Fonctionnalité · Media Marketing Mix (MMM)

Logiciel de modélisation du mix marketing pour l’e-commerce

Media Marketing Mix (MMM) est un modèle bayésien de mix marketing qu’AmICited ajuste pour vous avec le moteur open source Meridian de Google. Vous choisissez un résultat et vos canaux dans l’application ; elle estime ce que chaque canal a apporté, où les 1 000 prochains de budget seraient les plus efficaces, et si la recherche payante modifie votre trafic organique. Pas de code, pas d’équipe de data science pour le mettre en place.

app.amicited.com/marketing-channels/mmm
Un modèle, chaque semaine
Google Meridian, bayésien
Moteur
Revenu de la boutique, conversions GA4 ou clics organiques
Résultat
5 plateformes publicitaires, coûts personnalisés, groupes de campagnes
Canaux
Intervalles de crédibilité à 90 %
Incertitude
Automatique, chaque semaine
Réajustement
Les contributions et le ROI sont des estimations du modèle avec incertitude, pas des conversions suivies. Le ROI est le revenu par unité de dépense, pas le profit.

Des marques qui suivent la façon dont les réponses IA les nomment — échantillonnées chaque jour sur toutes les surfaces où leurs acheteurs posent des questions.

Lire les études de cas →
Données d'entrée du modèle
Résultat de ventes Revenu ou commandes de la boutique, revenu d'achat ou achats GA4
Toute conversion GA4 En nombre, ou avec une valeur par conversion
Résultat organique Sessions organiques GA4, clics organiques Search Console ou Bing
Plateformes publicitaires Google Ads, Microsoft Advertising, Meta Ads, LinkedIn Ads, ChatGPT Ads
Autres dépenses Coûts marketing personnalisés, groupes de campagnes
Les dépenses et les impressions sont importées depuis les plateformes publicitaires connectées. Les canaux hors ligne entrent sous forme de coûts personnalisés.
Ce qui alimente le modèle

Modélisation du mix média sur vos propres données

Le modèle travaille à la maille hebdomadaire. Vous choisissez un résultat, puis les canaux pour l’expliquer : les dépenses et impressions importées de vos comptes publicitaires connectés, des coûts marketing personnalisés pour les canaux sans intégration, et des groupes de campagnes qui scindent une plateforme en plusieurs canaux.

  • Résultats — revenu de la boutique, commandes de la boutique, revenu d’achat GA4, achats GA4, ou tout événement de conversion GA4, compté ou avec une valeur par conversion pour que le modèle puisse indiquer le retour sur dépense.
  • Cinq intégrations publicitaires — Google Ads, Microsoft Advertising, Meta Ads, LinkedIn Ads et ChatGPT Ads, reliées via les mêmes intégrations de plateformes publicitaires que le reste d’AmICited.
  • Groupes de campagnes — séparez par exemple les campagnes Google Ads de marque et hors marque par identifiants ou par règle de nom. Un groupe exige au moins 8 semaines avec des impressions, et l’application suggère des groupes pour les campagnes représentant 5 % ou plus des dépenses d’une plateforme.
  • Jusqu’à 256 canaux — mais moins de canaux, plus importants, donnent plus de signal au modèle pour chaque estimation.
Ce que le modèle restitue

Contribution, ROI et courbes de réponse

Pour chaque canal, le modèle indique sa contribution estimée au résultat avec un intervalle de crédibilité à 90 %, et son ROI sous forme de revenu par unité de dépense. Les courbes de réponse montrent comment le résultat devrait évoluer lorsque les dépenses passent de zéro à trois fois le niveau actuel, afin de voir où les rendements s’aplatissent.

