Mesure & attribution
Audit du modèle d'attribution
Audite les dispositifs d'attribution multi-plateformes, identifie les failles, compare les modèles et recommande des améliorations. Se déclenche quand l'utilisateur demande « mon attribution est-elle correcte ? », « pourquoi mes chiffres ne correspondent pas entre plateformes ? », ou souhaite comprendre les écarts de mesure. Fournit des recommandations concrètes pour une meilleure mesure.
- La capacité
- L’agent compare vos conversions sous plusieurs modèles d’attribution et montre quels canaux sont surpayés, lesquels sont sous-estimés par votre réglage actuel.
- L’outil
- Un assistant IA qui lit les skills, alimenté par vos exports d’analytics et de régie sur la même période.
- Pour qui
- Qui coupe ou augmente un budget en se fiant au dernier clic, sans savoir ce que ce choix lui cache.
---name: audit-du-modele-d-attributiondescription: "Audite les dispositifs d'attribution multi-plateformes, identifie les failles, compare les modèles et recommande des améliorations. Se déclenche quand l'utilisateur demande « mon attribution est-elle correcte ? », « pourquoi mes chiffres ne correspondent pas entre plateformes ? », ou souhaite comprendre les écarts de mesure. Fournit des recommandations concrètes pour une meilleure mesure."---# Audit du modèle d'attributionCe qui ne se mesure pas ne s'améliore pas. Mais le mesurez-vous correctement ?## Philosophie de base**Toute attribution est fausse. Certaines sont utiles.** L'objectif n'est pas la mesure parfaite : c'est une prise de décision cohérente et directionnelle.**Le paradoxe de l'attribution :** plus votre marketing est sophistiqué, plus l'attribution est difficile. Les parcours multi-touch cassent les modèles simples.**Les trois vérités de l'attribution :**1. **Les données plateforme sont biaisées :** chaque plateforme revendique le crédit de tout ce qu'elle peut s'attribuer2. **Le dernier clic est paresseux :** mais il est cohérent et actionnable3. **L'attribution parfaite n'existe pas :** choisissez un modèle et optimisez avec constance---## Contexte requis### Indispensable**1. Dispositif d'attribution actuel**- Plateformes publicitaires utilisées (Google, Meta, TikTok, etc.)- Fenêtres d'attribution par plateforme- Méthode de suivi des conversions (pixel, CAPI, hors ligne)**2. Données de conversion**- Conversions déclarées par plateforme- Conversions réelles (issues du CRM/back-office)- Écart si connu**3. Modèle économique**- Type de conversion (achat, lead, inscription)- Durée du cycle de vente- Conversion en ligne vs. hors ligne### Fortement recommandé**4. Dispositif technique**- Pixels/tags installés- Statut du suivi côté serveur (CAPI)- Usage des paramètres UTM- Configuration GA4**5. Comparaison inter-plateformes**- Conversions sur une même période, par plateforme- Total des conversions réelles- Somme vs. réel (indicateur de chevauchement)### Un plus- Historique des changements de suivi- Observations sur l'impact iOS 14+- Données de parcours multi-touch- Statut d'intégration CRM---## Cadre d'audit de l'attribution### Niveau 1 : audit du dispositif technique**Évaluation de la méthode de suivi :**| Méthode | Fiabilité | Résilience iOS | Complexité de mise en place ||--------|-------------|----------------|------------------|| Pixel plateforme (navigateur) | Moyenne | Faible | Facile || Pixel plateforme + CAPI | Élevée | Élevée | Moyenne || CAPI seul | Élevée | Élevée | Complexe || GA4 + plateforme | Moyenne à élevée | Moyenne | Moyenne || Import hors ligne | Élevée | Élevée | Complexe |**Liste de contrôle du suivi essentiel :**| Élément | Statut | Impact si absent ||---------|--------|-------------------|| Pixel Meta | Requis | Aucun suivi des conversions Meta || Meta CAPI | Fortement recommandé | 20 à 30 % de perte de données sur iOS || Tag Google Ads | Requis | Aucun suivi des conversions Google || Google Enhanced Conversions | Fortement recommandé | Meilleur appariement, notamment par email || GA4 | Fortement recommandé | Pas de vue inter-plateformes || Paramètres UTM | Requis | Attribution impossible dans GA4 || Import hors ligne | Pour les leads | Données CRM non connectées |---### Niveau 2 : analyse des fenêtres d'attribution**Fenêtres par défaut des plateformes :**| Plateforme | Clic par défaut | Vue par défaut | Ajustable ? ||----------|---------------|--------------|-------------|| Google Ads | 30 jours | 1 jour (display) | Oui || Meta Ads | 7 jours | 1 jour | Oui || TikTok | 28 jours | 7 jours | Oui || LinkedIn | 30 jours | 7 jours | Oui || Microsoft | 30 jours | 1 jour | Oui |**Problèmes liés à la disparité des fenêtres :**| Scénario | Problème | Solution ||----------|---------|----------|| Fenêtres différentes selon les plateformes | Comparaison faussée | Standardiser autant que possible || Fenêtre plus longue que le cycle de vente | Sur-attribution | Raccourcir la fenêtre || Fenêtre plus courte que le cycle de vente | Sous-attribution | Allonger la fenêtre ou utiliser un import hors ligne || Comptage des vues (view-through) | Meta/TikTok gonflés | Envisager un modèle « clic à 7 jours » uniquement |---### Niveau 3 : analyse comparative des plateformes**Analyse somme vs. réel :**```Plateforme A déclarée : 100 conversionsPlateforme B déclarée : 80 conversionsPlateforme C déclarée : 50 conversions---------------------------------Somme des plateformes : 230 conversionsRéel (CRM) : 150 conversions---------------------------------Sur-comptage : 53 % ((230-150)/150)```**Interprétation du sur-comptage :**| % de sur-comptage | Interprétation | Action ||----------------|----------------|--------|| <10 % | Normal | Chevauchement mineur || 10 à 30 % | Modéré | Revoir les fenêtres d'attribution || 30 à 50 % | Élevé | Double comptage significatif || >50 % | Sévère | Attribution fondamentalement cassée |---### Niveau 4 : comparaison des modèles**Modèles d'attribution expliqués :**| Modèle | Répartition du crédit | Idéal pour | Limite ||-------|-------------------|----------|------------|| Dernier clic | 100 % à la dernière annonce cliquée | Réponse directe | Ignore la notoriété || Premier clic | 100 % à la première annonce cliquée | Campagnes de marque | Ignore la conversion || Linéaire | Répartition égale entre points de contact | Vue équilibrée | Peut survaloriser les points à faible impact || Décroissance temporelle | Plus de poids aux touches récentes | Cycles de vente longs | Complexe à actionner || Basé sur la position | 40 % premier, 40 % dernier, 20 % milieu | Équilibré | Pondération arbitraire || Data-driven | Pondéré par machine learning | Comptes matures | Nécessite du volume |**Cadre de sélection du modèle :**| Type d'activité | Cycle de vente | Modèle recommandé ||---------------|-------------|-------------------|| E-commerce DTC | Court (<7 jours) | Dernier clic ou fenêtre 7 jours || SaaS B2C | Moyen (7 à 30 jours) | Clic 30 jours, basé sur la position || Génération de leads B2B | Long (30 à 90+ jours) | Premier clic + import hors ligne || Campagnes de marque | N/A | Multi-touch ou MMM |---### Niveau 5 : évaluation de la perte de données**Liste de contrôle de l'impact iOS 14+ :**| Facteur | Avant iOS 14 | Après iOS 14 | Atténuation ||--------|------------|-------------|------------|| Suivi Meta | ~95 % | 70 à 80 % | CAPI requis || Suivi TikTok | ~90 % | 65 à 75 % | CAPI requis || Suivi Google | ~90 % | 85 à 90 % | Enhanced Conversions || Cross-device | Bon | Dégradé | Appariement des données client |**Vérification de la mise en place du CAPI :**| Plateforme | CAPI disponible ? | Qualité d'appariement des événements | Statut ||----------|-----------------|---------------------|--------|| Meta | Oui | [X] % | [Bon/Mauvais] || TikTok | Oui | [X] % | [Bon/Mauvais] || Google | Enhanced Conv. | [Taux d'appariement] | [Bon/Mauvais] || LinkedIn | Limité | N/A | [Statut] |---### Niveau 6 : recommandation de cadre de mesure**Niveaux de cadre :**| Niveau | Composants | Idéal pour | Complexité ||-------|------------|----------|------------|| Basique | Pixels plateforme + UTM + GA4 | Petit budget (<10 000 €/mois) | Faible || Intermédiaire | + CAPI + intégration CRM | Budget moyen (10 000 à 100 000 €/mois) | Moyenne || Avancé | + import hors ligne + data warehouse | Gros budget (100 000 €+/mois) | Élevée || Sophistiqué | + MMM + tests d'incrémentalité | Grands comptes | Très élevée |---## Format de sortie### Rapport d'audit d'attribution```═══════════════════════════════════════════════════════════════AUDIT DU MODÈLE D'ATTRIBUTIONPlateformes auditées : [Plateformes]Période d'analyse : [Plage de dates]Santé globale de l'attribution : [BONNE/À TRAVAILLER/CRITIQUE]═══════════════════════════════════════════════════════════════```---### Synthèse**Évaluation du dispositif actuel :**| Domaine | Statut | Priorité ||------|--------|----------|| Suivi technique | [Bon/Moyen/Mauvais] | [Haute/Moyenne/Basse] || Fenêtres d'attribution | [Alignées/Désalignées] | [Haute/Moyenne/Basse] || Cohérence inter-plateformes | [Bonne/Moyenne/Mauvaise] | [Haute/Moyenne/Basse] || Atténuation de la perte de données | [Bonne/Moyenne/Mauvaise] | [Haute/Moyenne/Basse] |**Principaux problèmes :**1. [Problème] : [Impact]2. [Problème] : [Impact]3. [Problème] : [Impact]**Actions recommandées :**1. [Action] : [Amélioration attendue]2. [Action] : [Amélioration attendue]3. [Action] : [Amélioration attendue]---### Audit du dispositif technique**Couverture du suivi :**| Plateforme | Pixel | CAPI/Enhanced | Import hors ligne | Statut ||----------|-------|---------------|----------------|--------|| Google Ads | [O/N] | [O/N] | [O/N] | [Statut] || Meta | [O/N] | [O/N] | [O/N] | [Statut] || TikTok | [O/N] | [O/N] | [O/N] | [Statut] || LinkedIn | [O/N] | [Limité] | [O/N] | [Statut] |**Intégration GA4 :**- Connecté : [O/N]- Suivi UTM : [Cohérent/Incohérent]- Vue inter-plateformes : [Disponible/Non disponible]**Problèmes identifiés :**| Problème | Impact | Priorité | Correctif ||-------|--------|----------|-----|| [Problème] | [Impact] | [Priorité] | [Correctif] |---### Analyse des fenêtres d'attribution**Fenêtres actuelles :**| Plateforme | Fenêtre clic | Fenêtre vue | Évaluation ||----------|--------------|-------------|------------|| Google | [X] jours | [X] jours | [Évaluation] || Meta | [X] jours | [X] jours | [Évaluation] || TikTok | [X] jours | [X] jours | [Évaluation] || LinkedIn | [X] jours | [X] jours | [Évaluation] |**Alignement avec le cycle de vente :**- Votre cycle de vente : [X] jours- Fenêtre la plus longue : [X] jours- Fenêtre la plus courte : [X] jours- Évaluation : [Aligné/Désaligné]**Recommandations de fenêtres :**| Plateforme | Actuelle | Recommandée | Justification ||----------|---------|-------------|-----------|| [Plateforme] | [Actuelle] | [Recommandée] | [Pourquoi] |---### Analyse inter-plateformes**Comparaison des conversions :**| Plateforme | Conversions déclarées | % du total déclaré ||----------|---------------------|---------------------|| Google | [X] | [X] % || Meta | [X] | [X] % || TikTok | [X] | [X] % || LinkedIn | [X] | [X] % || **Total déclaré** | [X] | - || **Réel (CRM)** | [X] | - || **Sur-comptage** | [X] | [X] % |**Analyse :**[Interprétation du sur-comptage et de sa signification]**Sources de chevauchement :**1. [Source de chevauchement]2. [Source de chevauchement]---### Évaluation de la perte de données**Perte de données estimée :**| Plateforme | Précision pré-iOS14 | Précision actuelle | Écart ||----------|-------------------|------------------|-----|| Meta | ~95 % | [X] % | [X] % || TikTok | ~90 % | [X] % | [X] % || Google | ~90 % | [X] % | [X] % |**Statut CAPI/Enhanced Conversions :**| Plateforme | Mise en place | Qualité d'appariement des événements | Évaluation ||----------|----------------|---------------------|------------|| Meta | [Statut] | [X] % | [Bon/Mauvais] || Google | [Statut] | [Taux d'appariement] | [Bon/Mauvais] || TikTok | [Statut] | [X] % | [Bon/Mauvais] |**Recommandations de récupération de données :**1. [Recommandation]2. [Recommandation]---### Recommandation de modèle**Modèle actuel :** [Modèle]**Modèle recommandé :** [Modèle]**Justification :**- Votre type d'activité : [Type]- Votre cycle de vente : [Durée]- Votre objectif principal : [Objectif]- [Pourquoi le modèle recommandé convient]**Notes de mise en œuvre :**- [Note 1]- [Note 2]---### Résolution des écarts**Pourquoi les chiffres ne correspondent pas :**| Écart | Cause | Résolution ||-------------|-------|------------|| Plateforme A > CRM | [Cause] | [Résolution] || Plateforme B < Plateforme A | [Cause] | [Résolution] || Somme > Réel | [Cause] | [Résolution] |**Établir la source de vérité :**Hiérarchie recommandée :1. [Source principale] : pourquoi2. [Source secondaire] : pourquoi3. [Données plateforme] : à utiliser uniquement pour l'optimisation---### Plan d'action**Immédiat (cette semaine) :**1. [ ] [Correctif technique]2. [ ] [Changement de configuration]**Court terme (2 à 4 semaines) :**1. [ ] [Mise en œuvre]2. [ ] [Intégration]**Moyen terme (1 à 3 mois) :**1. [ ] [Dispositif avancé]2. [ ] [Test/validation]---### Cadre de suivi**Vérifications hebdomadaires :**- [ ] Écart de conversions plateforme vs. CRM- [ ] Qualité d'appariement des événements (Meta CAPI)- [ ] Vue inter-plateformes GA4**Vérifications mensuelles :**- [ ] Revue de la performance des fenêtres d'attribution- [ ] Tendance du sur-comptage- [ ] Évaluation de la perte de données**Signaux d'alerte :**- Le sur-comptage augmente de plus de 10 % d'un mois sur l'autre- La