre.

Mais vous savez, parlons des défis, d’accord ? Et quelqu’un l’a dit ici, nous avons tous eu nos difficultés. Je pense que Chris, vous avez en fait écrit il y a environ deux ans que certaines des difficultés ou des défis que vous voyiez concernaient la recherche de solutions évolutives et applicables pour faire un certain nombre de choses.

L’une d’elles concernait l’attribution cross-canal ou multicanal. Le suivi cross-device, les points de contact offline, vous savez, vous êtes très orientés e-commerce, avec un focus sur les marges et les retours. Parlez donc un peu des défis qui, vous le savez, sont aujourd’hui les plus importants pour vous ?

Christopher Gutknecht : Eh bien, nous travaillons sur le profit bidding et l’attribution depuis un an, et les deux sont très difficiles. Nous sommes encore loin de là où nous aimerions être, parce que plus on creuse dans le terrier du lapin, plus on trouve de défis, et il faut simplement faire tellement d’hypothèses

Frederick Vallaeys : pour avancer. Désolé, où aimeriez-vous être ? Quel est l’objectif final ici ? Pas l’objectif final, mais le… Qu’essayez-vous d’atteindre ?

Christopher Gutknecht : Oh, je pourrais parler de là où nous en sommes. Nous travaillons sur l’attribution depuis un an maintenant. Nous avons testé deux modèles, et nous en avons un en production, qui est un modèle de chaîne de Markov, que nous calculons quotidiennement, et nous obtenons ensuite des résultats actualisés pour les poids attribués aux canaux.

Frederick Vallaeys : Attendez,

Christopher Gutknecht : attendez,

Frederick Vallaeys : attendez. Chaîne de Markov.

D’accord,

Christopher Gutknecht : chaîne de Markov.

Frederick Vallaeys : Allons-y. Je pense que beaucoup de gens ont entendu parler de Markov et vu des présentations à ce sujet, mais rafraîchissons un peu nos souvenirs. Qu’est-ce que c’est ? Et pourquoi utiliser quelque chose comme ça plutôt que les modèles plus courants first click, last click, position based, linear decay.

Et tous ceux que Google nous propose ?

Christopher Gutknecht : Les modèles fondés sur des règles, oui. Je pense que la plupart d’entre nous connaissent tous les modèles fondés sur des règles. Et je pense qu’il existe deux modèles populaires fondés sur les données. L’un est les chaînes de Markov et l’autre les valeurs de Shapley. Pour faire simple, les chaînes de Markov portent sur l’effet de suppression. Donc si vous avez deux parcours similaires et que l’un a un point de contact supplémentaire, disons PPC, organic, newsletter.

Et vous en avez un autre où il n’y a pas d’interaction avec la newsletter. Vous voulez regarder cet effet incrémental à la position de la newsletter. Puis vous l’agrégez sur tous les points de contact newsletter pour dire : quel est l’effet incrémental ou l’effet de suppression de la présence de la newsletter ? Est-ce que cela augmente la probabilité de conversion ? Et puis nous avons la valeur de Shapley, qui est basée sur la théorie des jeux, où nous disons : quel est le gain moyen pour ce canal sur l’ensemble des parties ? Le parcours client est une partie, et chaque fois qu’un canal est impliqué et qu’il y a un gain, qui serait le chiffre d’affaires ou une vente, cela constitue une contribution au gain. Nous avons obtenu des résultats différents avec les deux modèles, et celui que nous avons retenu, en substance, est le modèle de chaîne de Markov parce qu’il aide réellement les canaux upper funnel à ressortir.

Et ce que nous avons constaté, c’est que surtout les canaux lower funnel, comme le retargeting, l’affiliation, etc., obtiennent des valeurs de gain plus élevées parce qu’ils sont très proches de la vente, mais nous ne voulions pas construire un modèle d’attribution qui favorise et pousse les canaux lower funnel. Nous avons fait l’inverse.

Frederick Vallaeys : Intéressant.

Et donc, je veux dire, peut-être pour le replacer un peu différemment, il y a l’attribution last click, qui correspond à ce lower funnel qui rafle tout le crédit, mais cela tue votre upper funnel, surtout dans un monde où beaucoup de décisions d’enchères et d’optimisation sont prises automatiquement par le machine learning.

Si vous ne valorisez pas l’upper funnel, alors le système va le déprécier et ne rien en faire. Donc je pense que ce que vous décrivez, vous pourriez aussi l’obtenir dans un modèle fondé sur des règles en utilisant davantage un modèle position based. Cela pourrait donc être un point d’entrée que les gens peuvent facilement utiliser dans Google Analytics.

Mais je pense que ce à quoi vous faites aussi référence maintenant, c’est qu’il ne s’agit pas seulement d’un système de mesure au sein d’un canal. Et parlons-en justement, d’accord ? Vous pouvez donc faire un modèle d’attribution dans Google Ads, ou vous pouvez faire un modèle d’attribution qui couvre tous les points de contact. Et Ken ou Brooke, qu’en pensez-vous ?

L’utiliseriez-vous tous les deux ? N’en utilisez-vous qu’un seul ? Quelle est la différence ?

Brooke Osmundson : Oui, et je laisserai Ken parler de certains de ses autres points puisque je ne suis pas autant dans l’implémentation. Je laisserai cela à Chris et Ken. Mais à mon avis, surtout si mesurer différents modèles d’attribution est nouveau pour vous, commencez à 100 % à les faire en parallèle.

Vous savez, si vous les avez intégrés dans Google Ads ou Google Analytics, si vous essayez de trouver d’autres outils, je commencerais à les comparer les uns aux autres pour vraiment comprendre les différents points de contact et ce qui fonctionnera le mieux pour votre entreprise. Donc, pour rebondir sur ce que disait Chris, ce sont les conversations que nous avons en ce moment avec nos clients.

J’ai l’impression que nous sommes aussi un peu en retard, ne serait-ce qu’en termes de compréhension de ce qui se passe récemment, surtout avec l’évolution du comportement des utilisateurs. Nous voyons, vous savez, les utilisateurs prendre plus de temps et multiplier les points de contact avant de prendre une décision. Et donc essayer de trouver un modèle qui ne tue pas votre upper funnel, je pense que c’est extrêmement important.

