- 16/10/2023
Guilhem Bodin (Converteo), Florian Combres (Axa) et Alfred Butler (Google) expliquent pourquoi on parle autant de MMM avec la fin des cookies tiers et comment la pratique peut s'industrialiser. La discussion se tenait à l'occasion de Future of cookieless, le 11 octobre 2023.
Catégorie
🤖
TechnologieTranscription
00:00 On va continuer à creuser ce filon de la mesure sur l'angle MMM, le Marketing Mix
00:04 Modeling.
00:05 Et pour parler de ce sujet, je vais appeler sur scène, ils sont déjà sur scène, Alfred
00:07 Butler de Google, Florian Combre d'AXA et Guilhem Baudin de Converteo qui vont vous
00:11 expliquer comment le MMM s'industrialise pour justement répondre aux enjeux de cet
00:16 environnement de plus en plus fluctuant.
00:18 C'est Guilhem qui sera aux manettes pour cette session.
00:20 Guilhem, c'est à toi.
00:21 Bonjour à tous.
00:22 Peut-être en deux mots avant de commencer pour me présenter.
00:26 Je suis Guilhem Baudin, je suis partenaire chez Converteo. Converteo, pour ceux qui ne
00:30 connaissent pas, nous sommes un cabinet de conseil, on travaille sur des problématiques
00:32 de la data au service du marketing et du digital.
00:35 On est 421 consultants et globalement on est capable d'intervenir aussi bien sur des
00:40 sujets qui sont plutôt de définition de la stratégie marketing, digital et data jusqu'à
00:44 des sujets d'implémentation de cette stratégie-là d'un point de vue opérationnel.
00:47 Mais je ne suis pas là pour vous parler de Converteo, je suis là plutôt pour vous parler
00:51 de mesures, de mesures de l'efficacité des canaux médias et marketing au sens large
00:55 du terme via le marketing mix modeling, le fameux MMM.
00:59 On va essayer justement avec Florian et Alfred de décortiquer un peu ce sujet-là et puis
01:04 essayer de faire en sorte que tout le monde puisse se l'approprier et comprendre pourquoi
01:08 est-ce que c'est un enjeu peut-être pour mieux piloter, pour mieux challenger l'ensemble
01:13 de ces activations marketing.
01:14 Peut-être messieurs, je vous laisse vous présenter.
01:16 Bonjour, alors Florian Combe, moi je travaille au groupe AXA et je suis en charge des sujets
01:24 de médias performance au groupe AXA, notamment notre programme global de MMM et puis entre
01:31 autres tous les sujets digital, data and tech liés aux médias.
01:34 Bonjour à tous, merci beaucoup Guilhem pour l'invitation.
01:38 Je suis Alfred Butler, je dirige une équipe Data & Mesures chez Google qui a vocation
01:43 d'accompagner les partenaires, les annonceurs sur la mesure entre autres de l'efficacité
01:47 marketing et c'est la raison pour laquelle, notamment dans ce cadre, on collabore avec
01:51 un grand nombre d'entre eux sur des projets de marketing mix modeling.
01:55 Peut-être en deux mots avant de commencer et d'interagir ensemble sur le MMM, deux
02:02 mots pour qu'on ait tous la même définition de ce que c'est, de son fonctionnement et
02:05 de ce que l'on peut faire avec.
02:06 Le MMM, Mathieu en parlait juste avant, c'est une solution de mesure qui permet d'identifier
02:13 par une forme de corrélation, quelle est la relation qui existe entre une activation
02:17 marketing ou médias et une finalité qui est plutôt une finalité business.
02:21 Que ce soit du chiffre d'affaires, de l'entrée en point de vente, du lead, etc.
02:25 Ce qui est intéressant par rapport à des sujets d'attribution, c'est qu'on est sur
02:30 un environnement qui est totalement omni-canal évidemment.
02:32 Et dans l'omni-canalité, il y a à la fois les canaux de distribution mais aussi les
02:36 canaux de communication.
02:37 Et du coup, on est capable d'interagir et de prendre en compte l'intégralité de ces
02:41 signaux pour réussir à l'évaluer, quel est le rôle et quel est le facteur qui va
02:44 expliquer la performance in fine, le chiffre d'affaires ou une entrée en point de vente.
