Avez-vous besoin d'un MMM à source ouverte ?

Dans un article précédent, nous avons examiné comment les cadres MMM à source ouverte démocratisent l'utilisation des MMM. En résumé, la rentabilité, la flexibilité, la transparence et la possibilité d'adopter et de gérer entièrement la solution sont les principaux facteurs qui suscitent l'intérêt pour les progiciels MMM à code source ouvert.

‍

Cet article est co-écrit par Mathieu Lepoutre et Arnaud Parent.

‍

À quels annonceurs s'adressent les modèles à code source ouvert ?

Sur la base de l'expérience de fifty-five, trois types de contextes/attentes des annonceurs se distinguent :

Les annonceurs qui utilisent pour la première fois MMM. L'adoption de logiciels libres réduit les barrières à l'entrée en éliminant les coûts élevés, ce qui rend les analyses marketing avancées accessibles aux entreprises de toutes tailles, y compris les PME. En outre, elle offre des solutions sur mesure pour des secteurs ou des contextes marketing spécifiques que les plateformes SaaS génériques négligent souvent.

Les annonceurs qui ont déjà effectué des analyses MMM occasionnelles avec un fournisseur externe et qui souhaitent maintenant des mises à jour plus fréquentes. En raison des contraintes budgétaires, ces études étaient souvent réalisées annuellement avant l'allocation du budget. Cependant, cette approche est de plus en plus obsolète dans l'écosystème médiatique actuel, qui évolue rapidement et exige une optimisation continue et une prise de décision plus fréquente.

Les annonceurs qui n'utilisent les MMM que pour un petit nombre de leurs marques. Un scénario courant se produit dans les entreprises de produits de grande consommation qui n'appliquent les MMM qu'à quelques grandes marques, bien qu'elles gèrent des investissements substantiels dans un portefeuille plus large. Les logiciels libres rendent financièrement possible l'extension des MMM à toutes les marques, ce qui permet de nouveaux cas d'utilisation tels que l'optimisation de l'allocation des ressources marketing dans l'ensemble du portefeuille et la mesure des effets de halo.

Les annonceurs qui souhaitent internaliser un processus basé sur les MMM. Dans la plupart des cas, le recours à des bibliothèques open-source constitue un point d'entrée idéal pour les organisations qui cherchent à évaluer les opportunités ou à entamer le processus d'internalisation. Cette approche est généralement motivée par plusieurs facteurs : le désir de personnalisation et de flexibilité, le besoin d'approfondir les données de première partie des annonceurs ou d'obtenir des informations plus rapides et plus fréquentes, une exigence de transparence et de contrôle, la volonté de cultiver une culture axée sur les données au sein de l'organisation, et des considérations de sensibilité aux coûts et de contraintes budgétaires.

‍

Comment réussir le déploiement d'un MMM à source ouverte ?

Les progiciels à code source ouvert sont indéniablement porteurs de transformation, offrant aux annonceurs un catalyseur pratique pour améliorer leur approche des projets MMM et pour intégrer partiellement ou totalement des solutions d'aide à la décision en interne.

Bien que data science - en particulier le travail de "modélisation" - soit central, se concentrer uniquement sur cet aspect sans prendre en compte les exigences plus larges d'une mise en œuvre réussie présente un risque important de sous-performance. Même si cela peut sembler évident, nous devons souligner l'importance de :

> Une équipe qualifiée avec un large éventail de compétences: Constituez un groupe diversifié, comprenant des data scientists spécialisés dans les modèles de marketing, des analystes de données et d'affaires, des experts en médias (sur les canaux en ligne et hors ligne) et des professionnels du marketing. Cette combinaison garantit que les modèles ne sont pas seulement techniquement robustes, mais qu'ils sont également alignés sur les perspectives commerciales et pertinents pour vos objectifs de marketing. Il est également avantageux que l'équipe ait de l'expérience avec les outils open-source spécifiques à utiliser, ou qu'elle puisse être guidée par des experts en la matière, car cela peut grandement simplifier le processus de mise en œuvre.

>Des données de haute qualité : Un projet MMM est avant tout un projet de données. Investissez du temps dans la sélection, le nettoyage et l'organisation des données dès le départ. Avoir le bon niveau de granularité dans chaque source de données est vraiment un facteur clé de succès (en savoir plus dans "La granularité, une clé pour mesurer et optimiser l'efficacité du marketing"). Cette granularité doit englober tous les facteurs et indicateurs commerciaux pertinents, depuis les chiffres de vente et les dépenses de marketing jusqu'aux facteurs externes tels que les indicateurs économiques. Cette étape fondamentale est indispensable pour tout projet MMM et sera sans aucun doute payante à long terme en améliorant la précision, la robustesse et la fiabilité des modèles.

> Processus progressif / itératif vers la personnalisation : Commencez par des projets pilotes en appliquant des progiciels libres à des zones géographiques sélectionnées ou à des lignes de produits spécifiques et adoptez un état d'esprit d'apprentissage et d'amélioration continus. Les outils open-source offrent la flexibilité nécessaire pour affiner et perfectionner les modèles en fonction des besoins, qu'il s'agisse d'intégrer des sources de données uniques, d'expérimenter différentes méthodologies ou de s'adapter aux nouvelles conditions du marché. Un corollaire essentiel de cette approche est l'intégration des résultats des tests et des expériences d'efficacité marketing dans le cadre, ce qui non seulement améliore le potentiel explicatif des modèles, mais favorise également leur adoption en interne.

> Durabilité et évolutivité : Adopter une approche continue, car un projet MMM n'est pas un effort ponctuel. Si les gains rapides sont importants et nécessaires, il est essentiel de planifier dès le départ la viabilité à long terme de la solution. Cela inclut des mises à jour régulières, la maintenance du modèle et l'adaptation aux nouvelles données ou aux exigences de l'entreprise, afin de s'assurer que la solution entraîne un changement durable plutôt que de servir de solution à court terme. En outre, la conception de la solution dans une optique d'évolutivité permet de l'étendre à d'autres marchés, à d'autres pays et à des secteurs d'activité plus vastes. Cette approche garantit que la solution peut évoluer en même temps que l'entreprise, en s'adaptant à l'augmentation des volumes de données et à leur complexité au fil du temps.

‍