qualité d'appariement des événements passe sous les 70 %- Les données plateforme divergent de plus de 50 % par rapport au CRM---## Problèmes d'attribution courants### Problème 1 : les plateformes cumulent 2x le réel**Cause :** attribution view-through, fenêtres longues, parcours multi-plateformes**Solution :**- Standardiser sur une attribution « clic uniquement » pour la comparaison- Raccourcir les fenêtres pour coller au cycle de vente- Accepter le chevauchement et utiliser les données plateforme uniquement pour l'optimisation de la plateforme concernée### Problème 2 : Meta affiche 50 % de conversions en moins qu'avant**Cause :** changements de confidentialité iOS 14, absence de CAPI**Solution :**- Mettre en place le CAPI via une passerelle Conversions API ou une intégration directe- Utiliser correctement l'Aggregated Event Measurement- Envisager des études de Conversion Lift pour valider les chiffres### Problème 3 : impossible de comparer équitablement les plateformes**Cause :** fenêtres différentes, modèles différents, suivi différent**Solution :**- Standardiser les fenêtres (par exemple : « clic 7 jours » partout)- Utiliser GA4 comme source neutre- Se concentrer sur l'incrémentalité plutôt que sur l'attribution### Problème 4 : le CRM montre des leads, les plateformes montrent des achats**Cause :** événements de conversion différents suivis**Solution :**- Auditer les événements de conversion sur toutes les plateformes- S'assurer que le même événement est suivi partout- Mettre en place un import hors ligne pour le suivi lead-vers-client---## Limites**Ce que je peux fournir :**- Audit du dispositif d'attribution- Recommandations de fenêtres- Identification des failles techniques- Recommandations de cadre**Ce que je ne peux pas fournir :**- Code d'implémentation des pixels- Instructions de mise en place du CAPI- Modélisation MMM- Conception de tests d'incrémentalité**Pour de meilleurs audits, fournissez :**- Les volumes de conversion réels issus du CRM- Les conversions déclarées par les plateformes sur la même période- Le détail du dispositif technique actuel- Les informations sur le cycle de vente---## Liste de contrôle qualitéAvant de livrer l'audit :- [ ] Toutes les plateformes évaluées- [ ] Fenêtres comparées entre plateformes- [ ] Sur-comptage calculé- [ ] Perte de données estimée- [ ] Failles techniques identifiées- [ ] Recommandation de modèle adaptée à l'activité- [ ] Plan d'action priorisé- [ ] Source de vérité établie---*Compétence adaptée en français depuis le dépôt open source [anthropics/skills](https://github.com/anthropics/skills) (licence Apache 2.0).*
SKILL.mdMarkdownUTF-8FR474 lignes
# Comment utiliser cette compétenceJ'ai besoin d'utiliser la compétence « audit-modele-attribution ». Peux-tu m'aider à comprendre pourquoi mes chiffres de conversion ne correspondent pas d'une plateforme à l'autre ?## Exemples d'utilisation**Exemple 1 : audit d'attribution complet**J'ai besoin d'utiliser la compétence « audit-modele-attribution ». Voici mon dispositif de suivi sur Google, Meta et TikTok, ainsi que mes données CRM. Audite mon attribution et dis-moi ce qui ne va pas.**Exemple 2 : écart entre plateformes**J'ai besoin d'utiliser la compétence « audit-modele-attribution ». Google affiche 200 conversions, Meta 180, mais mon CRM n'en compte que 250 au total. Pourquoi cet écart ?**Exemple 3 : revue des fenêtres d'attribution**J'ai besoin d'utiliser la compétence « audit-modele-attribution ». Je ne suis pas sûr que mes fenêtres d'attribution soient bien réglées. Voici ma configuration, dois-je la changer ?**Exemple 4 : évaluation de l'impact iOS 14**J'ai besoin d'utiliser la compétence « audit-modele-attribution ». Je pense perdre des conversions sur Meta depuis iOS 14. Comment le vérifier et que dois-je faire ?**Exemple 5 : choix du modèle**J'ai besoin d'utiliser la compétence « audit-modele-attribution ». J'utilise l'attribution au dernier clic mais je ne suis pas sûr que ce soit adapté à mon activité. Voici ma configuration, quel modèle me conseilles-tu ?## Ce qu'il faut fournir**Indispensable :**- Les plateformes publicitaires utilisées- Les fenêtres d'attribution actuellement configurées- La méthode de suivi des conversions (pixel, CAPI, etc.)- Les conversions déclarées par plateforme- Les conversions réelles issues du CRM/back-office**Fortement recommandé :**- Le détail du dispositif technique (statut CAPI, Enhanced Conversions, etc.)