La modélisation du mix marketing (MMM) est fondamentalement une affaire de causalité. Son objectif est de déterminer l'effet de causalité de vos investissements marketing sur les résultats de votre entreprise. Pour obtenir un résultat fiable, Meridian repose sur l'inférence causale et les statistiques bayésiennes. Cette section présente ces principes fondamentaux, en expliquant le "pourquoi" de la méthodologie de Meridian et les hypothèses clés qui permettent d'obtenir ces renseignements.
Principes de base de l'inférence causale
Cette section présente les concepts de base de l'inférence causale et de la modélisation bayésienne. Elle explique pourquoi ces approches sont essentielles pour une MMM exploitable.
| Page | Description |
|---|---|
| Raison d'être de l'inférence causale et de la modélisation bayésienne | Cette page explique pourquoi Meridian repose sur une base d'inférence causale. Elle précise que l'objectif de la MMM est de comprendre l'effet de causalité de l'activité marketing sur les résultats commerciaux. |
| Présentation de l'inférence bayésienne | Découvrez les idées fondamentales qui sous-tendent les statistiques bayésiennes. Cette page explique des concepts tels que les a priori (ce que vous savez à l'avance) et les a posteriori (ce que vous apprenez de vos données), et comment cette approche permet à Meridian de fournir une liste complète d'incertitudes dans ses estimations. |
| À propos de la MMM en tant que méthodologie d'inférence causale | Cette page explique comment la MMM s'inscrit dans le domaine plus vaste de l'inférence causale. Elle compare la MMM, qui utilise des données d'observation, aux tests contrôlés et décrit les principales hypothèses nécessaires pour tirer des conclusions de causalité à partir de vos données marketing. |
Hypothèses d'inférence causale de Meridian
Pour que Meridian puisse estimer précisément l'impact causal de votre marketing, il doit émettre quelques hypothèses clés. Cette section décrit en détail ces hypothèses et la façon dont elles sont justifiées.
| Page | Description |
|---|---|
| Hypothèses requises | Cette page décrit les hypothèses fondamentales, comme l'échangeabilité conditionnelle, qui sont nécessaires pour qu'un modèle de mix marketing produise des estimations causales valides. Elle explique ce que ces hypothèses signifient en termes pratiques pour votre analyse. |
| Le graphique causal | Découvrez le "graphique causal", qui est une carte des relations de cause à effet dans votre écosystème marketing. Cette page explique comment Meridian s'appuie sur ce graphique supposé pour s'assurer que le modèle est correctement structuré, afin d'estimer l'effet de causalité des dépenses marketing sur les résultats commerciaux. |
| Estimer le résultat incrémental à l'aide de la régression | Cette page décrit en détail la méthode statistique utilisée par Meridian pour calculer le résultat incrémental, qui est à la base du ROI, du ROIm et des courbes de réponse. Il s'agit du cœur de l'analyse, qui vous montre dans quelle mesure votre KPI est causé par chaque activité marketing. |
| Extension aux modèles avec données de couverture et de fréquence | Cette page explique comment le cadre de causalité est adapté aux canaux avec des données de couverture et de fréquence. Elle montre comment ces entrées enrichies permettent de mieux comprendre l'impact causal de vos dépenses média. |
Références
| Page | Description |
|---|---|
| Références | Cette page fournit une liste des principaux articles universitaires et études qui constituent le socle théorique de l'approche de Meridian concernant la modélisation du mix marketing. |