Ventes et conversion
Personas
SaaS et Startup
ROI
À court terme (< 3 mois)
L'année dernière, j'ai vu un client célébrer le fait que ses publicités Facebook atteignaient un « 8,5 ROAS », alors que son compte bancaire racontait une histoire complètement différente. Il brûlait de l'argent plus vite que jamais, malgré les affirmations de Facebook selon lesquelles ses publicités imprimaient de l'argent.
Ce n'était pas un incident isolé. Après des années à gérer des campagnes pour des startups SaaS et des magasins de commerce électronique, j'ai appris quelque chose de désagréable : les données de suivi des publicités mentent plus souvent que nous aimerions l'admettre. Pas parce que les plateformes sont malveillantes, mais parce que l'attribution est fondamentalement brisée en 2025.
J'ai vu Facebook revendiquer le mérite des victoires en SEO organique, Google Ads revendiquer le mérite du trafic direct, et des modèles d'attribution si confus qu'ils feraient passer une personne ivre pour quelqu'un de cohérent. Le pire ? La plupart des entreprises prennent des décisions budgétaires critiques sur la base de ces données fantaisistes.
Dans ce guide, vous découvrirez :
Pourquoi les modèles d'attribution sont plus fiction qu'une réalité dans un monde axé sur la confidentialité d'aujourd'hui
La vraie histoire derrière le "miraculeux" 8,5 ROAS de mon client (spoiler : ce n'étaient pas les publicités)
Mon cadre alternatif pour mesurer la performance des publicités qui corrèle réellement avec les revenus
Les trois questions que je pose avant de faire confiance à toute métrique publicitaire
Comment construire un système de mesure qui survive aux mises à jour d'iOS et aux changements de confidentialité
Vérifier la réalité
Ce que chaque marketeur a été dit sur l'attribution
Si vous avez passé du temps dans des cercles marketing, vous avez entendu le slogan des "décisions basées sur les données". L'industrie a construit toute une religion autour des modèles d'attribution, du suivi des conversions et de l'optimisation du ROAS.
Voici ce que prêchent tous les gourous du marketing :
L'attribution au dernier clic est reine - Quel que soit le canal qui reçoit le dernier contact, il obtient tout le crédit
La fenêtre d'attribution de Facebook est la vérité - Si Facebook dit qu'il a conduit à la conversion dans les 7 jours, cela doit être vrai
Un ROAS supérieur à 3x signifie que vous gagnez - Il suffit d'augmenter le budget et de regarder l'argent affluer
Le suivi multi-appareils est fiable - Les plateformes peuvent suivre avec précision les utilisateurs sur les téléphones, les tablettes et les ordinateurs de bureau
Les paramètres UTM résolvent tout - Il suffit de bien taguer vos liens et vous aurez une attribution parfaite
Cette sagesse conventionnelle existe parce qu'elle est commode. Les plateformes publicitaires doivent justifier leur existence, les agences doivent montrer un ROI à leurs clients, et tout le monde veut des réponses simples à des problèmes complexes. L'industrie des modèles d'attribution vaut des milliards, construite sur la promesse que nous pouvons suivre chaque point de contact client avec une précision mathématique.
Mais voici où cela s'effondre dans la pratique : le parcours client est plus chaotique que n'importe quel modèle d'attribution ne peut le capturer. Les gens ne naviguent pas sur Internet dans des lignes nettes et traçables. Ils voient votre annonce Facebook sur mobile, googlent le nom de votre marque plus tard sur desktop, demandent des informations à leurs amis sur WhatsApp, lisent des avis sur Reddit, puis achètent trois semaines plus tard via une recherche directe.
Cependant, votre modèle d'attribution attribue avec confiance 100 % du crédit au dernier point de contact qui s'est produit. C'est comme donner tout le crédit pour un but de football à celui qui a touché le ballon en dernier, en ignorant l'ensemble du jeu qui l'a rendu possible.
La vérité inconfortable ? La plupart des attributions sont des suppositions éclairées déguisées en mesure scientifique.
Considérez-moi comme votre complice business.
7 ans d'expérience freelance avec des SaaS et Ecommerce.
Voici une histoire qui a changé ma façon de penser à l'attribution des publicités pour toujours. Je travaillais avec un client de commerce électronique qui dépendait fortement des publicités Facebook. Ils avaient un ROAS décent de 2,5, mais leur PDG était nerveux à l'idée de mettre tous leurs œufs dans le même panier que Zuckerberg.
J'ai suggéré que nous construisions leur stratégie SEO comme canal de secours. Trois mois après la mise en œuvre de notre refonte SEO - restructuration complète du site web, optimisation du contenu et une solide stratégie de création de contenu - quelque chose d'intéressant s'est produit.
