Attribution & performance marketing

Arrêtez de piloter vos campagnes avec des chiffres biaisés.

Mettez en place une attribution cohérente et un pilotage basé sur la marge réelle — pas sur le ROAS affiché par Meta.

Meta annonce 5x ROAS. GA4 affiche 3,2. Votre back-office voit 2,8. Ces trois chiffres décrivent la même réalité. Le problème n'est pas vos campagnes — c'est votre architecture de mesure.

Je construis la réconciliation entre vos sources, identifie ce qui génère vraiment du revenu, et traduit ça en arbitrages budgétaires actionnables.

Piloter par la marge réelle

Le problème

Meta annonce 5x ROAS, GA4 affiche 3,2, le back-office 2,8. Vos chiffres ne concordent pas.

Écarts Meta / GA4 / Back-office inexpliqués
ROAS surévalué ou sous-estimé selon la source
Perte de signal iOS et consentement mal géré
Vision isolée Ads sans connexion CRM / produit
Arbitrages budgétaires basés sur des estimations

Sans attribution fiable, vous optimisez sur un mirage.

Ce que je fais

Je mets en place une architecture d'attribution cohérente, exploitable et orientée marge.

Réconciliation Meta / GA4 / Back-office
Déduplication client ↔ server
Gestion perte signal iOS / consent mode
Connexion CRM / Ads / Produit
Pilotage par la marge réelle (et non le CA brut)

Méthode structurée · Données documentées · Hypothèses testées

Les outils que je maîtrise pour l'attribution :
GA4 avancé · BigQuery · Looker Studio · Meta CAPI · Google Ads Enhanced Conversions · HubSpot · Segment · Amplitude · Attribution data-driven · Modélisation de conversion iOS

Résultat

Chiffres alignés entre les canaux
ROAS et coûts réellement comparables
Vision first / last touch claire
Arbitrages budgétaires rationnels
Optimisation continue basée sur la réalité

Vous investissez là où la rentabilité est démontrée.

Pour qui

E-commerces avec budget média significatif
SaaS en phase de scaling
Marques multi-canaux (Meta / Google / TikTok)
Équipes qui veulent arrêter les débats de chiffres

Une attribution n'est pas un paramétrage de plateforme. C'est une architecture de mesure pensée pour décider.

Les modèles d'attribution : lequel choisir ?

Le modèle d'attribution détermine comment vous distribuez le crédit d'une conversion entre tous les points de contact du parcours client. Ce choix a un impact direct sur vos décisions de budget.

Last-click (défaut Google Ads) : attribue 100% du crédit au dernier clic avant conversion. Simple, mais favorise systématiquement le bas de funnel (Search, retargeting) au détriment des canaux de découverte (Social, Display).

First-click : attribue 100% au premier contact. Valorise la notoriété mais ignore ce qui a finalisé la décision.

Data-driven (Google) : distribue le crédit selon les patterns de conversion réels observés dans vos données. Plus précis mais nécessite un volume suffisant d'événements.

Attribution personnalisée via BigQuery : croise vos données CRM, GA4 et plateformes Ads pour construire un modèle adapté à votre cycle de vente réel — particulièrement pertinent pour les SaaS avec des cycles longs ou les e-commerces avec forte valeur panier.

La bonne question n'est pas « quel modèle est le meilleur ? » mais « quel modèle correspond à votre réalité business ? »

Pilotage par la marge vs pilotage au CA

Le ROAS affiché par Meta ou Google mesure le chiffre d'affaires généré par euro dépensé en publicité. Problème : deux commandes avec le même CA peuvent avoir des marges radicalement différentes selon les produits, les frais de livraison ou les retours.

Piloter au ROAS brut revient à optimiser sur une donnée incomplète.

Le pilotage par la marge réelle intègre :

Le coût des produits (COGS)
Les retours et remboursements
Les frais logistiques
La LTV client sur 6 ou 12 mois pour les modèles récurrents

Résultat : vous savez quels canaux, quelles audiences et quels produits génèrent de la rentabilité réelle — pas juste du volume.

C'est ce que je mets en place via BigQuery et Looker Studio, en croisant vos données Ads, GA4 et back-office.

Attribution cross-device et signal iOS

Depuis iOS 14.5 et les restrictions ATT d'Apple, 60 à 70% des utilisateurs iPhone refusent le tracking inter-applications. iOS 17 a renforcé ces restrictions avec le Privacy Manifest. Résultat : votre attribution mobile est incomplète par défaut.

Les solutions pour récupérer ce signal perdu :

Meta CAPI (Conversion API) : envoie les événements côté serveur pour contourner les blocages navigateur
Modélisation de conversion : Google et Meta estiment statistiquement les conversions non observées
MMP (Adjust, AppsFlyer) pour les apps : attribution mobile dédiée avec gestion native de SKAN 4.0
Attribution probabiliste : croise device ID, comportements et signaux first-party pour reconstruire les parcours cross-device

Je documente systématiquement les écarts résiduels et vous donne une lecture réaliste de ce qui est mesurable et ce qui est modélisé.

Ressources pour aller plus loin

Tous mes guides sur l'attribution, BigQuery, Looker Studio et le pilotage de la performance :

Attribution & modèles

BigQuery & données CRM

Looker Studio & reporting

Looker Studio : maîtriser la data visualisation

Analyse & segmentation

Analyse des cohortes : comprendre et utiliser

Questions fréquentes

Le last-click attribue 100% du crédit de conversion au dernier point de contact avant l'achat. C'est le modèle par défaut de Google Ads — il favorise mécaniquement les canaux bas de funnel (Search branded, retargeting) et sous-valorise les canaux de découverte (Social, Display, SEO). Le modèle data-driven distribue le crédit selon les patterns réels observés dans vos données de conversion. Il nécessite un volume minimum d'événements mais donne une image plus fidèle de la contribution réelle de chaque canal.

L'approche standard : exporter les données de coûts Meta et Google Ads dans BigQuery, les joindre aux transactions GA4 enrichies avec les données CRM (marge, retours, LTV). Le résultat est un dashboard Looker Studio qui affiche le ROAS réel par canal, campagne et produit — pas le ROAS brut déclaré par les plateformes. C'est exactement ce que je construis lors des missions d'attribution.

La mise en place technique (réconciliation des sources, BigQuery, dashboard) prend 10 à 20 jours selon la complexité de votre stack. Les premières décisions basées sur des données fiables sont possibles dès la fin de la mission. L'impact sur vos campagnes se mesure généralement sur un cycle de 4 à 8 semaines après implémentation.