02:50 Et puis en plus de ça, on peut aller beaucoup plus loin.
02:52 On peut prendre des données qui sont internes à l'entreprise, qui vont concerner des
02:55 évolutions de produits, des innovations, des taux de générosité éventuellement
03:00 sur la promotion, des notions de pricing et puis comprendre également l'environnement,
03:06 la concurrence, où est-ce qu'elle se situe, comment est-ce qu'elle communique également,
03:10 etc.
03:11 Donc finalement, on est capable de prendre énormément d'informations, énormément
03:13 de données pour pouvoir évaluer quel est le rôle de chacun pour expliquer le chiffre
03:17 d'affaires d'une entreprise.
03:18 Finalement, si on doit le résumer, c'est trois facteurs.
03:22 C'est un projet data, un projet MMM, puisqu'on doit collecter énormément de données sur
03:26 l'ensemble des facteurs précités.
03:28 C'est un sujet mathématique.
03:30 Mathieu le présentait juste avant, il n'y a pas de corrélation directe entre une activation
03:35 et la finalité, c'est purement de la probabilité.
03:38 Et puis derrière, ça nécessite d'avoir énormément d'analyse métier évidemment
03:41 pour comprendre et analyser qu'est-ce qui a pu se passer sur la période, qui a bien
03:45 fonctionné ou moins bien fonctionné.
03:46 Et donc finalement, il y a un enjeu de data analysis qui est extrêmement fort sur la
03:50 thématique.
03:51 Peut-être pour terminer sur cette introduction, un MMM c'est un projet encore une fois data
03:56 qui se fait en cinq étapes.
03:57 C'est un projet d'abord sur lequel il faut cadrer, se poser les questions, se dire qu'est-ce
04:00 qu'on cherche à mesurer, qu'est-ce qu'on cherche à faire.
04:02 Et puis c'est un projet sur lequel on va collecter la donnée, on va valider cette
04:06 donnée là, qui vient de plusieurs sources, qui vient de plusieurs équipes, pour derrière
04:10 ensuite la modéliser.
04:11 Donc c'est vrai qu'on a tendance à parler de modélisation, sauf qu'en fait la partie
04:14 modélisation c'est qu'une étape, et enfin derrière on va faire toute la data
04:18 analysis qui sera nécessaire pour comprendre et interpréter les résultats.
04:20 C'est un projet qui est lourd, qui est long, c'est quatre à huit mois dans certains
04:24 cas de figure, on va dire six mois en moyenne, et finalement la modélisation c'est deux
04:28 trois semaines en réalité sur les six mois.
04:30 Donc il y a énormément d'enjeux à voir comment est-ce qu'on peut gagner en efficacité,
04:35 en agilité, pour aller plus loin sur le pilotage.
04:37 Et peut-être justement du coup, Florian, si on rentre sur ce sujet là, on parle du
04:44 MMM finalement depuis des années, c'est pas nouveau, ça fait des décennies qu'on
04:47 en parle, pourquoi en 2023 c'est une solution de mesure qui est de plus en plus décrite,
04:53 citée et mise en avant, et d'ailleurs depuis quand est-ce que AXA utilise cette méthodologie
04:58 là pour mesurer l'efficacité de ces canaux marketing ?
05:00 Alors nous de notre côté en fait on a commencé à travailler sur le MMM dans les années
05:07 2010, au début des années 2010, aujourd'hui on travaille avec un partenaire depuis 2014,
05:14 donc ce sont des sujets qu'on connaît bien et qu'on maîtrise bien.
05:18 En fait je pense qu'aujourd'hui le MMM fait tout son sens déjà parce qu'il est
05:24 privacy by design, concrètement on travaille sur des agrégats, on n'a pas de données
05:30 personnelles, on n'analyse pas de données personnelles sur du MMM.
05:34 Je pense que c'est également un outil de mesure et d'aide à la décision qui
05:40 est agnostique, c'est-à-dire qu'on n'a pas de biais liés au fait d'utiliser une
05:44 technologie ou une autre, on est sur des approches statistiques, sur des mathématiques.
05:49 Par ailleurs, comme tu l'as expliqué, à travers le MMM on peut intégrer un grand
05:56 nombre de sources de données, un grand nombre de signaux.