Le ROAS rapporté par Facebook a soudainement grimpé de 2,5 à 8-9. Le client était ravi. "Nos publicités fonctionnent enfin !" ont-ils dit. "Tout ce que vous avez fait sur le site doit avoir amélioré notre taux de conversion !"
Mais je savais mieux. Facebook mentait.
Voici ce qui se passait réellement : notre stratégie SEO générait un trafic organique et des conversions significatifs. Mais voici le hic - les gens voyaient nos publicités Facebook, ne cliquaient pas dessus, puis recherchaient le nom de la marque sur Google et convertissaient organiquement.
Le modèle d'attribution de Facebook donnait tout le crédit aux publicités pour ces "conversions par vue", même si le chemin de conversion réel était : impression Facebook → recherche Google → conversion organique. Le SEO faisait le gros du travail, mais Facebook prenait le crédit.
Cela m'a appris que l'attribution n'est pas seulement inexacte - elle est activement trompeuse. Le client était prêt à doubler ses dépenses publicitaires sur Facebook sur la base de faux chiffres de ROAS. Si nous avions suivi les données aveuglément, nous aurions tué la stratégie SEO qui était en réalité moteur de la croissance.
C'est à ce moment-là que j'ai réalisé qu'avoir confiance en l'attribution des plateformes publicitaires est comme faire confiance à un vendeur de voitures d'occasion pour évaluer votre reprise. Les incitations sont complètement mal alignées.
Voici mon Playbooks
Ce que j'ai fini par faire et les résultats.
Après cette expérience révélatrice, j'ai développé ce que j'appelle le cadre "Attribution Reality Check". Au lieu de faire confiance à ce que les plateformes publicitaires me disent, j'adopte une approche multicouche pour comprendre ce qui génère réellement des revenus.
Couche 1 : Le Test du Compte Bancaire
C’est la couche la plus importante. Je suis le revenu total et le compare aux dépenses publicitaires totales sur tous les canaux. Si Facebook prétend un ROAS de 6x mais que le revenu global de l'entreprise est stable alors que les dépenses publicitaires ont augmenté, quelque chose ne va pas. Les calculs devraient s'additionner au niveau de l'entreprise, pas seulement au niveau de la plateforme.
Pour le client e-commerce que j'ai mentionné, lorsque Facebook a rapporté un ROAS de 8x, j'ai regardé leur croissance des revenus globaux. Elle avait augmenté de 40 %, mais leurs dépenses publicitaires sur Facebook n'avaient augmenté que de 15 %. Le ROAS revendiqué aurait signifié que le revenu aurait dû tripler. Les chiffres ne correspondaient pas parce que Facebook volait du crédit au SEO.
Couche 2 : Le Test d'Isolement des Canaux
Je mets régulièrement en pause des canaux pendant de courtes périodes pour voir l'impact réel. Lorsque vous mettez en pause les publicités Facebook pendant une semaine, les revenus globaux diminuent-ils du montant que Facebook prétend générer ? Habituellement pas du tout.
J'ai fait cela avec un autre client SaaS. Facebook prétendait générer 60 % de leurs inscriptions à l'essai. Lorsque nous avons mis les annonces en pause pendant deux semaines, les inscriptions à l'essai n'ont diminué que de 20 %. Le reste provenait de recherches organiques, de trafic direct et de bouche à oreille pour lesquels Facebook revendiquait le crédit.
Couche 3 : La Méthode de Sondage Clients
C'est la couche la plus révélatrice. Je sonde les clients en leur demandant "Comment avez-vous entendu parler de nous pour la première fois ?" et "Qu'est-ce qui vous a convaincu d'acheter ?" Les réponses correspondent rarement aux données d'attribution.
Pour un client SaaS B2B, Facebook a attribué 40 % des conversions à ses annonces. Mais lorsque nous avons sondé les clients, seulement 8 % ont mentionné les annonces Facebook comme leur méthode de découverte principale. La plupart les ont trouvés via des recherches Google, du contenu LinkedIn ou des recommandations.
Couche 4 : Le Test de Pic de Recherche de Marque
Lorsque les annonces fonctionnent, elles devraient accroître la notoriété de la marque, ce qui se manifeste par une augmentation du volume de recherche de marque. Je surveille les termes de recherche de marque dans Google Search Console et Google Trends. Si Facebook prétend un succès massif mais que les recherches de marque n'augmentent pas, quelque chose ne va pas.
Couche 5 : La Carte de Réalité Multi-Touch
Au lieu de lutter contre l'attribution, j'accepte la réalité désordonnée. Je suis tous les points de contact que je peux mesurer et je suppose une activité significative de "funnel sombre" entre eux. Si quelqu'un convertit et que l'attribution indique "Google Ads > Direct > Achat", je sais qu'il y a probablement 5 à 10 points de contact non mesurés entre les deux.
