Ce que le ROAS révèle vraiment sur vos campagnes publicitaires

Une plateforme marketing indique un ROAS de 5x. Votre backend indique 2x. Ces chiffres sont illustratifs plutôt qu’un benchmark sectoriel, mais ils mettent en évidence un véritable problème de mesure : des règles différentes peuvent attribuer des montants de revenus différents à une même publicité. Choisir le chiffre le plus bas parce qu’il provient du système qui enregistre la transaction ne permet pas de déterminer ce qui a causé la vente.

La question clé est celle de la décision que la mesure doit éclairer. Le ROAS fondé sur l’attribution attribue le crédit du chiffre d’affaires observé selon un ensemble de règles. Une décision budgétaire peut exiger une réponse causale : de combien le chiffre d’affaires a-t-il changé parce que la publicité a été diffusée ? Cela nécessite une estimation de ce qui se serait produit en l’absence de publicité.

Le ROAS de la plateforme et du backend peut répondre à la mauvaise question

Les rapports de la plateforme et du backend peuvent utiliser des règles différentes pour relier une vente à une activité marketing antérieure. Prenons le cas d’un client qui voit une publicité Meta, recherche ensuite la marque sur Google, clique sur une annonce, puis achète. Un backend utilisant une attribution au dernier clic peut attribuer la commande à Google. L’exposition antérieure à Meta reste une partie du parcours client observé.

Cela crée deux tâches de mesure. L’attribution décide comment le crédit est réparti entre les interactions observées. La mesure causale estime si une intervention a modifié un résultat. Si un dirigeant veut savoir si un euro publicitaire supplémentaire a généré un chiffre d’affaires additionnel, attribuer le crédit entre les points de contact ne permet pas, à lui seul, d’établir la réponse.

Les données du backend enregistrent les transactions

Un système transactionnel peut enregistrer avec précision que 100 € ont été reçus, qui a acheté et quand. Sa règle d’attribution constitue une couche distincte. Dans l’exemple Meta-vers-Google, une règle de dernier clic attribue le crédit à l’interaction Google la plus récente tout en n’attribuant aucun crédit à l’exposition Meta antérieure. Ce choix comptable n’indique pas à la direction si le client aurait acheté sans l’une ou l’autre interaction.

Les tableaux de bord des plateformes créent un risque différent. Plusieurs systèmes peuvent associer la même transaction aux interactions qu’ils ont enregistrées, créant un double comptage du chiffre d’affaires lorsque leurs rapports sont simplement additionnés. Les dirigeants doivent comprendre comment chaque résultat déclaré a été observé, modélisé ou attribué avant de comparer les systèmes.

La méthode de mesure peut influencer les canaux qui reçoivent le crédit

Une règle de dernier clic attribue la conversion à la dernière interaction admissible avant l’achat. Dans le parcours client évoqué plus haut, le clic Google le plus récent reçoit le crédit. Une impression Meta antérieure peut ne recevoir aucun crédit backend selon cette règle, même si elle a eu lieu avant la recherche. L’exemple montre comment la règle façonne le parcours client enregistré.

Un résultat déclaré faible peut avoir plus d’une explication : la campagne peut avoir peu d’effet, ou la règle d’attribution choisie peut attribuer peu de crédit à la manière dont cette campagne fonctionne. L’attribution seule ne permet pas de déterminer quelle explication est correcte. Une impression non cliquée peut avoir influencé un achat, et le client peut aussi avoir acheté sans elle. Établir l’effet incrémental exige un contrefactuel : une estimation du résultat dans une condition comparable où le traitement publicitaire était absent ou différent.

Une meilleure attribution améliore l’allocation du crédit

L’attribution multi-touch répartit le crédit entre plusieurs interactions au lieu de l’accorder entièrement à un seul point de contact admissible. Des données plus riches sur le parcours client peuvent fournir davantage d’informations pour cette répartition. La résolution d’identité, les événements server-side, la déduplication et des données de contact supplémentaires peuvent modifier les informations disponibles pour un modèle. La question causale exige toujours des preuves sur le contrefactuel.

