Le taux de couplage (souvent appelé match rate en anglais) mesure l’efficacité d’un appariement entre deux ensembles de données hétérogènes, typiquement :
- une base offline (ex. : fichiers CRM, transactions en magasin, formulaires papier numérisés) contenant des identifiants personnels (email, numéro de téléphone, nom + adresse…),
- et une base online (ex. : identifiants publicitaires, cookies, profils sur plateformes DSP, DMP ou CDP) utilisée pour le ciblage, la mesure d’attribution ou la personnalisation.
Ce taux s’exprime en pourcentage :
Taux de couplage= (Nombre d’identifiants source appareillés au moins un identifiant digital/Nb total d’identifiants source exploitables)*100
Par exemple, un taux de couplage de 30 à 55 % signifie que, sur 1 000 clients dont les données d’achat en magasin ont été collectées et nettoyées (ex. : emails valides), 300 à 550 peuvent être rattachés à une ou plusieurs identités digitales (appareils mobiles, navigateurs, profils publicitaires). Ces individus deviennent alors adressables dans les campagnes publicitaires programmatiques, les analyses de conversion ou les parcours cross-canal.
Ce taux dépend de plusieurs facteurs :
- la qualité et la fraîcheur des données source (ex. : taux d’emails valides, complétude) ;
- les méthodes de correspondance utilisées (déterministe via identifiants communs, ou probabiliste via modèles d’inférence) ;
- la portée des partenariats de données (ex. : accès à des graphes d’identité comme LiveRamp, Google, ou The Trade Desk) ;
- la réglementation (RGPD, CCPA, etc.) qui limite l’usage de certains identifiants.
Un taux de couplage élevé est souhaitable, mais il ne garantit pas la qualité du ciblage. L’exactitude (précision du match) et la pérennité (stabilité de l’identifiant dans le temps) sont tout aussi critiques, notamment dans un contexte post-cookie et de renforcement de la vie privée.