Entre Meridian (Google) et Robyn (Meta), quel marketing mix modeling choisir ?
Google a fait beaucoup de bruit en annonçant début février la mise à disposition en open source de Meridian, son algorithme de marketing mix modeling, successeur de LightweightMMM. Une solution qui facilite la vie d'agences n'ayant pas développé d'algorithmes de mesure propriétaires, mais également d'annonceurs souhaitant internaliser ce type d'analyse, habituellement faite avec le concours de prestataires externes spécialisés.
Mais Meridian, ce n'est pas le seul algorithme open source de MMM mis à disposition du marché par les Gafam. Meta aussi proposait déjà le sien, Robyn. Tous les deux apportent la promesse de permettre la mise en place d'une analyse économétrique tenant compte de tous les leviers promotionnels et publicitaires online et offline activés pour une marque. Avec un avantage de poids : la gratuité. "Ces packages open source ont le mérite d'offrir de manière gratuite des bases communes et solides pour la mise en place de MMM", déclare Léonard Trebern, senior data scientist chez Jellyfish.
Certes l'algorithme n'est qu'une partie du travail. "Il faut faire appel à beaucoup d'expertise à la fois en data science, en média et en spécificité sectorielle pour paramétrer l'algorithme, l'entraîner en l'alimentant avec les bonnes données aux bons formats, analyser ses résultats, le mettre à jour et l'optimiser", rappelle Gaelle Le Falher, directrice générale adjointe de CSA Data Consulting.
L'algorithme, ce n'est rien sans une bonne data, mais l'inverse est aussi vrai : sans algorithme, pas de MMM, une méthode qui gagne du terrain auprès de toute sorte d'annonceurs et qui se démocratise grâce justement à la mise en place de modèles allégés, dont ceux proposés en open source par les Gafam.
Dès lors, entre Meridian et Robyn, lequel choisir ? Les réponses dans le tableau ci-après, élaboré avec l'aide de Gaelle Le Falher et Léonard Trebern.
| Caractéristiques et fonctionnalités | Meridian (Google) | Robyn (Meta) |
|---|---|---|
| Flexibilité du paramétrage | Développé uniquement sur Python, un langage de programmation beaucoup plus répandu, mais qui laisse moins de place à la customisation. Meridian est un outil plus packagé, basé sur un algorithme principal, de régression bayésienne. | Disponible sur Python mais aussi sur R, un langage davantage utilisé par les statisticiens. Robyn offre au data scientist plus de possibilités de paramétrage et de choix entre différents algorithmes car on peut intégrer à Robyn le package Prophet pour traiter les séries temporelles. Un troisième package, Nevergrad, permet de renforcer l'optimisation des modèles. |
| Documentation et prise en main | Mieux documenté et plus simple d'utilisation et rapide à manipuler que Robyn. | Exige des compétences plus avancées en data science pour en tirer pleinement parti. |
| Précision de la mesure | Offre des résultats qualifiés de robustes mais standardisés. | Laisse beaucoup plus de place à la customisation et peut fournir des analyses plus fines et détaillées. |
| Hypothèses de travail ("priors") | Accorde trop d'importance aux hypothèses de travail ("priors"), c'est-à-dire aux résultats attendus pour chaque levier sur la base des données de tests et d'études. Pour définir ses priors, Meridian se nourrit souvent de... études Google. | Permet d'intégrer des informations externes qualitatives, basées sur l'expérience du data scientist, et pas seulement quantitatives. |
| Reach & frequency | Permet d'intégrer les données de reach et de fréquence d'exposition, en plus des données d'impression. | Cette fonctionnalité n'est pas encore disponible, elle est au stade de prototype. |
| Prise en compte des effets de saisonnalité | La prise en compte des événements saisonniers n'est pas jugée satisfaisante, elle intègre un seul paramètre à la fois. | Les effets de saisonnalité sont beaucoup mieux captés chez Robyn, qui utilise des séries temporelles dédiées grâce à Prophet permettant d'intégrer une dizaine de paramètres. |
| Granularité des retours sur les médias offline | Limitée. | Gère mieux les comparaisons entre différentes vagues, tout comme ce qui relève du court ou du moyen terme. Les données remontées étant plus fines, elles permettent une plus grande profondeur d'analyse. |
| Fiabilité des résultats | Un regard critique et des précautions s'imposent pour les deux modèles afin de les corriger, car des biais et des partis pris peuvent exister dans les deux cas. | |
| ROI marginal | Dans la phase d'optimisation des arbitrages budgétaires, Meridian offre l'option de l'optimisation du ROI marginal (sur les budgets incrémentaux), en plus des modes classiques (maximisation des revenus ou réduction de budgets pour un revenu cible). | Robyn ne propose pas encore cette option. |
| Profil de l'annonceur | Un annonceur qui se concentre sur le search où dont les données sont stockées ou transitent essentiellement sur l'environnement Google aura plus d'intérêt à opter par Meridian. Meridian c'est une solution plus "grand public". | Robyn est particulièrement adapté aux besoins d'annonceurs plus matures appartenant à de grandes entreprises avec un mix média plus complexe et des investissements plus conséquents. |