- La durée du cycle de vente- Le modèle économique (e-commerce, génération de leads, SaaS)- Le statut de la configuration GA4**Optionnel :**- L'historique des changements de suivi- Les observations sur l'impact iOS- Les données de parcours multi-touch- Les écarts déjà connus## Ce que vous obtiendrez1. **Audit du dispositif technique** : votre suivi est-il correctement mis en place ?2. **Analyse des fenêtres** : vos fenêtres d'attribution sont-elles adaptées ?3. **Comparaison inter-plateformes** : dans quelle mesure les plateformes se comptent-elles en double ?4. **Évaluation de la perte de données** : quel signal perdez-vous (iOS, etc.) ?5. **Recommandation de modèle** : quel modèle d'attribution convient à votre activité ?6. **Explication des écarts** : pourquoi les chiffres ne correspondent pas et que faire7. **Plan d'action** : correctifs priorisés## Conseils pratiques- Exportez les données de la même période sur toutes les plateformes pour une comparaison équitable- Votre CRM est la source de vérité, pas les données plateforme- Les plateformes sur-déclarent car elles veulent s'attribuer le crédit, c'est normal- Le suivi côté serveur (CAPI) est indispensable depuis iOS 14- Standardisez les fenêtres entre plateformes pour pouvoir comparer- L'attribution parfaite n'existe pas, visez la cohérence plutôt que la perfection
UTILISATION.mdMarkdownUTF-8FR60 lignes
{"business_context": {"company": "E-commerce DTC - Cosmétiques","conversion_type": "Achats","average_order_value": 85,"typical_time_to_purchase": "2-7 jours","repeat_purchase_rate": "35%","monthly_ad_spend": 75000},"platforms": {"google_ads": {"monthly_spend": 30000,"reported_conversions": 580,"reported_revenue": 52000,"attribution_window": {"click": "30 jours","view": "1 jour"},"attribution_model": "Data-driven","tracking_setup": {"conversion_tag": true,"enhanced_conversions": true,"ga4_linked": true}},"meta_ads": {"monthly_spend": 35000,"reported_conversions": 720,"reported_revenue": 64000,"attribution_window": {"click": "7 jours","view": "1 jour"},"tracking_setup": {"pixel": true,"capi": true,"event_match_quality": 72,"aggregated_events": "8 événements configurés"}},"tiktok_ads": {"monthly_spend": 10000,"reported_conversions": 180,"reported_revenue": 15500,"attribution_window": {"click": "28 jours","view": "7 jours"},"tracking_setup": {"pixel": true,"capi": false,"notes": "Seul le pixel navigateur est implémenté"}}},"actual_data_from_shopify": {"total_orders": 950,"total_revenue": 82000,"orders_from_paid": "estimé entre 750 et 800","notes": "Basé sur le suivi UTM, mais de nombreuses commandes n'ont pas d'UTM"},"ga4_data": {"total_conversions": 920,"by_source": {"google_cpc": 410,"facebook_paid": 380,"tiktok_paid": 85,"direct": 180,"organic_search": 120,"email": 95,"other": 50},"notes": "Les chiffres ne totalisent pas 920 en raison d'une attribution multiple sur certains cas"},"discrepancy_concerns": ["Les plateformes totalisent 1 480 conversions mais Shopify affiche 950 commandes au total","Meta déclare 720 conversions mais GA4 n'en montre que 380 pour Meta","TikTok semble sur-attribué (180 contre 85 dans GA4)","Incertitude sur une éventuelle perte de données sur les appareils iOS"],"current_challenges": ["Impossible de savoir quelle plateforme génère réellement des ventes","Difficile de décider de l'allocation budgétaire quand les chiffres ne concordent pas","Le CAPI TikTok n'est pas encore implémenté","Incertitude sur la pertinence des fenêtres d'attribution pour notre activité"],"technical_notes": {"utm_consistency": "Globalement cohérent mais certaines campagnes n'ont pas d'UTM","cross_device": "Inconnu, non suivi","shopify_integration": "Meta et Google disposent d'intégrations via l'app Shopify"}}
sample_input.jsonJSONUTF-8FR92 lignes
{"summary": {"overall_health": "À RETRAVAILLER","platforms_audited": 3,"overcounting_rate": "56%","primary_issues": ["Les plateformes déclarent 1 480 conversions contre 950 réelles (56% de sur-comptage)","TikTok sans CAPI : perte de données estimée à 30-40% sur iOS","Fenêtres d'attribution incohérentes : Google 30j, Meta 7j, TikTok 28j","L'attribution view-through gonfle les chiffres de Meta et TikTok"],"estimated_data_loss": {"tiktok": "30-40% (pas de CAPI)","meta": "~10% (CAPI à 72% d'EMQ)","google": "~5% (Enhanced Conversions actif)"}},"technical_setup_audit": {"by_platform": {"google_ads": {"pixel_tag": {"status": "Installé", "assessment": "Bon"},"enhanced_conversions": {"status": "Activé", "assessment": "Bon"},"ga4_linked": {"status": "Oui", "assessment": "Bon"},"offline_import": {"status": "Non", "assessment": "Pas