Et au final, il faut en trouver un qui ait du sens pour votre entreprise. Donc, que ce soit en utilisant ceux qui sont déjà intégrés dans les plateformes ou en essayant de construire votre propre modèle personnalisé avec d’autres systèmes, il faut bien commencer quelque part.

Ken Williams : Oui, ce que j’ajouterais aussi, c’est que nous travaillons avec des données assez imparfaites.

Et, vous savez, je pense qu’il faut être à l’aise avec le fait de le reconnaître et de réfléchir aux implications des différents modèles pour trouver le meilleur ajustement. C’est un défi business. Vous savez, c’est un défi marketing. Cela demande un peu d’éducation, parce qu’il faut commencer par se demander quelles sont les questions auxquelles l’entreprise doit répondre.

Puis quel est notre modèle économique ? Comment les gens interagissent-ils avec nous ? Et il n’existe pas de solution parfaite, vous savez ? Il y aura donc un meilleur choix pour votre parcours client. Et il faut simplement réfléchir à vos options. Et l’autre chose que je voudrais souligner, c’est le point de Brooke sur les tests.

Je pense que l’expérimentation est vraiment importante. Ce que j’ai constaté comme étant en réalité le plus grand défi, c’est l’adhésion, plus que tout, vous savez, surtout dans les grandes organisations où il y a beaucoup de personnes autour de la table chaque mois pour examiner les résultats et ce genre de choses, parvenir à choisir quelque chose sur lequel tout le monde est d’accord.

C’est ainsi que nous allons penser l’attribution. Vous savez, commencez par là, choisissez quelque chose, vous savez, et essayez de mettre tout le monde sur la même longueur d’onde. Pour moi, c’est presque le plus grand défi, plus encore que de décider de la bonne approche.

Frederick Vallaeys : Oui. Et j’aimerais aussi entendre ce que les autres en pensent.

Et Brooke, vous avez un peu dit qu’il faut trouver un modèle qui fonctionne le mieux pour votre entreprise, mais c’est toujours la question : qu’est-ce que cela veut dire, ce qui est le mieux pour votre entreprise, n’est-ce pas ? Ou pour vous. L’entreprise, est-ce l’agence, et essayez-vous de prouver que l’agence vous obtient les clics les moins chers dans le panel ?

Ou parle-t-on purement de ce qui fait bouger l’aiguille en termes de revenus et de profits ?

Brooke Osmundson : Oui, je dirais clairement la seconde option, parce que ce que nous constatons, c’est que nos clients sont principalement dans le B2B en ce moment et, vous savez, nous essayons de nous concentrer davantage sur les efforts de branding et d’élargir réellement notre empreinte, parce que si vous vous concentrez uniquement sur le milieu et le bas du funnel, vous savez, ce vivier de personnes va devenir de plus en plus petit chaque mois, chaque année.

Donc, lorsque nous faisons différents canaux en paid media, que ce soit LinkedIn, Google, Twitter, peu importe, beaucoup de choses vont commencer ici, au moment où ils font simplement des recherches. Et donc, avant de choisir un modèle qui soit le meilleur pour cette entreprise, nous regardons comment chaque canal contribue à une conversion globale ou à une vente.

C’est ce que je veux dire quand je parle de choisir celui qui est le meilleur pour votre entreprise. Je sais que certaines entreprises ou certains clients avec qui j’ai parlé disent simplement : nous voulons choisir celui qui donne le plus de crédit au marketing. Eh bien, bien sûr, parce que les budgets marketing sont les premiers à être coupés en période difficile. Mais parfois, il faut regarder les données pour comprendre comment cela contribue et quelles autres actions vous menez en dehors du marketing ?

C’est ce qui aura le plus de sens pour votre entreprise.

Christopher Gutknecht : Peut-être que je peux ajouter quelque chose. Désolé. Non, allons-y, donnons le point de vue interne là-dessus. Oui. Donc mon analogie, que j’utilise depuis six mois maintenant, c’est l’analogie du football. Si vous constituez une équipe, vous ne pouvez pas mettre seulement l’attaque, il faut toute l’équipe. Et elle doit être bien construite. Et même si ce sont les joueurs offensifs qui marquent les buts, il faut aussi une défense.

Il faut donc tout cet ensemble d’experts différents qui contribuent. Et cela fonctionne bien pour comprendre que, d’accord, nous n’avons pas seulement besoin de retargeting. Nous avons aussi besoin de contenu, de branding, etc. Et puis nous avons compris que nous avons des domaines dans lesquels nous voulons investir en tant qu’entreprise, à savoir le contenu.

Le contenu produit, le contenu éditorial, et nous avons en fait orienté notre décision vers le modèle qui peut aider à justifier l’investissement dans le contenu, mais aussi à l’orienter dans la bonne direction. Le modèle de Markov a bien fonctionné pour nous. Par exemple, nous avions un blog, et ce blog représentait 1 % du chiffre d’affaires en last click, puis il est passé à 5 %, soit une augmentation de 400 %.

Et c’était une belle histoire à raconter. En réalité, le PPC a perdu environ 9 %, mais la newsletter aussi. Nous avons donc dû rassembler ces éléments dans une vision d’ensemble, mais nous avons maintenant quelque chose qui ne repose pas, disons, uniquement sur des heuristiques, mais sur un modèle algorithmique, et nous pouvons ainsi, en quelque sorte, retirer la politique de l’équation, dans une certaine mesure. Une autre chose que je voudrais mentionner, puisque vous avez demandé s’il fallait regarder au sein d’une plateforme ou en cross-canal, c’est que notre expérience a montré qu’il faut d’abord bien mettre en place ce dispositif cross-canal avant d’aller dans un canal unique, par exemple si vous allez dans le PPC et que vous le faites au niveau du GCLID, c’est beaucoup plus complexe. Je pense qu’il faut d’abord mettre en place l’infrastructure pour répartir les valeurs entre les canaux, puis avoir cette structure vraiment solide, et ensuite vous pouvez aller dans les canaux. Et d’ici là, vous pouvez simplement laisser Google Ads faire le travail, lui envoyer la bonne valeur de conversion, et Google Ads peut alors faire l’attribution entre les différents clics à ce sujet.

