· 4 min de lecture
Circana et Google Meridian : le retour du marketing mix modeling change la façon de comparer les agences
Circana annonce l’intégration de sa solution Liquid Mix, fondée sur l’intelligence artificielle, à Google Meridian. Derrière cette annonce technique se joue un déplacement de la mesure publicitaire du dernier clic vers la modélisation agrégée, avec des conséquences directes sur la façon dont un annonceur évalue ses prestataires.
Meridian est la solution de marketing mix modeling proposée par Google en open source. Le principe de cette famille de méthodes est ancien : plutôt que de suivre chaque individu de l’exposition publicitaire à l’achat, on modélise statistiquement la contribution de chaque levier aux ventes agrégées, en tenant compte de variables extérieures comme la saisonnalité, le prix ou la pression promotionnelle. L’annonce relayée par Yahoo Finance France porte sur le branchement de la solution Liquid Mix de Circana à cet environnement.
Ce retour en grâce s’explique par la dégradation progressive de la mesure individuelle. Les restrictions imposées aux cookies tiers par les navigateurs, les limitations du suivi sur les environnements mobiles et l’exigence de recueil du consentement ont mécaniquement réduit la part du parcours d’achat observable. L’attribution multi-touch, qui reconstitue la chaîne des points de contact, fonctionne d’autant moins bien que cette chaîne est de plus en plus lacunaire.
Il faut mesurer ce que cette bascule change conceptuellement. L’attribution répond à la question : parmi ceux qui ont acheté, qui a été exposé à quoi et dans quel ordre ? La modélisation agrégée répond à une question différente et économiquement plus pertinente : quelle part du chiffre d’affaires s’explique par chaque levier, et qu’aurait-il été sans lui ? La première décrit des corrélations sur une population déjà convertie ; la seconde tente d’estimer un effet incrémental, y compris pour des médias non cliquables comme la télévision, l’affichage ou la radio.
Pour un annonceur qui compare des agences, la conséquence est directe. Une agence média ou SEA qui présente un retour sur investissement calculé en dernier clic mesure sa performance sur une population qui aurait pu, en partie, convertir sans elle. Deux agences peuvent afficher des chiffres flatteurs et incompatibles entre eux, simplement parce qu’elles revendiquent chacune la même conversion. Tant que la méthode de mesure n’est pas alignée, la comparaison des performances affichées n’a pas de sens.
La modélisation agrégée n’est cependant pas gratuite et n’est pas accessible à tous. Elle exige un historique de données suffisamment long, une granularité temporelle régulière, une variation des investissements dans le temps pour que le modèle puisse discriminer les effets, et une compétence statistique pour interpréter les résultats. Ces prérequis en font un outil de gros annonceurs plurimédia, pas une solution pour un budget d’acquisition concentré sur un ou deux canaux numériques.
Pour les budgets plus modestes, l’alternative rationnelle n’est pas l’attribution multi-touch mais l’expérimentation directe : suspendre un levier sur une zone géographique et le maintenir sur une autre, décaler des périodes d’activation, comparer les ventes observées. Ces tests d’incrémentalité coûtent une part de performance à court terme, mais ils produisent une réponse causale que ni le dernier clic ni un modèle mal alimenté ne donneront.
En appel d’offres, trois questions permettent de trancher entre prestataires sur ce sujet. Sur quelle méthode de mesure l’agence s’engage-t-elle, et accepte-t-elle une mesure indépendante de son propre outillage ? Quelle fenêtre d’attribution applique-t-elle, et est-elle identique pour tous les concurrents consultés ? Enfin, à qui appartiennent les modèles et les jeux de données construits pendant la mission ? Cette dernière question conditionne la capacité de l’annonceur à changer de prestataire sans repartir de zéro.
L’annonce ne contient aucune donnée chiffrée sur les gains de précision, le coût de la solution ou les volumes traités, et il n’existe pas de référence publique permettant de comparer objectivement les méthodes entre elles. La seule recommandation solide reste d’imposer une méthode de mesure unique à tous les prestataires consultés avant de comparer leurs résultats.
Questions fréquentes
Quelle différence entre marketing mix modeling et attribution multi-touch ?
L’attribution reconstitue les points de contact des individus ayant converti. Le marketing mix modeling estime, à partir de données agrégées, la contribution de chaque levier aux ventes, y compris pour les médias non cliquables, en tenant compte de la saisonnalité et du prix.
Pourquoi le marketing mix modeling revient-il aujourd’hui ?
Parce que la mesure individuelle s’est dégradée : restrictions sur les cookies tiers, limitations du suivi mobile et recueil du consentement réduisent la part du parcours observable, ce qui fragilise l’attribution multi-touch.
Comment comparer deux agences sur leur performance affichée ?
En imposant la même méthode de mesure et la même fenêtre d’attribution à toutes. Deux agences peuvent revendiquer la même conversion avec des modèles différents et afficher des résultats incomparables.