nécessaire pour l'e-commerce"},"overall": "BON : bien configuré"},"meta_ads": {"pixel": {"status": "Installé", "assessment": "Bon"},"capi": {"status": "Activé", "assessment": "Bon"},"event_match_quality": {"value": 72, "benchmark": 80, "assessment": "En dessous de l'optimal"},"aggregated_events": {"status": "8 configurés", "assessment": "Bon"},"overall": "MOYEN : l'EMQ doit être amélioré"},"tiktok_ads": {"pixel": {"status": "Installé", "assessment": "Bon"},"capi": {"status": "NON IMPLÉMENTÉ", "assessment": "Lacune CRITIQUE"},"overall": "FAIBLE : suivi côté serveur manquant"}},"ga4_integration": {"status": "Configuré","utm_tracking": "Globalement cohérent, quelques lacunes","cross_platform_view": "Disponible","assessment": "MOYEN : les lacunes UTM créent des trous d'attribution"},"critical_gaps": [{"gap": "CAPI TikTok non implémenté","impact": "30-40% des conversions TikTok non suivies sur appareils iOS","priority": "HAUTE","fix": "Implémenter l'API Events TikTok via l'app Shopify ou une intégration directe"},{"gap": "Event Match Quality Meta à 72%","impact": "~10-15% de perte de données potentielle sur le matching avancé","priority": "MOYENNE","fix": "Améliorer en envoyant plus de paramètres utilisateur (téléphone, ville, région)"},{"gap": "Suivi UTM incohérent","impact": "Certaines conversions apparaissent en Direct dans GA4","priority": "MOYENNE","fix": "Auditer toutes les campagnes pour la cohérence des UTM, utiliser l'auto-tagging quand possible"}]},"attribution_window_analysis": {"current_windows": {"google": {"click": "30 jours", "view": "1 jour"},"meta": {"click": "7 jours", "view": "1 jour"},"tiktok": {"click": "28 jours", "view": "7 jours"}},"sales_cycle_alignment": {"typical_purchase_time": "2-7 jours","assessment": "Les fenêtres de Google et TikTok sont plus longues que nécessaire, celle de Meta est appropriée","impact": "Google et TikTok s'attribuent des conversions en dehors d'une fenêtre réaliste"},"window_comparison_issue": {"problem": "Impossible de comparer équitablement les plateformes avec des fenêtres de 7j, 28j et 30j","example": "Google revendique une conversion vieille de 25 jours que Meta n'attribuerait pas","impact": "Google paraît plus performant qu'il ne l'est peut-être réellement"},"recommendations": {"google": {"current": "30 jours clic","recommended": "7 jours clic","rationale": "Correspond au cycle de vente, permet une comparaison équitable avec Meta"},"meta": {"current": "7 jours clic, 1 jour vue","recommended": "7 jours clic UNIQUEMENT","rationale": "Le view-through gonfle les chiffres ; envisager le clic seul pour des données plus propres"},"tiktok": {"current": "28 jours clic, 7 jours vue","recommended": "7 jours clic, 1 jour vue","rationale": "S'aligner sur les autres plateformes, la fenêtre de vue à 7 jours est agressive"}},"standardization_benefit": "Avec toutes les plateformes à 7 jours clic, la comparaison devient équitable"},"cross_platform_analysis": {"platform_reported_vs_actual": {"google_reported": 580,"meta_reported": 720,"tiktok_reported": 180,"total_platform_reported": 1480,"actual_shopify_orders": 950,"overcounting": 530,"overcounting_percent": "56%"},"ga4_comparison": {"ga4_total": 920,"vs_shopify": "-30 (3% de sous-comptage)","assessment": "GA4 est proche de la réalité mais légèrement en dessous à cause des lacunes de suivi","by_source_vs_platform": {"google": {"platform": 580, "ga4": 410, "delta": "+170 (41% de sur-comptage)"},"meta": {"platform": 720, "ga4": 380, "delta": "+340 (89% de sur-comptage)"},"tiktok": {"platform": 180, "ga4": 85, "delta": "+95 (112% de sur-comptage)"}}},"analysis": {"why_platforms_overcount": ["Attribution view-through : l'utilisateur voit la pub, achète plus tard, la plateforme s'attribue le mérite","Parcours multi-plateformes : l'utilisateur voit une pub Meta, clique sur une pub Google, les deux s'attribuent la conversion","Fenêtres longues : Google et TikTok comptent des conversions des semaines après l'interaction","Perte de données iOS : peut causer un double comptage via des conversions modélisées"],"meta_specific": "89% de sur-comptage vs GA4 suggère une forte dépendance au view-through et aux conversions modélisées","tiktok_specific": "112% de sur-comptage suggère un view-through agressif (fenêtre de 7 jours) et des données modélisées comblant les lacunes dues à l'absence de CAPI"},"true_contribution_estimate": {"methodology": "Utilisation de GA4 comme référence (plus