MMM by google : Données de couverture et de fréquence

Le Marketing Mix ModelingQu’est-ce que le Marketing Mix Modeling ? Imaginez que vous êtes un grand chef cuisinier. Votre plat signature (disons, vos ventes ou vos nouveaux clients) est le résultat d'un mélange subtil d'ingrédients : une pincée de publicité TV, une bonne dose de campagnes SEA, un zeste d'emailing, et... More (MMM) est une approche statistique utilisée pour analyser l’impact des investissements marketing afin d’optimiser les stratégies budgétaires des entreprises.

Cependant, les modèles traditionnels de MMM présentent certaines limitations. Tout d’abord, les variables média peuvent être décrites en termes d’impressions lorsque les données d’investissements ne sont pas disponibles. Habituellement, lorsque les données d’impressions sont utilisées, l’impact des expositions multiples à une publicité sur le comportement des individus n’est pas intégré dans les modèles de MMM classiques.

Les impressions peuvent être décomposées en portée (nombre de personnes uniques exposées) et fréquence (nombre moyen d’expositions par personne), essentielles pour les campagnes publicitaires numériques. En effet, la portée et la fréquence offrent des informations plus précises que les impressions seules. Par exemple, 100 impressions peuvent signifier une personne voyant l’annonce 100 fois ou 100 personnes la voyant une fois. Ces scénarios ont des impacts différents non capturés par les MMM utilisant uniquement les impressions, nécessitant l’utilisation d’une modélisation plus avancée, comme celle proposée par Zhang et al., 2023.

Ainsi, pour les variables dont nous disposons des informations de portée et fréquence, nous pouvons modifier le terme des impressions médias :

.

La portée est supposée avoir une relation linéaire avec les ventes, bien que l’augmentation de la portée puisse ne pas être proportionnelle entre différents publics, entraînant des rendements décroissants. Pour éviter la sur-paramétrisation et les problèmes d’identifiabilité, cette relation linéaire est maintenue.

Vous pouvez cliquer ici pour revenir sur l’article principal sur le MMM by Google

Bibliographie :

Zhang et al., 2023. Bayesian Hierarchical Media Mix Model Incorporating Reach and Frequency Data