MMM ou attribution

La modélisation du mix marketing (MMM) et l'attribution à points de contact multiples (MTA) cherchent toutes deux à répondre à la question « qu'est-ce qui a stimulé les ventes ? », mais selon des approches opposées.

Le MMM adopte une approche descendante : il utilise des données agrégées de dépenses et de ventes sous forme de séries temporelles pour estimer la contribution de chaque canal. La MTA adopte une approche ascendante : elle reconstitue les points de contact individuels d'un utilisateur jusqu'à une conversion donnée.

Les spécialistes avancés utilisent les deux méthodes, sachant que chacune possède des angles morts que l'autre compense en partie.

Le MMM effectue une régression des ventes par rapport aux facteurs marketing et non marketing au fil du temps. Il produit des élasticités par canal et une décomposition des ventes en contributions de base et incrémentales.

Surtout, le MMM prend en compte les canaux hors ligne (TV, radio, OOH) ainsi que les effets à long terme que le suivi au niveau utilisateur ne peut pas détecter.

La MTA attribue une part du crédit à chaque point de contact suivi auquel un utilisateur a été exposé avant de convertir. Les modèles vont du dernier clic à l'attribution de type Shapley fondée sur les données.

Elle excelle dans les parcours numériques traçables par des fichiers témoins et fournit une attribution détaillée, presque en temps réel, aux canaux et aux campagnes.

Le compromis fondamental : l’attribution est granulaire, mais étroite ; MMM est globale, mais sommaire.

MTA peut vous indiquer quelle création publicitaire a converti un utilisateur, mais ignore la TV, le bouche-à-oreille et tout ce qui se trouve en dehors de sa fenêtre de suivi. MMM prend en compte l’ensemble du budget, mais ne peut pas descendre jusqu’à une seule campagne ou une seule audience.

La fin progressive des témoins, l’ATT (transparence du suivi des applications) et les règles de consentement ont dégradé le signal au niveau utilisateur dont dépend MTA.

Comme MMM utilise uniquement des données agrégées, il est largement épargné par ces changements. C’est la principale raison pour laquelle MMM a retrouvé la faveur des grands annonceurs.

Les deux méthodes risquent de confondre corrélation et causalité. La recherche est souvent excessivement créditée, car elle capte une demande créée par d’autres canaux.

La véritable incrémentalité répond à la question suivante : cette vente aurait-elle eu lieu sans cette dépense ? Les expériences géographiques et les tests avec groupe témoin constituent l’étalon de référence auquel MMM et MTA devraient être étalonnés.

MTA observe une fenêtre de conversion allant de quelques jours à quelques semaines. MMM peut modéliser le report et les effets de marque à long terme sur plusieurs mois grâce aux effets de report publicitaire et aux termes de tendance.

Si vous évaluez une campagne de marque uniquement avec MTA, vous la sous-évaluerez systématiquement, car ses retombées se produisent en dehors de la fenêtre.

MMM nécessite deux à trois ans d’historique hebdomadaire : dépenses par canal, ventes, prix, promotions, distribution et facteurs externes comme la météo ou les indices macroéconomiques.

MTA nécessite des journaux d’événements propres et dédupliqués, avec des identifiants utilisateur persistants entre les points de contact, qui sont de plus en plus difficiles à obtenir.

Les dispositifs de mesure matures triangulent les approches : MMM pour l’allocation stratégique du budget entre les canaux, MTA pour l’optimisation tactique au sein des canaux et les expériences pour étalonner les deux.

Lorsque MMM et MTA sont en désaccord, l’écart lui-même est instructif : il révèle souvent des parcours non suivis ou excessivement crédités.

MMM échoue lorsque les canaux évoluent ensemble (colinéarité), lorsque l’historique est trop court ou lorsque le modèle est excessivement ajusté au bruit.

MTA échoue lorsque le suivi est incomplet, lorsque le biais du dernier clic domine les rapports et lorsque les conversions hors ligne n’entrent jamais dans le jeu de données.

Demandez-vous : la question est-elle stratégique ou tactique ? Couvre-t-elle des médias hors ligne ? Les données au niveau utilisateur sont-elles fiables dans ce contexte ?

La planification annuelle du budget entre la TV, le numérique et la distribution s’appuie plutôt sur MMM. L’optimisation d’un compte de recherche payante pour la semaine prochaine s’appuie plutôt sur MTA. La validation de l’un ou l’autre repose sur des expériences.

Testez votre compréhension des situations dans lesquelles MMM est plus pertinent que l’attribution.

MMM est une approche descendante, agrégée, résistante aux pertes de données liées à la confidentialité et idéale pour l’allocation stratégique sur l’ensemble des médias, y compris hors ligne. MTA est une approche ascendante et granulaire, idéale pour l’optimisation tactique du numérique, mais vulnérable aux pertes de suivi.

Aucune des deux approches n’est complète seule. Triangulez MMM, MTA et les expériences, puis laissez les tests d’incrémentalité trancher leurs désaccords.