proche de la réalité que les données plateformes)","estimated_contribution": {"google": {"ga4_conversions": 410, "percent_of_paid": "47%", "estimated_true_revenue": 38540},"meta": {"ga4_conversions": 380, "percent_of_paid": "43%", "estimated_true_revenue": 35700},"tiktok": {"ga4_conversions": 85, "percent_of_paid": "10%", "estimated_true_revenue": 7650}},"caveat": "GA4 a aussi ses biais d'attribution (favorise les canaux en dernier clic)"}},"data_loss_assessment": {"by_platform": {"google": {"pre_ios14_accuracy": "~95%","current_estimated": "~90%","loss": "~5%","mitigation": "Enhanced Conversions aide à compenser","status": "BON"},"meta": {"pre_ios14_accuracy": "~95%","current_estimated": "~80-85%","loss": "~10-15%","mitigation": "CAPI à 72% d'EMQ : peut être amélioré","status": "MOYEN","improvement_opportunity": "Améliorer l'EMQ à 80%+ pour récupérer ~5% de données en plus"},"tiktok": {"pre_ios14_accuracy": "~90%","current_estimated": "~55-65%","loss": "~30-40%","mitigation": "AUCUNE : pas de CAPI","status": "FAIBLE","improvement_opportunity": "L'implémentation du CAPI pourrait récupérer 20-30% des données perdues"}},"total_estimated_lost_conversions": {"google": "~30 conversions/mois","meta": "~70-90 conversions/mois","tiktok": "~55-70 conversions/mois","total": "~155-190 conversions/mois potentiellement non suivies ou mal attribuées"}},"model_recommendation": {"current_models": {"google": "Data-driven","meta": "Dernier point de contact (par défaut)","tiktok": "Dernier point de contact (par défaut)"},"your_business_profile": {"type": "E-commerce DTC","sales_cycle": "2-7 jours (court)","channels": "Multicanal (Recherche, Réseaux sociaux)","goal": "Maximiser le ROAS"},"recommended_approach": {"primary": "Attribution standardisée à 7 jours clic sur toutes les plateformes","secondary": "Utiliser GA4 comme source neutre de vérité pour la comparaison inter-plateformes","advanced": "Envisager des tests d'incrémentalité si le budget le permet"},"model_reasoning": {"why_standardize_windows": "Permet une comparaison équitable entre plateformes","why_click_only": "Le view-through contribue au sur-comptage, surtout sur Meta et TikTok","why_7_days": "Correspond à votre cycle d'achat de 2 à 7 jours","why_ga4_as_truth": "Plus neutre que les données plateformes, bien qu'encore imparfait"}},"source_of_truth_hierarchy": {"recommended_hierarchy": [{"rank": 1, "source": "Shopify", "use_for": "Conversions et revenus totaux", "why": "Argent réel, incontestable"},{"rank": 2, "source": "GA4", "use_for": "Comparaison inter-plateformes et attribution par canal", "why": "Neutre, mêmes règles pour tous"},{"rank": 3, "source": "Données plateformes", "use_for": "Optimisation au sein d'une même plateforme uniquement", "why": "À utiliser pour optimiser les campagnes mais pas pour comparer entre plateformes"}],"how_to_reconcile": {"step_1": "Utiliser le total de commandes Shopify comme nombre de conversions « réel »","step_2": "Utiliser la ventilation par source de GA4 pour estimer la contribution de chaque canal","step_3": "Utiliser les données plateformes uniquement pour optimiser au sein de cette plateforme (annonces, audiences, etc.)","step_4": "Ne pas comparer directement le ROAS déclaré par Google à celui déclaré par Meta"}},"action_plan": {"immediate_this_week": [{"priority": 1,"action": "Implémenter le CAPI TikTok","details": "Utiliser l'app Shopify TikTok ou une intégration directe à l'API Events","expected_impact": "Récupérer 20-30% des conversions TikTok perdues","effort": "Moyen (l'app Shopify est plus simple)"},{"priority": 2,"action": "Standardiser les fenêtres d'attribution à 7 jours clic","details": "Passer Google de 30j à 7j, TikTok de 28j à 7j","expected_impact": "Réduire le sur-comptage, permettre une comparaison équitable","effort": "Faible (changement de réglages)"},{"priority": 3,"action": "Envisager de désactiver le view-through sur Meta et TikTok","details": "Ou au moins suivre clic et vue séparément dans le reporting","expected_impact": "Données plus propres, reporting moins gonflé","effort": "Faible"}],"short_term_next_2_weeks": [{"action": "Améliorer l'Event Match Quality de Meta","details": "Ajouter téléphone, ville, région aux événements CAPI, s'assurer que l'email est correctement haché","expected_impact": "EMQ 72% → 80%+, ~5% de données récupérées"},{"action": "Auditer le suivi UTM sur toutes les campagnes","details": "S'assurer de paramètres UTM cohérents, corriger les campagnes sans UTM","expected_impact": "Meilleure