Comparabilité des métriques publicitaires cross-platform

Les modèles de reporting publicitaire unifié qui font l’UNION des données de Google, Meta et LinkedIn bénéficient d’un ensemble de métriques restreint. Ajouter davantage de métriques spécifiques à une plateforme produit des colonnes avec beaucoup de NULL et complique l’interprétation pour les parties prenantes.

Les cinq métriques universelles

Le package dbt_ad_reporting de Fivetran (v2.4.0, couvrant 11 plateformes) normalise exactement cinq métriques sur toutes les plateformes :

1. Clics
2. Impressions
3. Dépenses
4. Conversions
5. Valeur des conversions

Ce sont les seules métriques avec des équivalents raisonnables cross-platform, même si leurs définitions ne sont pas identiques d’une plateforme à l’autre. Elles répondent aux questions fondamentales qui justifient le reporting cross-platform : Combien avons-nous dépensé ? Qu’avons-nous obtenu en retour ? Combien de personnes ont vu et interagi avec nos annonces ?

Pourquoi seulement cinq ?

Les métriques spécifiques à une plateforme n’ont pas d’équivalents ailleurs :

• LinkedIn actions sociales : réactions, commentaires, partages, impressions virales, gains de followers
• Meta engagement : ThruPlays, taux d’achèvement des vidéos, fréquence, classement de pertinence
• Google métriques compétitives : Quality Score, Impression Share, Search Lost IS (budget), Search Lost IS (rank)

Tenter de forcer ces métriques dans un schéma unifié produit des colonnes qui sont NULL pour la plupart des lignes. Une colonne quality_score qui n’est renseignée que pour les lignes Google et NULL pour tout le reste n’aide personne. Elle encombre le modèle unifié et dérouille les parties prenantes qui voient des NULL et se demandent si quelque chose est cassé.

La conception propre : gardez les modèles unifiés aux cinq métriques communes seulement. Les métriques spécifiques à une plateforme restent dans des modèles intermédiaires ou mart au niveau de la plateforme. Si les parties prenantes veulent voir les ThruPlays aux côtés des impressions, construisez un tableau de bord Meta spécifique à la plateforme plutôt que d’encombrer la vue cross-platform.

Variables passthrough : le juste milieu

Pour les équipes qui veulent des colonnes spécifiques à une plateforme dans la sortie unifiée sans modifier définitivement le package, le package Fivetran supporte les métriques passthrough. Chaque métrique passthrough a trois propriétés :

• name : le nom de la colonne source dans le modèle intermédiaire de la plateforme
• alias : le nom de la colonne dans la sortie unifiée
• transform_sql : une expression SQL optionnelle appliquée lors de l’UNION

Le pattern clé pour les métriques passthrough : utilisez transform_sql: "null" pour placer explicitement des NULL là où une métrique ne s’applique pas à une plateforme donnée. C’est mieux que de laisser l’UNION échouer ou supprimer silencieusement des colonnes, parce que le NULL est intentionnel et documenté.

vars:
  ad_reporting__facebook_ads_passthrough_metrics:
    - name: frequency
      alias: facebook_frequency
    - name: video_thruplay_actions
      alias: facebook_thruplay_actions

  ad_reporting__google_ads_passthrough_metrics:
    - name: impressions_share
      alias: google_impression_share
      transform_sql: "null"  # placeholder pour les plateformes non-Google

Utilisez les variables passthrough avec parcimonie. Chaque colonne passthrough qui est NULL pour la plupart des plateformes est une colonne qui générera des questions. Si vous vous retrouvez à ajouter plus de 2-3 métriques passthrough, vous avez probablement besoin d’un tableau de bord spécifique à la plateforme à la place.

Configuration des conversions

La colonne conversions est là où les cinq métriques “universelles” deviennent trompeusement complexes. Chaque plateforme définit les conversions différemment :

Facebook/Meta : les conversions proviennent de types d’actions configurables. Le package Fivetran utilise par défaut fb_pixel_purchase et lead_grouped, mais votre configuration peut utiliser des types d’actions différents selon votre activité. Si vous êtes une entreprise e-commerce, vous voulez probablement purchase et peut-être add_to_cart. Si vous êtes en B2B, vous voudrez peut-être lead et complete_registration.

LinkedIn : combine external_website_conversions avec one_click_leads en une seule colonne de conversions. C’est une combinaison spécifique à LinkedIn qui ne se mappe pas proprement à la façon dont Google ou Meta comptent les conversions.

Google et Microsoft : fournissent directement les totaux de conversions agrégés. Ces données sont plus simples à utiliser mais reflètent toujours les actions de conversion que vous avez configurées dans la plateforme.

L’implication critique : votre colonne conversions unifiée contient des choses structurellement différentes selon la plateforme. Une “conversion” de Meta peut être un fb_pixel_purchase. Une “conversion” de LinkedIn peut être un external_website_conversion. Une “conversion” de Google peut être n’importe laquelle des actions de conversion que vous avez configurées.

Documenter vos définitions de conversion

Cette documentation mérite de vivre dans le modèle dbt lui-même, pas dans un wiki ou une page Confluence. Ajoutez une description à la colonne conversions de votre modèle unifié qui spécifie exactement ce qui l’alimente par plateforme :

models:
  - name: mrt__marketing__campaign_report
    columns:
      - name: conversions
        description: >
          Nombre de conversions unifié. Les sources diffèrent par plateforme :
          - Google Ads : toutes les actions de conversion configurées (total agrégé)
          - Facebook Ads : types d'actions fb_pixel_purchase + lead_grouped
          - LinkedIn Ads : external_website_conversions + one_click_leads

          Ces valeurs NE SONT PAS directement comparables. Utilisez le ROAS mixte ou
          l'attribution basée sur les UTM pour l'analyse cross-platform des conversions.

Quand une partie prenante demande “pourquoi ça ne correspond pas au tableau de bord Meta ?”, la réponse doit être à un clic de dbt docs. Le tableau de bord Meta peut compter des types d’actions différents, utiliser une fenêtre d’attribution différente, ou inclure des conversions view-through que votre configuration exclut. Avoir la définition documentée évite l’investigation de plusieurs jours qui suit autrement.

Limites de la comparabilité

Les cinq métriques sont des approximations, pas des équivalents exacts. Les dépenses sont les plus fiables ; les impressions et les clics ont des différences de définition mais sont cohérents en termes de direction ; les conversions et les conversions_value sont configurées différemment par plateforme et attribuées sur des fenêtres différentes. La vue unifiée est utile pour la budgétisation, l’analyse des tendances et les patterns aval comme le ROAS mixte et le suivi du rythme budgétaire, mais pas pour une comparaison exacte cross-platform des conversions.