05:59 En termes d'activité marketing, on va se focaliser à la fois sur l'interprétation
06:05 et la contribution de différents leviers, qu'ils soient liés à de la communication,
06:08 à des facteurs de distribution, de pricing, de promo, à des facteurs externes tels que
06:14 l'impact de la concurrence ou à des effets de saisonnalité.
06:16 Donc en fait ce sont des techniques qui vont nous permettre d'avoir une vision globale
06:23 pour mieux comprendre ce qui se passe sur notre activité business.
06:28 Et effectivement aujourd'hui la donnée est pléthorique, on a beaucoup de sources de
06:34 données, peut-être par rapport à ce qui était disponible il y a 20 ou 30 ans.
06:39 Ceci étant, le sujet de la qualité de données reste critique parce que sans données de
06:44 qualité on ne peut rien faire d'un point de vue statistique.
06:47 Merci.
06:48 Alfred, alors j'ai été évidemment très intéressé d'avoir Google autour de la table
06:54 et surtout parce que finalement vous êtes par nature un acteur qui travaille sur la
07:00 mesure déterministe, c'est intégré dans tous les outils, que ce soit Google Analytics,
07:04 que ce soit Google Ads, que ce soit dans TV360.
07:06 Du coup finalement pourquoi est-ce que vous vous intéressez à cette solution de mesure?
07:10 Alors oui tu as raison, par essence dans l'ADN de tous les produits Google on a des approches
07:16 déterministes mais elles sont de plus en plus et ce depuis longtemps complétées par
07:19 des approches plus probabilistes.
07:21 C'est le cas de la mesure cross device depuis longtemps, c'est le cas plus récemment de
07:25 la mesure des conversions.
07:26 On a parlé de consentement, Mathieu en a parlé tout à l'heure.
07:30 Pour la part des conversions qui ne sont plus observables par des approches déterministes
07:34 on peut les modéliser avec d'autres solutions.
07:36 Donc on combine ces deux approches déterministes et probabilistes.
07:39 Je dirais que d'une manière générale, depuis 5 ans on constate tout comme vous
07:44 qu'on ne peut plus se baser ou l'illusion qu'on avait il y a 5 ans qu'un outil seul
07:51 d'attribution pouvait répondre à l'ensemble des questions des équipes marketing, ça
07:56 pour le coup on en est revenu et la conviction qu'on se forge depuis 2-3 ans maintenant
08:01 c'est pour continuer à planifier le média, à optimiser aussi le média en ligne mais
08:06 à prendre des décisions stratégiques d'arbitrage budgétaire, il faut combiner trois approches
08:10 de mesure.
08:11 On a parlé bien sûr de l'attribution, on a parlé des MMM mais il ne faut pas oublier,
08:15 Mathieu l'a évoqué également, toute la partie test d'incrémentalité et ce qui
08:19 est intéressant c'est que les géotests et les MMM dans le cadre de la matinée d'aujourd'hui
08:23 sont deux solutions de mesure qui ne reposent pas sur des cookies tiers et donc qui sont
08:27 de ce point de vue là plus durables.
08:28 Pour être encore plus concret sur le sujet, Florian, est-ce que vous pouvez nous partager
08:34 les grands enseignements que vous arrivez à sortir des modélisations MMM ?
08:36 Alors je pense qu'il y a d'abord une dimension stratégique, comme tu l'expliquais tout à
08:44 l'heure, on va grâce aux MMM comprendre ce qui se passe sur un marché en termes d'impact
08:52 business de nos actions marketing.
08:54 Donc en fait c'est un moyen de prendre du recul sur ce qui est à l'oeuvre.
08:59 Pour vous donner un exemple, il y a deux ans sur un de nos marchés à l'étranger on a
09:07 pu quantifier quel était l'impact de la pénurie de semi-conducteurs sur l'industrie automobile
09:14 et en ricocher sur la vente d'assurance auto et donc on voyait qu'on avait un impact sur
09:22 notre business d'assurance auto qui en réalité était lié à un facteur externe qui était
09:26 la pénurie de semi-conducteurs.
09:28 Donc ça avec ce type de technique et bien sûr il faut avoir la donnée qui va nous
09:34 permettre d'arriver à ce niveau d'insight, on peut comprendre ce qui se passe et ce qui
09:41 est à l'oeuvre sur notre marché.
