Marketing mix modeling : fondations et concepts clés

CocaCocaCustomer Acquisition Cost : total des dépenses sales et marketing divisé par le nombre de nouveaux clients acquis sur la même période.Voir la définition complète →-Cola dépense de l'ordre de 4 à 5 milliards de dollars par an en publicité, sur environ 200 marchés, dans une catégorie où la plupart des achats se font à une caisse, sans login, sans cookie et sans ticket qui renvoie à quoi que ce soit. Aucun système de tracking user-level ne reliera jamais un spot TV à Mexico à la bouteille vendue trois jours plus tard dans une épicerie de quartier. Quelqu'un doit malgré tout décider comment cet argent se répartit entre TV, affichage, vidéo digitale, promotion prix et sponsoring. Le marketing mix modeling est la réponse que le secteur a adoptée des décennies avant l'existence du tracking des clics, et il est revenu à la mode parce que ce tracking se délite depuis 2021.

Ce qu'est réellement le marketing mix modelingmarketing mix modelingApproche statistique qui estime la contribution de chaque canal marketing aux ventes, pour orienter l'allocation budgétaire.Voir la définition complète →

Le marketing mix modeling (MMM) est une technique statistique, une forme de régression multivariée, qui explique un résultat business agrégé (ventes hebdomadaires, revenu, unités, abonnements) en fonction de tout ce qui a pu plausiblement le faire bouger. Vous l'alimentez avec deux ou trois ans d'historique au pas hebdomadaire ou mensuel : dépense par canal, prix, profondeur promotionnelle, distribution, activité concurrentielle, saisonnalité, conditions macro. Il renvoie des coefficients qui quantifient la contribution de chaque input.

L'unité d'analyse est une période, pas une personne. Ce seul choix de conception est ce qui sépare le MMM de l'attributionattributionUn framework qui attribue le crédit d'une conversion aux différents touchpoints y ayant contribué, afin de mesurer quels canaux et quelles interactions génèrent réellement des résultats.Voir la définition complète → : le modèle n'a jamais besoin de savoir qui a vu la publicité.

Formulé en mots, un mix model dit : les ventes de la semaine t égalent une baseline, plus l'effet de la dépense de chaque canal une fois cette dépense adstockée et passée dans une courbe de saturation, plus l'effet du prix, de la distribution, de la concurrence et de la saisonnalité, plus un terme d'erreur. Presque tout ce qui est intéressant en MMM se joue dans ces deux transformations appliquées à la dépense brute avant même que la régression ne la voie.

La sortie principale est une décomposition. Les ventes totales se répartissent entre une baseline (ce que vous auriez vendu avec zéro marketing, porté par le brand equitybrand equityLa valeur commerciale que votre marque ajoute au-delà des attributs fonctionnels du produit : le premium de prix, la préférence et la loyauté qu'elle génère.Voir la définition complète →, l'habitude et la présence en rayon) et les ventes incrémentales attribuées à chaque activité par-dessus. Une marque mature et largement distribuée comme Coca-Cola affiche typiquement 60-70 % du volume en baseline. Une jeune marque orientée performance peut en afficher 30 %. Aucun de ces chiffres n'est bon ou mauvais en soi, mais vous ne pouvez pas piloter ce que le modèle n'a pas séparé.

Sous-concept 1 : adstock et effets de report

Le marketing ne s'arrarrL'Annual Recurring Revenue (ARR) est le revenu normalisé et prévisible qu'une entreprise par abonnement attend de ses contrats actifs sur une année.Voir la définition complète →ête pas de fonctionner la semaine où l'argent quitte le compte. Une campagne TV diffusée en octobre déplace encore des achats en décembre. Cette décroissance s'appelle l'adstock, et la formulation standard est récursive : la pression publicitaire effective de cette semaine égale la dépense de cette semaine plus un taux de décroissance multiplié par la pression effective de la semaine précédente. Un taux de 0,7 correspond à une demi-vie d'environ deux semaines ; 0,9 étire la traîne sur plusieurs mois.

