Retour sur investissement : la contribution des modèles mathématiques

Le retour sur investissement étant une préoccupation majeure des annonceurs, la commission Recherche de l'UDA s'est interrogée sur la maîtrise de l'optimisation des actions marketing via les modèles mathématiques. La modélisation consiste à établir des relations mathématiques entre les données de marché et les variables marketing. Quand une relation stable est établie (les courbes de ventes prévues par le modèle s'ajustent au plus près avec les ventes réelles), le modèle devient opérationnel et permet de prévoir les réactions du marché aux différentes actions possibles. Les simulations aident à définir le mix marketing optimum. Pour savoir si la modélisation mathématique, apparue il y a une bonne vingtaine d'années, offrait aujourd'hui une réponse à la nécessaire optimisation des moyens marketing, l'UDA a entrepris une étude auprès des spécialistes de la modélisation et des instituts fournisseurs de données. Pendant l'été 2004, treize spécialistes des études et de la modélisation et cinq annonceurs ont été interrogés.

L'état des lieux

On a observé que l'offre de modèles était assez concentrée entre un petit nombre de cabinets et qu'elle recouvrait des familles de modèles multiples. Ainsi distingue-t-on les outils qui modélisent l'ensemble du marketing mix de ceux qui s'attachent à l'étude d'une de ses composantes : la promotion, le prix… Les instituts et les experts adaptent en fait leurs produits aux demandes spécifiques exprimées par les annonceurs. L'étude UDA n'a pas visé à circonscrire les attentes des annonceurs, mais c'est à travers quelques échanges de vue ponctuels avec des responsables marketing qu'a été perçu le caractère occasionnel et spécifique de leurs attentes, tout en relevant que la modélisation n'était envisagée pour l'instant que dans le secteur de la grande consommation, où les bases de données marketing sont les plus élaborées.

Qui fabrique des modèles ?

Les producteurs de modèles se rencontrent dans les instituts d'études, les cabinets indépendants spécialistes en modélisation, les agences médias et chez certains annonceurs eux-mêmes. Les cabinets indépendants recherchent la collaboration avec les annonceurs et développent des produits sur mesure. Parallèlement, les instituts proposent des modèles standardisés, qui nécessitent un investissement en temps moindre. La partie documentaire de l'étude comprend l'analyse détaillée de trois producteurs de modèles : MarketingScan (BrandSimulator), IRI (les Drivers) et le cabinet Solis Conseil.

Les apports des modèles

La construction d'un modèle permet de bien réfléchir sur les variables explicatives et leurs pondérations. Les simulations et les prévisions de retour sur investissement représentent l'étape ultime. On peut distinguer deux façons d'utiliser les modèles, voire deux philosophies. La voie la plus aisée est l'utilisation de ces modèles pour répondre de manière simple à une question. Cependant, les experts la jugent caricaturale. Les modèles ne doivent jamais, selon eux, donner une décision toute faite. C'est pourquoi ils leur préfèrent la seconde utilisation possible : pour comprendre des phénomènes, apporter des idées et des références, car ce sont de précieux outils d'aide à la décision. A l'ultime échelon de leur utilisation, les modèles permettent de déterminer le fameux “retour sur investissement” des actions engagées. La limite actuelle de la modélisation réside sans doute dans la connaissance théorique comportementale des consommateurs et dans les investissements réalisés dans la recherche, insuffisants aux dires de la majorité des experts.

Deux types de modèles et deux méthodes de recueil des données

Il faut distinguer les modèles “économétriques” ad hoc et les modèles “industriels” à noyau prédéfini. L'offre peut aussi être envisagée en fonction du type de données à l'origine du modèle : agrégées ou désagrégées, ces dernières étant reconnues par tous comme les mieux adaptées à une modélisation “moderne”. Quant au recueil des données à des fins de modélisation, deux méthodes s'opposent : le “single source” et le “multi-source”. Les points de vue convergent là aussi assez bien : l'idéal serait le “single source”, mais c'est largement utopique (ou plus exactement limité à un marché-test), c'est pourquoi le “multi-source” est plus réaliste et, somme toute, plus riche d'opportunités.