09:42 Après je dirais qu'on va d'un point de vue stratégique on va pouvoir également comprendre
09:48 l'impact de notre brand equity ou des actions autour de notre brand equity sur notre génération
09:53 de business, travailler aussi et voir l'impact d'une mesure de conversion plus chaude, les
10:00 équilibres court terme long terme, branding performance, donc voilà les grands arbitrages
10:06 ça va être la première dimension qu'on va pouvoir avoir et de façon simple ça va
10:11 se traduire aussi en termes de quantification en disant voilà j'investis un euro par exemple
10:18 en investissement publicitaire, combien est-ce que ça me rapporte en termes de business
10:23 incrémental ou de chiffre d'affaires, voire dans certains cas de profitabilité si on
10:30 arrive à aller jusque là.
10:32 La deuxième dimension elle est plus tactique, donc de mon point de vue on peut utiliser
10:38 aussi le MMM de façon plus tactique, certes pas à la même granularité que des modèles
10:44 d'attribution multi-touch, néanmoins on va aller creuser, faire des analyses pour comprendre
10:50 quelle est l'efficacité de nos médias, quels sont les effets de halo, certaines activations,
10:56 des impacts court terme, long terme qui sont différents, on va comprendre la saturation
11:00 quand on investit en médias, à quel point on peut saturer, voilà il y a différents
11:08 outputs qu'on peut en tirer, on peut aussi confirmer des enseignements qu'on peut avoir
11:13 par exemple à notre niveau on a fait des études pour comprendre quel était l'impact
11:18 des facteurs de qualité type prime time en TV, emplacement préférentiel sur l'impact
11:25 business et donc voilà parfois ça permet de confirmer ou d'infirmer des enseignements
11:30 qu'on peut avoir quand on fait du média, donc voilà il y a toute cette dimension tactique
11:34 également qu'on peut exploiter.
11:36 Après ce n'est pas un outil magique, je le disais la donnée est importante et après
11:44 dans notre approche chez AXA on s'attache aussi à faire de la triangulation avec d'autres
11:49 études notamment tout ce qui concerne le brand tracking ou bien sûr la performance
11:55 directe de nos campagnes pour pouvoir voir si effectivement on converge en termes d'enseignement
12:01 sur les enseignements.
12:02 On parle du coup de certains capillaires qui sont très présents en digital, on parle
12:08 de contribution, on parle de ROS, on parle potentiellement de réussir à augmenter la
12:13 fréquence grâce à une vision un peu plus industrialisée, finalement Alfred est-ce
12:18 que déjà ça peut un MMM tourner plusieurs fois par an, est-ce que c'est crédible et
12:22 est-ce que ça peut remplacer potentiellement à terme une solution de multi-touch attribution?
12:29 Pour répondre à la deuxième partie de la question, dans l'état actuel des choses
12:33 on ne pense pas en tout cas chez Google que ça remplace l'attribution.
12:36 Le rôle de l'attribution, l'objectif c'est de la mesure du quotidien, c'est l'optimisation
12:41 du média aussi imparfaite soit-elle il faut conserver cette attribution et on peut corriger
12:48 ces imperfections en tout cas essayer de la rendre le moins imparfaite possible, on l'a
12:51 évoqué, Mathieu l'a évoqué, je pense qu'il faut investir dans l'attribution,
12:54 investir dans l'attribution ça veut dire maximiser ce qu'on peut observer, investir
12:57 sur la first party data, lnsconversion chez Google est une solution qui permet justement
13:01 d'aller retrouver des conversions de manière déterministe et il faut investir sur des
13:06 approches probabilistes comme constant mode, la modélisation pour vraiment essayer de
13:10 corriger au maximum les imperfections de l'attribution pour l'opération du quotidien.
13:13 Après d'un point de vue stratégique, le MMM est la solution qui permet vraiment de
13:19 comparer l'ensemble des leviers entre eux, on et off, de tirer des enseignements, de
13:23 faire des arbitrages budgétaires et c'est en ça que ça devient une solution essentielle
13:27 d'arbitrage, de planification et d'allocation budgétaire.
13:30 Et je dirais qu'entre les deux, les tests, justement les tests d'incrémentalité permettent
13:37 de corriger un peu les imperfections de l'un et de l'autre.
