Ventes et conversion
Personas
E-commerce
ROI
À court terme (< 3 mois)
Il y a deux mois, je célébrais ce qui semblait être une incroyable success story avec les publicités Facebook. Le tableau de bord affichait un ROAS de 9,2 pour mon client e-commerce - le genre de chiffres qui poussent les propriétaires d'agence à faire des captures d'écran de leurs rapports et à les publier sur LinkedIn.
Ensuite, j'ai creusé plus profondément dans les données de revenus réels. Le vrai ROAS ? Plutôt 2,5. La "performance incroyable" était en fait Facebook revendiquant le mérite du trafic SEO organique que j'avais construit pendant des mois.
Ceci n'est pas seulement un problème de Facebook - c'est un problème de l'industrie entière où les plateformes publicitaires sont conçues pour rendre leur performance meilleure que la réalité. Après avoir travaillé avec des dizaines de boutiques e-commerce et les avoir regardées prendre des décisions budgétaires basées sur des données trompeuses, j'ai développé une approche complètement différente de l'analyse de la performance des publicités.
Voici ce que vous apprendrez de mes expériences avec la modélisation d'attribution à travers plusieurs comptes clients :
Pourquoi le ROAS rapporté par la plateforme induit en erreur la plupart des entreprises dans le gaspillage de budget
La réalité du tunnel obscur que les modèles d'attribution manquent complètement
Mon système de suivi à 4 niveaux qui révèle l'impact réel des publicités
Métriques simples qui prédisent la rentabilité mieux que le ROAS
Quand tuer des campagnes malgré des métriques "bonnes" de la plateforme
Plongeons dans ce que j'ai appris en suivant la véritable performance e-commerce au-delà des métriques de vanité.
Réalité de l'industrie
Ce que chaque marketeur a été dit sur le suivi des performances publicitaires
Entrez dans n'importe quelle agence de marketing numérique ou ouvrez n'importe quel cours de publicité, et vous entendrez le même évangile sur l'analyse de la performance des publicités. L'industrie a construit toute une mythologie autour du suivi qui semble sophistiqué mais qui s'effondre dans la pratique.
Le Manuel de l'Attribution Standard :
Le ROAS de la plateforme est votre étoile du nord - Les tableaux de bord de Facebook et Google disent la vérité
L'attribution au dernier clic fonctionne - celui qui touche en dernier obtient le crédit
Les paramètres UTM résolvent tout - il suffit de bien marquer vos campagnes
L'attribution multi-touch est l'avenir - des modèles sophistiqués nous sauveront
L'optimisation en temps réel compte - ajustez les campagnes en fonction de la performance quotidienne
Cette sagesse conventionnelle existe parce que c'est ce que les plateformes publicitaires veulent que vous croyiez. Facebook, Google et TikTok ont tous des incitations financières à rendre leur performance aussi bonne que possible. Ils ont construit des modèles d'attribution de plus en plus sophistiqués qui revendiquent le crédit pour des conversions sur lesquelles ils ont eu un impact minimal.
Le problème ? Les parcours clients modernes sont désordonnés. Quelqu'un pourrait voir votre annonce Facebook, l'ignorer, chercher votre marque trois jours plus tard, lire un article de blog, vérifier des avis et finalement acheter via une recherche Google organique. Quel canal les a "convertis" ?
Selon les analyses des plateformes, c'était la recherche organique. Selon la réalité, l'annonce Facebook a commencé tout le parcours. C'est là que l'attribution traditionnelle s'effondre complètement, ce qui entraîne des désastres d'allocation budgétaire que j'ai vus détruire des campagnes rentables.
Le résultat est ce que j'appelle le "théâtre de l'attribution" - beaucoup de suivi sophistiqué qui fournit l'illusion de précision tout en prenant des décisions fondamentalement erronées sur où dépenser de l'argent.
Considérez-moi comme votre complice business.
7 ans d'expérience freelance avec des SaaS et Ecommerce.
L'appel du réveil est arrivé pendant un projet avec un client de commerce électronique vendant des équipements de plein air. Ils avaient diffusé des annonces Facebook pendant huit mois avec des performances qui semblaient incroyables - leur tableau de bord Facebook affichait constamment un ROAS de 4-6, bien au-dessus de leur objectif de 3,0.
Cependant, quelque chose semblait suspect lorsque j'ai commencé à travailler avec eux. Malgré ces résultats "étonnants" sur Facebook, leur croissance globale des revenus stagnait. Le fondateur était frustré parce qu'il investissait plus d'argent dans les annonces sans voir de croissance proportionnelle de l'entreprise.
J'ai décidé de mener une expérience de trois mois. Au lieu de compter sur les analyses de la plateforme, je suivrais chaque point de données possible pour comprendre ce qui entraînait réellement les conversions.
