Choisir les éléments selon la décision
Utilisez cette matrice avant de changer de modèle. Un rapport répond à une question délimitée. Il ne remplace pas les contrôles des sources et ne suffit pas à justifier une décision budgétaire.
| Décision | Vue utile et données requises | Ce qui reste incertain |
|---|---|---|
| Comprendre la première découverte observée | Examiner la première source d’acquisition enregistrée et l’historique disponible. Confirmer la portée utilisateur ou événement et la couverture d’identité. Le concept de premier contact aide à formuler la question, sans garantir qu’un modèle first-click soit disponible. | La première visite mesurée peut suivre des influences non observées. Ce n’est pas nécessairement le premier contact avec la marque. |
| Examiner la dernière interaction éligible | Utiliser une vue last-click prise en charge, avec événement d’achat et fenêtre documentés. Vérifier le traitement des visites directes, vues engagées et canaux éligibles dans ce rapport. | Le crédit final explique peu la création de demande en amont. Ne pas considérer la dernière interaction comme la seule activité utile. |
| Comparer les rapports récurrents par canal | Conserver un modèle documenté, par exemple data-driven ou last-click pris en charge, avec des définitions cohérentes d’événement, de revenu, de période et de fenêtre. Utiliser une seconde vue disponible pour examiner les écarts. | Le crédit modélisé ou attribué ne couvre pas toutes les influences. Modifier les réglages peut changer les rapports historiques sans modifier les commandes. |
| Rapprocher revenus et retours | Partir du registre de commandes convenu et du traitement des remboursements. Rapprocher identifiants, dates, devises, taxes, remises et annulations avant les canaux. Employer la même définition commerciale du revenu. | Un autre modèle ne corrige ni commandes manquantes, ni achats comptés deux fois, ni périodes de remboursement mal alignées. |
| Déterminer si une action crée des ventes supplémentaires | Concevoir une étude d’incrémentalité ou une expérience contrôlée adaptée au canal et à l’échelle. Définir attribution aux groupes, comparaison, résultat principal, durée et risques de contamination avant lancement. | L’attribution seule ne répond pas à la question causale. Un test sous-dimensionné ou contaminé peut aussi rester non concluant. |
Vérifier les options réelles de GA4
La documentation actuelle de Google indique que les modèles first-click, linéaire, time-decay et basés sur la position ne sont plus disponibles dans GA4. Le réglage du modèle agit sur les dimensions de trafic au niveau événement ; celles de l’utilisateur et de la session restent inchangées. Ne pas confondre un rapport « First user » avec le choix d’un modèle first-click. Vérifier le compte et la documentation avant toute modification.
Consigner un cadre de reporting
Consigner décideur, source et propriété, événement d’achat, définitions de revenu et remboursement, portée du rapport, modèle, canaux, fenêtre, fuseau, période, lacunes et prochaine revue. Documenter les changements au lieu de réécrire discrètement la comparaison. Cette matrice pédagogique ne revendique ni moteur d’attribution propriétaire de Faccelerate ni preuve causale.
La question d’abord, le modèle ensuite
Un modèle d’attribution répartit la valeur de conversion. Il ne définit pas le chiffre d’affaires de l’entreprise et ne prouve pas qu’un contact a causé un achat. Un rapprochement financier, une analyse d’acquisition et une évaluation des créations publicitaires nécessitent des preuves différentes. Précisez d’abord la décision, son responsable et l’indicateur commercial pertinent.
Une équipe qui étudie la découverte d’une collection peut examiner les premiers contacts. Une équipe qui analyse les dernières étapes avant achat peut regarder les contacts plus récents. Aucun de ces points de vue ne suffit à déterminer quel canal mérite davantage de budget.
Comprenez ce que chaque règle met en avant
Le premier clic attribue la valeur de conversion au premier contact retenu ; le dernier clic, au dernier contact selon les règles du rapport. Le modèle linéaire répartit la valeur à parts égales. La décroissance temporelle donne plus de poids aux contacts récents. Comparez ces principes, mais vérifiez les modèles réellement proposés par votre plateforme.
L'attribution basée sur les données utilise un modèle basé sur les données disponibles sur la plateforme. Il ne s’agit pas d’un enregistrement complet de toutes les influences des clients. Vérifiez le modèle pris en charge, les règles d'éligibilité, l'historique disponible et la portée des rapports dans votre compte actuel. Notre exemple interactif illustre l'allocation arithmétique ; il ne simule pas le modèle basé sur les données d’une plateforme.
Consignez les règles de mesure
Définissez l’événement d’achat, le chiffre d’affaires, la fenêtre rétrospective, les contacts retenus, le fuseau horaire et la période du rapport. Précisez l’effet des retours, des données manquantes liées au consentement et des parcours sur plusieurs appareils. Comparez avec les mêmes définitions lorsque c’est possible et signalez les écarts restants.
Choisissez une vue cohérente pour les comparaisons récurrentes. Gardez une vue secondaire pour étudier les différences plutôt que de changer de modèle jusqu'à ce que les performances semblent favorables. Annotez tout changement de configuration afin que l'équipe puisse séparer une modification de reporting d'une modification commerciale.
Utilisez des expériences pour éclairer le budget
Pour savoir si une action crée une demande supplémentaire, l’attribution ne suffit pas. Envisagez une expérience contrôlée avec un critère principal, une méthode d’affectation aux groupes et une période d’évaluation définis à l’avance. Certains contextes ou canaux ne permettent pas de test fiable à l’échelle souhaitée. Signalez cette limite.
Un résultat utile est un bref compte rendu de décision : le modèle utilisé, ce qu’il peut expliquer, ce qui reste incertain et quelles preuves pourraient modifier la décision. CeeCee peut aider à intégrer ce contexte dans la discussion, tandis que l'équipe responsable examine les preuves et s'approprie la décision budgétaire.
Source : Google Ads : Conversion Lift ↗
Bilan du lancement d'une collection
Une personne découvre une publicité de lancement sur les réseaux sociaux, revient par recherche organique puis achète après un e-mail. Premier clic, dernier clic et modèle linéaire répartissent différemment la valeur de la même commande. L’équipe garde sa base de reporting convenue et examine le parcours mesuré. Pour savoir si le lancement a causé des achats supplémentaires, elle propose une expérience distincte. Trois répartitions ne sont pas trois commandes.
Passer à la pratique
- Nommez la décision et la métrique qu’elle affecte.
- Confirmez les modèles et les interactions pris en charge par votre outil.
- Documentez les fenêtres d’attribution, les définitions du chiffre d’affaires et les limites d’identification des clients.
- Distinguez répartition de la valeur et preuve d’un effet supplémentaire.
Sources de référence
Documentation des plateformes vérifiée le 3 octobre 2026. Les exemples et les listes de contrôle sont des illustrations éditoriales de Faccelerate.