13:40 Je prends un exemple sur l'attribution, il est bon de challenger son modèle d'attribution
13:45 avec un geotest par exemple pour vérifier que les imperfections ne sont pas trop importantes
13:49 et quitte à corriger son modèle d'attribution avec ses apprentissages.
13:53 A l'inverse, un MMM, on l'a évoqué en introduction, c'est une analyse passée,
13:58 on regarde l'historique de l'investissement en médias et donc c'est difficile de se
14:02 projeter sur un nouveau dispositif, de tester un nouveau format et d'en percevoir le héroïde
14:08 dans un MMM.
14:09 Un geotest, à ce moment là, il est pertinent parce qu'on va se mettre dans les conditions
14:13 réelles du terrain pour calculer le héroïde incrémental d'un nouveau format publicitaire,
14:18 d'une nouvelle stratégie et c'est en ça qu'on pense que le futur de la mesure s'incarne
14:22 par la combinaison et la bonne synchronisation dans une feuille de route de mesure, un learning
14:27 agenda qui est quelque chose qui est pas mal travaillé chez Converteo notamment.
14:31 C'est ça qui nous fait penser que le futur de la mesure pourra continuer dans un monde
14:36 sans cookies.
14:37 Et j'ai pas oublié la première partie de ta question qui était sur la fréquence,
14:41 est-ce qu'on peut faire des MMM plusieurs fois par an.
14:44 La question que je poserais à un annonceur c'est à quelle fréquence du coup il prend
14:47 ses décisions budgétaires.
14:48 S'il les prend une fois par an en fait, un MMM, on n'est pas dans l'obligation de
14:54 se mettre en ordre de marche pour en faire tous les 6 mois ou tous les 3 mois.
14:57 Maintenant si on a des arbitrages budgétaires qui sont pris tous les 3 mois, tous les 6
15:01 mois, alors c'est là qu'il faut se mettre en ordre de bataille pour être en capacité
15:04 de faire tourner des MMM plus régulièrement et ça c'est possible maintenant.
15:07 Florian, je pense que côté AXA, vous le faites bien.
15:11 Et vraiment, les acteurs les plus matures qu'on peut voir sur le sujet, ça va être
15:18 dans le travel.
15:19 En tout cas moi personnellement, j'ai pas pu constater des MMM au-delà du trimestre.
15:23 Vraiment j'ai pas d'exemple en tête d'annonceurs qui arriveraient à faire des MMM tous les
15:29 mois ou quasiment en temps réel pour remplacer la tribution.
15:31 Dans ce contexte, comment est-ce que vous aidez les annonceurs à s'approprier le MMM
15:38 et à l'intégrer dans leur mode opératoire ?
15:39 On fait beaucoup de choses pour contribuer justement à la promotion des MMM.
15:46 La première chose c'est déjà qu'on en parle, on en parle beaucoup aux annonceurs
15:49 et ce qui est surprenant c'est qu'on en parle à de plus en plus d'annonceurs, y compris
15:52 des annonceurs issus de la perf, des pureplayers, qui ne regardaient pas ces solutions auparavant.
15:56 Et donc ça c'est intéressant de constater que c'est une solution maintenant qui est
16:00 dans le radar de la plupart des annonceurs.
16:02 On a déployé, on a sorti, publié un playbook, le ModernMusumen playbook qui sera bientôt
16:09 disponible sur Think with Google.
16:11 C'est un playbook qui explique comment nous, on fait interagir et on combine ces trois
16:18 approches de mesure.
16:19 La deuxième façon dont on contribue c'est qu'on crée des programmes pour valoriser
16:23 l'expertise des partenaires MMM en France.
16:26 On a la chance en France et en Europe d'avoir un écosystème qui est assez mature sur le
16:30 sujet, qui est assez fort.
16:31 Ce n'est pas le cas aux US, ce n'est pas le cas en APAC, en Asie-Pacifique.
16:35 Et pour le coup, sur tous les projets de MMM qu'on peut faire en collaboration avec
16:40 les annonceurs, dans la plus grande majorité, il y a un partenaire.
16:43 Y compris sur les projets d'internalisation du MMM, il y a un partenaire data pour les
16:47 accompagner dans ces logiques-là et on a la chance d'en avoir beaucoup en France.
16:50 Je trouve à la fois des partenaires globaux et des partenaires locaux.