Le Défi : Chaos d'Attribution
Au cours de la première semaine, j'ai découvert le problème. Facebook revendiquait le mérite des conversions qui provenaient clairement d'autres sources. Un client verrait une annonce Facebook lundi, rechercherait "avis sur les équipements de plein air" sur Google mardi, atterrirait sur un article de blog organique mercredi, et achèterait jeudi. La fenêtre d'attribution de Facebook signifiait qu'ils revendiquaient la conversion, même si le véritable moteur était la stratégie de contenu organique que j'avais développée.
Le client avait augmenté les dépenses publicitaires sur Facebook en se basant sur ces métriques gonflées, tandis que le véritable moteur de conversion - le contenu SEO - était complètement ignoré dans les décisions d'allocation du budget.
Ce n'était pas seulement un problème de Facebook. Lorsque j'ai audité leur compte Google Ads, j'ai trouvé des problèmes similaires. Google revendiquait le mérite des recherches de marque qui étaient probablement déclenchées par des conversations hors ligne, le bouche-à-oreille ou d'autres points de contact non mesurables.
La configuration traditionnelle des analyses créait une boucle de rétroaction de mauvaises décisions : augmenter les dépenses sur des plateformes qui semblaient bonnes dans les tableaux de bord tout en affamant les canaux qui fonctionnaient réellement.
Voici mon Playbooks
Ce que j'ai fini par faire et les résultats.
Après avoir vu l'attribution échouer de manière spectaculaire à travers plusieurs comptes clients, j'ai développé ce que j'appelle le "Reality Check Framework" - un système en 4 couches qui traverse les balivernes des plateformes pour montrer l'impact réel des publicités.
Couche 1 : Scepticisme envers la plateforme
Au lieu de faire confiance aux métriques des plateformes, j'ai commencé à les considérer comme "l'impact maximum possible". Si Facebook prétend un ROAS de 6, l'impact réel est probablement de 2 à 4 ROAS. Cette baseline sceptique empêche les investissements excessifs dans des plateformes qui gonflent leur propre performance.
J'ai mis en place une règle simple : ne jamais prendre de décisions budgétaires basées uniquement sur les métriques rapportées par la plateforme. Chaque optimisation nécessite une validation d'au moins deux autres sources de données.
Couche 2 : Analyse des cohortes de revenus
La percée est survenue lorsque j'ai commencé à suivre les revenus par date d'acquisition client plutôt que par performance de campagne. J'ai créé des cohortes hebdomadaires de nouveaux clients et suivi leur valeur à vie totale, indépendamment du modèle d'attribution.
Pour le client de matériel de plein air, cela a révélé quelque chose de fascinant : les semaines avec des dépenses publicitaires Facebook plus élevées étaient corrélées à une augmentation des revenus des nouveaux clients, mais avec un délai de 2 à 3 semaines. L'attribution de la plateforme prétendait un crédit immédiat, mais l'impact réel apparaissait des semaines plus tard à travers des conversions "organiques".
Couche 3 : Tests d'incrémentalité
J'ai mis en place des tests systématiques on/off pour les campagnes publicitaires. Pendant deux semaines, nous avons fait fonctionner les campagnes à budget normal. Pour les deux semaines suivantes, nous les avons complètement suspendues. Cette méthode grossière mais efficace a montré la réelle incrémentalité par rapport à la corrélation.
Les résultats étaient révélateurs. La mise en pause des publicités Facebook a entraîné une diminution de 30 % des revenus totaux, et non les 60 % de diminution que les modèles d'attribution prédisaient. Les publicités fonctionnaient, mais pas aussi dramatiquement que les plateformes le prétendaient.
Couche 4 : Suivi de l'impact inter-plateforme
J'ai commencé à suivre comment les campagnes publicitaires affectaient d'autres canaux. Lorsque nous augmentions les dépenses publicitaires Facebook, que se passait-il au volume de recherche organique ? Au trafic direct ? À la performance des e-mails ? Cela a révélé l'impact réel de l'écosystème que l'attribution traditionnelle manque complètement.
Par exemple, les publicités Facebook ont entraîné une augmentation de 40 % du volume de recherche de marque, qui s'est ensuite convertie à travers le trafic Google "organique". La campagne Facebook était incroyablement efficace, mais vous ne le sauriez jamais en regardant uniquement les métriques de la plateforme.
Le processus de mise en œuvre :
Semaine 1-2 : Configurez le suivi des cohortes de revenus dans Google Sheets connecté à votre plateforme de commerce électronique. Suivez la valeur des nouveaux clients par semaine d'acquisition, en ignorant les modèles d'attribution.
Semaine 3-4 : Mettez en œuvre des tests d'incrémentalité pour votre plus grand canal publicitaire. Exécutez des campagnes normales pendant deux semaines, puis faites une pause pendant deux semaines tout en suivant l'impact total sur les affaires.
Semaine 5-8 : Ajoutez le suivi de l'impact inter-plateforme. Suivez comment les changements de dépense publicitaire affectent le volume de recherche organique, le trafic direct et d'autres canaux "non attribués".