Je dirais

Frederick Vallaeys : il y a une question qui me trotte en tête. Vous êtes donc passé au modèle de Markov. D’une certaine manière, cela ressemble un peu à l’attribution basée sur les données de Google, où l’on ajoute une étape dans la chaîne. Et comment cela a-t-il contribué ? Pourquoi avoir choisi Markov plutôt que le système DDA de Google ?

Christopher Gutknecht : En fait, nous avons utilisé Google. Nous avons aussi essayé les recommandations de Google. Le modèle sous-jacent de la plupart des produits Google est en réalité Shapley, et ils l’ont rendu open source. Cela s’appelle Fractribution. Je peux partager le lien. Nous avons travaillé dessus avec des ingénieurs Google et l’équipe Google pendant environ trois mois, puis nous avons exécuté des chaînes de Markov en parallèle, examiné les résultats, et ce que nous avons constaté avec Fractribution de Google, c’est qu’il surévalue fortement les canaux du bas du tunnel, comme nous l’avons vu avec une augmentation pour le PPC et l’affiliation.

Pour le retargeting, et en fait une baisse de valeur pour le contenu et le haut du tunnel. C’était donc notre décision arbitraire de dire : vous savez, nous voulons investir dans le haut du tunnel, en particulier dans le contenu. Nous avons donc opté pour la chaîne de Markov.

Frederick Vallaeys : Les gens veulent en savoir plus sur la mise en place du modèle de Markov. Est-ce que cela passe par un logiciel ?

Comment fait-on pour commencer ?

Christopher Gutknecht : Oui. Je peux partager, c’est channel attribution.net. C’est un package open source. C’est deux personnes, un gars d’Angleterre, un gars d’Italie. Et nous testons actuellement une version pro, qui vous renvoie les valeurs attribuées au niveau du chemin ou de l’ordre. Je peux donc vivement le recommander. C’est gratuit en version Python et dans notre version. Cela fonctionne sur les données brutes d’analytics. Dans notre cas, nous utilisons Universal Analytics 360, mais je pense que vous pourriez adapter les données brutes de GA4 et les intégrer dans un package. Donc, vous pouvez aller dans les deux sens.

Frederick Vallaeys : Très bien. Puisque vous avez mentionné GA4, parlons de GA4. Ken, vous êtes l’expert sur le sujet.

Présentez aux gens ce qu’il y a de nouveau. Qu’est-ce qui est intéressant, pourquoi ils devraient migrer ou pourquoi ils pourraient vouloir attendre avant de le faire.

Ken Williams : Oui. Il y a beaucoup de nouveautés dans GA4. Quand j’en parle, je le résume en trois ou quatre catégories. L’une d’elles est ce nouveau concept de modèle de données basé sur les événements.

Les données sont simplement formatées un peu différemment. Et ce qu’il faut savoir, c’est qu’il s’agit d’une structure utilisée depuis des années par Firebase Analytics, qui fonctionne très bien avec les applications mobiles. Désormais, le web et le mobile partagent la même structure de données. Cela permet donc une intégration très fluide.

Mais même si vous n’avez pas d’application mobile et que vous êtes uniquement sur le web, cette approche vous apporte tout de même de très grands avantages. L’un d’eux concerne la manière dont nous mesurons l’engagement, qui a beaucoup changé. Si vous pensez à ce que vous avez vu dans Universal Analytics, la page d’accueil, les indicateurs clés, tout cela repose sur les sessions.

Et beaucoup d’entre eux, vous savez, quand quelqu’un demande : combien de trafic avons-nous obtenu via, par exemple, une campagne e-mail ? La réponse est généralement donnée en sessions. Et si vous voulez décrire si ces personnes sont des visiteurs de qualité, la réponse est généralement donnée en taux de rebond, pages par session, durée moyenne sur le site.

Ce sont donc tous des indicateurs basés sur les sessions. Avec le modèle de données basé sur les événements, une nouvelle fonctionnalité a été déployée : le temps d’engagement. Et le temps d’engagement résout plusieurs problèmes que nous avions avec les anciennes versions d’analytics. En version courte, sur un site web, une sorte de chronomètre tourne lorsque votre onglet est actif sur un site.

Et la durée pendant laquelle vous consultez activement une page est envoyée périodiquement à GA4. Dans une application mobile, cela mesure le temps pendant lequel l’application était au premier plan. C’est donc traité de manière très similaire d’un appareil à l’autre, ce qui est appréciable, car les indicateurs d’engagement sur le web ont toujours eu du mal à avoir du sens dans une application mobile. Et ce que vous pouvez faire avec cela, c’est dire, par exemple, que je suis un nouveau site et que je publie des articles : quelqu’un peut faire une recherche Google, arriver sur une page, passer cinq minutes à lire un article puis partir. C’est une visite réussie pour mon activité, mais dans l’ancienne version de Google Analytics, c’était un rebond.

Le temps passé sur le site était la durée moyenne de session. La durée de session était de zéro, parce que la manière dont c’était calculé ne savait pas que vous étiez resté aussi longtemps sur une seule page, donc cela semblait très négatif. Le temps d’engagement supprime en quelque sorte cela, et c’est utile pour certains secteurs. C’est extrêmement utile pour les applications web et mobiles, où le concept traditionnel consistant à arriver sur une page, puis à passer à une autre, puis à une autre, a beaucoup changé ces dernières années. Ce n’est tout simplement plus la manière dont les gens utilisent Internet aujourd’hui, du moins pas autant qu’avant. GA4 gère cela beaucoup mieux. Et tout cela est rendu possible grâce à ce modèle de données basé sur les événements.

Donc, vous avez demandé quels sont les grands points. Je dirais que tout cela est un peu le point numéro un : c’est tout cela qui s’inscrit dans cette nouvelle façon de penser la manière dont nous décrivons ce que font les utilisateurs. Mais il y en a d’autres. Beaucoup de choses ont été lancées et d’autres arrivent bientôt pour nous préparer à un avenir sans cookies ou à une forte limitation des cookies.

Et nous pouvons en parler longuement. L’autre grande catégorie, c’est que GA4 est construit sur le global site tag, ce qui est utile parce que vous pouvez effectuer des modifications dans l’interface utilisateur qui modifient réellement le code sur votre site sans avoir besoin d’un changement dans le gestionnaire de balises.

Bref, ce sont tous de grands sujets. Nous pouvons approfondir l’un ou l’autre si vous voulez aller plus loin, mais ce sont, je dirais, les principaux enseignements de GA4.

