Le multitouch, ou attribution multitouch, désigne la famille de modèles d’attribution qui répartit le mérite d’une conversion entre plusieurs points de contact du parcours client, au lieu de l’accorder à une seule interaction.
Il relève de la web analyse et du pilotage de l’acquisition. L’outil de mesure reconstitue la suite des interactions qui précèdent une conversion dans une fenêtre de temps donnée : clic sur une annonce, ouverture d’un courriel, visite issue d’un moteur de recherche ou d’un réseau social. Il applique ensuite une règle de répartition. Les règles fixes donnent des parts égales à chaque contact (modèle linéaire), davantage aux contacts récents (modèle dégressif dans le temps) ou davantage au premier et au dernier contact (modèle basé sur la position). Les modèles statistiques, dits pilotés par les données, estiment la contribution de chaque contact à partir des parcours observés, par exemple avec un modèle de Markov.
Un dispositif multitouch suppose cinq composantes : une collecte des points de contact par le marquage et les paramètres de campagne, une reconnaissance du même utilisateur d’une visite à l’autre, une fenêtre d’attribution, une règle de répartition et une valeur attribuée à chaque conversion.
Le multitouch s’oppose aux modèles à contact unique, comme l’attribution au dernier clic. Il se distingue du marketing mix modeling, qui estime l’effet des leviers à partir de séries agrégées, sans suivre les parcours individuels. Il sert à répartir les budgets entre canaux. Le terme désigne aussi, hors marketing, les écrans tactiles qui reconnaissent plusieurs points de contact simultanés.
Le dernier clic surévalue les canaux qui concluent, comme la recherche sur le nom de la marque, et ignore ceux qui font découvrir l’offre. Le multitouch corrige ce biais en rendant visibles les contacts antérieurs. Il ne mesure pas pour autant la causalité. Il répartit des conversions qui auraient peut-être eu lieu sans la campagne. Il ne voit que les contacts traçables : une affiche, une recommandation orale ou une visite refusant les traceurs n’apparaissent pas. À notre avis, un modèle multitouch reste une convention de partage, pas une mesure de l’effet.
Le choix du modèle n’appartient pas toujours à l’annonceur. Selon l’aide de Google Ads (2023), les modèles premier clic, linéaire, dégressif dans le temps et basé sur la position n’y sont plus sélectionnables depuis juin 2023. Les actions qui les utilisaient sont passées au modèle piloté par les données en septembre 2023. L’aide de Google Analytics indique que ces quatre modèles n’y sont plus disponibles depuis novembre 2023. Les règles fixes du multitouch ont donc disparu de ces deux outils au profit du modèle piloté par les données. L’attribution management, c’est-à-dire la gouvernance de l’attribution, doit consigner ces ruptures pour ne pas les lire comme des variations de performance.
Suivez le nombre moyen de contacts avant conversion et le délai moyen entre premier contact et conversion. S’ils sont faibles, le multitouch apporte peu par rapport au dernier clic. Suivez aussi la part des conversions dont le parcours est incomplet, par exemple faute de consentement : elle borne la fiabilité de tout modèle.
Advalians vérifie d’abord vos données, établit la rentabilité de chaque canal et vous indique quelles actions arrêter, lesquelles renforcer et où déplacer votre budget.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
L’attribution au dernier clic donne toute la conversion au dernier contact avant l’achat. Le multitouch la partage entre plusieurs contacts du parcours, selon une règle fixe ou un modèle statistique.
L’écart compte surtout pour les canaux de découverte : affichage, réseaux sociaux, contenus. Le dernier clic tend à les sous-estimer, car ils interviennent tôt dans le parcours. Pour décider, comparez les deux lectures sur une même période. Si la répartition par canal change peu, le dernier clic suffit à votre pilotage. Si elle change beaucoup, le choix du modèle devient une décision budgétaire.
Il faut d’abord des contacts identifiés : chaque lien de campagne doit porter des paramètres de suivi cohérents. Il faut ensuite pouvoir relier les visites d’une même personne, par un traceur ou par une connexion à un compte. Il faut enfin des conversions définies, valorisées et dédupliquées.
Vérifiez avant de commencer trois chiffres : la part du trafic sans source identifiée, la part des visiteurs qui refusent les traceurs et la part des ventes conclues hors ligne. Si ces parts sont élevées, le modèle répartira surtout ce qu’il voit, et vous devrez compléter par une autre méthode.
Confrontez-le à une expérience. Suspendez ou réduisez un canal sur une zone, une période ou un groupe d’utilisateurs, et comparez les ventes avec un groupe témoin. Si les ventes baissent beaucoup moins que la part que le modèle attribuait au canal, le modèle le surévalue.
Entre deux tests, surveillez la stabilité du modèle : une répartition qui varie fortement d’un mois à l’autre sans changement de campagne signale des données insuffisantes. Documentez chaque test et sa date dans le référentiel d’attribution.
Le biais principal est l’invisibilité. Le modèle ne répartit que les contacts traçables. Les impressions publicitaires sans clic, les médias hors ligne, le bouche-à-oreille et les visites sans consentement disparaissent, et leur part est redistribuée aux canaux visibles.
Deuxième biais : la confusion entre corrélation et effet. Un canal présent dans beaucoup de parcours n’est pas forcément celui qui provoque l’achat. Les clients déjà décidés passent souvent par la recherche sur le nom de la marque. Corrigez par des tests avec groupe témoin et par une lecture séparée des requêtes de marque.
Préférez le marketing mix modeling quand une part importante de vos investissements échappe au suivi individuel : télévision, radio, affichage, points de vente. Préférez-le aussi quand le refus des traceurs ampute fortement vos parcours.
Gardez le multitouch pour le pilotage quotidien des leviers numériques, où il réagit vite. Le marketing mix modeling exige un long historique de données agrégées et se recalcule moins souvent. Les deux méthodes se complètent : la première arbitre entre campagnes, la seconde fixe la répartition du budget global.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
