Optimisez vos ventes grâce à la modélisation du mix marketing

Qu’est-ce que la modélisation du mix marketing ?

Selon l’article “Challenges and Opportunities in Media Mix Modeling” de Chan D. & Perry M. (2017), les modèles de mix marketing (MMM) sont des modèles statistiques utilisés par les annonceurs pour mesurer l’efficacité de leurs dépenses publicitaires. Elles existent sous différentes formes depuis les années 1960. Les MMM, comme nous les appellerons désormais, utilisent des données historiques agrégées de séries chronologiques pour modéliser les performances de vente en fonction de variables publicitaires, d’autres variables marketing et de variables de contrôle telles que la météo, la saisonnalité et la concurrence sur le marché.

Des mesures telles que le retour sur investissement publicitaire (ROAS) et l’optimisation des allocations de budget publicitaire sont dérivées de ces modèles sur la base qu’ils fournissent des résultats causaux valides.

En d’autres termes, les MMM tentent de répondre à des questions causales pour l’annonceur. Par exemple :

• Quel était mon ROAS sur la télévision l’année dernière ?
• Quelles seraient mes ventes si je dépensais plus ou moins d’argent l’année prochaine ?
• Comment répartir mes budgets médias pour maximiser les ventes ?

Qu’est-ce que la modélisation du mix marketing apporte à votre entreprise ?

Avec le MMM, nous allons réaliser deux choses différentes :

• Attribution : nous obtiendrons une analyse de toutes les variables qui influencent les résultats commerciaux du client et nous saurons quelles sont les plus pertinentes pour les améliorer. L’avantage par rapport aux modèles au niveau de l’utilisateur est que dans ce modèle, nous ne parlons pas seulement de données numériques. En utilisant des données agrégées, nous pouvons incorporer des données sur les investissements hors ligne, les types d’offres, la saisonnalité, entre autres.
• Prédictions : nous pouvons découvrir quelles variables ont été les plus pertinentes au cours de la période analysée, une MMM indiquera comment stimuler chaque variable et prédire comment les résultats changeront dans chaque scénario qui lui est présenté.

Nous ne pourrons faire que des activations à haute valeur ajoutée, mais seulement en tant que prise de décision et pour cela nous aurons besoin d’un analyste pour interpréter les données. Cependant, en utilisant des données agrégées, vous ne disposez pas d’utilisateurs localisés. Vous ne pourrez donc pas utiliser un MMM pour activer des audiences ou optimiser les algorithmes de campagne.

Choisir le meilleur modèle pour votre entreprise

Dans un projet MMM, nous allons travailler et créer différents types de modèles et l’objectif initial sera de choisir celui qui convient le mieux à notre entreprise :

Dans le graphique ci-dessous, nous pouvons voir l’historique des ventes réelles du client (ligne rose) et nous pouvons également voir comment ce modèle a prédit cette période (ligne bleue).

Au final, nous choisirons le modèle qui correspond le mieux à la tendance et aux pics de vente du client.

Quels enseignements pouvons-nous tirer de notre modèle MMM ?

• Prévision de l’augmentation potentielle des ventes : ce graphique montre toutes les campagnes ou actions qui ont été incluses dans le modèle. Les points représentent l’investissement et les ventes réels de cette campagne, et grâce aux lignes de tendance, nous pouvons voir le potentiel de vente de chaque campagne à mesure que nous augmentons l’investissement.

• ROI des campagnes et des variables : dans le graphique, nous pouvons voir en bleu foncé le poids en pourcentage des ventes totales que cette campagne ou action a eu (calculé par le modèle). En bleu clair, nous pouvons voir le poids que cette action a eu sur l’investissement total (ce sont des données que nous donnons au modèle). Et enfin, les points orange montrent le retour sur investissement de chaque action, identifiant celles qui sont les plus rentables pour votre entreprise.

Vous voulez en savoir plus sur ce que la modélisation du marketing mix peut apporter à votre entreprise ?
N’hésitez pas à contacter notre équipe d’experts sur l’adresse marcom@makingscience.com, nous sommes impatients de vous aider !