Frederick Vallaeys : Oui. En fait, vous nous avez amenés très naturellement à certaines questions des utilisateurs. Avec la disparition progressive des cookies de suivi. Et ce n’est pas pour quelqu’un en particulier, mais quels sont selon vous les défis ?

Et surtout, quelles sortes de solutions avons-nous commencé à envisager ?

Christopher Gutknecht : Je vais essayer de dire que cette idée de disparition progressive est difficile à prévoir si vous voulez mettre en place une infrastructure. Je pense que ce sur quoi nous travaillons en ce moment, ce sont de petites étapes à partir des choses qui nous pénalisent déjà. Par exemple, l’ITP 2.1 de Safari tue les cookies first-party après sept jours, mais ils ne suppriment pas et ne respectent pas les cookies côté serveur.

La seule chose que vous pourriez faire pour améliorer la qualité dès maintenant, puisque vous ne savez pas ce que l’avenir vous réserve, c’est passer aux cookies côté serveur. Vous pourriez soit utiliser un service de réécriture des cookies, soit passer à un gestionnaire de balises côté serveur, qui dispose d’une fonctionnalité intégrée. Cela pourrait être une première étape. En réalité, je n’ai pas de bonne réponse pour tout ce qui arrive avec iOS 14. Je n’ai pas encore assez étudié le sujet pour comprendre ce que nous devrions faire maintenant. Donc, ma recommandation à l’heure actuelle serait de se concentrer sur les cookies côté serveur. Parce que c’est quelque chose que je respecte. Et pour moi, il est tout simplement trop difficile d’imaginer que nous puissions passer complètement à un monde sans cookies, car cela impliquerait que nous devions obliger les utilisateurs à se connecter à chaque fois pour récupérer l’état depuis le serveur.

Donc peut-être que vous avez une vision meilleure, plus claire de l’avenir. Ou Brooke, désolé.

Brooke Osmundson : Non, vas-y.

Ken Williams : Oui. Je ne sais pas. Je ne dirais pas que j’ai une vision plus claire. Je vais confirmer votre recommandation concernant les cookies côté serveur. C’est quelque chose que nous faisons avec certains de nos clients.

Et le concept ici, je suppose, pour ceux qui ne connaissent pas, c’est qu’il y a deux choses liées à la confidentialité auxquelles nous devons répondre. L’une est réglementaire, et nous faisons face au RGPD depuis un certain temps. Et le CCPA est nouveau aux États-Unis. Il y a aussi beaucoup d’élan du côté de navigateurs très populaires.

Safari est le plus important, Firefox aussi, pour restreindre les cookies. La vision qu’Apple et Mozilla ont exposée, c’est qu’ils essaient de s’éloigner de la capacité, pour des entreprises comme Facebook, de vous suivre d’un domaine à l’autre. Autrement dit, pouvoir vous identifier lorsque vous n’êtes pas connecté et collecter ces informations. Et je ne pense pas que l’objectif de ces entreprises soit de nuire à ce que nous faisons. En réalité, l’équipe WebKit a beaucoup travaillé pour déterminer comment préserver l’attribution tout en s’attaquant à quelque chose autour duquel les gens construisent un consensus général, à savoir le fait qu’une entreprise collecte des informations personnelles.

Donc, ce que nous savons, c’est qu’en ce moment, la plupart des gens sont probablement plus impactés par les changements d’Apple qu’ils ne le réalisent. Depuis novembre dernier, les cookies définis, même en first-party, dans votre navigateur par Google Analytics, sont limités à sept jours. Ainsi, les utilisateurs qui visitent le site sur un iPhone ou un ordinateur Apple et qui ont un intervalle de plus de sept jours entre deux sessions apparaîtront comme de nouveaux utilisateurs lorsqu’ils reviendront. C’est donc l’impact pratique. Je pense que les solutions, c’est la face sombre. Je pense que les solutions relèvent aussi de plusieurs catégories différentes. Donc, ce que vous pouvez faire dès maintenant, si vous en avez la possibilité, c’est écrire vos serveurs à partir d’un cookie.

Ce n’est pas facile, et il faut faire intervenir des personnes ayant des compétences en développement pour vous aider à le faire, ce qui n’est pas habituellement le rôle des marketeurs. Il y a donc un certain défi à ce niveau. Les autres choses, il y a quelques éléments qui arrivent dans GA4 pour aider à résoudre cela. Je vais les mentionner, mais je pense qu’il existe en réalité une meilleure solution. Que nous pouvons tous évoquer également, et qui est distincte de GA4. Dans l’univers GA4, il y a eu deux grandes annonces récentes. Et d’ailleurs, je ne travaille pas pour Google. Je les lis avec vous et je n’ai pas d’informations plus approfondies. Aucune de ces fonctionnalités n’est encore en production. L’une d’elles est ce concept d’identité de reporting.

Liée aux Google signals. Donc, si vous êtes connecté à votre compte Google et que vous avez accepté la personnalisation des annonces, si je vais sur, par exemple, newyorktimes.com, je ne suis peut-être pas connecté, mais Google sait qui je suis. Et cet identifiant, il a été annoncé, va être déployé comme quelque chose que nous pourrons utiliser avec Google Analytics pour reconnaître les utilisateurs. L’impact de la suppression des cookies tiers sur Google signals n’est pas clair, puisque Google possède Chrome et que Chrome détient une part de marché massive. Quelque chose comme 60 %. Ils ont donc beaucoup de flexibilité pour faire en sorte que cela survive à ce qui arrive, mais nous ne savons pas, nous verrons. Et ils sont en fait assez transparents sur ce sur quoi ils travaillent.

Il y a quelque chose qui s’appelle Privacy Sandbox, que tout le monde peut consulter. L’autre élément lié à GA4 est la modélisation des conversions. C’est là que, vous savez, nous savons qu’il y a des cas comme l’exemple de Safari que j’ai donné : plus de sept jours s’écoulent entre deux sessions, et vous apparaissez comme un nouvel utilisateur. On peut voir cela comme une création de trous dans nos données, et nous savons où se trouvent ces trous.