précision d'attribution GA4"},{"action": "Construire un rapport personnalisé selon la hiérarchie de source de vérité recommandée","details": "Rapport hebdomadaire : totaux Shopify, ventilation GA4, métriques d'optimisation par plateforme","expected_impact": "Décisions plus claires, arrêt de la comparaison de chiffres biaisés"}],"medium_term_next_month": [{"action": "Évaluer les tests d'incrémentalité","details": "Envisager un test holdout sur une plateforme pour mesurer le véritable apport","expected_impact": "Vérité terrain sur la contribution réelle des plateformes"},{"action": "Réévaluer l'allocation budgétaire sur la base de données plus propres","details": "Après 2 à 4 semaines de suivi standardisé, relancer l'analyse d'allocation","expected_impact": "Décisions budgétaires plus précises"}]},"monitoring_framework": {"weekly_checks": ["Total plateformes vs total Shopify (suivre la tendance du sur-comptage)","Ventilation par source GA4 (stable ou en mouvement ?)","Score EMQ Meta (en amélioration ?)","Qualité des données TikTok (après implémentation du CAPI)"],"monthly_checks": ["Revue complète de l'attribution avec les fenêtres standardisées","Tendance du pourcentage de sur-comptage","Mise à jour de l'évaluation de la perte de données"],"red_flags": ["Le sur-comptage augmente significativement d'un mois sur l'autre","L'EMQ de Meta descend en dessous de 65%","GA4 montre des baisses majeures de suivi (indique des problèmes de pixel)","Les commandes Shopify augmentent mais pas les conversions déclarées par les plateformes"],"success_criteria_30_days": ["CAPI TikTok implémenté avec un EMQ >70%","Toutes les fenêtres standardisées à 7 jours clic","Sur-comptage réduit de 56% à <40%","Structure de reporting hebdomadaire claire en place"]}}
expected_output.jsonJSONUTF-8FR291 lignes
Questions
Questions fréquentes
Pourquoi Google Ads, Meta et mon CRM n'affichent jamais le même nombre de conversions ?
Parce que chaque plateforme s'attribue le crédit dès qu'elle touche le parcours client, avec ses propres fenêtres d'attribution (30 jours pour Google Ads, 7 jours pour Meta, 28 pour TikTok). Quand un même client clique sur deux ou trois pubs avant d'acheter, chaque plateforme réclame la conversion en entier : c'est le chevauchement, pas une erreur de tracking. La seule référence fiable reste votre CRM ou votre back-office, jamais la somme des plateformes.
À partir de quel écart entre le total des plateformes et le réel du CRM faut-il s'inquiéter ?
En dessous de 10 % de sur-comptage, c'est un chevauchement normal, à ne pas toucher. Entre 10 et 30 %, il faut revoir les fenêtres d'attribution ; entre 30 et 50 %, il y a du double comptage significatif à corriger. Au-delà de 50 %, l'attribution est fondamentalement cassée et aucune décision budgétaire ne devrait s'appuyer dessus tant que ce n'est pas réparé.
Quel modèle d'attribution choisir pour mon activité ?
Pour un e-commerce à cycle de vente court (moins de 7 jours), le dernier clic ou une fenêtre de 7 jours suffit et reste actionnable. Pour un SaaS B2C (7 à 30 jours), privilégiez un modèle basé sur la position avec une fenêtre de 30 jours. Pour de la génération de leads B2B à cycle long (30 à 90 jours et plus), le premier clic combiné à un import hors ligne du CRM donne une image bien plus juste que n'importe quel modèle plateforme par défaut.
À quelle fréquence dois-je vérifier mon dispositif d'attribution ?
Chaque semaine : comparez l'écart de conversions entre plateformes et CRM, et surveillez la qualité d'appariement du Meta CAPI. Chaque mois : revoyez la performance des fenêtres d'attribution, la tendance du sur-comptage et l'impact de la perte de données iOS. Deux signaux doivent déclencher une alerte immédiate : un sur-comptage qui grimpe de plus de 10 % d'un mois sur l'autre, ou une qualité d'appariement d'événements qui passe sous les 70 %.
Depuis iOS 14, pourquoi mes chiffres Meta et TikTok ont-ils autant chuté, et comment les récupérer ?
Avant iOS 14, Meta suivait environ 95 % des conversions ; aujourd'hui c'est plutôt 70 à 80 %, et TikTok est passé d'environ 90 % à 65-75 %. La cause principale est l'absence de suivi côté serveur : sans Conversions API (CAPI) chez Meta et TikTok, ou sans Enhanced Conversions chez Google, vous perdez mécaniquement 20 à 30 % de vos données de conversion. Mettre en place le CAPI et bien configurer l'Aggregated Event Measurement est aujourd'hui la priorité technique numéro un pour tout compte publicitaire actif.