Lire un modèle MMM
Contribution et ROI.
Lire un modèle MMM est une leçon Digital Marketing Academy gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Digital Marketing Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Digital Marketing Academy comprend 4 leçons au total.
Des coefficients aux décisions
Un MMM ajusté fournit des coefficients, des graphiques de contribution, des courbes de réponse et des statistiques d’ajustement. Bien les interpréter permet de transformer les mathématiques en décisions budgétaires.
Cette leçon présente les résultats qu’un analyste examine réellement avant d’accorder sa confiance à un modèle.
La décomposition des contributions
Le résultat principal répartit les ventes totales entre le socle et la contribution incrémentale de chaque canal sur la période.
Interprétez-le ainsi : parmi toutes les unités vendues, combien se seraient vendues de toute façon (le socle) et combien chaque canal a-t-il ajoutées ? La somme des composantes doit correspondre aux ventes réelles.
channel contribution % of sales
base 1,400,000 70.0%
TV 280,000 14.0%
Search 180,000 9.0%
Social 100,000 5.0%
OOH 40,000 2.0%ROI / ROAS par canal
Divisez le chiffre d’affaires incrémental d’un canal par ses dépenses pour obtenir son ROI (ou son ROAS). C’est une référence comparable entre les canaux.
Observez la différence entre le ROI moyen (sur toute la période) et le ROI marginal (celui du prochain euro). Les décisions d’allocation reposent sur la valeur marginale.
channel spend inc_rev ROAS
Search 60,000 300,000 5.0
TV 140,000 560,000 4.0
Social 50,000 150,000 3.0
OOH 40,000 80,000 2.0ROI moyen ou marginal
En raison de la saturation, un canal affichant un ROI moyen élevé peut être presque arrivé à son maximum, de sorte que son prochain euro rapporte peu.
Le ROI marginal est la pente de la courbe de réponse au niveau de dépenses actuel. Réallouez les fonds vers les canaux dont le ROI marginal est le plus élevé, et non vers ceux dont le ROI moyen est le plus élevé.
Search avg ROAS = 5.0
but spend sits near saturation:
marginal ROAS = 1.8 (next $ underperforms)
Social avg = 3.0, marginal = 3.4 -> grow hereLire la courbe de réponse
La courbe de réponse de chaque canal représente les ventes incrémentales en fonction des dépenses. La zone initiale, très pentue, est efficace ; la zone plate est saturée.
Repérez les dépenses actuelles sur la courbe. Si vous vous trouvez dans la partie plate, augmenter le budget est une dépense inutile. Si vous êtes dans la partie pentue, une marge de progression existe.
spend -> 10k 20k 40k 80k 160k
sales -> 50k 90k 140k 165k 175k
slope -> high ... ... low ~flat (saturated)Signes et amplitudes des coefficients
Commencez par vérifier la cohérence des signes. Les coefficients média devraient être positifs ; le prix est généralement négatif ; la promotion est positive. Un coefficient TV négatif signale une colinéarité ou une erreur de modèle.
Les amplitudes doivent être plausibles au regard des a priori et des références, et pas seulement statistiquement significatives.
b_TV = +0.42 (ok, positive)
b_search = +0.31 (ok)
b_price = -1.20 (ok, demand falls w/ price)
b_social = -0.05 (red flag: investigate)Statistiques d’ajustement et de validation
Le coefficient de détermination montre l’ajustement sur l’échantillon, mais une valeur élevée peut indiquer un surajustement. Faites davantage confiance aux mesures hors échantillon : la MAPE sur une période de réserve et la validation croisée sur séries temporelles.
Examinez également les résidus : ils devraient ressembler à du bruit, sans tendance ni saisonnalité résiduelle.
R2 (train) = 0.94
MAPE (holdout) = 7.8%
Durbin-Watson ~ 2.0 (no autocorrelation)
residuals : random, mean ~0Intervalles d’incertitude
Les estimations ponctuelles peuvent être trompeuses. Les MMM bayésiens fournissent des intervalles de crédibilité ; les modèles fréquentistes fournissent des intervalles de confiance. Un canal dont l’intervalle inclut zéro n’est pas positivement fiable.
Présentez des fourchettes aux parties prenantes afin que les décisions tiennent compte de ce que le modèle sait réellement.
channel ROAS 90% interval
Search 5.0 [4.1, 5.8] confident
TV 4.0 [2.9, 5.1] confident
OOH 2.0 [-0.3, 4.2] weak / uncertainDécomposition au fil du temps
Au-delà du total de la période, observez les contributions semaine après semaine. Vous découvrirez ainsi si l’effet d’un canal est régulier, concentré en pics ou en train de s’estomper.
Les pics qui coïncident avec les périodes de diffusion renforcent la confiance ; les contributions apparaissant sans dépenses suggèrent une fuite provenant d’une variable de contrôle manquante.
Étalonnage par rapport aux expériences
La validation la plus solide consiste à comparer la hausse attribuée à un canal par MMM à celle mesurée par une expérience géographique randomisée ou une expérience de hausse des conversions.
Si MMM indique un ROAS de 5 pour la Recherche, mais qu’un test géographique indique 3, réétalonnez le modèle, souvent au moyen d’un a priori. Les modèles qui correspondent aux expériences gagnent en crédibilité pour les canaux qui n’ont jamais été testés.
channel MMM_ROAS experiment_ROAS
Search 5.0 3.0 -> recalibrate down
Social 3.0 3.2 -> well calibratedRésumé des signaux d’alerte
Méfiez-vous d’un modèle présentant des signes peu plausibles, un socle trop faible, des ROI qui défient les références, de larges intervalles présentés comme des certitudes ou un excellent ajustement sur l’échantillon, mais un mauvais résultat sur la période de réserve.
Interpréter un MMM demande autant d’esprit critique que de calcul.
Vérification rapide
Appliquez la distinction entre valeur moyenne et valeur marginale à une décision d’allocation.
Récapitulatif
Interprétez un MMM à travers sa décomposition (socle contre incrémental), le ROAS de chaque canal et, surtout, les courbes de réponse qui révèlent les rendements marginaux.
Vérifiez les signes des coefficients, l’ajustement sur la période de réserve, les résidus et les intervalles d’incertitude, puis étalonnez le modèle par rapport aux expériences. Les décisions suivent le ROI marginal, et non les moyennes mises en avant.
Questions Fréquemment Posées
La leçon « Lire un modèle MMM » est-elle gratuite ?
Oui — le texte complet de « Lire un modèle MMM » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Digital Marketing Academy, passe à CoddyKit PRO. Le cours Digital Marketing Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Lire un modèle MMM » ?
Contribution et ROI. Tu pratiques Digital Marketing Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Digital Marketing Academy ?
Aucune expérience préalable n'est requise. Digital Marketing Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.
Combien de temps prend la leçon « Lire un modèle MMM » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Digital Marketing Academy ?
Oui. Chaque leçon Digital Marketing Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- MMM ou attribution
- Entrées et variables
- Lire un modèle MMM
- Réaffecter le budget