Google travaille donc sur quelque chose qui utilisera le machine learning pour aider à combler ces lacunes, ce qui, je pense, est vraiment important, parce que ce sont désormais des trous dans nos données que la plupart des analystes n’ont même pas conscience d’avoir. Ils n’en tiennent pas compte. C’est vraiment compliqué de regarder votre trafic et de dire : en fonction de ce qu’Apple et Mozilla ont fait, je vais modifier mes rapports pour mes parties prenantes. C’est trop compliqué pour quiconque. Cela doit donc venir du produit. Et c’est ce que la modélisation des conversions tente de faire. C’est quelque chose qui a déjà été documenté. Nous ne l’avons pas encore vu, et j’espère que ce sera un pas en avant dans ce domaine.

Et donc, voilà les deux solutions de Google. Je vais juste ajouter que, je n’en parle pas beaucoup, mais je pense en réalité que la vraie solution qui aura le plus grand impact, c’est que nous allons probablement tous devoir devenir meilleurs dans la conduite de tests terrain et d’expérimentations. Parce que c’est une compétence que certains d’entre nous ont probablement déjà utilisée quand nous avons dit : je vais simplement couper la publicité dans une zone géographique et la lancer dans une autre, puis comparer la différence. Je pense que ce type d’expérimentation va devenir vraiment important pour les personnes qui travaillent dans les paid media.

Frederick Vallaeys : Il y a beaucoup de choses là-dedans, Ken.

Ken Williams : J’ai parlé longtemps. Allons-y.

Frederick Vallaeys : Parlons longtemps. C’est fascinant et on a l’impression qu’il nous faudrait encore trois heures de session sur tout ce que vous venez de dire. Nous allons donc décortiquer beaucoup de cela dans un instant, mais il y a une autre question. Je veux adresser celle-ci à Brooke.

Y a-t-il d’autres plateformes que GA que vous aimez utiliser ? Mixpanel revient comme exemple. Et comment mesurez-vous les vues par rapport aux clics dans certains logiciels ? Et les vues ont-elles de l’importance pour vous ?

Brooke Osmundson : D’accord. Alors, pour répondre à la première question sur les autres plateformes : en toute transparence, nous utilisons maintenant Google Analytics pour la majorité de nos clients.

D’une part, nous travaillons partout, principalement avec des clients B2B, qui peuvent être plus petits, mais aussi jusqu’au niveau enterprise. Mais pour rebondir sur ce que Ken disait au début de l’échange, obtenir simplement l’adhésion des clients pour envisager l’attribution différemment devient de plus en plus difficile, même avec les données que nous apportons.

Je pense que l’un des grands défis est : comment en parler d’une manière qu’ils vont comprendre ? Donc, même dire : nous voudrions aller vers ce modèle, puis regarder d’autres logiciels. Il y en a quelques-uns que j’explore du côté agence, afin de pouvoir apporter ces idées à nos clients.

Je me tournerais probablement vers Ken ou Chris pour leurs recommandations sur d’autres plateformes. Mais il y en a quelques-unes que j’examine, notamment McConnell. J’explorais Funnel l’autre jour, mais il y en a tellement. Et personnellement, nous devons vraiment décortiquer les nuances de chacune pour donner une meilleure réponse à cela.

Pour la deuxième question, comment voir quels canaux contribuent à l’attribution via les vues mais pas les clics. Je pense que cela dépend du canal que vous regardez. Si c’est Google, si c’est Facebook, s’il y a un autre canal que vous utilisez du point de vue paid media, c’est là qu’il faut regarder.

Eh bien, vous devrez probablement regarder leurs analytics in-platform pour comprendre comment ils attribuent, en vous assurant que vous capturez ces données, car ils peuvent ne pas générer de clics, mais finir par aboutir à une conversion. Là, cela devient un peu compliqué, pour être honnête, quand vous regardez GA de manière globale pour chacun de vos canaux paid media, mais ce n’est qu’une pièce du puzzle, qui permet de voir s’ils sont même arrivés sur le site, tout en essayant de recouper cela avec ce que vous voyez dans la plateforme. Et ce n’est pas une solution facile à l’heure actuelle, parce que tout est tellement fragmenté et donc.

Pour être honnête, c’est juste un énorme défi, mais il faut essayer de formuler des hypothèses plus générales, ce qui, je pense, sera en partie le cas lorsque nous supprimerons les cookies tiers, ou qu’ils disparaîtront. Je sais que je m’éloigne un peu du sujet ici, mais nous entendons souvent les clients dire : nous voulons tout savoir sur nos clients.

Eh bien, ce ne sera tout simplement pas possible. Il faudra donc peut-être formuler des hypothèses plus générales. Et je pense que cela rejoint le cas où vous avez des éléments de branding, dont l’objectif principal est d’engager les gens, et où ils ne cliquent pas forcément immédiatement. Vous regardez alors à la fois dans la plateforme et dans Google Analytics ou dans l’autre système que vous utilisez.

Frederick Vallaeys : Exactement. Vous aurez toujours des lacunes dans les données et vous n’obtiendrez pas une image complète, mais cela nous amène bien à la question de Derek. Elle est adressée à Chris, mais avec ces lacunes dans les données, comment les comblez-vous ? Que faites-vous ? Comment prenez-vous quand même les bonnes décisions ?

Christopher Gutknecht : Était-ce adressé à moi ou ?

Frederick Vallaeys : Oui, cette question précise, l’utilisateur Derek dit. D’accord. D’accord. Attribution.

Christopher Gutknecht : Peut-être que je peux simplement poser la dernière question. Je suis Snowplow depuis un certain temps maintenant. Je ne sais pas si vous connaissez Snowplow. C’est essentiellement ce que GA4 ou ce que GTM côté serveur veut être, mais si vous voulez mettre en place Snowplow, il vous faut une équipe d’analytique des données très sophistiquée.

Il vous faut donc une équipe d’analystes qui écrivent du SQL, puis au-dessus, disons, Snowflake ou Looker. Donc une stack de données vraiment sophistiquée. Et au final, il vous faut des données brutes. Vous devez modéliser vos données brutes pour obtenir les sessions et les canaux. Puis construire les modèles au-dessus de cela.

Donc oui, vous pourriez faire cela avec plusieurs systèmes de suivi, mais au final, c’est un travail très analytique, très exigeant.

Frederick Vallaeys : Donc, en tant qu’organisation, combien faut-il investir là-dedans ? Je veux dire, est-ce une équipe, est-ce vous, est-ce une équipe de plusieurs personnes ? Est-ce votre travail à plein temps ? Les gens veulent-ils résoudre ces problèmes ?

