Présentation de Meridian
Meridian est une solution MMM Open Source développée par Google qui propose des fonctionnalités innovantes pour répondre aux principaux défis en termes de mesures. En d'autres termes, il s'agit d'un framework statistique flexible et performant. Meridian étant Open Source, son code sous-jacent est entièrement visible et peut être modifié. L'utilisation de Meridian ne génère aucuns frais et vous permet de contrôler votre modèle, vos données et vos résultats.
Ce framework est conçu pour vous aider à répondre à trois questions fondamentales concernant votre activité :
- Quels sont le ROI et la contribution historiques de chacun de nos canaux marketing ?
- Quelle est la courbe de réponse pour chaque canal ? En d'autres termes, comment l'impact marketing varie-t-il en fonction des dépenses ?
- Sur la base de ces résultats, comment devons-nous allouer notre futur budget pour maximiser nos résultats commerciaux ?
Principaux avantages de Meridian
Meridian vise à permettre au secteur de créer des MMM performants et d'améliorer les résultats commerciaux. Pour cela, il dispose de plusieurs fonctionnalités clés qui permettent d'obtenir plus rapidement des insights pratiques et plus précis.
- Un outil conçu pour l'inférence causale : Meridian vise à estimer l'impact causal réel de votre marketing. Les hypothèses et le framework d'inférence causale fournissent l'estimation du résultat incrémental au modèle pour chaque variable de traitement.
- Un outil personnalisé grâce à votre expertise : vous pouvez ajouter au modèle vos connaissances métier existantes à l'aide des a priori. Un a priori fournit au modèle un point de départ basé sur vos informations. Grâce à ce processus, vous pourrez adapter le modèle à la réalité unique de votre entreprise, et celui-ci pourra générer des insights qui reflètent à la fois votre expertise du domaine (par le biais d'un a priori) et vos données.
- Un outil enrichi avec des variables de contrôle : vous pouvez inclure différentes variables de contrôle. Par exemple, en incluant des données sur le volume de requêtes Google en tant que variable de confusion, vous aidez le modèle à mieux tenir compte de l'intérêt naturel pour la marque lorsqu'il estime l'effet causal de votre publicité.
- Une modélisation au niveau géographique : Meridian permet d'utiliser des données au niveau géographique, qui contiennent plus d'informations statistiques. Il peut ainsi améliorer l'estimation de l'effet média et fournir des insights plus précis au niveau géographique.
- Une méthodologie basée sur la couverture et la fréquence : Meridian permet d'utiliser les données de couverture et de fréquence comme entrées de modèle pour obtenir des insights supplémentaires. La couverture correspond au nombre d'utilisateurs uniques ayant vu l'annonce au cours de chaque période, et la fréquence représente le nombre moyen d'impressions par utilisateur. Vous obtiendrez ainsi des insights plus précis sur la variation de l'impact d'un canal selon la couverture et la fréquence. Pour en savoir plus, consultez Bayesian Hierarchical Media Mix Model Incorporating Reach and Frequency Data.
- Un outil conçu pour l'action : Meridian inclut des fonctionnalités d'optimisation et de planification de scénarios basées sur sa modélisation avancée. Il est conçu pour générer des résultats commerciaux exploitables grâce à ses données sur les métriques métier clés, comme les estimations du ROI et les intervalles crédibles, les courbes de réponse et les recommandations d'optimisation du budget.
Vue d'ensemble du parcours avec Meridian
Meridian fournit un workflow structuré de bout en bout. Le parcours utilisateur comprend les principales étapes suivantes :
Prémodélisation : cette étape consiste à collecter, organiser et nettoyer vos données. Vous fournissez au modèle des données d'entreprise clés, y compris votre KPI cible (souvent des données de vente), les données média pour chaque canal marketing et toutes les variables de contrôle pertinentes qui peuvent également influencer à la fois votre marketing et votre KPI.
Modélisation : le modèle bayésien principal de Meridian est appliqué à vos données. Le modèle intègre des hypothèses concernant des effets complexes et réels comme l'effet différé de la publicité et la saturation. Le principal résultat du modèle est une distribution a posteriori des paramètres du modèle, qui alimente l'analyse post-modélisation.
Post-modélisation : cette étape consiste à évaluer les résultats de votre modèle et à examiner les insights pratiques. Meridian propose un ensemble standard de visualisations qui vous aident à comprendre l'ajustement du modèle, la contribution de chaque canal, le ROI et plus encore. Pour vous aider à transformer les insights en actions, Meridian fournit un rapport d'optimisation du budget qui explique comment allouer votre budget pour optimiser votre investissement marketing.