  • Où les 1 000 suivants rapportent le plus — un verdict par canal (augmenter, réduire ou incertain), fondé sur le rendement marginal aux dépenses actuelles.
  • Meilleure répartition du budget actuel — le même total, réparti autrement entre les canaux pour obtenir le meilleur résultat modélisé.
  • Scénarios — réglez chaque canal entre 0× et 3× de ses dépenses et comparez la variation modélisée avec son intervalle à 90 %. Un scénario n’est pas une prévision de revenu et ne modifie jamais les budgets de vos plateformes publicitaires.
  • Diagnostics vérifiables — convergence (R-hat, taille d’échantillon effective, divergences), réajustements de sensibilité aux a priori, réajustement automatique hebdomadaire et versions enregistrées à comparer.
Lecture de l'allocation budgétaire
Contribution Avec un intervalle de crédibilité à 90 %
Courbe de réponse De 0× à 3× des dépenses actuelles
Les 1 000 suivants Augmenter, réduire ou incertain
Meilleure répartition Même budget total, réorganisé
Géométrie de carte illustrative. Votre modèle indique des valeurs et des intervalles pour vos propres canaux.
Le PPC influence-t-il l'organique ?
Référence modélisée Clics organiques sans PPC
Observé Clics organiques avec PPC
Contribution du PPC Signée, peut être négative
Direction illustrative uniquement. L'effet peut être positif, négatif ou non identifié, et le rapport l'indique.
Payant vers organique

Payant vers organique : le PPC stimule-t-il ou cannibalise-t-il ?

Le modèle payant vers organique pose une question que la plupart des outils d’attribution ignorent : vos dépenses de recherche payante augmentent-elles ou réduisent-elles votre trafic de recherche organique ? Réglez le résultat sur les sessions organiques GA4, les clics organiques Search Console ou les clics organiques Bing Webmaster Tools, et le modèle estime le trafic organique avec et sans PPC au fil du temps.

  • Impact du PPC dans le temps — une référence modélisée sans PPC à côté de la série observée.
  • Contribution signée — la recherche payante peut ajouter des clics organiques, en retirer, ou n’avoir aucun effet net.
  • Coût par clic organique incrémental — affiché uniquement lorsque l’effet est positif et identifié, jamais forcé.
  • Complémentaire des rapports d’écarts — les termes pour lesquels vous payez sans aucune page organique figurent dans Paid-Proven Gaps.
Besoins en données et limites

De combien d’historique la modélisation du mix marketing a-t-elle besoin

Un modèle standard exige 164 semaines complètes : 156 semaines de résultat plus un délai de report de 8 semaines. Avec moins, un mode à historique limité s’entraîne sur 24 semaines complètes ou plus, mais il ne peut pas apprendre de façon fiable la saisonnalité annuelle, s’appuie davantage sur ses hypothèses a priori et qualifie ses recommandations d’indicatives. Google Ads conserve environ 13 mois d’historique, donc la plupart des nouveaux comptes démarrent en mode historique limité, sauf si des dépenses plus anciennes sont saisies comme coûts personnalisés.

  • Vérification de préparation d’abord — semaines complètes, devise, couverture des sources, rétention et variation des canaux sont contrôlées avant tout entraînement ; les canaux ayant dépensé sur trop peu de semaines sont exclus.
  • Revenu, pas profit — le ROI est le revenu par unité de dépense. Pour des retours tenant compte de la marge, voir ROAS réel des annonces Meta.
  • Des estimations, pas une preuve — un modèle sépare les effets des canaux à partir de données d’observation ; un test d’incrémentalité reste la preuve la plus solide pour un canal donné.
  • Offres et coût — disponible avec les offres Premium et Enterprise. Des frais récurrents de forfait de modèle démarrent lorsque vous confirmez le premier entraînement, et les vérifications de préparation et l’entraînement utilisent des crédits d’entrepôt mesurés.
Historique requis
164 semaines complètes
Modèle standard
24 semaines complètes ou plus
Historique limité
Environ 13 mois conservés
Import Google Ads
Indicatives uniquement en mode historique limité
Recommandations
Premium et Enterprise
Offres
Les jours sans données publicitaires comptent comme zéro dépense, donc un import incomplet fausse le résultat. La vérification de préparation le signale avant l'entraînement.
164

semaines complètes pour un modèle standard, ou 24 pour démarrer en mode historique limité

Les conversions déclarées par les plateformes vous disent ce que chaque réseau publicitaire revendique. Le modèle estime ce que chaque canal a apporté une fois les autres pris en compte.

Voir Meta Attribution Reality

Ajustez un modèle de mix marketing sans code

Choisissez un résultat et vos canaux, lancez la vérification de préparation, et obtenez contributions, courbes de réponse et répartition budgétaire avec intervalles de crédibilité.

app.amicited.com/marketing-channels/mmm

Prêt à voir ce que chaque canal apporte aux ventes ?