Mais quelle est une attente réaliste en termes de taille nécessaire et d’investissement financier pour y parvenir ?

Christopher Gutknecht : Eh bien, si vous voulez tout construire de zéro, je dirais qu’il vous faut au moins une équipe d’ingénierie analytique, probablement des analystes de données à plein temps, un analyste de données expérimenté, puis cet analyste pourrait faire un peu de data science.

Si vous avez un package que vous consommez simplement, ou si vous voulez tout construire de zéro, alors il vous faut aussi une équipe de data science. Peut-être pour revenir sur ce que vous avez mentionné, le suivi des impressions ou l’attribution des impressions. Nous avons eu quelques échanges avec des entreprises du voyage, donc de grandes équipes internes avec des équipes de data science, et elles nous ont dit : ne faites pas de modélisation d’attribution des impressions si vous n’y êtes pas obligés, parce que c’est tellement complexe, cela demande tellement d’infrastructure.

Il vous en faut, et nous nous en sommes simplement éloignés. Nous avons juste essayé de faire entrer cela. Et pouvez-vous simplement faire apparaître la question ? Des données précises. Oui. Donc, multi-appareil. Nous ne l’avons pas encore correctement intégré dans un modèle. Il existe l’option, comme dans Universal Analytics, de transmettre les informations d’User ID.

Mais je pense qu’Universal Analytics n’est pas une solution idéale pour faire du suivi multi-appareil. GA4 est meilleur. Donc, la meilleure chose à faire serait d’examiner les signaux multi-appareils, les connexions et les ouvertures d’e-mails, parce qu’à partir d’un e-mail, vous savez que c’est un utilisateur enregistré. Si votre système d’e-mail pouvait faire cela, vous pourriez relier l’information en disant que cet utilisateur.

Bien sûr, vous devez hacher l’information d’une manière ou d’une autre, afin que ce soient les deux signaux que j’ai utilisés. Et il existe tellement, tellement de sources de données incomplètes. Et certaines sont plus problématiques que d’autres. Par exemple, nous avons mentionné le problème ITP de Safari, où, sept jours après, vous apparaissez comme un nouvel utilisateur. C’est un gros problème pour l’attribution en général. Pour moi, le consentement aux cookies n’est pas un si gros problème, parce que si vous ne consentez pas, si vous n’acceptez pas le suivi, alors vous êtes simplement hors du radar, n’est-ce pas ? Vous n’avez pas une partie du parcours. Le parcours complet est simplement manquant. C’est plus simple, à mon avis, et ensuite durcir les cookies côté serveur, c’est une solution utile. Et pour le multi-appareil, il faudrait essayer d’utiliser les signaux multi-appareils, puis les transmettre à Google Analytics sous forme d’User ID.

Et à partir de ce moment-là, relier les sessions. C’est donc ce que Google Analytics n’offre pas. Il n’offre pas le rapprochement rétrospectif comme le font d’autres outils, comme Snowplow ou Segment. Eh bien, ce n’est que de l’analytics. Il essaie de tout faire. Il n’est pas particulièrement performant pour la mise en correspondance des identifiants utilisateurs. Et donc, oui, il existe plusieurs sources de données noires, de données manquantes.

Vous essayez de les traiter avec les moyens dont vous disposez. Ken ou Brooke, avez-vous des façons de combler les lacunes ?

Brooke Osmundson : Honnêtement, comme l’a dit Chris, cela demande énormément de temps et d’investissement, ne serait-ce que pour s’engager dans cette voie. Je pense que le rapprochement des utilisateurs, ou l’attribution par identifiant d’appareil, sera une solution à plus long terme.

Mais pour l’instant, c’est extrêmement complexe et, sauf si vous disposez, comme l’a dit Chris, de l’infrastructure nécessaire, que ce soit au sein de votre équipe ou parce que vous êtes dans une très grande agence qui l’a déjà en place, avec les personnes occupant ces rôles, je dirais que ce sera une solution à long terme. Mais le fait est que beaucoup d’entreprises ne disposent pas de ces ressources.

Donc, d’après ce que nous observons, il s’agit surtout d’avoir ces conversations avec les clients, en fonction des données dont vous disposez, et de les leur présenter d’une manière qu’ils puissent comprendre, pour expliquer ce qui se passe. Et à court terme, il faut, je pense, comme l’a dit Ken, être à l’aise avec certaines de ces inconnues et devoir parfois formuler des hypothèses plus générales. Il faudra peut-être faire de vrais tests et voir ce qui fonctionne le mieux, mais tant que vous n’aurez pas ces ressources ou les budgets pour investir dans ce domaine, il faudra longtemps avant que votre entreprise puisse aller jusqu’au bout de tout ce que vous souhaitez faire.

C’est simplement de plus en plus difficile.

Ken Williams : Vous êtes en sourdine.

Brooke Osmundson : Oh, Ken, vous êtes en sourdine.

Ken Williams : Merci. Désolé. J’ai des enfants bruyants. Donc je fais ça tout le temps. J’y ai beaucoup réfléchi ces derniers temps, parce qu’au début de ma carrière en marketing, je croyais très fortement à cette idée à 360 degrés du client. Vous savez, avec toutes ces données numériques, nous allons devenir de plus en plus performants pour comprendre tous ces points de contact avec nos clients, et nous finirons par atteindre un niveau où nous disposerons de données extraordinaires et où nous pourrons tout savoir. Et j’ai l’impression que, en tant que secteur, nous devons en quelque sorte renoncer à cela. Vous savez, quand Google a lancé l’échantillonnage, cela a beaucoup frustré de gens. J’avais beaucoup de clients qui disaient : ce ne sont pas de vraies données.

Vous savez, je veux savoir exactement ce qui se passe. Mais la réalité, c’est que nous répondons à des questions métier, et il y a des moments, et il y en aura davantage à l’avenir, où regarder les données brutes sera un peu moins utile que d’examiner des données issues de la modélisation des conversions ou de l’échantillonnage, et tirer parti de ces outils qui nous donnent une image plus claire de ce qui se passe.

Mais, au bout du compte, je pense que nous ne comblerons jamais toutes ces lacunes de données, et il faut un peu s’y habituer et apprendre à vivre avec.

