Maintenant que la théorie a été énoncée avec les deux articles précédents. Nous pouvons passer à l’étude d’un cas concret.
Considérons qu’après l’étude d’une campagne marketing sur un nombre conséquent de clients, trois parcours sont identifiés :
Début -> Réseau social -> Non-conversion
Début -> Réseau social -> Recherche internet -> Mail personnalisé -> Mail « last chance » -> Conversion
Début -> Recherche internet -> Mail personnalisé -> Mail « last chance » -> Conversion
Nous pouvons donc construire le graphe suivant :
Modèles génériques
Si nous choisissons le modèle d’attribution « last touch », la responsabilité de conversion est attribuée au mail « last chance » et c’est tout. Dans un but d’augmentation de conversion, il sera donc intéressant de favoriser au maximum ce mail.
Dans le cas du modèle linaire, nous observons qu’il y a deux parcours différents qui mènent à la conversion. Dans le cas du parcours qui commence par la recherche internet, chaque canal est responsable de la conversion à 33 % alors que pour le parcours qui commence par le réseau social, chaque canal est responsable de la conversion à 25 %.
Modèle basé sur les chaînes de Markov
Dans le cas du modèle basé sur les chaînes de Markov, pour obtenir les probabilités de conversion, nous devons dans un premier temps nous intéresser aux fréquences de transition entre les états successifs. Voici les résultats :
Pour connaître la réelle probabilité de conversion d’un canal, il faut le supprimer et observer l’impact de cette suppression. Si l’on prend notre graphe complet, la probabilité de conversion est de 33 % et correspond aux deux chemins suivants :
Début -> Réseau social -> Recherche internet -> Mail personnalisé -> Mail « last chance » -> Conversion
Début -> Recherche internet -> Mail personnalisé -> Mail « last chance » -> Conversion
Si nous supprimons le canal « Réseau social », il n’y a plus que le deuxième chemin qui va mener à la conversion, et la probabilité correspondante est de 16 %. Ainsi, la suppression de « Réseau social » à engendré la perte de 50 % de probabilité de conversion. Nous pouvons effectuer la même démarche pour les autres canaux et nous rendre compte que le mail et le mail personnalité engendrent 0 % de perte de probabilité totale et que les deux derniers canaux engendrent eux 100 % de pertes.
Ainsi, sur l’ensemble des conversions générées, 20 % (=50 % / (50 % + 0 % + 0 % + 100 % + 100 %)) sont dues au réseau social, 40 % à la recherche internet et 40 % au mail « last chance ». Dans ce modèle, le mail classique et le mail personnalisé ne servent aucunement à la conversion, il est donc inutile de dépenser de l’argent à continuer de les envoyer en masse.
Naïa Lollichon
Data Analyst
