Le problème métier
Le directeur marketing alloue des millions d'euros entre TV, digital, promotions, CRM, réseaux sociaux et retail média, mais personne ne sait vraiment quel levier génère combien de ventes.
L'attribution digitale (last-click, multi-touch) ne capte que le online, et disparaît progressivement avec la fin des cookies tiers. Le retail média, en pleine explosion, est encore mal modélisé. Les promotions et la TV ont des effets de halo et de saturation que les outils standard ne capturent pas.
Résultat : les budgets sont alloués par habitude (« on fait toujours 30 % digital, 50 % CRM, 20 % TV »), pas par impact. Les arbitrages stratégiques se prennent au sentiment plutôt qu'à la donnée.
Et le contexte se durcit : les budgets marketing baissent (Gartner : de 9.3 % à 7.7 % du CA entre 2023 et 2025). Optimiser l'allocation devient critique — non plus pour gagner plus, mais pour faire autant avec moins.
La solution
Le Marketing Mix Modeling (MMM) est une approche statistique qui mesure la contribution réelle de chaque levier marketing au chiffre d'affaires.
Concrètement, le modèle :
- Décompose votre CA en base (ventes qui se feraient sans marketing) + contribution de chaque levier (TV, digital, promo, CRM, etc.)
- Capture les effets adstock : un investissement TV génère des ventes pendant plusieurs semaines, pas juste le jour de la diffusion
- Capture les effets de saturation : à partir d'un certain niveau, un euro supplémentaire sur un canal ne rapporte plus rien
- Permet la simulation budgétaire : « si je déplace 50 k€ du TV vers le retail média, quel impact sur le CA prévu ? »
Le directeur marketing arrive en réunion d'arbitrage budgétaire avec des courbes de saturation par canal et des scénarios chiffrés au lieu de défendre des intuitions. Le DAF a une justification quantifiée pour chaque dépense.
C'est le retour d'une méthode des années 60 — mais boostée par les frameworks open-source modernes (Meridian de Google, PyMC-Marketing, Robyn de Meta) qui ont rendu accessible ce qui coûtait il y a 5 ans 200 k€ de cabinet spécialisé.
Comment estimer votre ROI
Le ROI d'un MMM vient de la réallocation du budget média.
Étape 1 — Identifier votre budget média annuel
Sommez vos dépenses payantes : Google Ads + Meta + display + TV + radio + DOOH + retail média + influenceurs + affiliation. Inclure aussi les promotions si vous voulez les modéliser comme levier.
Étape 2 — Calibrer la part réallouée
Sur les missions documentées et les cas publics, 15 à 30 % du budget média est réalloué après un MMM bien fait. Les canaux saturés sont coupés ou rebalancés vers des canaux sous-investis.
Étape 3 — Estimer le gain de ROI
Sur la part réallouée, le gain de ROI typique est de 20 à 50 % (vous arrêtez de gaspiller sur des canaux saturés, vous renforcez ceux sous-investis).
Exemple pour un retailer avec 10 M€ de budget média annuel :
- Réallocation : 25 % = 2.5 M€
- Gain de ROI sur la part réallouée : 30 %
- Gain net : ~750 k€/an de marge incrémentale
Cas publics documentés (références marché) :
- +17 % de media ROI sur une marque mobilité européenne
- +9 % d'effectiveness à budget constant sur une marque multi-pays
- +58 M€ de revenue en année 1 sur un déploiement consumer health 20 marchés
À calibrer sur votre propre budget média et la maturité actuelle de votre attribution.
Phases de déploiement
| Phase | Durée | Livrable décisionnel |
|---|---|---|
| Cadrage | 2-3 sem | Périmètre (marques, marchés, leviers), définition métriques cibles |
| Préparation données | 4-6 sem | Réconciliation des sources (ventes, médias, promos, externes) — 35-45 % du projet |
| V1 — Modèle baseline | 3-4 sem | Premier MMM avec décomposition CA + courbes de saturation |
| V2 — Validation | 2-3 sem | Backtests, comparaison avec attribution digitale, stress-tests |
| V3 — Outil de simulation | 2-3 sem | Interface pour le directeur marketing : simuler des arbitrages, visualiser les scénarios |
| Roll-out | Trim. | Mise à jour trimestrielle du modèle, intégration au cycle de pilotage budgétaire |
Quelles entreprises sont concernées
- Retailers avec >2 M€ de budget média annuel (en dessous, le ROI de l'optimisation est marginal vs le coût)
- 24-36 mois d'historique de ventes hebdomadaires (ou quotidiennes) et de dépenses média
- Présence de plusieurs leviers payants distincts à arbitrer (TV + digital + retail média + CRM + promo a minima)
- Direction marketing qui prend des décisions d'allocation budgétaire trimestriellement ou semestriellement — sans cette gouvernance, le MMM n'est pas opérable
Moins pertinent pour : retailers mono-canal (l'arbitrage est trivial), retailers avec moins de 18 mois d'historique propre (manque de signal pour modéliser), pure-players à très court cycle de décision (le MMM est trop lent pour piloter quotidiennement).
Pièges à éviter
1. Sous-estimer la préparation de données. 35-45 % du projet est consommé par la réconciliation des sources (Circana). Les ventes ne matchent pas les dépenses, les promotions ne sont pas timestampées correctement, les données externes (météo, événements) sont éparpillées. Beaucoup de cabinets vendent un MMM en 8 semaines en sous-estimant cette étape — le résultat est un modèle fragile qui produit des recommandations contestables. Cadrage honnête : prévoir 12-16 semaines pour une V1 solide, en commençant par la donnée.
2. Choisir l'outil avant de cadrer le besoin. Meridian (Google), PyMC-Marketing, Robyn (Meta), LightweightMMM — chaque framework a ses caractéristiques (approche bayésienne vs fréquentiste, gestion des hiérarchies, vitesse, courbe d'apprentissage). PyMC-Marketing est aujourd'hui le plus actif et le plus polyvalent ; Meridian devient le leader pour les hiérarchies multi-marchés ; Robyn reste mature mais sa version Python est instable. Le bon choix dépend de votre stack interne et du périmètre — pas de la mode du moment.
3. Présenter le MMM comme une vérité absolue. Le MMM produit des estimations avec intervalles de confiance, pas des certitudes. Les marketers et DAF qui prennent les sorties au pied de la lettre se cassent les dents sur la première décision contestée. La communication pédagogique sur les limites (incertitude, hypothèses, périmètre) est ce qui crée la confiance dans le temps. Un MMM bien construit dit aussi « je ne sais pas » quand l'historique ne permet pas de trancher.
4. Vouloir un MMM exhaustif dès la V1. Modéliser 25 leviers, 8 marques, 15 marchés en parallèle dès le début est tentant — c'est aussi la garantie de produire un modèle instable qui ne converge pas correctement. La séquence saine : V1 sur 1 marque × 1 marché × 6-10 leviers, validation, puis extension progressive. Les meilleurs MMM se construisent par couches.
5. Oublier le change management côté direction marketing. Le MMM produit parfois des recommandations contre-intuitives (« coupez de 40 % votre budget Meta », « renforcez le retail média »). Sans accompagnement de la direction marketing dans la lecture du modèle et la prise de décision, les recommandations restent un PowerPoint qu'on regarde mais qu'on n'applique pas. 87 % des CMO jugent le MMM important, seulement 28 % jugent les résultats actionnables (Gartner). Le delta est dans le change management, pas dans le modèle.