Frederick Vallaeys : Oui, et je pense qu’il faut aussi être à l’aise avec l’idée qu’il n’existe pas de réponse absolue à beaucoup de ces questions, mais plutôt une réponse directionnelle.

Quand je pense aux modèles d’attribution, on vous demande : quel est le modèle d’attribution parfait pour vous ? Et c’est comme, eh bien, il n’y en a pas de parfait. Il s’agit simplement d’un modèle qui, d’une manière ou d’une autre, est corrélé aux objectifs business que vous cherchez à atteindre. Et je pense que c’est pour cela, Ken, quand vous avez parlé de faire le test sur le terrain, comme activer un marché et en désactiver un autre, puis voir ce qui se passe.

N’est-ce pas ? Quel a été l’impact réel sur le résultat final ? Et ne vous laissez pas enfermer dans le détail du type : quelles requêtes ai-je lancées pour lui avec ça ? Parce que Google retire ces données. Et nous devons simplement adopter une vision un peu plus large. Revenons à ce que vous avez dit, à savoir : qu’essaie d’atteindre l’entreprise ?

Et il ne s’agit pas de chaque client individuellement, nous devons, nous devons être là-dessus. Nous devons les suivre. N’est-ce pas, n’est-ce pas.

Ken Williams : Il y a plusieurs niveaux. Je considère que, si j’optimise ma recherche, j’ai besoin de certaines informations et il peut être plus logique pour moi de dire : je vais activer l’un de ces modèles.

C’est probablement ce qui a le plus de sens. Disons que je vais activer ces modèles d’attribution. Je vais utiliser ce qu’ils offrent pour m’aider à optimiser mes campagnes. Et nous devons prendre ces décisions sur ce qui est le meilleur pour moi. Mais si vous essayez de répondre à une question du type : nous avons dépensé X dollars, quel a été le retour sur investissement ?

Je dirais que ce n’est pas un bon cas d’usage pour un modèle d’attribution. C’est plutôt un cas où il faut mener une expérience, parce que nous avons ces résultats. Vous savez, les résultats que nous obtenons sont une combinaison de ce qui se serait passé si nous n’avions rien fait, plus nos efforts marketing, plus un bruit et des erreurs inconnus qui relèvent du bouche-à-oreille et de choses que nous ne pouvons tout simplement pas mesurer. Et les sciences sociales mènent des expériences à partir de données similaires depuis cent ans. Et je pense que c’est quelque chose que nous ferons de plus en plus.

Frederick Vallaeys : Pour cela, l’attribution Facebook. Je ne sais pas si quelqu’un a un avis sur ce point.

Brooke Osmundson : Eh bien, je pense que cela rejoint en partie l’une des autres questions, celle de savoir comment gérer les vues sans clic. Et encore une fois, je ne sais pas si cette première question portait spécifiquement sur Facebook, mais vous pourriez appliquer cela à Google si vous diffusez des annonces YouTube ou du display, ou tout autre format qui ne génère pas forcément de clic. Honnêtement, nous examinons l’attribution Facebook, en plus de ce que nous observons pour l’ensemble de nos clients, et pour beaucoup d’entre eux, il ne s’agit pas vraiment de construction de marque, simplement en raison de la nature de nos clients.

Donc, la plupart du temps, l’objectif est de les amener sur le site, et nous ne diffusons pas énormément de publicités vidéo. Mais pour répondre à la question de la gestion de l’attribution des vues, je dirais, en reprenant un peu mon commentaire initial, qu’il faut regarder la modélisation disponible spécifiquement dans cette plateforme. Et essayer simplement de croiser ces données avec les données des personnes qui arrivent réellement depuis Facebook afin de comprendre cette vision globale. Mais encore une fois, il faut être à l’aise avec le fait qu’il y aura des lacunes et que vous ne comprendrez jamais ce client de manière individuelle et un-à-un. Je me concentrerais davantage sur ce qui, de manière générale, fait bouger les indicateurs et sur les endroits où nous pouvons concentrer nos efforts, car il y aura toujours ces lacunes.

Frederick Vallaeys : Et puis, pas Facebook, mais parlons maintenant d’Amazon pendant une seconde, d’accord ? Ce qui est intéressant avec Amazon, c’est que toute l’activité se déroule sur le site Amazon.

Et donc, si vous voulez intégrer cela dans votre compréhension, vous devez utiliser leur produit d’attribution, qui, je crois, est toujours en bêta. Est-ce que l’un d’entre vous a travaillé avec Amazon et comment envisagez-vous cela ? Vous savez, intégrer ces éléments qui ne s’intègrent peut-être pas dans Google Analytics 4 ou dans beaucoup d’autres solutions de mesure.

Brooke Osmundson : Personnellement, je ne l’ai pas utilisé, mais désolée, allez-y Chris. Je vais,

Christopher Gutknecht : Je vais essayer de répondre d’une manière qui, je pense, est la bonne, ou du moins dans laquelle nous allons du plus simple au plus complexe. Et je pense que si vous essayez de dresser une grande carte de tout ce que vous devriez faire, ce serait tellement complexe que vous ne pourriez même pas le résoudre. Nous essayons donc simplement de résoudre les choses à partir des petits éléments que nous pouvons traiter.

Par exemple, nous commençons par la qualité des données de Google Analytics, en structurant correctement nos canaux, puis en définissant un modèle simple, légèrement meilleur qu’un modèle fondé sur des règles, puis en corrigeant, disons, les lacunes de la source de suivi en résolvant cela. Mais en restant très simple. Et je pense que cela ne répond pas à la question, mais cela pointe vers une autre recommandation : avant d’aller trop loin dans l’attribution, vous devriez vous concentrer davantage sur la qualité de vos données de mesure, afin de mettre en place un processus établi pour savoir comment identifier vos canaux, garantir la qualité du trafic de vos canaux, avec un analyste à bord, un analyste web, et éventuellement un ingénieur data.