Revenons au ROAS illustratif de 5x sur la plateforme et de 2x dans le backend. Réconcilier ces rapports peut révéler où les transactions se chevauchent et où les règles d’attribution diffèrent. Une valeur réconciliée n’indique toujours pas combien de clients auraient acheté en l’absence de publicité. C’est cette quantité manquante qui explique pourquoi les dispositifs causaux comptent pour les décisions budgétaires incrémentales.

La question de décision doit définir l’expérience. La direction peut tester si la suppression d’un canal particulier sur certains marchés modifie le chiffre d’affaires, ou si une augmentation définie des dépenses produit des conversions incrémentales. Il s’agit d’affirmations causales circonscrites ; leurs résultats s’appliquent donc dans les conditions testées. Le système transactionnel peut fournir le résultat en chiffre d’affaires sans avoir à attribuer un crédit causal au parcours individuel de chaque client.

La direction doit d’abord préciser la décision, puis choisir un dispositif capable d’identifier l’effet pertinent pour cette décision. Les estimations expérimentales comportent une incertitude et dépendent de la validité du dispositif. La vraie question est de savoir si le dispositif peut produire des preuves suffisamment solides pour la décision budgétaire en cours.

Utilisez chaque outil de mesure pour la décision qu’il peut éclairer

L’attribution aide à prendre des décisions qui exigent une allocation du crédit entre des interactions observées ou modélisées. Les équipes peuvent l’utiliser pour analyser les parcours clients et comparer l’activité selon des règles cohérentes. Ses conclusions doivent rester dans le cadre des règles et des données utilisées pour attribuer le crédit.

Les expériences répondent à une autre décision. Une expérience bien conçue peut estimer si une modification définie de la publicité a produit un changement incrémental d’un résultat dans les conditions testées. Les estimations expérimentales comportent toujours une incertitude et dépendent de la validité du dispositif. Pour les dirigeants, leur valeur réside dans le lien direct entre une intervention définie et un résultat métier défini.

L’allocation automatisée augmente les enjeux, car la mesure peut alimenter directement les décisions de dépense. Les dirigeants doivent valider l’objectif, la mesure qui l’alimente et la pertinence causale de cette mesure avant de l’utiliser pour étayer une décision budgétaire significative.

Points clés à retenir pour les décideurs

Faites correspondre la mesure à la décision : Le ROAS de la plateforme et du backend peut attribuer le chiffre d’affaires différemment, mais aucun des deux n’établit à lui seul ce que la publicité a causé. Utilisez l’attribution pour l’allocation du crédit et la mesure causale lorsque les décisions budgétaires dépendent de l’impact incrémental.
Considérez l’attribution backend comme une règle : Les systèmes transactionnels peuvent enregistrer le chiffre d’affaires avec précision tout en attribuant le crédit marketing selon un modèle d’attribution choisi. Les dirigeants doivent distinguer les données transactionnelles fiables des affirmations sur ce qui a causé la transaction.
Comprenez comment les règles d’attribution façonnent la performance des canaux : Le dernier clic et d’autres méthodes d’attribution peuvent favoriser certaines interactions tout en accordant peu ou pas de crédit à d’autres. Un résultat attribué faible ne prouve pas, à lui seul, qu’un canal a eu peu d’effet incrémental.
Utilisez une meilleure attribution pour une meilleure allocation : Des données plus riches sur le parcours client, la résolution d’identité et les modèles multi-touch peuvent améliorer la manière dont le crédit est réparti. Ils ne peuvent toujours pas établir ce qui se serait produit sans la publicité.
Utilisez chaque outil de mesure pour la décision qu’il permet d’éclairer : L’attribution aide à analyser et à répartir le crédit entre les interactions, tandis que des expériences bien conçues peuvent estimer l’effet d’une modification publicitaire définie. Avant d’automatiser des décisions budgétaires significatives, validez que la mesure fournit des preuves pertinentes pour la décision.