La TV et la vidéo portent en général un adstock long, souvent huit à treize semaines de résidu mesurable. Le paid search n'en porte presque aucun, parce que l'annonce rencontre une intention déjà existante et convertit en quelques jours. Un modèle sans terme d'adstock sous-valorise systématiquement les canaux de marque et flatte les canaux de performance, ce qui est l'une des raisons mécaniques pour lesquelles la stack de mesure de 2015-2020 a poussé tant d'argent vers le bas du funnelfunnelLe parcours client de la découverte à l'achat, généralement Awareness, Interest, Consideration, Decision, Action, avec des prospects de moins en moins nombreux à chaque étape.Voir la définition complète →.

Sous-concept 2 : les courbes de saturation

Dépense et réponse ne sont pas proportionnelles. La courbe est concave, parfois en S avec un démarrage lent sous un seuil de visibilité, et elle finit toujours par s'aplatir. Les premiers 500 K$ de TV sur un marché peuvent générer un lift fort, les 500 K$ suivants nettement moins, les troisièmes presque rien au-delà d'un gaspillage de répétition.

C'est là que ROIROIReturn on Investment : le rapport entre le profit net et le coût d'un investissement. Un ROI de 300 % signifie que chaque dollar investi en rapporte 3.Voir la définition complète → moyen et ROI marginal se séparent, et cette distinction compte davantage que n'importe quel chiffre isolé du modèle. Un canal peut afficher un ROI blended sain de 3,0 alors que le dollar suivant n'y rapporte que 0,4, parce que vous êtes sur la partie plate de sa courbe. Le MMM estime où se situe chaque canal aujourd'hui, ce qui est la seule façon de répondre à la question que pose réellement la finance : si je vous donne 15 % de plus, où vont-ils et qu'est-ce qui revient ?

Sous-concept 3 : ventes de base contre ventes incrémentales

La baseline est le résidu accumulé d'années de construction de marque, de distribution et d'habitude de consommation. Elle bouge lentement, et c'est précisément pour cela qu'il faut la surveiller. L'analyse par Binet et Field d'environ un millier d'études de cas IPA a montré que les marques consacrant environ 60 % du budget à la construction de marque à long terme surperformaient leurs pairs orientés activation sur la croissance du profit, et le mécanisme est visible dans un mix model : l'activation emprunte à la baseline, la construction de marque l'alimente.

Une baseline qui s'érode sur quatre trimestres consécutifs est le signal le plus grave que produit le MMM. Cela signifie que l'avantage structurel se vide, et aucun montant de dépense promotionnelle ne le remplit.

Sous-concept 4 : variables exogènes et facteurs de contrôle

Un MMM exploitable contrôle tout ce qui fait bouger les ventes et qui n'est pas votre marketing : prix et promotions des concurrents, confiance des consommateurs, gains et pertes de distribution, et météo quand la catégorie y est sensible. Si votre marque de glaces a connu un été record et que la température est absente du modèle, la chaleur est crcrLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète →éditée à la campagne qui se trouvait être en diffusion. Ce n'est pas une erreur d'arrondi. C'est la décision de dépenser le budget de l'année prochaine sur quelque chose qui n'a rien fait.

Sous-concept 5 : pourquoi l'économétrie agrégée a survécu au tracking user-level

Deux raisons, une structurelle et une récente.

La structurelle : la mesure user-level ne voit que les canaux qui portent un identifiant. Elle ne peut pas valoriser un référencement en rayon, un spot de 30 secondes, un panneau de stade, une remise concurrente ou une hausse de prix, et elle n'observe pas le contrefactuel, la vente qui aurait eu lieu de toute façon. L'attribution répartit le crédit à l'intérieur du digital trackable. Le MMM estime la contribution incrémentale sur tout le P&L, au niveau où les budgets sont réellement fixés.