Et personnellement, à l’époque où j’étais en agence, je ne suis pas allé vers l’attribution parce qu’il y avait tellement à faire en matière de qualité des données et d’automatisation. C’est essentiellement de l’automatisation PPC. Je pense que cela fait partie d’un modèle de maturité où il faut d’abord travailler sur la qualité des données et l’analytics avant de pouvoir passer à l’attribution. Et j’investirais toujours plus de temps dans ce domaine si cette qualité n’est pas bonne, avant d’aller vers l’attribution, parce qu’on ne peut pas faire d’attribution sur une date erronée. De mauvaises données. Oui. Et je ne dirais pas des données manquantes, car il y a toujours un certain niveau de données manquantes, mais si ce sont simplement de mauvaises données, vous ne pouvez pas faire de modélisation d’attribution correcte.

Frederick Vallaeys : Des paroles sages. Très bien. Nous approchons de la prochaine heure, donc je vais peut-être vous demander à tous de partager quelque chose dont vous pensez que nous aurions dû parler, mais que nous n’avons pas abordé. Ou simplement nous dire quels sont les meilleurs endroits pour en apprendre davantage, ceux dont vous apprenez vous-mêmes ou où nous pouvons apprendre directement de vous ?

Qui que ce soit, je publierais Chris. Voilà.

Christopher Gutknecht : Une chose que nous avons brièvement mentionnée, c’est que GA4 offre l’export des données brutes. C’est quelque chose qui, je pense, est indispensable pour faire de l’attribution correcte, comme construire votre propre modèle d’attribution sans données brutes. Et vous pouvez simplement activer l’export des données brutes vers BigQuery.

Et je viens de publier un lien sur la façon de faire votre propre modélisation des sessions dans GA4. C’est donc quelque chose que je recommanderais d’essayer. Parce que maintenant que vous avez les données brutes sous la main, vous pouvez faire toutes sortes de choses intéressantes, apprendre SQL, expérimenter avec les données brutes, et cela vous fera avancer à partir de là. Cela vous mène généralement vers Medium.

Je ne sais pas si vous connaissez Medium. C’est absolument addictif. C’est un hub tech et vous y trouverez, je ne sais pas, une centaine d’articles différents sur la façon de faire de la modélisation d’attribution en Python, en R, etc. Mais je commencerais par les données que vous avez dans BigQuery, j’expérimenterais avec elles, j’utiliserais SQL, puis j’avancerais progressivement à partir de là.

Frederick Vallaeys : Très bien. Et vous, Ken ?

Ken Williams : Oui, alors je suppose que j’ai une petite promotion intéressée. J’ai un blog et il y a une section sur l’utilisation de BigQuery avec Data Studio et GA4. Cela s’accorde plutôt bien, je pense, avec ce que Chris évoquait. Je suis un grand partisan du fait de se familiariser avec SQL comme outil.

C’est quelque chose que les marketeurs devraient faire davantage. Franchement, l’effort nécessaire et la courbe d’apprentissage pour travailler avec des données brutes ne sont généralement pas si élevés. Google complique un peu les choses parce qu’ils ont un schéma un peu particulier, mais j’écris beaucoup à ce sujet. Et j’espère que les gens pourront y trouver quelque chose d’utile.

Donc, voilà une ressource. L’autre chose que je dirais, c’est qu’il y a quelques personnes, si vous utilisez Twitter ou le Slack Measure, que vous devriez suivre. Measure Slack. Je ne sais pas si c’est quelque chose que ce groupe connaît, et allez sur measure.chat. Vous pouvez vous y inscrire, et c’est une énorme communauté de personnes qui travaillent dans l’analytics et la BI, essentiellement, et qui s’entraident pour résoudre des problèmes.

Je le recommande donc vivement. C’est très bien modéré, donc les gens n’y viennent pas pour essayer de vendre des produits. C’est juste un bon groupe de personnes qui s’entraident. Et aussi, je dirais que sur Twitter, Charles Farina, Julius Fedorovic d’Analytics Mania, vous savez, ces gars-là sont toujours au fait des nouveautés de l’industrie, et je les trouve très utiles.

Je ne suis pas très bon sur Twitter moi-même. Je dirais que 90, peut-être 60 % de ce que je fais, c’est de suivre ces deux-là. Donc je les citerais. Voilà mes recommandations.

Frederick Vallaeys : Super. Merci pour ces ressources, Brooke. Et vous ?

Brooke Osmundson : Honnêtement, je vais revenir aux bases : s’il y a des personnes qui nous écoutent et qui ne sont pas nécessairement dans la mise en œuvre, mais qui essaient simplement de déterminer quel modèle d’attribution leur conviendra le mieux, ou même de comprendre les avantages de chacun, assurez-vous de faire vos propres recherches et de les étudier.

Et personnellement, comme j’approfondis GA4, c’est une autre conversation que je veux maîtriser avant d’en parler avec les clients, car j’ai tendance à vraiment vouloir entrer dans les détails. Donc je passe en revue les outils des développeurs Google pour bien comprendre comment tout fonctionne. C’est donc, pour moi, la recherche que je fais personnellement, afin d’avoir une meilleure compréhension de la manière d’en parler aux clients. Je suis donc un peu de l’autre côté, d’un point de vue marketing, en essayant de comprendre cela en termes plus simples.

Ainsi, je peux le communiquer aux clients qui comptent sur nous pour faire ces recommandations ou pour lancer le mouvement. Donc, si vous débutez simplement, assurez-vous de faire vos recherches sur chacun des modèles. S’il existe des modèles personnalisés, comme Chris en parlait pour la construction, alors utilisez-les. Et puis, il y a tellement d’articles de blog disponibles.

Assurez-vous donc d’en trouver un pertinent ; je vais faire un clin d’œil à celui de Ken que j’ai hâte de lire à l’avenir. Mais moi, personnellement, je suis en ce moment dans le guide des développeurs, en train d’essayer de me familiariser autant que possible avec tout cela.

Frederick Vallaeys : J’adore aussi les guides des développeurs. Excellents conseils.

Très bien, Brooke, Ken, Chris, merci beaucoup. C’était d’excellents conseils. Il y a vraiment de bonnes choses que j’espère que les gens mettront en pratique. Et une partie est compliquée, mais il semble que si vous voulez y consacrer du temps, l’effort en vaut la peine. Merci à tous d’avoir regardé un autre épisode de PPC Town Hall.

Nous reviendrons avec deux épisodes en mars, et nous parlerons du reporting, de l’analyse concurrentielle, ainsi que de la gestion des enchères. Surveillez donc les e-mails de notification à ce sujet, et ce sera les 10 et 24 mars. Merci de votre attention. Passez un excellent mercredi.