16:54 Après, il y a un enjeu quand on parle d'industrialisation du MMM qui est sur la collecte de la donnée
17:03 et la rapidité avec laquelle on va pouvoir fréquemment utiliser une donnée qui est
17:10 nécessaire au modèle, et notamment la donnée d'investissement média.
17:12 Pour tous les annonceurs et les partenaires qui le souhaitent, Google, on propose d'automatiser
17:17 cet envoi de données sur les investissements médias Google à un niveau de granularité
17:21 qui est suffisamment fin pour que vous ayez aussi des résultats qui soient à la maille
17:27 du format, à la maille du levier intra-Google et pour éviter par exemple, comme on peut
17:32 le voir dans certains MMM, d'avoir juste un bucket VOL et ne pas dissocier la performance
17:38 de YouTube, de Dailymotion, de Tees, en tout cas de l'inventaire ou de la Ketchup TV.
17:43 Et donc ce niveau de granularité est rendu possible avec une data suffisamment fine et
17:49 de qualité.
17:50 Et la dernière façon dont on contribue justement à cet écosystème de mesure, c'est toute
17:55 l'innovation qu'on peut faire aussi sur la modélisation en elle-même.
17:58 On va publier dans des packages sur GitHub du code open source qui est vraiment en accès
18:06 libre, vous pouvez en utiliser une partie ou son entièreté, je pense à Lightweight
18:10 par exemple qui est un package qui permet justement de mettre un pied à l'étrier
18:14 sur les sujets de MMM.
18:16 Et pour le coup c'est une bonne façon de rentrer sur ce sujet-là en équipant vos
18:21 data scientists côté annonceurs quand vous en avez ou côté partenaire pour justement
18:25 tester et approcher le MMM par le modèle.
18:28 Florian, justement si on revient sur l'industrialisation, Alfred l'évoquait, vous faites tourner plusieurs
18:35 fois par an des modèles pour plusieurs pays, pour plusieurs marques.
18:39 Finalement derrière, par où on commence quand on va commencer un projet et encore
18:43 plus un projet d'industrialisation ?
18:44 Alors aujourd'hui l'industrialisation, on y travaille, on ne fait pas tourner encore
18:50 partout dans tous les pays des modèles à une fréquence aussi élevée parce que déjà
18:56 ça ne fait pas forcément sens de le faire partout.
18:58 Je pense que le premier prérequis c'est de remettre en question les enjeux business
19:06 en fait et déjà de savoir si localement il y a une maturité des équipes qui est
19:12 suffisante sur les techniques de MMM.
19:17 Le MMM c'est un projet MMM, ça implique énormément de monde en interne comme en
19:22 externe.
19:23 Il faut déjà qu'en interne les équipes s'approprient les insights qui sortent du
19:30 MMM parce qu'en fait pour mettre en oeuvre un projet MMM il faut mobiliser énormément
19:36 de gens, notamment sur la collecte de données.
19:38 Donc ça c'est le prérequis, mettre en avant quels sont les enjeux qu'on vise, ça va
19:45 permettre de prioriser ce qu'on veut atteindre en termes d'objectifs pour industrialiser.
19:52 Après je dirais que la deuxième étape c'est effectivement de travailler sur la collecte
19:58 de données mais pas seulement.
20:00 On va s'attaquer à différentes problématiques qui sont de l'ordre de la gouvernance, du
20:06 process, de la qualité et de la propreté de la donnée.
20:11 On va travailler sur des questions de nomenclature, de modèles, est-ce que nos modèles sont
20:17 bien calibrés de la même façon, parce qu'en fait si on veut industrialiser ça suppose
20:21 qu'à chaque fois qu'on va rafraîchir nos modèles on arrive à maintenir un certain
20:26 standard à la fois dans la donnée qu'on collecte et dans la façon dont elle est traitée.
20:31 Donc aujourd'hui sur certains marchés effectivement on peut aller jusqu'à une maille trimestrielle
20:36 en termes d'industrialisation mais comme c'est un process qui est très lourd en termes
20:42 de gouvernance et d'animation, je pense qu'avant de vous lancer là-dedans c'est
20:49 vraiment important que vous vous remettiez bien en phase ce que vous voulez atteindre
20:54 avec cette industrialisation.