La récente : l'App Tracking Transparency d'Apple, lancée avec iOS 14.5 en avril 2021, a rendu le tracking cross-app opt-in, et la plupart des utilisateurs ont refusé. Meta a indiqué à ses investisseurs en février 2022 que ce changement lui coûterait environ 10 milliards de dollars de revenu cette année-là, et les dégâts côté mesure annonceur ont été du même ordre. Google a passé des années à préparer la suppression des cookies tiers dans Chrome, puis a rangé le projet, mais la perte de signal liée aux restrictions des navigateurs et des plateformes est suffisamment permanente pour que les plateformes elles-mêmes livrent désormais des outils de modélisation : Meta a ouvert le code de son framework Robyn en 2021, Google a sorti Meridian plus récemment. Les deux sont utiles. Les deux viennent d'entreprises qui vendent les médias que le modèle note, donc traitez leurs priors par défaut comme un point de départ, pas comme un verdict.

Cas réels

Cas 1 : Coca-Cola en 2020. Le revenu a chuté d'environ 11 % avec la fermeture des restaurants, des stades et des cinémas, alors que l'entreprise réduisait aussi fortement sa dépense marketing. Ces deux faits sont faciles à confondre et la confusion coûte cher. Un mix model les sépare : la disponibilité hors domicile est une variable de distribution, la pression média en est une autre, et le choc pandémique se loge dans un terme de contrôle. Sans ces contrôles, un modèle naïf lit l'effondrement des ventes comme la preuve que la coupe marketing a détruit la demande, et le budget de l'année suivante se fixe sur une lecture fausse des mêmes données.

Cas 2 : Meta après l'ATT. L'entreprise qui avait passé une décennie à expliquer aux annonceurs que l'attribution user-level était le standard moderne a commencé à publier un package économétrique open source dès que les identifiants se sont raréfiés. Robyn fait ce qui est décrit plus haut : transformation adstock, courbes de saturation via des fonctions de Hill, décomposition par rapport à une baseline. La partie intéressante pour un CMO est l'aveu contenu dans cette sortie. Le média le plus tracké de l'histoire est revenu à une régression hebdomadaire agrégée, ce qui vous dit à quel point la promesse de la mesure individuelle reposait sur une infrastructure qui ne tient plus.

Actions pour le CMO

• Auditez vos données avant de commander quoi que ce soit. Il vous faut deux à trois ans de dépense hebdomadaire par canal, plus le prix, la distribution, le calendrier promotionnel et la dépense concurrentielle. L'historique manquant est la raison la plus fréquente pour laquelle un modèle revient avec de larges intervalles de confiance et aucune réponse exploitable.
• Demandez des courbes de réponse et un ROI marginal par canal, pas un tableau de ROI par canal. Une liste de ROI classés ne vous dit rien sur la destination du dollar suivant.
• Suivez la baseline trimestre après trimestre comme indicateur de santé de marque. Une baseline qui croît signifie que l'investissement passé se capitalise ; un déclin durable signifie que la prochaine promotion emprunte à un compte qui se réduit.

Erreurs fréquentes qui tuent les résultats

Erreur 1 : faire un MMM une fois et traiter le résultat comme définitif. Les concurrents bougent, les prix changent, les canaux mûrissent. Un modèle calibré sur les données 2021 valorise mal les médias de 2024. Rafraîchissez au minimum une fois par an, trimestriellement sur fenêtre glissante si la catégorie bouge vite.

Erreur 2 : demander trop à trop peu de données. Trois ans d'observations hebdomadaires donnent environ 156 points. Chargez 40 variables dedans et les coefficients deviennent instables, surtout quand les canaux bougent ensemble (tout le monde augmente la dépense au Q4), ce qui est un cas d'école de multicolinéarité. Moins de variables, mieux spécifiées, valent mieux qu'un modèle qui inclut tout.

Erreur 3 : lire la corrélation comme une preuve. Le MMM trouve une association statistique dans un historique observé ; il ne conduit pas d'expérience. Le modèle ne gagne son autorité que lorsque ses estimations sont confrontées à des tests contrôlés, et ce travail de calibration, ainsi que la politique interne de qui a le droit de construire le modèle, relèvent des niveaux ultérieurs de ce module.