Semaine 9+ : Construisez des cadres de prise de décision basés sur l'impact sur les affaires plutôt que sur les métriques de la plateforme. Une campagne qui montre un ROAS de 2 sur Facebook mais qui entraîne une augmentation de 40 % des recherches de marque pourrait être votre campagne la plus précieuse.
Cohortes de revenus
Suivez la nouvelle valeur client par date d'acquisition plutôt que par attribution de campagne pour voir les véritables tendances d'impact.
Tests d'incrémentalité
Suspendre les campagnes systématiquement pour mesurer le véritable impact commercial par rapport à la corrélation avec d'autres canaux.
Suivi inter-applicatif
Surveillez comment les dépenses publicitaires affectent la recherche organique, le trafic direct et d'autres canaux que les plateformes ignorent.
Scepticisme de la plateforme
Traitez le ROAS signalé par la plateforme comme l'impact maximal possible et exigez une validation de plusieurs sources.
L'analyse de cohorte des revenus est devenue la base de toutes les décisions budgétaires. Dans les deux mois suivant la mise en œuvre de ce système, je pouvais voir des schémas clairs que l'analyse de la plateforme avait complètement manqués.
Pour le client d'équipement de plein air :
Le ROAS Facebook a chuté de 6,2 à 2,8 lorsqu'il est mesuré en fonction de l'impact commercial
Le ROAS Google Ads a augmenté de 3,1 à 4,2 en tenant compte des effets intercanaux
L'efficacité totale des annonces s'est améliorée de 40% en réaffectant le budget en fonction de l'impact réel
Le volume de recherche de marque a augmenté de 85% pendant les périodes de dépenses élevées sur Facebook
Les tests d'incrémentalité ont révélé que les campagnes de display que tout le monde voulait tuer conduisaient en fait à 25 % de nouvelles acquisitions de clients par le biais de canaux organiques subséquents. Pendant ce temps, les campagnes de reciblage « performantes » réclamaient principalement le mérite pour des clients qui auraient de toute façon acheté.
Le plus important, c'est que les revenus de l'entreprise sont devenus prévisibles. Au lieu de chasser des métriques de plateforme qui fluctuaient aléatoirement, nous pouvions voir des relations claires de cause à effet entre les dépenses publicitaires et la croissance de l'entreprise.
Ce que j'ai appris et les erreurs que j'ai commises.
Pour que vous ne les fassiez pas.
La construction de ce système de vérification de l'attribution m'a appris que la plupart du marketing de performance repose sur de beaux mensonges. Voici les leçons clés tirées du suivi de l'impact réel sur les affaires à travers plusieurs comptes de e-commerce :
Les métriques de la plateforme optimisent pour les revenus de la plateforme, pas pour votre entreprise - chaque plateforme publicitaire a des incitations financières à gonfler leur performance apparente
Les parcours clients sont invisibles aux modèles d'attribution - les points de contact les plus précieux se produisent souvent hors ligne ou à travers des canaux non mesurables
Les cohortes de revenus révèlent de vrais modèles - suivre la valeur client par date d'acquisition montre l'impact réel des campagnes au fil du temps
Les effets inter-canaux ont généralement l'impact le plus important - les publicités génèrent des recherches organiques, du bouche-à-oreille et du trafic direct que l'attribution traditionnelle néglige
Les tests d'incrémentalité surpassent l'attribution sophistiquée - des tests simples on/off montrent l'impact réel sur les entreprises mieux que des modèles complexes
Les meilleures campagnes semblent souvent mauvaises dans les tableaux de bord - la sensibilisation à la marque et les campagnes en haut de l'entonnoir sont pénalisées par l'attribution du dernier clic
Le théâtre de l'attribution détruit les campagnes rentables - prendre des décisions basées sur les métriques de la plateforme tue les canaux qui génèrent réellement de la croissance
La plus grande erreur est de faire confiance à un modèle d'attribution unique. La vérité se situe toujours quelque part entre les points de données, et l'intuition commerciale compte plus qu'un suivi sophistiqué lorsque le suivi est fondamentalement défaillant.
Comment vous pouvez adapter cela à votre entreprise
Mon playbook, condensé pour votre cas.
Pour votre SaaS / Startup
Suivre la MRR par cohorte d'acquisition plutôt que par attribution de campagne
Mesurer les délais de conversion d'essai à payé à travers différents canaux publicitaires
Surveiller l'augmentation de la recherche organique pendant les périodes de campagne payante
Tester les pauses de campagne systématiquement pour prouver l'incrémentalité
Pour votre boutique Ecommerce
Analyse la valeur de vie client par semaine d'acquisition indépendamment de l'attribution
Suivez le volume de recherche de marque pendant les périodes de forte dépense publicitaire
Surveillez les schémas de trafic direct lors de l'exécution de campagnes de diffusion
Testez les groupes de contrôle géographiques pour mesurer la véritable incrémentalité