20:56 Est-ce que vous avez un exemple d'évolution de mix média que vous avez pu identifier
21:02 grâce à une modélisation ?
21:03 Oui, les exemples je pense qu'il y en a beaucoup de plein d'ordres.
21:09 Ça peut être effectivement des évolutions entre médias, offline et online ou même
21:17 entre des leviers au sein d'un même média.
21:19 Récemment j'ai un exemple en tête sur un pays où on avait vu le ROI du search baisser
21:29 fortement parce qu'en fait les équipes avaient arrêté des achats de mots-clés transversaux
21:37 sur une catégorie de produits.
21:38 Sur le refresh suivant ça a été remis en place et on a vu tout de suite l'impact
21:44 sur le ROI.
21:45 Ce sont des impacts très tactiques, factuels.
21:50 Après quand on travaille par exemple sur de la segmentation pour comprendre comment
21:58 nos audiences prioritaires vont réagir à certaines communications ou à certains médias,
22:04 on peut par exemple identifier des mix adéquats pour toucher des segmentations prioritaires
22:12 qu'on voudrait avoir par exemple.
22:13 Alfred, ces projets globalement, on l'a vu, sont des projets d'attaque, ils sont assez
22:19 lourds, assez structurants.
22:21 Ils sont souvent du coup orchestrés par des cabinets de conseil en accompagnement directement
22:26 des annonceurs.
22:27 Comment on intègre une agence média là-dedans finalement ?
22:29 Il faut l'intégrer dès le départ.
22:32 C'est vraiment un acteur qui est clé dans la réussite d'un MMM.
22:36 Déjà dans la phase de collecte, quand on parle d'un MMM, on a besoin notamment de
22:40 la donnée d'investissement média.
22:41 L'interlocuteur le plus adéquat qui agrège ces données-là c'est bien sûr l'agence
22:45 média.
22:46 Mais vraiment pour aller plus loin, quand on fait un MMM, il faut l'inscrire dans une
22:50 feuille de route et il faut un alignement du CMO, des équipes marketing, de l'agence,
22:56 du partenaire MMM en amont sur quels sont les pouractions claires qu'on va prendre
22:59 à l'issue de ce MMM.
23:00 On a trop souvent vu des MMM apporter des apprentissages et des résultats qui finalement
23:07 n'ont pas conduit à des changements de mix, contrairement à l'exemple que tu citais
23:12 Florian.
23:13 Vraiment, les embarquer au plus tôt, c'est s'assurer que derrière on va à minima
23:17 lancer des tests qui vont pouvoir confirmer une hypothèse qu'on a entreaperçue dans
23:22 le MMM.
23:23 C'est important et je rajouterais un dernier point, c'est aussi important d'intégrer
23:26 les partenaires médias.
23:27 C'est important de partager les résultats avec l'ensemble de vos partenaires médias,
23:31 même indicés.
23:32 Je vois qu'il y a beaucoup de vertu dans les discussions qu'on peut avoir avec les
23:35 annonceurs sur justement des sessions d'approfondissement, même Intrachannel en fait.
23:41 On voit très bien qu'on peut optimiser le média Google en regardant les résultats
23:44 d'un MMM et en essayant d'apporter aussi une surcouche de données sur le format, la
23:48 longueur de la créa et d'autres informations qui nous permettent d'optimiser YouTube,
23:53 d'optimiser le search, d'optimiser Pimax, d'optimiser l'ensemble de nos leviers
23:57 Intrachannel.
23:58 On est sur un sujet, comme on le disait tout à l'heure, mathématique sur lequel il
24:04 y a de la recherche et développement en permanence.
24:06 Finalement, qu'est-ce qui manque maintenant pour rendre les modèles encore plus robustes
24:10 et quel est le futur selon vous, pour chacun d'entre vous ? Quels sont les éléments
24:15 qu'il faudrait rajouter pour aller plus loin dans la mesure ?
24:19 Il y a deux questions qu'on se pose et je pense qu'on n'est pas les seuls dans
24:23 cette salle, même si je crois que ce que vous faites, Axa, apporte des éléments de
24:29 réponse.
24:30 Il y a une première question, un premier challenge qui est autour de comment le MMM
24:33 peut nous aider à démontrer qu'investir sur sa marque aujourd'hui, c'est investir
24:37 sur sa performance de demain.