L'objectif n'est pas l'attribution parfaite - c'est l'exactitude directionnelle. Je veux savoir si un canal contribue positivement, pas le pourcentage exact qu'il mérite en termes de crédit.
Isolement de canal
Tester ce qui stimule réellement les conversions en suspendant les canaux et en mesurant l'impact réel sur les revenus
Enquêtes clients
Les retours directs révèlent des lacunes d'attribution que les plateformes manquent - les clients connaissent leur véritable parcours.
Surveillance des marques
L'augmentation des recherches de marques indique une réelle efficacité des publicités au-delà des conversions directes revendiquées
Acceptation du Tunnel Sombre
Adopter des points de contact non mesurés au lieu de prétendre que les modèles d'attribution capturent tout.
En utilisant ce cadre, j'ai découvert des vérités révélatrices. Ce client de commerce électronique que j'ai mentionné ? Lorsque nous avons correctement analysé leurs données en utilisant mon cadre, nous avons constaté que le référencement générait 60 % de revenus de plus que ce que Facebook rapportait, tandis que Facebook surévaluait d'environ 300 %.
Pour le client B2B SaaS, nous avons découvert que leur meilleur "canal" n'était pas un canal du tout - c'étaient des recommandations de bouche à oreille déclenchées par du contenu LinkedIn qui n'avait jamais été suivi. Facebook revendiquait le crédit pour 40 % des conversions, mais le véritable moteur était la preuve sociale organique.
La découverte la plus choquante était le timing. Les plateformes publicitaires utilisent généralement des fenêtres d'attribution de 1 à 7 jours, mais nos enquêtes clients ont révélé que la période de considération moyenne était de 3 à 4 semaines pour le B2B et de 2 à 3 semaines pour le commerce électronique. Les fenêtres d'attribution manquaient la plus grande partie du parcours client réel.
Le résultat ? Nous avons complètement restructuré l'allocation budgétaire. Au lieu de doubler les dépenses Facebook sur la base d'un ROAS gonflé, nous avons investi davantage dans le référencement, la création de contenu et les programmes de réussite client qui ont réellement généré les résultats pour lesquels Facebook revendiquait le crédit.
Les revenus ont augmenté de 40 % tandis que les dépenses publicitaires totales ont diminué de 20 %. Plus notre ROAS attribué était "mauvais", meilleure était notre performance commerciale réelle.
Ce que j'ai appris et les erreurs que j'ai commises.
Pour que vous ne les fassiez pas.
Voici les principales leçons que j'ai apprises en remettant en question les données d'attribution publicitaire :
L'attribution des plateformes est du marketing, pas de la mesure - Chaque plateforme a intérêt à exagérer son impact
Le parcours client est un entonnoir obscur - La plupart des points de contact se produisent là où vous ne pouvez pas les suivre
Les fenêtres d'attribution sont trop courtes - Les cycles d'achat B2B dépassent souvent les capacités de suivi des plateformes
Les enquêtes auprès des clients l’emportent sur les pixels de suivi - Les gens connaissent leur propre parcours mieux que les algorithmes
Les métriques au niveau commercial sont les plus importantes - Si les revenus globaux ne correspondent pas aux revenus attribués, faites confiance au compte bancaire
L'isolement des canaux révèle la vérité - Mettez un canal sur pause pour voir son véritable impact, pas son impact revendiqué
Créer une marque est difficile à mesurer mais essentiel - Le meilleur marketing génère un bouche-à-oreille difficile à mesurer et une équité de marque
Ce que je ferais différemment : J'implémenterais ce cadre dès le premier jour au lieu de faire confiance aux données de la plateforme pendant des mois. Je mettrais également en place des systèmes d'enquête auprès des clients plus tôt - les insights sont inestimables et contredisent souvent tout ce que vous pensez savoir sur votre acquisition de clients.
Cette approche fonctionne mieux pour les entreprises avec des cycles de vente plus longs, plusieurs points de contact et des composants de marque significatifs. Elle est moins critique pour les achats simples et transactionnels avec des conversions à un seul point de contact.
Comment vous pouvez adapter cela à votre entreprise
Mon playbook, condensé pour votre cas.
Pour votre SaaS / Startup
Pour les startups SaaS qui mettent en œuvre cette approche :
Sondage des inscriptions d'essai sur les sources de découverte
Suivi du volume de recherche de marque comme indicateur principal
Mesurer la conversion d'essai à payant par source attribuée
Comparer la valeur à vie des clients à travers les canaux
Pour votre boutique Ecommerce
Pour les magasins de commerce électronique :
Enquêtes post-achat demandant des informations sur le parcours de découverte
Surveiller les taux d'achat répété par canal d'acquisition
Suivre les tendances de recherche de marque pendant les campagnes publicitaires
Tester en A/B les fenêtres d'attribution par rapport au comportement réel des clients