Chaque plan média suppose une courbe comme celle-ci. Presque aucun ne l’a jamais tracée.
La ligne, c’est ce que la TV ajoute au chiffre d’affaires hebdomadaire à chaque niveau de dépense hebdomadaire, ajustée sur deux ans de données d’un distributeur alimentaire. Elle monte fort, puis elle fait un coude, puis elle s’aplatit. Tous les rendements décroissants tiennent dans cette image.
Deux repères verticaux comptent plus que la courbe elle-même. L’un est le coude ajusté, à 39 899 € par semaine. L’autre est le niveau où cette entreprise dépense réellement, à 63 884 €.
La lecture évidente, c’est qu’elle dépense au-delà du coude, et c’est la lecture que j’aurais écrite il y a trois ans. Ce n’est pas non plus ce que les données permettent de dire, et cette différence est la chose la plus utile de ce graphique.
L’intervalle à 95 % autour de ce coude va de 14 877 € à 64 921 €. La dépense actuelle se trouve dedans. La phrase honnête est donc : ce canal est quelque part près de son coude, et ce fichier ne peut pas dire de quel côté.
Cette phrase vaut plus qu’une phrase assurée, à cause de ce qui suivrait d’une erreur. Coupez un canal qui montait encore, et vous perdez des volumes que vous achetiez efficacement. Versez de l’argent dans un canal déjà aplati, et vous n’achetez presque rien. Les deux erreurs coûtent cher, et toutes deux se commettent chaque trimestre sur des graphiques qui montraient une estimation ponctuelle et aucun intervalle.
Ce qui resserre l’intervalle, ce n’est pas un meilleur optimiseur. Ce sont plus de périodes, ou l’ajustement conjoint des canaux pour qu’ils cessent de se disputer la même variance. Le produit le dit aussi, dans la conclusion sous le graphique, au lieu de proposer un plan qu’il ne peut pas soutenir.
La mécanique, en bref. C’est une courbe de Hill : la réponse augmente avec la dépense, avec un point de demi-saturation et un paramètre de forme ajustés sur les données. Un adstock peut être appliqué d’abord, pour que la rémanence et la saturation ne se disputent pas les mêmes semaines. La sortie donne le coude, son intervalle, le rendement marginal à n’importe quel niveau, et une qualité d’ajustement que vous pouvez vérifier.
Une courbe est un objet bien plus utile à discuter qu’un chiffre. Celle-ci vient avec l’honnêteté de dire où elle cesse d’être sûre.
Si vous voulez savoir si vos propres courbes sortiraient serrées ou larges, la réponse tient presque entièrement à la variation. Un canal dont la dépense hebdomadaire a parcouru une large plage, pour des raisons sans rapport avec le KPI, est un canal que le modèle peut lire. Un canal qui a tourné au même niveau chaque semaine pendant deux ans ne contient pas de courbe, seulement un point, et aucune méthode n’en produira une.
C’est la seule chose qui mérite de changer dans la façon de construire les plans. Dépenser le même montant chaque semaine est confortable, et c’est aussi la décision qui rend les deux années suivantes impossibles à mesurer.
Le graphique est le résultat réel du module Courbes de saturation dans TEA, obtenu sur un fichier d’exemple que chacun peut télécharger.
tea, le produit
Votre fichier, cette question
Quinze analyses sur un CSV de données hebdomadaires, avec les intervalles et les diagnostics sous les yeux, et une phrase claire quand les données ne peuvent pas répondre. Gratuit pendant la bêta, sur invitation.
Demander une place dans la bêta→tea, le produit
Quinze analyses économétriques sur votre propre CSV : Courbes de saturation, courbes de saturation, élasticités, allocation budgétaire. Les intervalles et les diagnostics sous les yeux, et une phrase claire quand le fichier ne peut pas répondre.
Gratuit pendant la bêta, sur invitation.
Demander une place dans la bêta →Cet article vous a plu ? Lancez l’analyse sur vos propres données.
TEA lance Courbes de saturation et quatorze autres analyses sur n’importe quel CSV hebdomadaire, en quelques minutes. Gratuit pendant la bêta, sur invitation.