24:39 Et comment on peut dans les modèles mieux intégrer les effets long terme du branding.
24:44 Et ça, je souhaite vraiment, en tout cas à nos équipes de travail, apporter des
24:47 réponses, notamment dans l'Hightweight en 2024.
24:51 Il y a un deuxième challenge, on a un peu parlé des nouveaux formats qui sont boostés
24:55 à l'IA, donc Pimax, Dimension.
24:58 Là aussi, je pense que faciliter l'intégration des résultats, des géotests dans les MMM,
25:05 on ne va pas rentrer dans la technique, mais l'Hightweight c'est sur un modèle bayésien,
25:09 justement c'est un modèle qui permet ça.
25:11 Je pense que ça nous aidera à être beaucoup plus précis dans la granularité et dans
25:18 les apprentissages qu'on peut avoir sur MMM.
25:20 Moi, je dirais qu'il y a deux facteurs.
25:23 Sur la partie Brand Equity long terme, ce sont des sujets qu'on travaille depuis longtemps
25:27 et sur lesquels on a capitalisé beaucoup d'expérience.
25:31 Aujourd'hui, l'un de nos enjeux reste toutefois, si on se place sur un focus activation digitale,
25:39 de trouver des leviers pour pouvoir optimiser une campagne branding en cours de campagne
25:44 sur de la performance business.
25:46 Et ça, aujourd'hui, à ma connaissance, personne ne sait le faire sur des critères de performance
25:52 court terme, long terme, business.
25:53 C'est un véritable enjeu.
25:56 On travaille avec d'autres marques comme Pernod Ricard, Nestlé et notre partenaire
26:05 Equimetric sur ces sujets de Brand Equity de long terme.
26:08 On a créé un think tank qui s'appelle le Marketing Performance Hub pour explorer et
26:14 investiguer ces questions.
26:15 Je fais ma pub, prochainement on partagera un livre blanc sur ces sujets auprès du marché.
26:21 Je pense que le deuxième point, très rapidement, pour nous, c'est aussi d'être plus dans
26:26 une logique d'industrialisation en s'appuyant à la fois sur du prédictif.
26:33 Sortir du MMM qui regarde juste la performance passée, mais l'utiliser pour pouvoir être
26:39 plus dans la prédiction.
26:41 Dans un cycle, je prédis, je teste mes résultats, je corrige.
26:47 C'est pour ça que l'industrialisation et le rafraîchissement des modèles prend tout
26:52 son sens.
26:53 Merci beaucoup messieurs.
26:54 Pour conclure, le MMM, c'est une solution qui est clé pour piloter son marketing dans
27:00 l'intégralité de la définition du marketing.
27:04 C'est un élément qui est clé.
27:05 Il y a certes la partie médias, mais pas que.
27:07 On en a déjà évoqué, la promo, le pricing, la concurrence, l'environnement, etc.
27:11 Ce sont des éléments qui sont clés.
27:13 Jusqu'à maintenant, c'était des solutions qui étaient globalement lourdes à mettre
27:16 en place.
27:17 Une collecte complexe, lourde, une profondeur d'analyse qui est parfois discutable pour
27:21 être utilisée en day to day.
27:23 Et puis derrière, souvent des restitutions qui sont un peu figées et qui ont tendance
27:26 à se perdre dans le temps dans différentes boîtes mail.
27:29 Face à ça, nous avons décidé de développer une solution, une solution SaaS, qui permet
27:34 de simplifier la collecte de la donnée, simplifier directement l'analyse de la donnée qui a
27:40 été collectée, analyser en permanence les différentes modélisations, faire du refresh
27:44 qui est un enjeu assez clé, et puis même aller au-delà et faire un peu de prédiction
27:49 et commencer à se dire, si je fais évoluer mon mix de telle façon, qu'est-ce que ça
27:53 donnerait ? Même si ça peut avoir énormément de biais parce qu'on ne connaît pas le contexte
27:56 futur, malgré tout, ça permet d'avoir des premiers enseignements.
27:59 Merci beaucoup.
28:00 Merci pour votre attention.
28:01 Merci.
28:02 Merci beaucoup.
28:03 Merci à tous les trois.
28:07 (Applaudissements)
Recommandations
13:28
|
À suivre
1:36
38:45
18:17
8:41
15:00
10:12
3:32