Attribution data-driven : conversion time vs click time

Lorsque l'on mesure l'efficacité d'une campagne marketing, le choix de l’horloge n’est pas un détail : la date à laquelle on “pose” une conversion façonne la lecture des performances et, par ricochet, les décisions d’enchères.

Deux logiques coexistent :

• Conversion time : la conversion est comptée à la date où elle se produit.
  • Logique privilégiée par les plateformes de Web Analytics et d'Attribution Marketing.
• Click time : la conversion est rattachée à la date du clic qui l’a déclenchée.
  • Logique privilégie par les Plateformes Publicitaires.

Ces deux lectures sont valides, mais elles racontent deux histoires différentes d’un même phénomène.

Deux horloges, deux récits

Conversion time (date de conversion)

Cette vue mesure les conversions au moment où elles se matérialisent. Elle aligne naturellement le reporting marketing avec le reporting financier (CA reconnu, objectifs mensuels, clôtures). On y voit « ce qui est tombé ce mois-ci ».
Angle mort : si le délai de conversion (lag) varie, une période peut sembler sous-performer alors qu’elle “porte” en réalité des conversions qui apparaîtront plus tard.

Click time (date de clic)

Cette vue mesure chaque conversion au moment du clic. Elle recompose la performance par cohorte de clics (jour S, semaine S, campagne X).
Angle mort : les indicateurs d’un jour donné évoluent le temps que la cohorte se complète ; la lecture est par nature inachevée.

L’exemple qui dérange (et éclaire)

• Dépenses septembre : 10 000 €
• Conversions réalisées en septembre : 100 (issues de clics de septembre)
• Conversions réalisées en octobre mais issues de clics de septembre : 100

Lecture conversion time (mois de septembre) :
CPA = 10 000 / 100 = 100 €

Lecture click time (cohorte des clics de septembre) :
CPA = 10 000 / (100 + 100) = 50 €

Le cœur de la problématique : le lag

Entre le clic et la conversion, il existe un délai plus ou moins long selon le produit, le canal, l’audience, la saison. Ce lag n’est pas qu’une nuisance statistique : il déplace la valeur entre périodes.

• En conversion time, un allongement du lag “appauvrit” artificiellement la période courante.
• En click time, la performance finale d’une cohorte n’est visible qu’après un temps de complétion.

Autrement dit, aucune des deux horloges ne ment ; elles accentuent des aspects différents de la réalité.

Tension conceptuelle

Ce débat n’oppose pas “bon” et “mauvais” modèle. Il met en lumière deux besoins légitimes :

• Rendre compte de ce qui s’est effectivement produit sur une période avec une lecture business (conversion time).
• Évaluer ce qu’ont produit des décisions prises à un instant T (click time).

Le choix de l’horloge façonne la narration des performances, la perception du risque et la tolérance à l’incertitude.

La logique de Click time dans les enchères temps réel

Mise en pratique chez Google Ads et Meta ads

Les deux plateformes opèrent des enchères impression-par-impression en temps réel.

En environnement d’enchères impression-par-impression, le click time rattache chaque conversion au moment exact de la décision d’enchérir — là où s’exercent ciblage, plancher d’enchère et ajustements de signaux.

C’est précisément à cet instant que l’algorithme estime la valeur attendue d’une impression : probabilité de clic × probabilité de conversion × valeur de conversion (éventuellement pondérée par le risque).

Comme une partie des conversions se matérialisera plus tard (lag), les plateformes “reconstruisent” le signal manquant via des prédictions de conversions non encore observées et de la modélisation statistique.

Résultat : le moteur d’enchères reste aligné sur le click time (le moment causal de la décision) tout en corrigeant en continu le retard de mesure pour éviter les sous-réactions à court terme.

En bref

• Conversion time et click time ne décrivent pas la même chose : l’un raconte quand la valeur se matérialise, l’autre quand la décision la lance.
• La distribution des délais de conversion est le véritable moteur des divergences observées.
• Comprendre ce décalage temporel, c’est mieux lire ses KPI, mieux comprendre ses campagnes, et surtout mieux dialoguer entre équipes autour d’une même réalité vue sous deux angles.